金融业绿色数据中心白皮书北京金融科技产业联盟2023年8月I版权声明本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。II编制委员会主任：聂丽琴编委会成员：祝军张海燕李捷编写组成员：吴志成龚慧钦陈庆姜隽彦朱佑虹白珏明温鑫赵春华葛金磊王妍娟冯博张浩然徐胜平安立赵桐赵海晨马继燕贾雪芹王红峰卢康赵成林谭忍泊张硕赵文江邹嘉麟叶梓杰王飞宇王韬范鹏侯杰田蓓钱志强魏安林王月张一星李培秦娟汪宏石凌钰韩冰李宝宇杨洪涛任泉诠李经周胡根杨荣玉吴嘉瑜孟凡辉王江涛胡秀丽梁宇栋王曼安真张鹏南杜伟宋树昆王翱宇才振功单彤贾晖杨毅纪红旭吴刚陈明张伟何征宇杨海悌陆碧波郑洋飞李征张素丽武晓鹏编审：黄本涛周豫齐朱佑虹III参编单位：北京金融科技产业联盟秘书处中国工商银行股份有限公司北京国家金融科技认证中心有限公司深圳壹账通智能科技有限公司中国人民银行清算总中心人保信息科技有限公司中债金科信息技术有限公司中金金融认证中心有限公司中国建设银行股份有限公司海通证券股份有限公司中国信息通信研究院新华三技术有限公司华为技术有限公司万国数据服务有限公司杭州谐云科技有限公司超聚变数字技术有限公司北京中科仙络咨询服务有限公司腾讯云计算（北京）有限责任公司中国计量科学研究院蚂蚁科技集团股份有限公司北京龙德缘电力科技发展有限公司北京百度网讯科技有限公司IV前言2020年9月，习近平在第七十五届联合国大会一般性辩论上发表重要讲话，指出我国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和[1]。我国碳达峰、碳中和目标（以下简称“双碳”目标）的提出，在国内国际社会引发关注。随着数据中心规模和数量的不断攀升，其能耗问题日益凸显，为此加强绿色数据中心建设成为构建新一代信息基础设施的重要任务。2021年，国家发展改革委等多部门联合印发《关于严格能效约束推动重点领域节能降碳的若干意见》[2]，明确提出要加强数据中心绿色高质量发展。同年底，中国人民银行发布《金融科技发展规划（2022—2025）年》[3]，提出打造新型数字基础设施，建设绿色高可用数据中心的重点任务。在金融业数字化转型的大背景下，数据中心作为金融发展的重要基础设施，其建造速度和规模都进入了快速上升期。从数据中心的生命周期来看，建筑主体的设计使用寿命超过40年，机电设备的使用一般也超过20年。因此，为达到双碳目标，必须要早做谋划。本文主要从金融业绿色数据中心的设计、建造、运行、评价与监管等方面展开，梳理了当前阶段金融业数据中心绿色发展情况，整理并收录了实践案例和前沿探索，供金融业数据中心从业V者参考。由于经验学识所限，本文仍有诸多不足，恳请各界批评指正。VI目录一、概述.....................................................1（一）发展背景...........................................................................................1（二）发展现状...........................................................................................4（三）研究目标...........................................................................................6（四）研究意义...........................................................................................7二、规划设计.................................................9（一）设计目标和原则..............................................................................9（二）总体规划.........................................................................................12（三）架构设计.........................................................................................15三、建设改造................................................21（一）建筑节能.........................................................................................21（二）场地基础设施节能........................................................................23（三）IT基础设施节能...........................................................................39（四）虚拟化节能....................................................................................45（五）绿色工程.........................................................................................47四、运行管理................................................50（一）绿色运行指标与分析方法............................................................50（二）绿色运行技术应用........................................................................56（三）危废处理.........................................................................................69（四）人才制度建设................................................................................72五、政策引导与标准体系建设..................................72（一）政策要求.........................................................................................72（二）标准体系.........................................................................................77（三）评价体系.........................................................................................80六、总结与展望..............................................83参考文献....................................................861一、概述本章主要介绍了数据中心行业发展的政策、行业和技术背景，以及国内外数据中心发展现状和金融行业数据中心发展情况，探讨了金融业绿色数据中心建设运行情况、优化提升路径和未来发展方向，明确了本文的研究意义在于帮助提升企业自身经济效益、助力行业发展和创造社会价值。（一）发展背景1.政策背景数字经济为全球经济复苏提供重要支撑。2021年，测算的47个国家数字经济增加值规模为38.1万亿美元，同比名义增长15.6%，占GDP比重为45.0%[4]。全球数据总量爆发式增长，对数据中心形成了强劲的需求动力。全球范围内的数据中心产业规模迅速扩大，但由此也带来了大量二氧化碳的排放。在控制温室气体排放、积极应对气候变化形成全球共识的背景下，“绿色”“减排”“零碳”也成为国内外数据中心发展的共同趋势，以保证在满足数字经济发展的同时，减少甚至“消除”数据中心建设对全球气候的影响。2020年12月，我国政府就将“做好碳达峰、碳中和工作”列为重点任务，重申我国二氧化碳排放力争于2030年前达到峰值，力争2060年前实现碳中和。国家发展改革委在《关于加快构建全国一体化大数据中心协同创新体系的指导意见》[5]中提出“强化能源配套机制”的要求。在国家政策引导下，各地政府积2极响应，纷纷出台地方产业政策文件，引导数据中心产业平衡、绿色发展。2021年10月，为推动重点工业领域节能降碳和绿色转型，坚决遏制全国“两高”项目盲目发展，确保如期实现碳达峰目标，国家发展改革委、工业和信息化部、生态环境部、市场监管总局、国家能源局联合印发《关于严格能效约束推动重点领域节能降碳的若干意见》，明确通过能效约束，推动重点行业节能降碳和绿色低碳转型的总体要求、主要目标、重点任务和保障措施。2022年6月，工业和信息化部、国家发展改革委、财政部、生态环境部、国资委、市场监管总局联合发布《工业能效提升行动计划》[6]，提出持续开展国家绿色数据中心建设，引导数据中心扩大绿色能源利用比例，推动老旧数据中心实施系统节能改造，提高网络设备等信息处理设备能效。2.行业背景从数据中心行业发展角度看，国际互联网龙头企业可再生能源使用计划和披露情况都相对完善。Google、Apple和Facebook分别在2017、2018和2020年完成运营体系的100%可再生能源使用，包含其数据中心基础设施。Microsoft和Amazon将完全实现可再生能源使用的目标节点定为在2025年[7]。包括数据中心运营商Equinix和DigitalReality在内的头部企业，也都发布了环境社会治理（ESG）报告、企业环境报告或CDP项目披露等报告，披露了温室气体排放、能源及水资源使用情况、废弃物3回收利用等信息。近年来，国内绿色数据中心评价标准和指标逐步增多，其中具有代表性的有3个：一是中国电子学会发布的《绿色数据中心评估准则》，从用电、用水、循环利用、可再生能源、有害物质控制、节能管理等多维度进行评价。二是开放数据中心委员会（ODCC）与中国信通院、工信部新闻宣传中心、绿色网格等联合发布的《数据中心绿色分级评估技术方法》，根据数据中心建设运行所处的阶段（未投产、投产不满一年、投产一年以上）划分为规划类、设计类和运营类3种，并根据得分评定为A、AA、AAA、AAAA和AAAAA5个级别。三是工业和信息化部、国家发展改革委、商务部、国管局、银保监会、国家能源局联合发布的《六部门关于组织开展2022年度国家绿色数据中心推荐工作的通知》，明确提出了国家绿色数据中心评价指标体系，涵盖能源高效利用、绿色低碳发展、科学布局及集约建设、算力资源高效利用等方面的15个指标[8]。具体到金融行业而言，金融数据中心发展历程是我国金融业信息科技发展的缩影，经历了从无到有、从弱到强，金融业务的变化及信息技术的进步驱动着金融数据中心不断发展。以银行业为例，银行业务也从柜面银行发展到电子银行、移动银行、数字银行。在数字银行阶段，银行开始充分应用人工智能、物联网、大数据、云计算、5G等数字技术来服务实体经济的高速发展。银行系统也迎来全面云化、分布式、云原生的新时代，这对于金userid:488760,docid:137523,date:2023-08-25,sgpjbg.com4融数据中心的建设，提出了全新的要求。3.技术背景伴随着数据中心创新技术加速涌现，绿色能源管理与金融体系持续完善，为数据中心绿色低碳发展提供了有效助力。在技术创新方面，液冷、蓄冷、高压直流、余热利用、蓄能电站等新技术的应用，以及太阳能光伏、风能等清洁能源利用，能够进一步降低数据中心能耗及碳排放。通过新型技术的不断加持，业界领先的数据中心逐步通过建立绿色数据中心管理制度及内部碳定价制度促进数据中心绿色转型。同时绿电证书及绿电交易市场机制的建立和完善，也在有效激发数据中心使用绿色能源，降低碳排放的积极性。（二）发展现状1.国内外发展现状美国是全球最早开始探索绿色数据中心技术的国家之一。美国互联网发展近50年，当前的数据中心行业已进入整合阶段，以改建和扩建为主，新建数据中心规模占比不大。从数据中心分布来看，美国占据了全球数据中心45%的份额，中国和日本分别占有8%和7%[9]。从企业发展看，Equinix等第三方数据中心企业凭借灵活的管理及高效的收购，迅速发展成为全球数据中心行业龙头。Google、Facebook等互联网公司自建的数据中心也已达到世界领先水平。而我国目前正处于各行业数字化转型的加速期，数据中心能5效水平不断提高，部分优秀绿色数据中心案例已可达到全球领先水平。截至2019年底，全国超大型数据中心平均PUE为1.46，大型数据中心平均PUE为1.55。规划在建数据中心平均设计PUE为1.41左右，超大型、大型数据中心平均设计PUE分别为1.36、1.39，预计未来几年仍将进一步降低[10]。2021年发布的国家强制标准《数据中心能效限定值及能效等级》（GB40879—2021）中明确定义了电能比1.5是未来数据中心的达标值[11]。