大数跨境
首页
>
PUE再降15%！华为iCooling的“暴力美学”：从140万种组合中找出最优制冷策略
>

PUE再降15%！华为iCooling的“暴力美学”：从140万种组合中找出最优制冷策略

PUE再降15%！华为iCooling的“暴力美学”：从140万种组合中找出最优制冷策略 新数字能源
2026-03-06
0
导读：中国联通中原数据基地引入AI制冷，实测节能8%-15%，背后是深度神经网络+遗传算法的硬核技术——数据中心制冷正在从“人工经验”走向“算法寻优”在数据中心的耗电分布中，占比最大的是IT设备，紧随其后的
中国联通中原数据基地引入AI制冷，实测节能8%-15%，背后是深度神经网络+遗传算法的硬核技术——数据中心制冷正在从“人工经验”走向“算法寻优”
在数据中心的耗电分布中，占比最大的是IT设备，紧随其后的就是制冷系统。
服务器运行时产生大量热量，如果不及时排出，设备会降频甚至宕机。为了保证全年无休的稳定运行，数据中心必须投入大量电力用于制冷——空调、冷机、水泵、风扇，每一个环节都在消耗能源。
这就产生了一个矛盾：制冷耗电越多，PUE（电能利用效率）越高，运营成本就越高；但制冷不足，设备又面临过热风险。传统解决方案是靠人工经验调节，但负载和环境都在实时变化，人根本跟不上节奏。
华为给出的解决方案是：让AI来干这件事。

01
万种组合的“暴力搜索”
华为iCooling@AI解决方案的核心，是一套基于深度神经网络和遗传算法的能效优化系统。
它的工作流程如下：
第一步：数据采集
系统通过传感器采集数据中心能效相关的全部数据——IT负载、室外温湿度、冷机供水温度、冷却塔逼近度、冷冻泵转速、冷却泵转速、精密空调设定参数……多达21类关键参数，全部实时接入 。
第二步：建模预测
利用深度神经网络，系统建立一个精确拟合数据中心运行状态的“虚拟副本”。在这个数字孪生环境中，可以推演不同参数组合下的能效表现。
第三步：寻优求解
这是最“暴力”的一步。系统采用遗传算法，在140万种可能的参数组合中，搜索当前环境下能效最优的那一组 。
遗传算法是什么？简单说，就是模拟生物进化：先生成一批随机解，筛选出表现好的，让它们“杂交”产生下一代，再加入少量“变异”，如此迭代，最终收敛到最优解。
第四步：闭环控制
找到最优解后，系统自动将优化后的参数下发给制冷设备执行，实现小时级优化。整个过程全自动，不需要人工干预。
实测效果如何？华为公布的数据是：可降低数据中心PUE约8%~15% 。
这个数字意味着什么？以一个10MW的数据中心为例，PUE从1.5降到1.35，每年可节约电费数百万元。对于大型互联网公司和云服务商，这直接就是利润。

02
中原数据基地的绿色实践
华为iCooling不是PPT上的概念，它已经在真实项目中落地。
位于郑州的中国联通中原数据基地，是中国联通集团在全国规划的十二个超大型数据基地之一，也是中部地区唯一按照T3+/T4标准建设的五星级核心数据基地 。
这个基地的建设目标很明确：在确保可靠性的同时，也要实现极致的PUE，达成“国内一流、世界领先”的能效水平 。
在采用iCooling@AI能效优化解决方案之前，数据中心的制冷系统主要依靠人工调节。运维人员根据经验设置冷机出水温度、冷却塔风机转速、冷冻泵频率等参数。但因负载和外部环境的频繁变化，人工调节很难达到理想效果 。
引入iCooling后，情况发生了根本改变：
  • 实时优化：系统每小时自动寻优一次，始终运行在最优工况；
  • 持续学习：随着数据中心负载提升、制冷方式切换及AI学习能力增强，节能效果不断提升 ；
  • 无人值守：运维人员从“手动调节”解放出来，专注于更高价值的故障预警和系统优化。
河南联通的目标正在一步步实现。

03
为什么是“暴力美学”？
140万种组合，这个数字是怎么来的？
数据中心制冷系统的可调参数数量，远超一般人想象：
  • 冷机台数和出水温度
  • 冷却塔风机转速和启停台数
  • 冷冻泵频率和运行模式
  • 冷却泵频率
  • 精密空调温度和风机转速
  • 阀门开度
每个参数都有一定的取值范围，参数之间的组合数是指数级增长的。140万，还是经过约束简化后的结果，实际可能的组合数远大于此。
人脑无法处理这种复杂度的优化问题，但AI可以。这就是“暴力美学”的实质——用超强算力，在超高维空间中暴力搜索最优解。
但单纯暴力是不够的，关键是要有好的搜索算法。华为采用的遗传算法，能在巨大的搜索空间中高效收敛，而不是漫无目的地乱撞。这背后是大量的工程实践和算法调优。

04
从制冷到智冷
数据中心制冷的技术演进，大致经历了三个阶段：
第一阶段：定频制冷
早期的数据中心采用定频冷机，要么全开要么全关，无法调节。结果是“过冷”严重，PUE居高不下。
第二阶段：变频制冷
变频技术普及后，冷机、水泵、风机都可以调速，能效大幅提升。但控制逻辑仍然基于人工设定的规则——“室外温度超过25度就开两台冷却塔”之类的阈值控制。这种规则式控制无法适应复杂多变的工况，能效还有提升空间。
第三阶段：AI智冷
iCooling代表的第三阶段，彻底告别了规则控制，进入模型预测控制。系统不再是“如果A就B”的条件判断，而是“根据当前状态预测未来趋势，在数百万种可能中寻找最优解”。从“制冷”到“智冷”，跨越的是控制范式的根本变革。
华为官网对iCooling的描述很形象：“让数据中心‘学会’省电，自动进行能效调优。” 这个“学会”，正是AI的精髓。

05
可复制的成功
iCooling@AI的价值，不仅在于数据中心制冷这一个场景。
它展示的是一种范式：在复杂的工业能源系统中，用AI替代人工经验进行实时优化。
这种范式可以复制到：
  • 工业园区综合能源调度：光伏预测、负荷预测、储能调度、需量控制的多目标优化；
  • 楼宇暖通空调系统：根据人员密度、室外气候、电价信号优化空调运行；
  • 工厂空压机群控：多台空压机的启停和加载优化；
  • 冷热电三联供系统：发电、供热、制冷的协同优化。
只要具备三个条件，就可以尝试这种范式：
  1. 有足够多的历史数据训练模型；
  2. 有实时数据采集和闭环控制能力；
  3. 优化空间足够大，值得投入。
数据中心的制冷系统恰好满足这三个条件，所以iCooling率先在这里突破。

【声明】内容源于网络
0
0
新数字能源
全栈AI/全栈能源/算电协同/智能电网/虚拟电厂/工业绿色微电网/ 零碳园区/绿电应用/电力大模型/新型电力系统/构网型控制/工业能源数字孪生/综合能源管理/能源区块链/AIDC储能/固态变压器/能源大数据/数字技术/能源路由器
内容 605
粉丝 0
新数字能源 全栈AI/全栈能源/算电协同/智能电网/虚拟电厂/工业绿色微电网/ 零碳园区/绿电应用/电力大模型/新型电力系统/构网型控制/工业能源数字孪生/综合能源管理/能源区块链/AIDC储能/固态变压器/能源大数据/数字技术/能源路由器
总阅读361
粉丝0
内容605