902023.06人工智能0引言数据中心作为我国经济转型升级的重要基础设施，是实现互联网+、云计算、中国智造的战略保障。2020年我国数据中心年耗电量已超过1600亿千瓦时，占到全社会耗电量的2.35%[1]。而在国家加快5G网络和数据中心等新型基础设施建设的大环境下，未来我国数据中心产业仍将保持较快发展。在数据中心能耗结构中，信息技术（InformationTechnology，IT）设备运行占到机房能耗的45%，空调及新风系统占到机房能耗的40%，供配电系统占到机房能耗的10%，照明占到机房能耗的5%[2]。在保证数据机房IT设备正常运行和环境不变的前提下，降低空调能耗是最直接有效的节能途径。目前，中小型数据中心受空间、机房负荷、投入资金等因素限制，常用的节能技术有微模块机房[3]、气流组织优化[4]、老旧空调升级更新为氟泵空调[5]等，但微模块机房通常在机房建设前，而气流组织优化和空调升级更新产生的冷量仍会远大于机房所需冷量，对于机房节能效果有限。随着计算机软硬件的发展，人工智能（ArtificialIntelligence，AI）技术被逐步被应用在空调控制系统。目前风冷型空调常用的AI控制方式有PID控制[6]、模糊控制[7]等，但由于空调制冷过程中的参数都是非线性的，PID控制在处理时需要将参数进行线性化，无法满足机房负荷波动情况下的制冷要求。模糊控制将专家经验作为控制规则，经过模糊推理和解模糊过程后输出信号控制可以风机转速、送回风温度，但由于机房温度变化的滞后性，空调提供的冷量往往不能满足实际负荷需求的冷量。本文以某运营商风冷型数据中心为研究对象，设计了一种采用迭代学习控制算法的空调控制系统，介绍了算法控制逻辑和控制系统架构。运行结果表明，将机房空调、温感探头都接入控制系统，根据计算结果远程控制空调的工作状态，实现机房节能运行。1机房现状分析某数据中心机房平面布局如图1所示。该机房长约22m，宽约19m，总面积418m2，层高4.7m，采用空调上送风设计。机房内共有机柜152架，其中在用117架，主要为服务器、存储器、交换机等设备；有精密空调6台，为5+1运行模式，每台额定制冷量80kW。正常运行工况下，机房的CFD仿真结果如图2所示。根据机房温度云图，IT设备入口温度范围为18～27.5℃，温差达到9.5℃。一半以上的设备入口温度达到18℃，机房空调存在制冷量浪费现象。因此，需要对机房空调系统进行改造，采用迭代学习算法的空调控制系统蔡成超张箴汪震朱从林楠中国电信股份有限公司无锡分公司摘要：针对老旧数据中心高能...