从绿色技术来看，国内数据中心不断创新绿色节能新应用，多个数据中心获得由开放数据中心委员会（ODCC）与中国信通院、工信部新闻宣传中心、绿色网格等联合开展的“数据中心绿色等级评估”AAAAA等级。2.金融业发展现状金融行业对数据中心的安全性、处理能力、物理特性等要求较高，经过多年的发展，各大金融机构逐渐形成了自己的数据中心建设和管理风格及完整的专业技术支撑团队。并且出于对业务连续性、完整性的高要求，如全年24小时不停运转且不允许数据丢失等，各大金融机构数据中心对组网和设备配置都有严格标准，设备及软件的配置变更都更为谨慎，更加注重风险把控。因此，长久以来金融行业数据中心在技术选型时，并未过多考虑能效、低碳等新型技术的应用，更多的是通过增加投入来获得数据中心运行的稳定，金融行业的数据中心一旦建成，存在改造难度大、在用改造风险高等困难。6随着我国经济近年来的高速发展，作为支撑业务交易的关键基础设施，金融行业数据中心的处理容量和数据规模呈现指数增长态势，这对数据中心基础设施的数量、规模、算力也提出了更高要求。随着金融业数字化转型整体加速推进，以及不断引入云计算、大数据等新技术扩充算力、优化算法，最近几年许多金融机构正在逐步完成新建，或计划新建多个大型、超大型数据中心。（三）研究目标1.研究建设运行情况金融业务具有很强的高可用性和业务连续性需求，普遍采用多级冗余架构和灾备体系，传统的“两地三中心”架构需要向多活数据中心转型，通过技术架构有效控制，提升资源利用率和整体效能。目前很多金融机构都在向多活数据中心、同城多中心转型。同时，为适应业务的快速发展，需要考虑弹性扩展，通过软件来定义、调度硬件资源，将计算面和数据面分离，实现更灵活、透明化的物理设备部署。此方面可借鉴融合金融云低成本、高弹性的资源优势，以解决科技资源敏捷弹性供给与数据安全存放的矛盾，建成高效、开放、安全的混合云架构，提高IT资源利用率。2.分析优化提升路径建设绿色数据中心，在选址阶段，需要根据算力网络国家枢纽节点布局和业务需求，统筹各类资源，因地制宜充分应用清洁能源，优化用能结构，在用能侧绿色降碳。在设计、建设阶段，7应按需建设、动态扩容，避免资源浪费。采用更高效的电气技术架构，提升供电效率。按气候资源条件合理设计制冷架构，充分利用自然冷却，降低制冷能耗。创建智能管控系统，赋能高效运行，用智能创造绿色。在运行阶段，采用更高算效IT设备，用更少的能耗实现更多的算力，从源头绿色降碳。建设能耗监测、诊断、调优能力，配套评价、考核组织和机制，不断提升能效运行效果，持续循环提升。结合生命周期，改造升级老旧基础设施，焕发新绿。3.展望未来发展方向数据中心从建设，运行到退出，整体生命周期跨时间周期较长，其中建筑主体的设计使用寿命超过40年，机电设备的使用一般也超过20年。因此，面向2030年碳达峰、2060年碳中和的目标，数据中心设计建造在现阶段就应当制定近期与远期目标。建设绿色高可用数据中心需要以目标为导向，根据各阶段的目标，分别制定不同的设计规划与实施路径，打造内在能动与外部监管相配套的制度体系。建设绿色高可用数据中心需要以节能创新技术为支撑，通过对新技术、新产品的研究，探索碳中和与碳达峰实践案例，明确技术发展方向。管理绿色高可用数据中心需要以数据为驱动，实现采集、分析与优化一体的智能监测管理平台，实现绿色高可用数据中心智能化运维体系。（四）研究意义81.提升经济效益在数据中心的建设运行过程中，应充分考虑企业降本增效的内在需求。绿色数据中心建设运行既要采用节能技术提升能效，又要逐步改变用能、用电结构，降低碳排放。数据中心作为新一代信息通信技术的重要载体，是算力输出的底座。算力网络建设以及算力和电力的协同，将有效控制数据中心用能成本，提升清洁能源利用水平。通过提高IT设备的使用效率、优化数据中心应用和系统架构，在提高算力的同时降低数据中心能耗，使得能源在数据中心的利用效益最大化，提高数据中心算效比，将是未来绿色数据中心建设运行的新方向。2.助力行业发展金融行业主要由银行、保险、证券三大类机构和其他机构组成，建设绿色高可用数据中心是金融行业共同的目标，但是当前仍然面临诸多挑战。早期，金融业数据中心的建设主要围绕着高可用的目标进行，在绿色低碳发展方面，仍有较大的提升空间。如何实现绿色与高可用并举需要通过创新实践。因此，通过开展金融业绿色数据中心研究，有助于提升行业绿色数据中心建设与运维技术能力。3.创造社会价值一是促进双碳实现落地。为实现我国2060年碳中和目标，金融行业需结合自身行业需求和特点，加快研究设立碳中和数据中心目标并付诸实践。在实践层面坚持资源环境优先原则，充分9考虑资源环境条件提高数据中心效率，深化探索节能减碳技术在金融业数据中心全生命周期建设运行中的应用。二是提高社会能源利用。金融业数据中心同样使用大量社会能源，同样需要提高能源利用水平，如在自有场所建设自然冷源、余热回收利用或可再生能源发电等清洁能源利用系统。实施绿色施工，尽可能减少对环境的负面影响。使用绿色电力、节能产品，并逐步建立健全绿色供应链管理制度。三是探索技术发展路径。大力开展节能减排技术研发创新，系统优化提升整体能效。采用模块化建设方式，应用先进高效的IT、网络、供电制冷技术与方案，持续降低数据中心电能利用效率（PUE）、水资源利用效率（WUE）、碳使用效率（CUE）。将新型技术与数据中心建设主体联动协同，推动数据中心加快低碳发展。二、规划设计本章从金融业绿色数据中心的总体设计目标和原则展开，重点介绍其规划要点和架构设计。（一）设计目标和原则1.设计目标数据中心作为新基建的重要组成部分，是数字经济的坚强底座。随着数据中心产业规模的快速扩张，我国数据中心整体用电量以每年超10%的速度高速递增。数据中心已经成为公认的高耗能行业，预计到2030年数据中心用电总量将突破4000亿千瓦时，10占全社会用电总量的3.7%[12]，降PUE是大势所趋。2021年7月，工业和信息化部制定《新型数据中心发展三年行动计划（2021—2023年）》，通过四大行动和四大工程，在3年时间内搭建布局合理、算力提升及绿色节能的数据中心体系，推动绿色数据中心创建、运维和改造，引导新型数据中心走高效、清洁、集约、循环的绿色发展道路[13]。2022年8月，工业和信息化部、发展改革委、财政部、生态环境部、住房和城乡建设部、国资委、能源局联合发布《信息通信行业绿色低碳发展行动计划（2022—2025年）》，明确提出到2025年，全国新建大型、超大型数据中心电能利用效率（PUE）降到1.3以下，进一步强化了绿色节能低碳数据中心的建设要求[14]。新发展阶段，金融行业数据中心整体架构正在经历由两地三中心向多地多中心、多地多活架构的转变。业务快速发展和金融生态场景的推陈出新也对新一轮金融行业绿色数据中心建设提出了新的目标和要求：一是加强数据中心建设规划，面向未来，更具有超前性。二是提高清洁能源的使用比例，推动能源循环利用。三是推动绿色设计、建造、运行管理，全面提高资源利用效率。2.设计原则高可用性原则：金融行业的业务特点和数据重要性决定了金融业数据中心对可用性的高要求，在核心业务的连续性保障上，11架构设计要满足可用性的要求，在保证可用性的基础上再去探讨使用哪些绿色节能技术来实现节能目标。低能耗原则：在产品成熟度满足要求的情况下，优先选择低能耗的系统和产品方案。如采用高效率UPS设备，高效率变压器设备等。由于金融行业在设备性能容量方面有着严格的控制要求，因此在设备和方案选型时，需要重点关注上架负载率所对应的能效水平。低碳排原则：碳排放应作为重点考虑因素，如减少制冷剂、电子氟化液等高GWP（全球变暖潜能值）产品的使用，尽量选择可循环回收的创新建筑方案和材料，以降低数据中心的生命周期碳排放。低耗水量原则：在PUE基本相同的情况下，尽量选择耗水量少的方案，尤其是选址在北方的数据中心，优先选择对水处理要求低的方案，有条件的地方可采用中水和非传统水源。总体拥有成本（TCO）最优原则：综合考虑建设投入成本（CapitalExpenses）和运行成本（OperationalExpenses），以总体成本最优来考量方案设计和技术选择。其中，建设投入成本包含土地、设备采购、电力资源引入、建造等支出，运行成本包含电费、水费、维护费用、人员成本等。全生命周期原则：技术选型不仅需要关注设计指标，同时更要关注后期的运维，甚至拆除回收等全生命周期的节电、节水、循环等实际落地执行。12（二）总体规划1.选址绿色数据中心的选址，需要根据业务需求，结合政策与监管要求，统筹各类资源，因地制宜充分利用清洁能源，优化用能结构，在用能侧绿色降碳。2021年，国家发展改革委、中央网信办、工业和信息化部和国家能源局共同发布《全国一体化大数据中心协同创新体系算力枢纽实施方案》，推动数据中心合理布局、供需平衡、绿色集约和互联互通，构建数据中心、云计算、大数据一体化的信息算力网络体系，促进数据要素流通应用，实现数据中心绿色高质量发展。其中提出了加强统筹、绿色集约、自主创新和安全可靠4项原则。统筹围绕国家重大区域发展战略，根据能源结构、产业布局、市场发展、气候环境等，在京津冀、长三角、粤港澳大湾区、成渝，以及贵州、内蒙古、甘肃、宁夏等地布局建设全国一体化算力网络国家枢纽节点，发展数据中心集群，引导数据中心集约化，规模化，绿色化发展。国家枢纽节点之间进一步打通网络传输通道，加快实施“东数西算”工程，提升跨区域算力调度水平。因此，金融业绿色数据中心在选址规划方面应考虑3方面要素：一是优先考虑布局在全国一体化算力网络国家枢纽节点。二是根据不同的功能定位确定数据中心的区域布局，对时延敏感、交互频繁的业务宜就近部署，对离线大数据、训练等时延非敏感13业务宜部署在资源丰富的西部，为打造存算分离、云边协同的高效应用系统架构提供基础支撑。三是为充分考虑数据中心建成后运行阶段的能效水平，选址宜考虑自然冷源使用和清洁能源消纳。2.清洁能源清洁能源是指其开发、使用对环境无污染的能源，其中包括可再生能源和其他新能源。常见的清洁能源有太阳能、生物能、氢能、风能、海洋能、地热能和水能等。无论是双碳战略背景，还是国家和地方监管政策，都要求数据中心大力采用光伏发电、风力发电等清洁能源，通过自建分布式绿电、收购绿电站、专线绿电、购买绿证等方式利用清洁能源，逐步提升清洁能源利用率，实现数据中心的脱碳转型。2023年4月，财政部、生态环境部和工信部共同印发《绿色数据中心政府采购需求标准（试行）》，要求数据中心使用的可再生能源使用比例应逐年增加，到2032年可再生能源使用率达到100%。提高数据中心能源使用效率，要在提高运行效率、降低电能利用效率PUE和水资源利用效率WUE的同时，最大程度实现节能减碳。通过建设分布式或集中式清洁能源项目，采用绿色回收技术等手段加快实现抵消或减少自身产生的二氧化碳排放，实现二氧化碳“零排放”。因此在数据中心设计阶段，需对清洁能源应用进行规划，如自建分布式新能源发电、外部输入清洁能源就地消纳、废热废冷能源再利用和余热对外输出等。143.水资源利用采用水冷系统的数据中心，对水资源的消耗是巨大的。为了提升数据中心绿色发展水平，在规划设计阶段应当做好水资源利用规划，加大非传统水源利用，限定WUE的准入条件，安装用水计量，做好节水措施。金融业绿色数据中心在水资源利用方面的技术提升参考如下：一是设置用水远传计量系统，可参照《建筑水表配置规范》（DB11/T1768—2020）要求对内部水表进行选型、配置和安装，并利用计量数据进行管网漏损自动检测、分析与整改。二是采用水冷系统的数据中心，宜采用加大集水盘、设置平衡管或平衡水箱等节水方式，避免冷却水泵停泵时冷却水溢出。二次供水系统的水池、水箱应设置超高水位联动自动关闭进水阀门的装置。三是数据中心用水设计时考虑采用非传统水源。宜使用中水、再生水，推进水资源循环利用，并对不同水源、不同用途进行水资源分项计量。4.绿色节能技术降低PUE、充分利用清洁能源是双碳下数据中心的破局之路。需要不断推进新能源及新制冷方式等在数据中心的应用，推广节能降碳新技术及管理体系，增加氢能、储能、碳捕捉、冷却技术等建设工作。当前阶段数据中心主要能源结构是由电能组成，因此节能的首要任务是节省电能使用。从用能情况看，主要由场地15基础设施与IT基础设施组成，因此绿色技术应用规划可以从供配电系统、空调通风系统和IT设备3方面展开，主要涉及以下绿色技术应用：一是引入光伏发电等清洁能源以降低化石能源依赖性，并在数据中心侧建设储能系统来适配电网的波动性。供配电系统可采用高能效设备，如非晶合金变压器、一体化电力模块以实现节能节地的目标。电源设备选择具备休眠功能、超级旁路运行功能的高效UPS等，适应金融数据中心负载率下的高效运行需求。二是空调通风系统采用充分利用自然冷却的技术路线，如间接蒸发冷却、氟泵空调、液冷技术、磁悬浮变频离心式水冷机组等。创新使用AI技术对制冷系统的能效进行实时调优，优化数据中心的PUE。采用模块化和合理气流组织的设计理念，通过模块机房、密闭冷通道或热通道来提升制冷系统的效率。三是采用更先进高效的IT设备，选用高转换效率电源模块，应用低功耗服务器技术、全闪存技术和超融合以太网络技术、虚拟化节能技术，实现用能侧的节能提升。（三）架构设计1.建筑与布局在满足建筑使用功能的基础上，注重数据中心建筑与周围环境的有机结合。充分考虑用地规模、业务需求、外市电容量、规划要求、工艺要求、自然条件、市政条件等因素，再进行园区总体模块化设计。16为适应金融业务发展的长期性和阶段性特点，宜整体规划、分期建设数据中心基础设施。在建筑单体设计上，按照使用功能的要求，力求功能分区明确、平面紧凑、具有灵活性，可弹性扩展，提高建筑的使用效率。数据中心单体建筑按模块可分为电力、机房、空调和配套辅助4部分，其同样遵循模块化设计理念，采用标准化“模块化布局”的工艺平面方案，真正做到“高效通用、灵活布局”。