《ODCC：工業數據中心的場景需求分析及技術應用白皮書（2021）（37頁）.pdf》由會員分享，可在線閱讀，更多相關《ODCC：工業數據中心的場景需求分析及技術應用白皮書（2021）（37頁）.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、 工業數據中心的場景需求 分析及技術應用白皮書 編號 ODCC-2021-05015 開放數據中心委員會 2021-09-15 發布 ODCC-2021-05015 工業數據中心的場景需求分析及技術應用白皮書 i 目目 錄錄 前 言.iii 版權說明.iv 工業數據中心的場景需求分析及技術應用白皮書.1 1.引言.1 2.全球相關情況與趨勢.2 2.1.美國.2 2.2.歐洲.4 2.3.日韓.5 3.發展現狀.6 3.1.制造業數據中心.6 3.2.能源業數據中心.8 3.3.建筑行業數據中心.9 3.4.小結.10 4.工業場景需求分析.11 4.1.企業轉型.11 4.2.參數自動優化.

2、12 4.3.邊緣計算.13 5.重點技術分析.14 ODCC-2021-05015 工業數據中心的場景需求分析及技術應用白皮書 ii 5.1.高質控應用層設計.14 5.2.基于機器學習的 PUE 智能調優.15 5.3.邊緣數據中心.17 5.4.以太無損網絡.20 5.5.三站合一.21 5.6.公共服務平臺.23 6.未來發展趨勢.26 6.1.向工業大腦角色演進.26 6.2.云計算數據中心繼續發揮重要作用.27 6.3.邊緣數據中心將實現邊云協同.29 7.發展建議.30 7.1.加強支撐服務，完善工業數據中心標準體系.30 7.2.推動融合應用，培育工業數據中心發展動能.30 7

3、.3.打造應用示范，樹立工業數據中心行業標桿.30 7.4.加大支持力度，繁榮工業數據中心研究生態.31 ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 iii 前前 言言 為貫徹落實國家大數據發展戰略，促進工業數字化轉型，本白皮書聚焦先進制造業、能源業、建筑業等工業行業，通過梳理工業數據中心的現狀及場景需求并進行研究分析，探索研究工業數據中心全技術架構體系與熱點技術推廣，凝練工業數據中心賦能我國重點工業行業升級改造的貢獻成效，解析工業數據中心未來發展趨勢，最終輸出針對工業領域數據中心在推動工業互聯網高質量發展的場景需求分析及技術應用白皮書。后續將通過聯動上下游企業

4、，調研工業數據中心升級改造實際應用，協同推動工業互聯網與數據中心在工業領域的深度融合，形成完整架構，助力工業數據中心產業高質量發展。起草單位：中國信息通信研究院（云計算與大數據研究所），華為技術有限公司，中國電信北京研究院 起草者：郭亮，李潔，謝麗娜，許可欣，朱朝陽，申連騰，李凌，錢聲攀，殷悅，孫黎陽，王峰，呂航，李佳聰，桂冠，楊潔，劉淼，王天偉，鐘桂東，張鑫，王勇龍，趙豐華，柳翔，劉靜，張震，丁敬萍，向波，郭靜靜，甘偉 ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 iv 版權說明版權說明 ODCC（開放數據中心委員會）發布的各項成果，受著作權法保護，編制單位共同

5、享有著作權。轉載、摘編或利用其它方式使用 ODCC 成果中的文字或者觀點的，應注明來源：“開放數據中心委員會”。對于未經著作權人書面同意而實施的剽竊、復制、修改、銷售、改編、匯編和翻譯出版等侵權行為，ODCC 及有關單位將追究其法律責任，感謝各單位的配合與支持。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 1 工業數據中心的場景需求分析工業數據中心的場景需求分析 及技術應用白皮書及技術應用白皮書 1.引言引言 當前，工業互聯網等新技術的發展進入快速道，同時驅動數據中心加速技術創新和變革，數據中心已成為技術密集型新型基礎設施。相對于技術敏感性較高、業務場景需求解決方

6、案成熟的互聯網、通信領域的數據中心來說，大多數工業數據中心在設計建設之初、部署運維之時，基礎設施及 IT 設備的相關技術均處于起步階段。相對于互聯網、通信、金融等領域的數據中心，我國工業企業的數據中心的配套基礎設施老舊，物理設施用了十幾年之久，很多機房設立在辦公樓內，在 20世紀 90 年代，工業企業的機房規模多為 200-300 平米，截止目前，我國工業數據中心規模大多為中小型，在供電架構、制冷方案等基礎設施層面仍偏向于采用“UPS+市電”和傳統風冷的技術模式。在工業數據中心建設與發展過程中，是多方基于數據中心多層架構綜合作用的整體戰。數據中心基礎設施的傳統設計理念制約其支撐 IT 系統的能

