آینده استفاده از انرژی مرکز داده: مدیریت پیچیدگی با هوش مصنوعی
مقدمه این یکی از بزرگترین پارادوکس های زمان ما است: جهان به ساخت مراکز داده انرژیبر برای پاسخگویی به تقاضای رو به رشد نیاز دارد؛ با این حال کاهش انتشار کربن برای مهار تغییرات آب و هوایی ضروری نیز شده است. این یک چالش و فرصتی برای معرفی فناوریهایی در همه بخشها از جمله یادگیری […]
مقدمه
این یکی از بزرگترین پارادوکس های زمان ما است: جهان به ساخت مراکز داده انرژیبر برای پاسخگویی به تقاضای رو به رشد نیاز دارد؛ با این حال کاهش انتشار کربن برای مهار تغییرات آب و هوایی ضروری نیز شده است. این یک چالش و فرصتی برای معرفی فناوریهایی در همه بخشها از جمله یادگیری ماشین و هوش مصنوعی است که میتوانند استفاده از انرژی در ساختمانها را برای همیشه متحول کنند.
رویدادهای ابتکاری HVAC
رویکردهای ابتکاری HVAC، از جمله استفاده از چیلرهای کارآمد و سیستمهای خنککننده آزاد، به عنوان ملاحظات اصلی بهبود بهرهوری مصرف انرژی مرکز داده (PUE) هستند و با صرفنظر از سیستمهای نصبشده در مرکز داده، کنترل دقیقی که از طریق مدیریت زیرساخت مرکز داده (DCIM) به دست میآید برای به حداکثر رساندن مزایای بهرهوری بسیار حیاتی است.
پتانسیل DCIM برای کاهش مصرف انرژی
اما آیا پتانسیل DCIM برای کاهش مصرف انرژی با محدودیت های انسانی ما مختل شده است؟ آیا سنت، فرآیندها و مفروضات مانع بهبود بهره وری انرژی می شود؟ در مرکز داده معمولی امروزی، مهندسان عملکرد سیستم را بر اساس اطلاعاتی که در مورد تجهیزات و تجربه یا مفروضات خود در مورد نحوه پاسخگویی سیستم ها تحت شرایط زمانی و مکانی خاص، از جمله آب و هوا دارند بهینه می کنند. اما حتی زمانی که بهترین مهندسان تصمیمات برنامه نویسی می گیرند، هوش انسان محدودیت هایی دارد. یادگیری ماشینی و هوش مصنوعی می تواند نقطه عطفی باشد که ما را به نسل بعدی بهره وری انرژی در صنعتی می رساند که مصمم به محاسبه هر کیلووات است. هوش مصنوعی ظرفیت بینهایتی برای تسلط بر پیچیدگی سیستمها و دستکاری توالی پیچیده سیستمهای خنککننده برای بهینهسازی مصرف انرژی در شرایط بینهایت پویایی زمان واقعی دارد. شما می توانید فوراً صدها سناریو چه میشود اگر را تجزیه و تحلیل کنید تا به بهترین اقدام برسید. گاهی اوقات به نظر می رسد که تصمیمات مبتنی بر هوش مصنوعی از منطق انسانی پیشی می گیرند.
سخن پایانی
پذیرندگان اولیه (Early adopters) هر خطری را با نظارت بر هوش مصنوعی و بررسی تصمیمات سیستم قبل از اجرای آنها مدیریت می کنند. در طول یک برنامه آزمایشی، هوش مصنوعی به اپراتورهای تأسیسات توصیه کرد که با چیلر در شرایطی کار کنند که معمولاً به خنک کننده آزاد متوسل می شدند. معاملهگرانی که کنجکاو بودند و میخواستند به باور جامعه درباره هوش مصنوعی شک و تردید بدهند، توصیهها را دنبال کردند. مهندسان بعداً با تعجب دیدند که در آن شرایط خاص، انرژی کمتری برای راهاندازی چیلر نسبت به پمپهای خنککننده آزاد مورد نیاز است.
آیا این مطلب برای شما مفید بود؟
0 بازخورد