数据中心平面设计阶段，在机房平面利用率最大化的前提下，应同时兼顾考虑单个防火分区面积、尽量提高平面利用率、空调送风距离最佳长度、各类管线按最短化原则水平设计、减少交叉等多方面因素。不同温度敏感性设备和不同功率设备宜根据不同的制冷、散热、保温等要求，聚类布局。通过优化柱网尺寸、层高与设备相匹配，选用节能、环保材料，同时提高装配率。实现工厂预制化，充分利用机房空间布局，增加装机效率。数据中心机柜采用模块化设计，减少现场交付工作量，实现数据中心建造过程绿色节能的同时关注环境保护。在数据中心建筑设计时，对影响环境的废水、废气、噪音进行有效处理。加强消防安全设计，建筑设计严格遵守国家有关建筑防火、消防设计规范，合理进行建筑防火分区划分，采取消防安全措施。数据中心围护结构的材料选择宜满足保温、隔热、防火、防潮、少产尘等要求。外墙、屋面热桥部位的内表面温度不可低于17室内空气露点温度。当数据中心主机房相邻房间的使用功能或使用时间与主机房不同时，宜按防结露要求采取必要的保温措施。主机房宜采用无窗密闭围护，避免和减少进入室内的太阳辐射以及窗或透明幕墙的温差传热。推广使用LED照明及高效荧光灯，采用智能照明控制系统，实现数据中心照明系统的节能。2.通风空调系统在通风空调系统架构设计时，应支持采用液冷、微模块、高密度节点、耐高温设备、余热利用等绿色节能技术。其中冷源系统宜考虑当地全年气候条件，选择合理架构，尽可能多地使用自然冷源或延长自然冷却时间，可采用蒸发冷却、风墙技术、氟泵空调、板式换热器等节能技术产品。空调冷水系统的循环水泵宜根据冷源系统结构进行设计。中小型和功能简单的工程可采用冷源侧定流量的一次泵定流量系统；系统较大、阻力较高，且各环路负荷特性或阻力相差悬殊时，宜采用在冷源侧和负荷侧分别设置一级泵和二级泵的二次泵系统；具有较大空调水泵节能潜力的大型系统，在确保设备的适应性、控制方案和运行管理可靠性的前提下，可采用冷源侧变流量的一次泵变流量系统。对于新建高功率密度机柜的数据中心，可采用液体冷却技术方案进行设计，设计方案要充分利用自然冷源，满足全年均可进行自然冷却的条件。采用水冷系统架构的数据中心可根据末端管路的具体形式18（环网/放射式）配备水力平衡的调节措施，可在每层总的供、回水主管安装静态或动态平衡阀，提升末端冷源流量稳定性。对空调水系统，可提高冷冻水供水温度及冷却水温度，提升系统效率。新建水冷系统，其设计冷冻水供、回水温度分别不低于15℃和21℃，并结合风墙、行级空调等高温水末端空调使用。宜选用板式换热器，可在温度较低时，冷冻水侧回水直接通过板式换热器降温后直接送到主机房内的空调末端，或经过冷水机二次降温后送到主机房内的空调末端。冷水机组冷却侧可支持低温运行功能，同时宜考虑过渡季混合制冷模式下冷水机组的安全稳定运行。各类新建数据中心设计时，宜规划热源利用，应采用余热回收技术。各类存量数据中心宜采用余热回收利用措施，通过自用、对外供热等方式加强余热资源利用。生活办公配套区域宜就近规划选址，避免余热利用的管道热力损失和传输损耗。3.供电系统数据中心供电系统架构设计时，可根据业务规划需求及当地电力资源确定容量及电压等级。可根据机房等级及功能用途，合理选择配电架构，采用双母线（2N）、分布式冗余（DR）和后备式冗余方式（RR）等供电架构，选择节能型供电设备，提高供电效率。规划设计清洁能源自发自用、接入清洁能源直流电源直供、本地储能等方式，提升清洁能源使用占比。在充分利用清洁能源19的同时，将光伏发电与建筑体相结合，即发即用，实现低压并网运行。变配电、UPS等设备要设置在用电负荷中心，缩短供电半径，降低线路损耗。4.智能化系统（1）专业类监控专业类监控是数据中心智能化系统建设的底层，应具备数据采集、监控定位、故障回溯等功能。专业类监控采集信息具有高频率、高精度、全覆盖等特点。作为底层监控，其应当具备标准北向输出功能，实现统一集中监控。因此在设计阶段，需要制定专业类监控的采集频次、监控对象、网络分区、传输协议、接口标准等内容。（2）运维流程平台数据中心的运维管理应建立在完善运维流程平台的基础上，具体包含以下内容：一是以制度管理作为数据中心运维管理的基石。一切按照标准的流程和规范的制度进行管理，包含组织管理、运行管理、安全管理、资料管理、知识管理、危险品及废弃物管理、全生命周期管理、服务水平管理、审计管理等制度和流程。二是以运行监测作为数据中心运行的感知层。运行监测内容应包含数据中心的环境监测、电力监测、容量监测、设备监测、消防监测、安防监测，其监测系统要求实时更新，同时具备报警20管理和统计报表功能。三是以运行管控作为数据中心运维管理手段。应遵循制度管理的要求，结合智能运维工具平台和高素质人员进行的人机有序配合，完成高效、安全的运维管理工作，是数据中心持续运行的基本保障。运行管控应包含智能考勤排班管理、智能日常巡检管理、变更管理、事件管理、故障处理、报警管理、工单管理、施工管理、应急预案管理等内容。四是以安全管控作为数据中心运维的保障。应满足国家等级保护相关要求，包含智能访客管理（可利用访客管理系统结合生物识别技术进行管理）、智能门禁管理、智能视频管理（具备AI跟踪识别功能、全覆盖功能）、防范区管理（结合人员权限、门禁管控、AI视频或智能机器人进行活动区域管控）等技术防范措施。（3）能耗监测平台国家“双碳”战略在数据中心行业大力推进及落实，金融数据中心面临严峻的挑战，数据中心综合能源管控措施可有效提高数据中心能源利用率，能源管控应从电能利用率、温湿度控制、建筑节能措施、空间使用率、水资源利用率、碳排放指标、IT设备负载率等方面综合控制。数据中心宜设置能耗在线监测系统，对数据中心进行持续、长期的测量和记录，为优化设备运行、加强能耗管理、进行能效分析和PUE计算等提供真实、可靠的数据支撑。21数据中心宜部署碳排放监测管理系统，具备碳排放量计算、统计、分析功能，能展示数据中心碳排放量、清洁能源使用率、碳汇交易量。通过对数据中心基础设施动力环境及IT基础架构的全面监控及分析，可采用人工智能技术，制定出最优策略对各系统进行实时控制，实现数据中心能耗优化。（4）智能运维平台数据中心智能运维平台由智能分析系统和数据中心管控系统构成，起到指挥控制作用，让数据中心更加智慧。智能运维平台建设由运维管理数据收集、运维管理数据分析工具平台、数据可视化展示平台和调优控制系统等组成。其中应重点关注运维管理数据收集规划设计，充分考虑数据采集频度、数据对象范围、时间周期对象存储等。智能分析系统应包含运行环境的分析、供电系统的分析、制冷参数的分析、安全防范的分析、设备性能分析、设备故障评估预警、安全评估分析，并根据分析内容及结果指导运维工作。三、建设改造本章节主要介绍了金融业绿色数据中心建造过程中所涉及的建筑、场地基础设施、IT基础设施、虚拟化等节能措施和技术，最后介绍了工程实施与验收涉及的绿色节能相关工作。（一）建筑节能1.建筑与围护结构22外墙和屋面在设计围护结构中，除了部分剪力墙及框架梁为钢筋混凝土，填充墙砌体采用符合节能标准的混凝土砌块和屋面保温材料。屋顶采用节能构造，天窗面积尽量小，采用高效节能型窗，采取避免空气渗透的节能措施。数据中心模块对温湿度要求较高，为降低机房模块受外部条件影响，在建筑布局时将内区设置为机房模块，外侧设置环形走廊或辅助设备间、电池间。此种布局可充分保证模块内冷负荷的稳定，最大程度减少冷量损失，降低室外温度对机房区域的环境影响。2.预制装配式箱式数据中心采用预制模块化数据中心，将机柜系统、供配电系统、制冷系统、监控系统集成在预制箱体内，通过工程统一组装，现场拼接、堆叠，实现快速部署。该技术可以有效减少建筑垃圾，采用铅、铬等重金属含量少的环保设备和材料，实现可持续发展。建筑结构通过建筑力学仿真，荷载满足建设标准要求，支持多层堆叠，达到与楼宇数据中心同等效果。该技术环境适应性强，适合新建场景，可在–40℃～+55℃环境中应用。预制装配式箱式数据中心可以实现5层堆叠，满足9级抗震和12级抗风要求。在建设速度上具有优势，可以实现6个月交付千柜数据中心。具有低PUE和建筑生命周期低碳排放等优点。由于建筑和机电在工厂预制，现场后期调整的灵活性受限，因此需要在设计阶段统筹规划好机房的布局设计。233.预制装配式钢结构建筑预制装配式钢结构建筑是指利用在工厂中事先制造好的钢结构等作为主要的施工材料，将这些预制好的材料运输到施工现场并通过焊接或者螺栓紧固等方式进行组装和固定。预制装配式钢结构建筑物主要采用预制好的钢梁、钢柱等作为主要的框架承重材料。相对于传统的钢筋混凝土结构具有重量轻、抗震性能好以及结构跨度大等优点。与预制装配式箱式的建设方式相比，这种建设方式盖楼和机电建设依然是分开进行的，因此工程量和建设效率劣于预制装配式箱式数据中心，但在灵活性和后期扩展性上占优。（二）场地基础设施节能1.绿色通风空调系统（1）间接蒸发冷却空调机组结合数据中心项目所在地气候条件，充分利用室外自然冷源，使用带自然冷却功能的数据中心制冷设备。间接蒸发冷却空调机组根据IT负载及室外环境工况，可实现不同运行模式（干模式、湿模式和混合模式）智能切换，最大化利用自然冷源，降低数据中心制冷系统能耗。间接蒸发冷却空调机组节能效果显著，技术成熟。其核心理念是最大化利用室外低温气流的循环来带走室内热量，减少压缩机开启的时间，因此间接蒸发冷却系统在年均气温越低的地方，节能优势越明显。根据气象数据分析，即使在韶关，每年仍然有2450%以上的时间可以利用室外自然冷源。但在高温高湿地区（如海南），则应当采用其他的节能制冷技术。（2）高效冷冻水系统数据中心暖通系统采用新型节能技术，如变频冷水机组、磁悬浮冷水机组，相比传统冷水机组系统效率更高。此外采用板式热交换器，因地制宜利用室外自然冷源，进一步降低能耗。空调末端推荐采用风墙，实现更高的冷冻水供水温度和供回水温差，延长自然冷却时间，同时降低水泵功耗。水泵配置高效率电机，能效等级满足《离心泵能效限定值及能效等级》要求，水系统采用变频水泵，基于负载变化连续调节。水泵进出水温度采用大温差设计，通常选择6℃～8℃。冷却塔采用变频控制系统，推荐选用节能型冷却塔，除了节能降耗，利用风能带动风机叶轮，进一步降低噪声污染。极致节能场景，可选用露点塔，使湿球温度无限逼近出水温度。数据中心配置蓄冷罐实现连续制冷，利用大型蓄冷罐，在低温时段通过冷却塔、板换直接向蓄冷罐蓄冷，挖潜利用自然冷源。通过使用AI能效调优技术，可以使冷冻水系统时刻运行接近最佳效率点。在新型节能制冷技术应用前，采用水冷系统作为空调解决方案仍是传统数据中心最为常用的方法。但是，该系统整体构成相对复杂，需要多次换热完成对室内热量的管理。在国内大部分区域，整体效率上劣于间接蒸发冷却、氟泵等技术。由于水冷系统在自然环境温度上的限制不多，因此在气候上对地域没有太多限25制，但是通过冷却塔进行散热会导致用水量巨大，对于一些缺水或者政策禁止将地下水用于数据中心制冷的区域不适合选用该技术。（3）氟泵技术对于中小数据中心机房或大型数据中心UPS间、电池室等，采用氟泵空调制冷，能最大化利用自然冷源。当室外环境温度较高时，系统工作在机械制冷模式。当环境温度较低时，系统运行在压泵模式，自然冷却时间加大。当环境温度更低时，系统运行在纯泵模式。氟泵空调系统如图3-1和图3-2所示。图3-1氟泵自然冷源系统示意图图3-2氟泵自然冷源节能运行示意图氟泵空调技术成熟，可用于新建、改建和扩建场景。262.绿色供配电系统（1）融合供电技术数据中心供配电系统可分为交流供电架构和直流供电架构，交流供电架构采用UPS为负载提供供电保护，直流供电系统架构采用高压直流（HVDC）为负载提供供电保护。在金融行业，交流供电架构仍然是当前的主流方案。供配电系统的构成包括10kV中压变压器、母联柜、输入配电柜、SVG柜、UPS（或HVDC）、输出配电柜等柜体，传统的建设方案通常采用各部件分别招标，到现场拼装的方式。这种建设方式在交付、占地、系统效率等方面的局限性促进了一体化融合供电技术的诞生。在交流供电架构系统中，通过高度融合的供电方案，将变压器、输入柜/旁路柜、UPS、UPS输出柜等融合为电力模块产品。电力模块具有高密节地、高效节能、交付简单等特点。利用创新极简的设计理念，电力模块相比传统攒机方案可节省低压供配电系统的占地40%以上，有效提升数据中心的出柜率。通过缩短配电链路，利用UPS或超级旁路运行模式，可实现97.8%的链路效率[15]。通过工程产品化，施工界面简单，减少了现场制作电缆、布线、调测工作，交付时间明显缩短，有效确保交付质量，供配电系统更加安全可靠。在直流供电架构系统中，集成了10kV的配电、隔离变压器、模块化整流器和输出配电等环节，采用移相变压器取代工频变压27器，输入为10kV交流，输出为240V直流。相比传统数据中心的供电方案，其链路的效率最高可达98.5%[16]。对于采用直流供电架构的系统，其具有节省占地、提升系统效率等特点。（2）高效不间断电源系统新建和改造大型金融业数据中心时，选用50%负载率下双变换效率96%以上的UPS设备，对提升能效水平有直接作用。在金融数据中心，一般会使用2NUPS架构保证可靠性，并且设计时UPS负载率最高不超过80%。所以在正常运行时，单边UPS的负载率最高不会超过40%，一般会以20%～30%的低负载率长期运行，因此提升UPS在低负载率下的效率至关重要。所以在选型UPS时，要特别关注UPS在低负载率下的效率表现。高效模块化UPS除了具有低负载率高效的特性外，通过模块休眠技术还可以进一步优化系统运行效率。相关标准对UPS的效率要求与当前行业旗舰机型效率见表3-1。28表3-1相关标准对UPS的效率要求与行业旗舰机型效率（3）节能型UPS运行模式（ECO模式）节能型UPS运行模式兼具99%高效、谐波补偿、0ms切换等优点。在输入电源质量处于限值范围内时，UPS通过静态旁路直接向负载提供安全的供电，提供最佳供电效率。当负载有较大的谐波时，逆变器可以滤除负载谐波干扰，满足电网对接入点的谐波要求。当输入端的电源质量超出限值时，UPS能够快速切换至主路供电或使用后备电池供电。使用ECO模式需要在负载初期部署时关注三相负载平衡，降低因三相不平衡带来的变压器能耗上升。新型ECO模式下UPS的运行状态如图3-3所示。29图3-3新型ECO模式下UPS的运行状态示意图使用新型ECO节能模式可使UPS整机运行效率达到99%，基本不受负载率变化影响。采用新型ECO节能模式与传统UPS的效率曲线比较如图3-4所示。图3-4新型ECO模式与传统UPS负载的效率曲线图采用交流供配电架构，完全适应全域客户、全域负载、全生命周期供电需求。不改变传统UPS的电路结构、配电线路、配电开关等部件。（4）高效变压器设备变压器是输配电的基础设备，其损耗约占输配电电力损耗的40%，具有加大节能潜力的优点。为提升能源资源利用效率，推30动绿色低碳和高质量发展，采用高效变压器是一个必然选择。在新建数据中心的过程中，应选用满足《电力变压器能效限定值及能效等级》（GB20052—2020）1级能效要求的高效节能变压器。表3-2为10kV干式变压器1级能效要求。表3-210kV干式变压器1级能效要求（5）园区光伏建设在建设数据中心园区时，通过在屋顶部署光伏，能充分利用绿色能源，降低数据中心碳排放。同时还可在屋面部署光伏，将产品集成到建筑上，即光伏建筑一体化，光伏除了发电，还是建筑的一部分，具有遮风、挡雨、隔热等建筑功能。由于太阳能能量密度低，数据中心结合建筑部署光伏的发电量一般仅能提供数据中心总用电2%左右的电力，建议优先用于照明、办公用电。光伏系统建设关注要点如下：31（a）采用效率大于98.5%的高效逆变器。（b）当一串光伏板中间出现1个或多个故障时，需隔离故障光伏板，其他光伏板可持续工作。（c）逆变器需满足实时追踪光伏板最高功率点，实现输出能效最优。（d）逆变器需内置增强型智能电弧防护功能，可实现0.5s快速关断，最大程度降低安全隐患。（6）储能系统建设随着电网中新能源占比逐步提升，光伏、风电等清洁能源间歇性对供电稳定性的影响会越来越大。为更好地消纳清洁能源，数据中心自建储能系统对波动的能源供应进行削峰填谷会逐步成为行业趋势，这将有助于降低对传统火电的依赖程度。为发挥数据中心的最大经济和环境效益，对能源管理设施进一步进行整合与优化，不间断电源系统与储能系统融合，走向中压侧叠储将在数据中心储能场景逐步成为主流。系统架构变化如图3-5所示。32图3-5数据中心当前供电系统、未来供电超融合架构示意图数据中心储能系统一方面可以应对新能源电力的间歇性问题，另一方面对于峰谷电价差较大的区域，可以利用电价差实现套利，即在电价低时给储能系统充电，在电价高时利用储能系统供电。此外，随着未来调频市场的逐步放开，数据中心储能也可以参与电网调频，基于源网荷储的顶层设计实现更多获利。（7）锂电池应用锂电池具有能量密度高、寿命长、占地小等优势，不含《关于限制在电子电气设备中使用某些有害成分的指令》中涉及的有害物质。电池间规划、选址更加简单。相比铅酸蓄电池5年需要批量更换，锂电池可以使用10～15年，实现UPS生命周期内无需更换电池。随着未来锂电池价格走低，使得总体拥有成本（TCO）33优势会越来越显著。锂电池能量密度较高，选用锂电池建议注意如下事项：（a）宜选用磷酸铁锂电芯的锂离子电池。（b）锂电池柜应具有柜级或电池包级灭火装置，这样可以配合房间级消防，实现对故障的充分预防。（c）数据中心用锂电池更多技术要求，可以参考中国电子节能技术协会发布的《数据中心用锂离子电池设备产品技术标准》（T/DZJN80—2022）。锂电池目前在国内外各行业均有广泛应用，国内金融数据中心也在逐步试点。目前6大行已有在试点锂电，在股份制、城商农信、证券保险等金融机构，也有锂电池应用案例。3.余热回收系统数据中心电能主要用于IT设备、电力设备、制冷设备等。其中IT设备电能几乎全部转换为热能，通常这些热能以废热的形式通过空调系统排放至大气中。数据中心全年7×24小时不间断运行，其废热具有持续不间断、随季节变化幅度较小、温度相对较低等特点。数据中心通过采用余热回收再利用技术，将余热用于建筑供热、生活热水等，可以减少碳排放，提高能源利用效率。热回收技术成熟，节能效果显著，可应用于新建、改建和扩建场景。（1）水环热泵余热回收系统水环热泵余热回收系统是通过水源热泵设备，冬季将数据中34心空调水中的热量转移到舒适性空调水系统中，夏季将舒适性空调水系统的热量转移到冷却水系统中。水环热泵多联机余热回收系统可以实现夏季利用水环热泵多联机主机制冷，空调系统热量由冷却塔排出。冬季利用数据中心废热，从数据中心制冷系统的冷冻水或冷却水中提取热量，通过水环热泵多联机主机进行余热回收。水环热泵多联机主机余热回收系统架构如图3-6所示。图3-6水环热泵多联机主机余热回收系统架构水环热泵集中余热回收系统可以实现夏季利用水源热泵机组制冷，空调系统热量由冷却塔排出。冬季利用数据中心废热，从数据中心制冷系统的冷冻水或冷却水中提取热量，通过水源热泵机组进行余热回收。水环热泵集中余热回收系统组成如图3-7所示。35图3-7水环热泵集中余热回收原理图（2）热网大温差换热技术热网大温差换热技术更多的关注冷却塔高温供水侧的废热利用。在供热系统热力站设置大温差的吸收式热泵换热机组，用以替代常规换热器。通过降低长输管网的回水温度，以便加大换热温差，提升换热效率。该技术可以实现输送管线的供回水温差达到75℃以上，比常规技术换热效率提高50%，是一种有效利用余热回收的技术方案。4.液冷技术随着人工智能、云计算、大数据等分布式计算架构的创新和发展，作为信息基础设施的数据中心承担的计算量越来越大，对计算效率的要求也越来越高。为了应对种种挑战，数据中心的功率密度节节攀升。除了带来能耗问题，高密度也给数据中心制冷系统和供电系统提出了更高的要求。传统风冷面对高密度呈现疲态，散热效率渐渐跟不上计算设备发热量。不管是大型云计算数据中心还是小型边缘数据中心，液冷服务器都有出色的应用效果。36液冷技术按照液体与发热器件接触的方式分为非接触式液冷和接触式液冷，由此液冷服务器分为非接触式的冷板、接触式的浸没与喷淋3大技术方向。根据工质是否发生相变，可以分为单相液冷和两相液冷。当前液冷技术分类情况如图3-8所示。液冷服务器单机架负载可达几十到上百千瓦，大幅度节省主机房占地面积，在运行成本上具有优势。越靠近芯片器件，液冷效率越高；进水温度越高，液冷效率越高。液冷服务器大部分或全部热量通过液体带走，较高温度的液体可以轻松实现100%自然冷却，从而获得极佳PUE，同时可以取消或减少服务器散热风扇，实现IT能耗同步下降，获得更优总拥有成本（TCO）。图3-8液冷技术分类情况冷板式液冷技术，即利用工作液体作为中间热量传输的媒介，将热量由热区传递到远处再进行冷却。在该技术中，工作液体与被冷却对象分离，工作液体不与电子器件直接接触，而是通过液37冷板等高效热传导部件将被冷却对象的热量传递到冷媒中，因此冷板式液冷技术又被称为间接液冷技术。该技术将冷却剂直接导向热源，同时由于液体比空气的比热大，散热速度远远大于空气，因此制冷效率高于风冷散热。该技术较为成熟，一般服务器厂家均可提供冷板式液冷服务器，可有效解决单柜15～100KW高密度服务器的散热问题，降低冷却系统能耗的同时有效降低噪声。冷板式液冷系统架构如图3-9所示。图3-9冷板式液冷系统架构浸没式液冷将IT设备直接浸泡在冷却液中，依靠冷却液吸收设备产生的热量。按照冷却液在循环散热过程中是否发生相变，可以分为单相浸没式液冷和双相浸没式液冷。相比于冷板式液冷技术，浸没式液冷是一种直接接触式液冷，换热能力更强，可以38解决更高功率密度的机柜制冷需求。不过，有研究表明，浸没式液冷的能效水平在低负载场景下的表现并不突出。UptimeInstitute调查显示，2020年全球数据中心的平均功率密度仅为8.4kW/机架，其中只有3%的数据中心的功率密度超过50kW/机架。因此，尽管浸没式液冷技术的散热性能佳，但除了超算、加密数字货币等特定场景外，常规数据中心将传统散热方案升级为浸没式液冷的需求并不强烈。另外选用浸没式液冷时需要关注冷却液的类型及技术成熟度，IT硬件设备需要适当调整以与冷却液兼容。单向浸没式液冷系统架构如图3-10所示。图3-10单相浸没式液冷系统架构液冷技术主要应用于高功率密度场景。与浸没式液冷相比，当前冷板式液冷产业链相对成熟，在功率密度超过15kW的机柜应用该技术经济性较好，浸没式液冷在制冷效果上更优，但浸没液等关键材料来源（电子氟化液工质）相对成本较高，产业链还有待进一步成熟，但当机柜功率密度超过30kW时使用该技术具有相对较好的总拥有成本（TCO）[17]。39（三）IT基础设施节能1.存算分离架构引入存算分离方案，计算、存储架构解耦可实现精准成本控制，各自按需独立扩展、独立优化，改变过去封闭体系为开放兼容，实现多厂家互通，广泛应用于分布式数据库、大数据等场景。计算可选择更丰富的服务器模型，提高节点计算性能，通过虚拟机及容器化部署进一步提升利用率。存储可选择高密集群存储、高性能存储组合配置降低功耗、提升性能。通过资源优化配置实现成本控制，提升资源使用率，降低能耗。2.基于ARM64位架构低功耗服务器技术基于ARM64位架构低功耗服务器面向互联网、分布式存储、云计算、大数据、企业业务等各种通用计算领域，具有高性能计算、大容量存储、低能耗、易管理、易部署等优点。面向服务器领域的64位高性能多核ARM处理器，内部集成了DDR4、PCIe4.0、25GE、10GE、GE等接口，提供完整的SOC功能。处理器多核特性能够最大限度提高多线程应用的并发执行能力。支持风扇智能调速，节能降耗。全方面优化的系统散热设计，高效节能系统散热风扇，降低系统散热能耗。采用硬盘错峰上电技术，降低服务器启动功耗。支持SSD硬盘，其功耗比传统机械硬盘低70%。403.基于处理器加速的异构计算技术随着深度学习需求日益扩大，基于神经网络的AI处理器技术创新蓬勃发展。AI处理器针对矩阵运算进行专门优化设计，大幅度提升运算单元占比，解决了传统芯片在进行模型训练、模型推理等运算时效率低下、耗时长的问题。业界典型的400WA800GPU可以提供312TFLOPS（FP16）算力，相比Intel205WCPU仅能提供3.5FLOPS（FP32）算力，其能效高出1个数量级，可以更好的满足端、边、云不同场景下大语言模型训练、视频算法训练、视频解析等算力需求。AI推理处理器高效、灵活、可编程，在低功耗和计算能力等方面突破了传统设计的约束。随着能效比的大幅提升，将AI从数据中心延伸到边缘设备，包含自动驾驶、智能制造、机器人等应用场景。AI训练处理器具有超高算力。训练处理器高集成度的片上系统（SoC），除了集成AI核外，还集成了CPUCore、数字图像单元（DVPP）和任务调度器（TaskScheduler），可以减少与主机CPU交互，充分发挥其高算力高能效的优势。FPGA（现场可编程门阵列）采用硬件可重构的体系结构，是一种可重构电路的芯片，其应用场景可随时改变。由于可通过编程来执行特定任务，因此FPGA也可以更有效地利用能源，从而减少功耗。此外，FPGA具有并行计算能力，可处理大量数据，在特定应用中比传统处理器更快。也可实时处理输入数据，这使得FPGA在需要实时响应的应用中具有很大优势。414.性能加速硬件智能网卡（SmartNIC），也称智能网络适配器，除了能完成标准网卡所具有的网络传输功能之外，还提供内置的可编程、可配置的硬件加速引擎，可提升应用性能并大幅降低CPU在通信中的消耗，为应用提供更多的CPU资源，降低了数据中心能耗。数据处理单元（DPU）是一个专注于处理网络、存储、安全等业务的专用处理器，能够高效完成数据在数据中心内部不同节点之间的传输和搬移，将通用CPU、加速GPU和高速SSD等性能充分释放出来。DPU通过大幅提升虚拟化/裸金属、大数据、协议解析等场景的性能，提升了服务器、存储效率。5.全闪存技术应用全闪存是一种推动新型数据中心整体低碳化发展的存储方案。“全闪存数据中心”的核心观点是介质全闪存化，即逐步提升数据中心存储介质闪存化比例，最终实现全闪存化，加速数据中心向“磁退硅进”战略方向演进。全闪半导体介质有高密度、高可靠、低延迟、低能耗等特点。从数据全生命周期角度来说，存储介质由传统磁介质转向闪存介质，机械硬盘转向固态盘，随着固态盘的快速发展，数据访问固态盘比机械硬盘速度提升100倍，吞吐量提升100倍，单盘的每秒吞吐量（IOPS）提升1000倍以上。随着存储通信协议的发展，存储介质变化的效率和网络带宽提升的作用得以充分发挥，这些变化促使了计算机系统处理能力的大幅提升，优化了数据中心算力与存力的基础能力结构，42加速了数据资源的快速流通。6.存储算法节能技术利用数据纠删码（ErasureCode，EC）技术替代三副本数据，把磁盘利用率从33%最高提升到90%以上，减少磁盘空间占用，降低运行成本，提升资源使用效率。利用数据重删和压缩技术，数据重删技术支持定长重删、变长重删、相似重删算法来检查数据块，把相同数据删除的技术，数据压缩、压紧技术是通过数据压缩、压紧算法把定长的数据块优化数据存储布局，节约存储空间，从而提高数据盘利用效率。借助闪存介质性能的大幅提升，利用数据重删压缩技术，目前业界已经能够在数据库、桌面云、虚拟机等业务场景实现2～3.6倍的数据缩减率（重删压缩前数据总量/重删压缩后数据总量），相当于同样的存储空间能够储存2～3.6倍的数据，耗能节约50%以上。多协议互通技术是通过保存一种类型的数据让多种协议访问来实现。当前数据中心存在同一份数据需要在多套存储系统中存储多份、浪费存储空间的痛点，通过多协议互通技术可以降低数据中心数据量，提高访问效率。从新型数据中心建设角度看，节省了数据中心IT设施的投资数量，可以达到节能降碳的效果。7.高密集群存储全球数据中心正在从“以计算为中心”逐步转向“以数据为中心”。以数据为中心的绿色节能类数据基础设施，核心是要解43决海量数据绿色存储、快速处理、数据调度、生态开放、多云对接等问题。高密集群数据基础设施可以解决中大型数据中心高能耗问题，具备大规模线性扩展、高密计算存储、高通量数据处理、跨域数据调度、多云对接等特性。高密集群存储典型单U可容纳20～24块3.5寸硬盘，是通用高密存储服务器的2～3倍，同等容量下机柜空间占用下降超60%，高密存储相对使用通用型服务器，减少了节点CPU、内存及配套交换机，同等容量下节约能耗10%～30%。8.数据分级存储分级存储是根据数据的重要性、访问频率、保留时间、容量、性能等指标，采取不同方式将数据分别存储在不同性能的存储设备上，通过分级存储管理实现数据客体在存储设备之间的自动迁移。数据分级存储的工作原理是基于数据访问的局部性，通过将不经常访问的数据自动移到存储层次中较低的层次，释放出较高成本的存储空间给更频繁访问的数据，可以获得更好的性价比。这样，一方面可大大减少非重要性数据在一级本地磁盘所占用的空间，另一方面还可提升整个系统的存储性能。数据分级为热数据、温数据、冷数据。冷数据可以通过归档介质保存，其环境要求低，可以最大限度不受环境变化影响（如温度、湿度）而长久保存，可以构筑单独的归档区，超长保存时间大于50年，待机功耗低，结合东西部枢纽间调度，可以实现东部热点区域部署温热数据，西部部署温冷数据，匹配国家东数44西算存储大战略。9.超融合以太网络数据中心网络要达到最佳绿色节能效果，除产品本身的硬件节能外，还需提升网络传输水平，实现全域网络整体能耗的下降。有数据表明，通过提升网络传输稳定性，额外获得减少任务时间所获得的能耗节约，远远大于设备节能本身，实现网络系统整体能效的提升。标准以太网络采用尽力而为的工作机制，天然具有丢包的特性，对存储的性能稳定性带来了极大影响。当发生网络丢包导致数据需要重传时，这种返工带来的结果就是传输效率的降低，0.1%的丢包率会导致50%的算力损失。超融合以太网络解决方案，攻克了以太网丢包难题，实现了100%吞吐下的零丢包，最终使得算力倍增。通过采用智能动态水线控制算法，代替专家经验实现实时精准控速，已经可以实现在任意场景下网络的零丢包，实现规模不变，算力提升。超融合以太网络可以用在数据中心替代IB网络（按照开放标准InfiniBand规范设计开发的网络），权威认证机构Tolly进行了超融合以太网络的测试，表明该网络可以更好地释放GPU等芯片的算力。超融合以太存储网络适用于高性能计算、大数据视频云及大数据分析等应用场景。Tolly基于业界权威的FIO存储测试工具，从6个计算节点同时向4个采用NVMe全闪存的存储节点发起极45限并发读写，在完全同等测试条件下，使用超融合以太网络解决方案的系统在不同读取顺序场景中，其IOPS相比传统以太网络至少高出30%，带宽利用率提升30%，时延降低20%。（四）虚拟化节能1.服务器虚拟化技术服务器虚拟化是指将服务器物理资源抽象成逻辑资源，让CPU、内存、磁盘、IO等硬件变成可以动态管理的“资源池”，从而提高资源利用率，简化系统管理，实现服务器整合。虚拟化让服务器从物理机转为虚拟机，从物理资源转为逻辑资源，具体优点包括：灵活、稳定性高。通过动态资源配置提高IT对业务的灵活适应力，支持异构操作系统的整合，支持老应用的持续运行。降低成本，减少碳排放。虚拟服务器减少了物理服务器数量，节省了占用的空间和采购成本，同时还大大减少了电力和冷却成本，减少了碳排放。提高资源利用率。将基础架构资源池化并打破1个应用1台物理机的藩篱，虚拟化大幅提升了资源利用率，是建设绿色数据中心的基础。2.容器化技术容器化技术是操作系统级的轻量级虚拟化技术，能将操作系统中的资源分配到相对隔离的环境中，并且能对容器中进程的资源使用量做出限制。容器相较于虚拟机，其主要优势在于创建速46度更快，性能开销更小，并且容器将程序运行的依赖关系进行打包，能做到“一次打包，到处运行”，显著降低了应用的部署成本，同时也进一步减少了数据中心的物理机数量以及电力成本。3.容器编排技术容器技术解决了应用配置和部署的问题，让应用占用更少的资源、拥有更快速的部署方式以及更低的运行成本。然而当容器越来越多时，大量容器的部署和管理需要耗费巨大的人力及资源。如何降低这些人力及资源的同时保障数以万计的容器正常运行成为解决这一难题的核心。以Kubernetes为代表的容器编排技术出现，不仅解决了这个问题，同时提升了资源调度领域的技术能力。它支持自动化部署、大规模可伸缩、应用化容器管理，代替人力更加方便、快捷、全面管理大量的应用容器，在管理容器的同时大大降低了人力成本，同时可以实现快速部署应用、便捷管理容器等功能。容器编排技术也是如今建设绿色数据中心的重要基石。4.虚拟化技术监控工具容器编排技术虽然能够很好解决容器大规模部署和管理问题，但是在应用运行的过程中对应用的运行情况以及资源占用情况的了解是非常重要的环节，用户可以借此掌握应用运行质量，所以使用监控工具对Kubernetes集群中应用的相关指标数据进行监控是非常必要的。作为代表的是Prometheus监控，其通过相关组件收集节点47上的监控数据，并将数据推送给监控中心并存储，最后通过图形化界面展示给用户。用户通过监控工具可以清楚地看到集群上各个节点、各个应用在cpu、内存、IO等多个维度的详细数据和资源使用情况，更好掌握应用的实时运行，并做出相应决策，大大降低了运行成本。5.在离线作业混合部署当前，随着Kubernetes被业界广泛应用，单个集群的规模也不断增大，多数集群都暴露出资源分配率较高，而利用率偏低的普遍问题。出现这个问题的主要原因是在资源申请阶段，为确保应用流畅运行，容器基本上都会获得尽可能多的资源。但实际在大部分时间段，应用的资源使用量都达不到所分配的资源量，并且大部分时间机房的资源利用率都处于极低状态。有研究显示，大部分集群的日均CPU使用率不足15%。在离线作业混合部署是目前业内解决资源利用率低这个问题的重要方法，能够把集群浪费的资源利用起来，大大降低成本，提高资源使用率。混部是指把在线应用和离线应用部署在同一集群中，即在在线应用资源空闲时，把资源尽可能给离线作业使用，当在线应用需要资源时，离线作业再把资源返还给在线应用，削峰填谷，使空闲资源得到再利用，提高了数据中心的资源利用率。（五）绿色工程通过建造数字化工具，结合BIM（BuildingInformationModeling，建筑信息模型）等技术手段，保障施工质量和进度、48减少返工，实现绿色低碳建造。1.绿色工程实施BIM能够支撑施工过程结合工程管理要素，建立项目施工全过程的绿色施工管理体系和管理制度，并落实各级责任人。在施工前制定项目管理计划，并在过程中严格执行，采用数字化方案对施工过程中的进度、质量、安全与物料进行精细化管理并实践利用BIM进行进度管理，直观地掌握进度计划的实施状况，找出进度偏差，确保项目进度按预定目标执行。从而减少返工，降低纸张使用及废料产生，以保持施工顺畅，并实现环保和节约成本。进度管控。基于BIM3D的施工进度查看，对模型构件用不同颜色标识出已完成、施工中、延期施工等进度情况，并具备实际进度录入和进度对比分析等功能。对项目偏离计划时及时进行预警，及时体现进度风险，保障施工进度，减少由于工程延期造成更多资源消耗和环境污染。质量管理。质量管理人员在施工现场巡视，随时随地通过作业APP发起质量问题并由管理人员对任务的跟踪审核与闭环，实现在线的安全整改管理，方便质量问题追踪，同时还可通过AR虚拟现实结合BIM应用进行虚拟与实际安装情况进行辅助质量检查验收，提高管理效率。同时所有过程文档、质量动作及照片均有电子存档，以供后续查询。过程精细化的质量管控结合数字化应用，能更好地管控质量，做到质量可视可管、问题可追溯，避免由于隐蔽工程问题导致的返工造成的物料浪费以及纸质件49的使用。安全管控。通过视频监控威慑力，远程集中化实时管控，可有效管理现场施工行为，并通过AI智能识别未穿戴安全帽、荧光衣、火焰、烟雾等预警，提升管理效率，确保文明施工，降低风险，减少由于火焰，烟雾等对环境造成污染的情况发生。成本管控。物料清单数字化上线到数字化管理组件，工程管理人员滚动更新到货、使用、库存等信息，可定期进行物料盘点，最大程度减少货损或窝工，确保计划顺利执行，实现账实一致，避免材料浪费，降低建设成本。2.绿色工程质检利用增强现实（AugmentedReality，简称AR）技术能够将计算机生成的图像叠加到真实世界里。利用AR技术将BIM模型带入施工现场，实现BIM模型与现场质量的1：1高精度校核。对施工中结构定位、预留孔洞、开口尺寸等各项空间位置进行完整校验，指导验收。通过与BIM模型的对比，保证数据真实客观，提高质量检测效率。同时，可在移动端实时录入验收情况，查看闭环管理流程，确保现场验收无遗漏、无死角。应用三维激光点云扫描，可以快速建立起物体的三维点云模型。随着建筑数字化转型的不断推进，通过激光点云扫描，可采集现场物理模型数据，并直接转化为BIM模型与CAD图纸，对施工现场的实际数据和设计数据做比对，进行误差分析，以保证现场施工质量达到优质标准。通过以上工作的实施，达到控制施工50质量、指导施工的目的，并可在竣工阶段提供准确的竣工模型。四、运行管理本章节介绍了绿色运行指标与分析方法、绿色运行技术应用案例、人工智能技术在绿色数据中心的应用、危废处理和数据中心管理等内容。（一）绿色运行指标与分析方法绿色运行指标的设立，是量化数据中心运行能效能耗水平的重要方法。绿色运行指标可以分别从用电量、用水量、清洁能源使用量、碳排放量等维度进行衡量。绿色运行指标在分析方面，常用的有电能效率评价和综合打分两种分析方法。本小节将分别展开介绍绿色数据中心运行指标和分析方法。绿色数据中心运行指标如表4-1所示。表4-1绿色数据中心运行指标表序号运行指标作用1电能利用效率PUE度量数据中心电能使用效率2水资源利用效率WUE度量数据中心用水效率3能源再利用效率ERE度量数据中心可再生能源使用率4碳使用效率CUE度量数据中心碳排放效率5上架负载率和平均单机架运行功率度量数据中心运行资源用量与平均功率密度1.电能利用效率PUE电能利用效率PUE[18]是最为熟知的绿色数据中心运行指标，由绿色网格组织提出，用于比较单位IT设备能耗下总设备能耗51量。在数据中心能效计算中，“有用的工作”是难以确定和计量的，PUE的提出成功解决了这一问题，它采用IT设备能耗作为“有用的工作”实现数据中心能耗效率的计算。PUE值能够有效衡量数据中心当前能效情况，通过提升PUE值，改善数据中心能耗现状。数据中心电能利用效率（PUE）可由以下公式算出：设备能耗设备总能耗ITPUEPUE指标计算简单，便于直观理解，成为很多数据中心衡量自身能效水平的重要运行指标，但PUE指标仍存在不少缺陷。首先，不同地域的数据中心，其PUE会受到环境温度的影响，简单地进行对比，会存在偏差。其次，不同制冷形式的数据中心之间，PUE的差别是巨大的，所以无法直接比较。再者，PUE值与数据中心的负载率是密切相关的。随着数据中心负载率的不断提升，其实际运行的PUE会逐渐接近设计满载PUE值。故在不同负载率情况下的数据中心无法简单地进行PUE值的比较。最后，PUE计算简单地将所有IT设备用能视作“有用的工作”存在一定的偏差。例如，当IT设备自身处理效率下降以后，实际PUE值会出现下降。目前阶段，PUE仍然是衡量数据中心能效水平的主要考量指标。2.水资源利用效率WUEPUE在计算时，并没有把水资源的消耗纳入数据中心总体能52耗监测体系。为了跟踪水的消耗对环境的影响，绿色网格组织提出了水资源利用效率WUE[19]，即某一时间段内数据中心总用水量与数据中心IT设备能耗之间的比值。数据中心水资源使用效率（WUE）可由以下公式算出：ITTOTALEWWUE式中：WTOTAL为数据中心消耗总用水，单位为升（L）；EIT为主设备消耗电能，单位为千瓦时（kWh）。通过提升WUE值，能够改善自身数据中心单位IT能耗下水资源的使用效率。地处不同外界环境的数据中心与采用不同制冷架构的数据中心会对WUE值产生较大的影响。因此，不同环境与不同制冷架构数据中心之间WUE值的对比不具有实际意义。但是对于WUE值作限额是有意义的，它能够杜绝对数据中心所在区域水资源的过度浪费。根据美国劳伦斯伯克利国家实验室的统计，2014年全美数据中心的平均WUE为1.8L/(kWh)[20]。上海市2021年4月发布《上海市数据中心建设导则（2021版）》，要求新建数据中心WUE不高于1.4。数据中心水资源使用效率（WUE）受到气候条件和制冷设计架构等因素影响，因此现阶段采用水冷架构的自用数据中心其WUE限额值建议不大于1.6L/kWh。3.能源再利用效率EREERE是绿色网格组织用来衡量能源再利用效率的一种指标[21]。该指标用来计算数据中心内不可再生能源能耗与IT设备能耗的53比值。数据中心能源再利用效率（ERE）可由以下公式算出：设备能耗可再生能耗总能耗ITERE当数据中心未采用可再生能源时，其ERE的数值与PUE值是一致的。当数据中心采用可再生能源时，其ERE小于PUE值，其理想值为0，表示所有的用能均由可再生能源进行供给。4.碳使用效率CUECUE是2010年绿色网格组织推出的，用来衡量数据中心温室气体排放效率的指标[22]。该指标采用二氧化碳当量值与IT设备能耗的比值进行计算得到。在当前和未来的数据中心运行中，碳排放的影响变得极其重要，因此CUE指标越来越受到重视。数据中心碳使用效率（CUE）可由以下公式算出：设备能耗温室气体总排放量ITCUE现阶段数据中心温室气体的排放主要源于数据中心电能消耗和制冷工作消耗。电能转化为温室气体排放总量与所在区域使用电能的碳排因子相关，制冷工作碳排放与制冷工质使用量、制冷工质类型相关。因此要降低碳使用效率CUE，一方面要降低数据中心总电能消耗，同时降低所使用电能的碳排因子，另一方面要减少制冷工质的使用，选择GWP（全球变暖效应）值低的制冷工质。当数据中心实现零碳或净零碳排放时，温室气体总排放量为54零，此时的CUE值为0，是数据中心碳使用效率的理想目标值。5.上架负载率和平均单机架运行功率上架负载率和平均单机架运行功率是用于衡量数据中心运行阶段功率密度与资源用量的指标[23]。上架负载率和平均单机架运行功率之间由机柜投入使用的机架数作为两者的联系，且分别位于分子和分母不同的位置，因此他们是一对指标。在日常运行过程中，数据中心应当同时提升上架负载率和平均单机架运行功率，从而实现资源效率的总体提升。（1）上架负载率IT设备上架负载率计算公式如下：LMARackiion)(式中：Rackon指IT设备上架负载率；Ai指第i类机柜设计功率，单位为千瓦（kW）；Mi指第i类机柜投入使用的机架数，单位为个；L指设计总功率，单位为千瓦（kW）。（2）平均单机架运行功率平均单机架运行功率计算公式如下：iirackMBP式中：Prack指平均单机架运行功率，单位为千瓦（kW）；55Bi指第i类机柜总运行功率，单位为千瓦（kW）；Mi指第i类机柜投入使用的机架数，单位为个。新建数据中心设计单机架功率不宜低于6kW，启用以后IT设备上架负载率不宜低于50%。6.电能效率分析法电能效率分析方法是一种基于总资源除以IT消耗资源的评价思路。PUE、EEUE等评价指标都是基于这种思路开展评价工作。此类评价指标来源于国际标准ISO/IEC30134-2的评价方法，虽然相关物理量测量简单，业内认知度和依赖度高，但是对数据中心总能耗和IT设备能耗没有绝对值的考量和限定，满足不了对数据中心能源消耗总量和强度双控制的要求。另一方面，电能效率评价由于受到地域、气候、架构和负载等因素的影响，没有统一的标准工况和标准测量工具，所以得到的资源效率值不具有可比性，不过电能效率评价是对自身能效评价优化的一种有效方法。7.综合评价分析法综合评价分析法是在电能效率分析的基础之上，在先进适用技术推广使用、运维管理体系建设、能效提升、水资源利用、有害物质控制、废弃电器电子产品处理、可再生能源和清洁能源应用等方面开展的综合评价方法。在国家绿色数据中心评价工作中，就采用的是综合打分法。针对绿色数据中心的评价方法，例如《绿色数据中心评估准则》（T/CIE049—2018）、《绿色数据中心评价标准》（T/ASC05—2019）等也是以综合打分法为主。综合56打分法能有效弥补电能效率评价单维度量化的缺陷，能够从多方位对数据中心整体能效情况进行考量。但是，综合打分法中，相关的比例系数是一个经验值，系数与系数之间没有密切联系，所以不同机构之间的分差并不能有效表示能效工作的差距，故综合打分法多用于评估和评价中。8.后续工作绿色运行指标的设立，能够有效帮助数据中心计量能源使用效率。但是，对于采用哪种方法来计量“有用的工作”是一个复杂的问题。电能效率评价方法将IT设备用能作为“有用的工作”，成为了简单易用的运行指标。但是，不同的IT业务、基础架构及地域气候，都会对电能利用效率产生很大的影响。除了常用的PUE、WUE、ERE和CUE等指标外，还有DCIE、CADE和ITEE等衡量指标。如何衡量金融科技中“有用的工作”，例如单笔交易、单位算力，以及单位网络吞吐量的能耗情况等，都是值得深入研究的课题。（二）绿色运行技术应用1.低负载下水系统节能运行低负荷运行也是数据中心冷却水系统经常遇到的一种工况，比如新系统启动初期，或季节性气温降低后。停机或低负荷运行会给系统水处理（腐蚀、沉积和微生物控制）带来巨大的挑战。循环冷却水的良好运行直接关系到数据中心运行的稳定性及PUE和WUE等关键运行效率指标。57因为采用冷却冗余设计，数据中心的冷却水系统会交替轮换启动，导致始终会有部分系统处于停机状态。所以低负载下运行的系统，需要着重考量循环水质的问题及运维策略，大体需要注意腐蚀控制、沉积控制、微生物控制。（1）运行策略管理根据运维经验，在数据中心IT负载不足15%的前提下，针对传统水冷系统架构，优先考虑运行小负荷模式。这就需要自控系统（BA）逻辑设计前期，提前规划验证小负荷相关逻辑程序。小负荷模式原理是：不间断的交替对暖通系统串联或并联的蓄冷罐的进行充冷或放冷，在保证系统供冷正常的情况下最大化节能，同时也保证了冷机的稳定运行，从而避免了持续低负荷运行工况下的喘振保护停机的可能。一般小负荷运行情况下，蓄冷罐充冷1～2小时，放冷4～6小时；大致充放时间比为1：3；每天24小时仅需启动冷机6～8小时左右即可满足系统供冷需求。对于负载比较低的新中心来说，运行初期除了关注冷源侧核心设备，末端空调的运行把控也很重要，尤其在冬季：对末端机房无负载的精密空调房间，建议酌情手动给定5%～10%的水阀开度，避免因为水路不循环而冻裂，特别是靠近末端或临近室外侧的空调机房。对于单向送风的模块机房，建议优先开启对应列有负载的精密空调，其余未上负载的机柜可用提前规划盲板做好封堵工作，58同时精密空调送风速度不建议过高，一般不超过80%。根据当前机房负载尽量调低风速，适当调低送风温度，使用小风量大温差的方式降低精密空调的功耗。对于双向送风的模块机房，则建议在负载较低时，对向交错开启运行送风，最大化利用气流组织，平衡机房两侧空调间精密空调负载，避免单侧空调风机高频运行。将机房空调备机置于热备状态，多数情况下变频风机多台低频运行优于单台高频运行。（2）低负载下的节能运行案例某金融行业数据中心，由于数据中心投产初期IT负载低导致冷水机组运行频繁喘振，制冷效率COP低。为解决这一困扰大部分数据中心投产初期制冷系统运行的难题，该中心利用了原本设计用作“免费制冷”使用的板式换热器，通过板式换热器利用室内外环境水—水换热后，将室外热量提供给冷水机组，可为机组自动增加冷负荷。在解决“喘振”问题的同时还能进一步提升冷水机组的制冷效率，从而实现了安全稳定运行前提下的绿色节能。系统架构如图4-1所示。图4-1冷水机组低负载节能运行系统图59设定冷水机组实际供水温度为T0，冷水机组不喘振的最低回水温度为T1，冷水机组实际回水温度为T2，最低冷负荷需求为Q1。根据离心机供水温度不变的工作特性，可通过控制中心实时计算出当前运行机组不发生喘振对应的T1，结合系统图4-1，设置运行控制逻辑如下：当T2＞T1+0.5℃，持续600秒后，阀门VC1-1和V1关闭，阀门VC1-2、VC1-3、V2、V3打开，系统正常运行。当T2≤T1+0.5，持续600秒后，阀门VC1-1、V1、VC1-2、VC1-3、V2、V3全部打开，系统进入防喘振模式，根据热力学计算公式可知，通过提升T2温度能达到提升离心机冷负荷的目的。在系统进入防喘振模式后将T2与T1的差值信号反馈给V2和VC1-2两个电动调节阀，通过自动调节阀门开度控制室外环境进入板式换热器的热量，使T2稳定在T1±0.5范围内，因此离心机可长期运行在非喘振工况。经数据实测，在冷水机组供水温度15℃、冷冻水流量满足正常运行（185m3/h）前提下，冷冻水回水温度从原先的17.3（喘振工况点）提升至18.5（对应稳定运行不喘振），调整后的工况利用了室外环境提升了约259KW冷负荷，离心机制冷效率（COP）从原先的7提升至10.8，提升了约54%，节能效果显著。2.余热回收应用数据中心投入运行后将产生大量源源不断的废热，可就近用60于园区冬天采暖和生活供热，以及周边建筑供热和市政管网供热等。（1）水源热泵对外供热技术某数据中心首次成功推动余热回收对外供热，为该中心余热再利用提供了典型案例，对数据中心行业余热对外供应和综合利用具有很好的示范和指导意义。项目系统架构如图4-2所示。图4-2系统原理示意图项目使用一台螺杆式水源热泵，对内将18℃冷冻回水降低至13℃，流量为321m³/h，制冷量为1866KW。对外将45℃回水加热至55℃，流量为205m³/h，供热量为17273GJ/h。机组额定功率为513KW。对外供热利用了数据中心余热，对内降低了数据中心PUE，节约用电约90000KWH。（2）梯级式余热回收应用某数据中心采用梯级式余热回收技术，将低品位余热进行梯级回收利用，对外进行供热，在数据中心减少碳排放方面取得良好成效。常规余热回收是简单利用冷凝余热，通过单次对外进行供热，但是常规余热的供热往往存在低品位或者效率低的问题。61采用梯级式余热回收是在常规冷凝余热的基础上再次串入高温热泵机组，使对外供热输出的水温更高，提升余热回收应用的范围和余热使用的效率。单级余热回收系统与梯级余热回收系统架构如图4-3所示。图4-3常规余热回收与梯级余热回收系统复杂的多级余热回收系统架构如图4-4所示。图4-4多梯级余热回收系统示意图（3）在用数据中心余热回收改造某在用数据中心通过改造，加装热泵机组，利用冷凝余热，实现冬季供暖。改造之前的冷源系统采用常规水冷架构（如图4-5所示），由冷却塔，冷却水泵，离心冷机，冷冻水泵和冷负荷构成。62图4-5改造前冷源系统图为充分利用末端机房的高温余热，对数据中心内冷冻水侧及其市政供热管道侧进行升级改造。改造后系统图如4-6所示，将末端冷冻高温回水管接入热泵机组的蒸发侧，热负荷侧水泵循环带走热泵冷凝侧可利用的冷凝余热，实现市政供热蒸汽消耗的大幅降低。图4-6改造后冷源系统图（4）热泵机组对内供冷/供热应用63某数据中心采用螺杆式水源热泵对办公区提供夏季供冷和冬季供热。相比传统空气源热泵，水源热泵效率更高，COP达6.0以上。在冬季可以回收数据中心服务器产生的热量，充分体现了绿色数据中心的设计理念。项目使用一台螺杆式水源热泵，对内将18℃冷冻回水降低至13℃，流量为321m³/h，制冷量为1866KW。对外将45℃回水加热至55℃，流量为205m³/h，供热量为17273GJ/h。机组额定功率为513KW。对外供热利用了数据中心余热，对内降低了数据中心PUE。改造系统设备清单如表4-2所示。表4-2余热回收改造设备清单名称数量螺杆式热泵1台热泵蒸发器侧循环泵1用1备水泵变频器2用2备热量计53.气流组织精细化管理基础设施运行维护是数据中心全生命周期中最长的阶段，也是数据中心在规划设计阶段能源利用效率指标得以实现的关键环节。结合相关资料以及项目实地勘察，数据中心空调系统能耗在数据中心各子系统能耗中位居第二，仅次于信息系统设备的能耗。因此针对常规数据中心，降低空调系统运行能耗是实现数据中心高效节能运行的重点。（1）气流组织精细化调整技术方案64合理的末端空调气流组织是空调系统节能降耗的基础和前提。提高精密空调的送回风温度和冷源的供回水温度一直是数据中心暖通系统节能的共识，但往往由于末端气流不合理造成以上节能措施达不到理论上的高效节能目标。合理的气流组织体现在数据中心机房内机柜进风区域空调冷气流分布均匀，垂直和水平方向温度场处于相对均衡状态。地板下送风、吊顶上自然回风是常见的一种机房气流组织形式，设计过程中默认地板下的空间是空调送风静压箱，静压箱内动压较小、静压较大，有稳定气流、减少气流振动和提升送风效果的作用。首先，地板下静压箱是一种理想状态，实际很难实现理想的静压均匀送风工况。其次，实际项目实施阶段，由于施工质量把控不严格，造成地板下风管、线槽、冷媒管挡风，影响地板下静压箱的效果。最后，运维过程中的粗放式管理，空调运行在大风量、小温差的模式，不仅不利于节能，更是破坏了原有的地板下送风水力平衡。机房气流组织如图4-7所示。图4-7机房气流组织示意图行业内已经普遍认识到气流组织的重要性，开展了大量的相65关研究。综合国内外数据中心气流组织的研究，主要借助CFD气流组织模拟软件开展送风方式、冷热通道封闭对气流组织的研究以及地板下送风方式的气流组织研究，以实际机房为测试平台开展实验研究的内容很少，对现场的实际运维管理指导作用有限。因此，要实现最佳的送风效果，借助气流组织相关的测试，将抽象的气流场具体化，最终实现气流组织的精细化管控至关重要。（2）气流组织精细化调整实施要点气流组织精细化管理的基本原则是满足机柜用冷量与精密空调供冷量合理匹配，实现机柜送风区域或者冷通道内垂直、水平位置的温度均衡，避免局部高/低温点和“热岛”的出现。实施的主要步骤包括：（a）机房内设备的现状测试。主要测试和记录内容包括机柜运行负载、盲板封堵情况，风口地板开孔率，冷热通道隔离情况，精密空调设定参数、实际运行参数和功耗。（b）现场气流组织的诊断。采用风量罩、移动测温平台、无线温度传感器等仪器设备，诊断机房内的气流组织现状。（c）依据现场实际进行气流组织调优。依据机柜的负载率、服务器安装位置等情况，计算每台机柜所需的风量、风速参数，通过调整风口地板的通风率和精密空调的运行设定值，实现精密空调制冷量、风口地板风量和风速与机柜现状的最佳匹配。（d）精密空调运行模式优化。测试每台精密空调的性能曲66线，依据机房整体的冷量、风量和空调送回风压差的需求，调整精密空调的群组逻辑，实现精密空调的整体节能。（3）气流组织精细化调整案例分享国内某模块机房机柜总负荷为699.7kW，精密空调配置总冷量960kW。采用无线测温系统测试，冷通道的温度均衡性较差，测点最高温度为22.7℃，最低温度为18.9℃，不平衡性为2.8℃。空调间内安装有8台精密空调，所有空调风机转速均≥80%，超过一半数量的空调风机转速≥93%，空调能耗较高，总能耗达46.17kW。对每个冷通道内风口地板的风速进行统计，除两个冷通道内风量不满足IT设备的风量需求外，其余冷通道的风量均超过了实际需求风量。因此，通道之间的空调气流组织不合理造成了通道间温度均衡性较差。对每个机柜的运行现状进行统计，未装满IT设备的空U位盲板封闭不到位，造成冷热通道气流短路，影响精密空调的制冷效率。为此实施以下优化方案：（a）完善机柜空U位的盲板封堵。（b）测量每个冷通道的风口地板风速，计算每个通道风量与冷负荷的关系。（c）根据末端机柜负荷情况调整精密空调的运行控制参数。（d）调整各冷通道内风口地板的通风率，使各通道的实际送风量满足冷负荷的需求。经优化方案调整后，机房冷通道的平均温度约20.5℃，冷67通道内温度传感器的最大差值控制在1.5℃以内。由于项目采用冷冻水型精密空调，较调整前，具备升高冷冻水温度运行的可能，可进一步降低冷水机组能耗，最大化利用室外自然冷源。调试前精密空调的总耗电功率为46.17kW，调试完后精密空调总电功率为26.64kW，总电功率降低19.53kW，较调试前精密空调耗电节能42%。由此可见，气流组织的精细化管理是数据中心能效提升的重要措施。4.光伏技术应用某数据中心在屋面采用了太阳能灯作为巡检照明光源，有效利用清洁能源的同时减少了数据中心屋面照明的布线。光源为LED发光元件，比普通光源可节约50%配电功率，该部分太阳能灯每小时可节约电能5KW，全年运行4000余小时，可节约电能80000KWh。光伏辅助照明设备如图4-8所示。图4-8太阳能巡检照明设备5.氟泵自然冷源技术应用68氟泵空调可在冬季或过渡季节室外温度较低时，利用制冷剂泵（氟泵）对制冷剂进行室外循环换热，充分利用室外自然冷源，不必开启压缩机制冷，大大降低空调用电能量。某数据中心开展配电室及电池间等设施区域氟泵空调改造，将原有VRV柜式空调置换为8台氟泵空调，实现能效的提升。在冬季，氟泵空调运行功率为17KW，较原VRV柜式空调运行功率下降66.8%，全年实现电能节约29万千瓦时，预计2.79年可实现投资回报。6.基于人工智能技术的节能应用早在2014年谷歌公司首次披露将神经网络技术应用于数据中心节能领域，通过采集IT负载、外界温湿度、冷水机组、水泵等参数，经离线训练后，依据输出结果调节冷却水运行参数，从而实现电能使用效率提升。随着人工智能技术发展不断成熟，其在数据中心绿色节能方面的应用研究也在不断增多。基于电能利用效率（PUE）模型的节能应用。PUE是目前评价数据中心能效最常用的指标。因此对PUE进行建模，通过预测和调节，实现PUE下降是最为直接和有效的方法。该方法所采集的变量参数都有一一对应的PUE值，因此可以采用有监督学习进行训练。传统的机器学习和当前流行的深度学习都为有监督学习提供了很多成熟的训练方法。在建立对PUE预测模型之后，可以模拟PUE在任意特征参数变化后的预测值，向PUE预测值减小的方向调节设备运行参数，实现数据中心整体的节能优化。69基于冷源系统建模的节能应用。冷源系统在数据中心的能耗占比较大，因此通过控制和降低数据中心冷源系统能耗，是提升数据中心整体电能利用效率的有效方法。高可用数据中心冷源系统由冷水机组、风冷机组、冷却塔、水泵及末端精密空调等设备构成，因此调节参数较多且复杂。自动控制系统基于运行规则为冷源站的日常运行提供了便捷，但在节能效果上仍有提升的空间。谷歌公司在2018年将强化学习应用于数据中心的冷源系统控制，得到了显著的结果。其原理是基于调节动作后观察的环境状态对神经网络进行训练，实现自动控制系统不断地自我优化，当前国内也有较多研究和仿真。国内人工智能技术在数据中心节能方面的应用仍处于早期阶段。人工智能技术的发展高度依赖数据，这与国内数据中心基础设施监控（DCIM）的发展有所关联。随着DCIM建设趋于完善，数据采集数量、质量提升后，人工智能在数据中心的节能应用将进入快速发展的阶段。（三）危废处理危废处理是绿色数据中心运行工作的重要组成部分，其中涉及危废的处置及回收。结合国家和地方出台的危废相关政策文件条款，数据中心运行过程中应建立起一套完备且落地可依据执行的危废处置制度与方案。1.危废定义危废是指列入《国家危险废物名录》以及根据国家规定的危70废鉴别标准和鉴别方法认定的具有毒性、易燃性、爆炸性、腐蚀性、化学反应性、传染性的固态、半固态和液态废物。例如数据中心运行过程中废弃的铅酸电池、机油、柴油、冷机废油、荧光灯管、油水分离器滤芯、硒鼓墨盒、冷却水处理药剂废桶、防冻液等其他相关生产剩余危废。相关危废制度要对本数据中心相关联危废的产生、收集、贮存、运送、转移和处置起到全方位的监管作用。数据中心危废制度的制定需同步明确各岗位职责的分工定义。数据中心相关环评报告内应明确危废类别及其数量，并指定危废处理单位等信息。危废处理涉及的相关法律法规如表4-3所示。表4-3危废处理涉及法律法规序号涉及法律法规1《中华人民共和国环境保护法》2《中华人民共和国固体废物污染环境防治法》3《国家危险废物名录》4《危险废物贮存污染控制标准》5《危险废物转移联单管理办法》2.电气电子产品有害物质限制使用管理绿色数据中心物理界限范围内的电器电子产品应符合《电器电子产品有害物质限制使用管理办法》和《电子电气产品中限用物质的限量要求》（GB/T26572）相关要求。对列入《电器电子产品有害物质限制使用达标管理目录》的产品，应满足《电器电子产品有害物质限制使用合格评定制度实施安排》的相关要求。713.废旧电器电子产品处理绿色数据中心应当建立可追溯的电器电子产品管理档案，对废旧电器电子产品进行识别，对废旧电器电子产品妥善进行处理，对有再利用价值的废旧设备采取利用措施。4.废弃物管理对于绿色数据中心日常运行维护、检修等产生的空气滤芯、废旧电缆、水处理残渣、废旧电池、电缆桥架、废弃油液、可破坏臭氧层或具有温室效应的制冷剂和污水等各类可能对环境产生不良影响的废弃物，各类废弃物均应得到妥善处理，且符合国家和地方相关管理规定。5.危废的台账及储存管理数据中心内危废应健全档案管理，对相关处理过程作存档备案，依据《危险废物转移联单管理办法》的要求，相关文件需存档保留5年。当年年终建议完成下一年度的危废处置管理计划，包括依据环评和处置单位签订的协议，报备大致的数量、品种、处理月份等，最终统一报当地环保部门固体废物综合管理系统。数据中心日常运行过程中产生的危废，应储存在指定区域，且应依据化学品的兼容性进行分区储存，不同分区应设置矮围墙或在地面画线并预留明显间隔（如过道等）。酸碱不能混合，氧化剂不能与有机物混合，氰化物不能与酸混合。且须对以上临时归置点例行巡视检查，避免发生次生危害。运输危废的车辆必须符合中国有关危险品运输车辆的要求。72（四）人才制度建设1.人才队伍建设绿色数据中心建设与运维管理需要多学科交叉型人才，涉及电气工程、热能动力工程与计算机等多专业学科。在今后绿色发展的阶段，复合型人才的培养存在较大的缺口。与此同时，对于建设和运维管理人员的教育培训、职业认证等方面还有待完善。在组织架构与人员培养方面宜建立专业能效监测和分析团队。对于纳入能源计量审查的数据中心，宜对人员进行相应培训，使其具备能源计量从业资格，参与计量审查相关工作。2.绿色采购制度建设各机构宜建立绿色采购制度，在选购设备产品时，可参考工信部下发的《国家工业和信息化领域节能技术装备推荐目录》《“能效之星”产品目录》《国家绿色数据中心先进适用技术产品目录》中相同或相似的技术产品，积极选用绿色节能设备和产品。五、政策引导与标准体系建设本章节介绍了绿色数据中心的政策要求、绿色数据中心涉及的标准体系和对绿色数据中心的评价体系。（一）政策要求1.国家政策法规自2021年3月《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出“碳达峰、碳中73和”双碳目标后，国务院、中国人民银行及各部委陆续发布相关政策，对绿色数据中心提出要求，相关政策法规如表5-1所示。表5-1国家级绿色数据中心政策法规要求时间部门文件名称重点要求2021年12月中国人民银行《金融科技发展规划（2022—2025年）》加快金融机构数字化转型，建设绿色高可用数据中心，架设安全泛在的金融网络，布局先进高效的算力体系，进一步夯实金融创新发展的“数字底座”。2021年12月发改委、网信办、工信部、能源局《贯彻落实碳达峰碳中和目标要求推动数据中心和5G等新型基础设施绿色高质量发展实施方案》到2025年，数据中心基本形成绿色集约的一体化运行格局。数据中心运行电能利用效率和可再生能源利用率明显提升，新建大型、超大型数据中心平均电能利用效率降到1.3以下，国家枢纽节点进一步降到1.25以下，绿色低碳等级达到4A级以上。2021年9月工信部、人民银行、银保监会、证监会《关于加强产融合作推动工业绿色发展的指导意见》建立健全碳核算和绿色金融标准体系。推动国内外绿色金融标准相互融合、市场互联互通，加强国际成熟经验的国内运用和国内有益经验的国际推广。2021年7月工信部《新型数据中心发展三年行动规划（2021—2023年）》进一步明确新型数据中心的发展要求，坚持绿色发展理念，全面提高数据中心能源利用效率。74时间部门文件名称重点要求2021年5月发改委、网信办、工信部、国家能源局《全国一体化大数据中心协同创新体系算力枢纽实施方案》启动实施“东数西算”工程，第一项重点任务就明确提出“以数据中心集群布局等为抓手，加强绿色数据中心建设，强化节能降耗要求”，具体包括推动数据中心采用节能技术模式、加快推动老旧基础设施升级、完善数据中心综合节能评价标准体系等。2021年2月国务院《关于加快建立健全绿色低碳循环发展经济体系的指导意见》加快信息服务业绿色转型，做好大中型数据中心、网络机房绿色建设和改造，建立绿色运行维护体系等。2020年12月发改委、网信办工信部、国家能源局《关于加快构建全国一体化大数据中心协同创新体系的指导意见》到2025年，全国范围内数据中心形成布局合理、绿色集约的基础设施一体化格局。东西部数据中心实现结构性平衡，大型、超大型数据中心运行电能利用效率降到1.3以下。数据中心集约化、规模化、绿色化水平显著提高，使用率明显提升。2.地方性政策法规北京市于2019年发布地方标准《数据中心能源效率限额》（DB11/T1139—2019）、2021年发布《北京市数据中心统筹发展实施方案（2021-2023年）》、2022年发布《北京市低效数据中心综合治理工作方案》，主要要求有：明确PUE值超过限定值1.4的数据中心和平均单机架功率低于2.5千瓦或平均上架率低75于30%的功能落后的备份存储类数据中心等低利用率数据中心，以及水耗较高的数据中心为低效数据中心。要求逐步提高排放基准，收紧数据中心企业碳配额发放。严格落实差别电价政策，鼓励数据中心开展节水、中水利用改造。对能耗强度或碳强度不降反升的区，或者年能耗2000吨标准煤以上的数据中心整体上架率（建成投用满一年）低于50%的区或单个项目，实行数据中心项目区域或项目单位能评缓批。鼓励大型高效数据中心企业对本市存量低效数据中心进行整合，逐步关闭年均PUE高于2.0或平均单机架功率低于2.5千瓦或平均上架率低于30%的功能落后的备份存储类数据中心（主要指汇聚用于冷数据存储、备份数据信息的数据中心）。上海市于2018年发布《上海市推进新一代信息基础设施建设助力提升城市能级和核心竞争力三年行动计划（2018-2020年）》、2020年发布《上海市推进新型基础设施建设行动方案（2020-2022年）》和《关于全面推进上海城市数字化转型的意见》、2021年发布《上海市数据中心建设导则（2021版）》，主要要求有：严禁本市中环以内区域新建数据中心，原则上应在外环外符合配套条件的工业区或发电厂厂区内，采用先进节能技术集约建设，并兼顾区域经济密度要求选择新建数据中心。新建大型数据中心单项目规模应不低于3000个标准机架，平均机架设计功率不低于6kW，机架设计总功率不小于18MW，综合PUE严格控制不超过1.3。新建边缘数据中心单项目规模应控制在10076个机架内，PUE不应高于1.5，平均机架设计功率不低于6kW。杭州市于2020年发布《关于杭州市数据中心优化布局建设的意见》、2021年发布《关于数据中心建设有关事项的通知》，浙江省于2021年发布《浙江省推动数据中心能效提升行动方案（2021-2025年）》，要求新建项目PUE不得高于1.4，改造项目PUE值不得高于1.6，现有数据中心整合腾出用能按150%的比例进行替代。广东省于2020年发布《广东省5G基站和数据中心总体布局规划（2021—2025年）》，要求对PUE≤1.25优先支持新建和扩建，对1.25＜PUE≤1.3支持新建和扩建，对1.3＜PUE≤1.5严控改建、不支持新建和扩建，对PUE＞1.5禁止新建、扩建和改建。内蒙古自治区于2021年发布地方标准《数据中心绿色分级评估规范》（DB15/T2241—2021）、2022年发布《内蒙古自治区“十四五”节能规划》，要求新建数据中心须达到绿色数据中心建设标准，PUE值不超过1.3。推动既有数据中心绿色节能改造，推广高效制冷技术、先进通风技术、余热利用技术、能耗管理系统等，加强在设备布局、制冷架构等方面优化升级，提升能效水平。因地制宜采用自然冷源、直流供电、“光伏+储能”、分布式储能等技术模式，提高非化石能源消费比重。推动建设全模块化、预制化数据中心，加快发展液冷系统、高密度集成IT设备，提升高效制冷系统应用水平。通过智能化手段实现机械制77冷与自然制冷协同，探索依托河湖、地热等优势资源建设全时自然冷数据中心。贵州省于2019年发布《贵州省数据中心绿色化专项行动方案》、2021年发布《国家大数据（贵州）综合试验区“十四五”建设规划》，要求推动数据中心集约化、绿色化、智能化发展，打造超大规模数据中心集群，新建数据中心PUE低于1.4。甘肃省于2020年发布《甘肃省“上云用数赋智”行动方案（2020—2025年）》、2021年发布《甘肃省数据中心建设指引》，要求大型及超大型数据中心PUE第一年不应高于1.35，第二年不应高于1.3；中小型数据中心PUE第一年不应高于1.45，第二年不应高于1.4；WUE第一年不高于1.6L/kWh，第二年不高于1.0L/kWh。宁夏回族自治区于2021年发布《自治区关于促进大数据产业发展应用若干政策的意见》和《宁夏回族自治区信息化建设“十四五”规划》、2022年发布《全国一体化算力网络国家枢纽节点宁夏枢纽建设方案》，要求新建数据中心平均PUE小于1.2。到2023年，形成布局合理、绿色集约的基础设施一体化格局，可再生能源使用率达45%。到2025年，宁夏枢纽全面建成，可再生能源使用率达65%。（二）标准体系当前已发布的国内外绿色数据中心相关标准如表5-2所示。78表5-2绿色数据中心相关标准分类标准名称发布组织主要内容国家标准GB/T32910.3—2016数据中心资源利用第3部分：电能能效要求和测量方法国家质量监督检验检疫总局、国家标准化管理委员会给出数据中心的电能能效等级及影响电能能效的因素，规定了电能能效的测量方法与计算方法。GB40879—2021数据中心能效限定值及能效等级国家市场监督管理总局、国家标准化管理委员会规定了数据中心的能效能级与技术要求、统计范围、测试与计算方法。GB50378—2014绿色建筑评价标准住房和城乡建设部规定了对建筑绿色性能评价的方法。绿色数据中心建筑评价技术细则住房和城乡建设部作为国家标准《绿色建筑评价标准》GB/T50378—2014的补充，为数据中心建筑的绿色化设计、建造以及评价提供明确的技术指导。GB/T51366—2019建筑碳排放计算标准住房和城乡建设部规定了建筑物碳排放计算方法。行业标准YD/T2441—2013互联网数据中心技术及分级分类标准中国通信标准化协会规定了互联网数据中心在可靠性、绿色节能和安全性三个方面的分级分类的技术要求。79分类标准名称发布组织主要内容YD/T2442—2013互联网数据中心资源占用、能效及排放技术要求和评测方法中国通信标准化协会规定了数据中心在资源占用、能效及排放方面的技术要求，包括建筑和布局、设备节能（IT设备、制冷设备、供电设备及其他设备）和管理等方面。本标准适用于数据中心的规划、设计、建设、运维和评估。团体标准T/CCUA011—2021数据中心绿色等级评价中国计算机用户协会针对数据中心的能耗、IT设备、制冷设备、绿色管理等方面评价绿色指标。T/DZJN17—2020绿色微型数据中心技术规范中国电子节能技术协会规定了绿色微型数据中心的分类、要求和测试方法。国际标准ISO/IECTR20913:2016Informationtechnology-Datacentres-GuidelinesonholisticinvestigationmethodologyfordatacentrekeyperformanceindicatorsISO数据中心关键绩效指标。ISO/IECTR23050:2019Informationtechnology-Datacentres-ImpactondatacentreresourcemetricsofISO数据中心电能存储和输出对数据中心资源指标的影响。80分类标准名称发布组织主要内容electricalenergystorageandexportITU-TL.1302AssessmentofenergyefficiencyoninfrastructureindatacentresandtelecomcentresITU数据中心的能效评估方法、测试设备准确性要求、评估周期、评估条件和计算方法ITU-TL.1300BestpracticesforgreendatacentresITU介绍了绿色数据中心的最佳实践。（三）评价体系数据中心作为信息技术最重要的载体和基础设施，其规划、设计、建设决定了数据中心后续节能技术的选用以及改建扩容能力，绿色数据中心评价，其核心是评价指标体系。1.数据中心领域评价体系的技术路线当前绿色数据中心评价体系的技术路线主要分为“建筑技术评价路线”和“机电技术评价路线”。其中“建筑技术评价路线”是指由住建部颁发的标准或以住建部颁发的标准为基线，重点评价建筑体在设计、建造、运行时满足的技术条件情况，从而确定绿色数据中心级别的技术路线。“机电技术评价路线”是指由工信部颁发的标准或以工信部颁发的标准为基线，重点评价数据中心基础设施设备的选型、运行情况、节能效果等，从而确定绿色数据中心级别的技术路线。（1）建筑技术评价路线我国目前开展了绿色建筑评价的工作，参考了国外近年来绿81色建筑评价的经验与成果，借鉴了国际LEED认证的技术路线和经验。通常数据中心作为认证对象（园区）的一部分参评绿色建筑评价或LEED认证。“建筑技术评价路线”的典型代表是住建部于2015年组织编写的《绿色数据中心建筑评价技术细则》（以下简称《细则》）。作为国家标准《绿色建筑评价标准》（GB/T50378—2014）的补充，《细则》总结了国外近年来绿色数据中心建筑评价的经验与成果，借鉴了国际和国内互联网通信行业数据中心建设的经验，适用于评价60%以上功能区域用作数据中心功能的建筑，60%以下或建筑的一部分作为数据中心功能的，数据中心部分可参考其中的相关指标进行评价。《细则》提出绿色数据中心建筑评价应遵循因地制宜的原则，结合数据中心建筑所在区域的气候、环境、资源、经济及文化特点，对数据中心建筑全寿命期内节能、节地、节水、节材、保护环境等性能进行综合评价。另外，地方标准《公共机构绿色数据中心建设与运行规范》（DB33/T2157—2018）以住建部颁发的《数据中心设计规范》（GB50174—2017）为基线本，加入了对于绿色数据中心建设与运行的技术指标要求，可视为“建筑技术评价路线”。（2）机电技术评价路线“机电技术评价路线”的典型代表是由工业和信息化部办公厅、发展改革委办公厅、商务部办公厅、国管局办公室、银保监会办公厅、能源局综合司于2021年发布的《绿色数据中心评价82指标体系》（以下简称《指标体系》）。《指标体系》由能源资源高效利用情况、绿色设计及绿色采购、能源资源使用管理、设备绿色管理和加分项等5个方面、17个指标项组成，适用于评估数据中心在设计、建设、运维、测评和用能管理等工作中贯彻绿色节能目标的总体进展情况。《指标体系》同时给出了每个指标的定义、口径范围、计算方法、分值权重、评分规则等信息，确保绿色数据中心的评价工作能够按照统一标准执行。另外，个别认证机构开展认证业务时依据的技术标准，如《数据中心绿色等级评价》（T/CCAA011—2021），是在《指标体系》的基础上修改部分指标的评分方法和权重，可视为“机电技术评价路线”。2.金融行业的评价体系技术路线目前国内金融行业没有特定的评价体系。但根据金融行业的特殊要求，评价宜采用当前使用范围较多、技术较为成熟的“机电技术评价路线”开展评价体系的搭建。同时，建议在评价方法中用其他技术指标代替当前的PUE指标，或降低以PUE作为绿色数据中心评价指标的评分比重。也可适当引入采用其他手段或其他指标（例如绿电使用比例）考核来代替单一的PUE指标考核形式。结合目前金融行业的现状，可从电能能效、能源计量管理、关键设备管理、绿色运维等方面提出适用于金融业绿色数据中心评价的要求。针对金融行业数据中心的特点，结合国家相关部门83的监管趋势，未来数据中心领域的发展方向，可提出能源管理制度、能源计量器具、能源计量人员、能源计量数据、电气系统设备、暖通制冷设备、智能化系统、IT设备、绿色管理体系、运维人员素质管理、绿色测评、碳使用效率CUE、可再生能源利用消纳、有毒有害物质处理等具体要求。各要求应提出有操作性、可量化、可持续改进的金融业绿色数据中心具体评价方法，以便有效地衡量和控制金融行业数据中心能效指标，减少数据中心碳排放，促进我国金融业数据中心领域的可持续发展。六、总结与展望金融业绿色数据中心是一个资源利用率更高、对人类和环境影响更小且具备多活冗余的计算环境。其作为我国金融发展的重要基础设施，高可用是贯穿于整个生命周期内的主要目标。在国家“双碳”战略目标的要求下，金融业数据中心建设与运行目标由高可用向绿色与高可用并重转型。与此同时，正值金融业数字化转型的大背景下，新增金融业数据中心的规模与体量将快速增长，与之相匹配的总用能量将进一步扩大。因此节能降碳是实现绿色发展的核心思想，其中提升总体能效是重要手段，减少碳排放总量是关键所在。在现阶段，开展数据中心能效提升工作迫在眉睫。但是，目前金融业在数据中心能效管理提升方面还缺少相应的指导细则。《金融科技发展规划（2022—2025）年》明确提出新建大型、超大型数据中心电能利用效率不超过1.3。到2025年，数据中心84电能利用效率普遍不超过1.5的目标。因此，需要加快能效管理指导建设，实现短期能效提升目标。金融业数据中心绿色发展水平的衡量和评价亟待编制和发布统一的评价标准。相较于其他行业，金融行业绿色数据中心的评价方法更为复杂，其不仅需要考虑电能利用效率，更需要考虑支撑应用快速响应和高可用水平下的基础设施能效水平。因此亟需在加强事前准入的同时加快出台评价与监管体系，以完善全过程管理。建设能效在线监测平台是提升金融业数据中心绿色发展的重要管理方法。能效在线监测平台的建设一方面需要制定相应的标准，明确能效监测的范围、计量精度和计算方法，另一方面还需要统一软件接口、报送周期和监测数据元。金融行业要加快数据中心能效在线监测平台的建设和分析管理，推进数据驱动绿色发展。金融业数据中心的能源主要依赖于外部电能输入。因此，采用外购绿电、绿证等方式可以在短时间内实现净零碳排放。但是，数据中心自身实现减碳，甚至零碳排放，仍有较多难题待攻克。零碳是实现绿色数据中心的远期重要目标。金融业绿色数据中心的发展仍在路上。随着技术的迭代，需要不断提升数据中心准入资格，同时需要兼顾早期建造的数据中心运行和退出。数据中心的生命周期中，建设周期仅仅占据不到10%的时间，运维周期超过90%，因此如何在运维阶段，提升数85据中心整体绿色高可用需要我们更多的思考和创新。86参考文献[1]求是网.习近平在第七十五届联合国大会一般性辩论上发表重要讲话(2020)[EB/OL].(2020-09-22).http://www.qstheory.cn/yaowen/2020-09/22/c_1126527764.htm.[2]国家发展改革委，工业和信息化部,生态环境部,等.国家发展改革委等部门关于严格能效约束推动重点领域节能降碳的若干意见[J].中国钢铁业,2021(10):21-25.[3]中国人民银行.中国人民银行印发《金融科技发展规划(2022—2025年)》[J].中国金融家,2022(Z1).[4]中国信息通信研究院.全球数字经济白皮书（2022年）[R].2022.[5]国家发展改革委.全国一体化大数据中心协同创新体系算力枢纽实施方案[R].2021[6]工业和信息化部等.工业和信息化部等六部门关于印发工业能效提升行动计划的通知[R].2022[7]中国信息通信研究院云大所.低碳数据中心发展白皮书(2021年)[C].数据中心高质量发展大会,2021.[8]工业和信息化部等.六部门关于组织开展2022年度国家绿色数据中心推荐工作的通知[R].2022.[9]谭力.美国发展绿色数据中心的经验和启示[J].中国计算机报,2020,46.[10]中国信息通信研究院云大所.全国数据中心应用发展指引(2020)[M].2020[11]国家市场监督管理总局、国家标准化管理委员会.数据中心能效限定值及能效等级:GB40879—2021[S].2021.[12]中国通信标准协会.“碳达峰”“碳中和”与数据中心的关系[EB/OL].(2021-07-26).https://www.ccsa.org.cn/detail/4319?title=“碳达峰”“碳中和”与数据中心的关系.[13]工业和信息化部印发《新型数据中心发展三年行动计划(2021—2023年)》[J].中国信息化,2021(9):16-20.[14]引导企业发挥绿色赋能作用《信息通信行业绿色低碳发展行动计划(2022—2025年)》发布[J].财经界,2022(25):24-25.[15]华为技术有限公司.《新一代数据中心智能融合电力模块技术白皮书》[EB/OL].(2021-07-26).https://e.huawei.com/cn/material/networkenergy/dc-energy/63d78bfeb6ef406c940088e354f16926.[16]环球网.台达携手阿里巴巴推出“数据中心巴拿马电源”[EB/OL].87(2021-07-26).https://tech.huanqiu.com/article/7RL8qLvtVXG.[17]张侠.液冷数据中心TCO分析[C].第十届数据中心标准峰会,2022.[18]BeladyC，RawsonA，PfleugerJ，eta1．Greengriddatacenterpowerefficiencymetrics：PUEandDCIE。Rev2007[R]．0regon：TheGreenGrid，2007[19]GreenGrid．Waterusageeffectiveness(WUETM)Agreengriddatacentersustainabilitymetric[-EB／0L]．(2011-03-02)．http://www.thegreengrid.org/~/media/WhitePapers/WUE[20]殷平.数据中心研究(8):水资源利用[J].暖通空调,2018,48(3):1-7.[21]PATTERSONM，TSCHUDIB，VANGEETO，eta1．ERE：ametricformeasuringthebenefitofreuseenergyfromadatacenter／J1．Whitepaper，2010，29：2—15．[22]AZEVEDOD，PATTERSONM，POUCHETJ，eta1．Carbonusageeffectiveness(CUE)：agreengriddatacentersustainabilitymetric[J]．Whitepaper，2010，32：2—7．[23]数据中心节能评价方法：DB31/T1216—2020[S].2020.