7、力，必然限制上層應用的惠普與創新。工業數據中心在基礎設施的建設要求、運維方式等方面業界尚未形成統一。多年來，互聯網數據中心已有多項國標、行標作為產業建設發展、技術創新的依據：2013 年，中國通信標準化協會發布 YDT 2542 電信互聯網數據中心（IDC）總體技術要求等四項行業標準，開創數據中心行業標準先河；2018 年，全國金融標準化技術委員會金融 IT 基礎設施標準工作組成立，中國信通院牽頭金融數據中心多項技術標準研究；2020 年，國家電網發布企業標準 高效能數據中心能耗管理技術導則，該標準規定了對高效能數據中心的能耗采集要求、基礎資源調度要求、能效監測及評估要求，將會用于對國網數據中

8、心能耗的評估和管理。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 2 傳統的工業數據中心在基礎設施設計、建設等方面存在不足，技術方面處于起步階段，技術標準在業界尚未形成統一。為適應經濟社會發展的新形勢新要求，推進工業企業高質量發展已成為建設制造強國的必由之路，找尋工業數據中心在工業互聯網大發展下的突破點就顯得尤為重要，本白皮書圍繞工業領域先進制造業、能源、建筑三大代表行業的業務場景下的數據中心案例進行分析和研究。2.全球相關情況與趨勢全球相關情況與趨勢 2.1.美國美國 美國依托工業互聯網聚焦工業，注重平臺優勢。美國將工業互聯網聚焦在工業領域的應用，主要由跨國龍頭

9、企業和產業組織推進，致力于發展基于平臺的制造業新模式、新產業、新生態。跟蹤國際動態，研究國外的先進經驗，可為我國進行工業數據中心賦能實踐提供借鑒意義。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 3 美國始終積極聚合全球力量協同推進發展。美國 GE、IBM、Intel 等龍頭企業牽頭建立的國際工業互聯網聯盟（IIC），已成為全球最重要的工業互聯網產業推廣組織之一。巨頭企業展示出強大的平臺構建能力。GE 整合石油化工、能源風電、航空等領域的先進解決方案資源；微軟將工業領域作為 Azure 云平臺拓展的重要新領域；IBM Bluemix、思科的 Jasper 和 PT

10、C Thing_x0002_worx 等平臺，也不斷向工業領域拓展，為工業互聯網提供通用的連接、計算、存儲能力。戰略性在前沿技術領域開展前瞻性布局。新技術方面，無線網絡技術在工業領域的應用不斷深化，霍尼韋爾等均推出了基于無線技術的整機設備和成套系統，無線網絡應用范圍正從信息采集、網絡監控和預警等非實時控制向工業實時控制領域滲透。據市場研究機構 IOT ANALYTICS 近日發布的 物聯網創業企業報告 2019顯示，2019 年度全球排名前 10 位的物聯網公司 7 家來自美國，美國在推動制造業網絡化、智能化升級方面具有天然優勢。GE、波音、洛克希德馬丁等廣大制造企業積極推動工業互聯網技術創新

11、和應用部署，數字化制造仍然是美國先進制造戰略的重點領域。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 4 2.2.歐洲歐洲 以德國、瑞士、法國為代表的歐洲國家，在制造業自動化領先的基礎上，不斷強化信息技術應用，加快數字化工業布局，進一步彰顯高端融合優勢，在全球工業互聯網產業體系中的影響力不斷擴大。西門子將工業互聯網作為數字化轉型的關鍵杠桿，在 愿景 2020+中明確將數字化工業作為未來三大業務方向之一，并聯合庫卡、費斯托、艾森曼集團等 18 家合作伙伴共同創建“MindSphere World”，全力打造 MindSphere 平臺的生態系統。瑞士 ABB 與 I

12、BM 合作提升 ABB Ability 平臺的計算和分析能力，目前該平臺已匯集了 210 多個數字化解決方案；法國施耐德通過構建開放性、交互性、全面覆蓋工廠及機器設備的工業互聯網平臺EcoStruxure 平臺，重新定義工業領域卓越運營的新標準，實現簡化運營和提質增效，目前該平臺已部署在全球超過 48 萬個安裝現場，得到 20000 多名開發者和系統集成商的支持。同時，歐洲企業加強工業 4.0 與工業互聯網協同推進，在架構、安全、測試床等方面開展務實合作。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 5 2.3.日韓日韓 日本積極推進自動化和生產制造的先進能力與工

13、業互聯網融合發展，加速部署工業互聯網產業，在平臺研發與應用探索方面取得顯著成效。日立、東芝分別構建 Lumada、SPINEX 平臺，在優化自身價值鏈、降低運營成本的同時也為客戶創造新價值。三菱、日立、富士等借助與 IIC 的深度合作積極輸出實踐與方案。日本電氣、三菱、歐姆龍等企業在推進工業互聯網過程中聯合成立 Edgecross聯盟，通過邊緣計算的開源試圖解決工廠設備接入、數據互通和邊緣智能部署等問題，實現“工業互聯網+工廠自動化”的發展。韓國將機器人、人工智能、自動駕駛和 3D 打印確立為智能制造產業發展的主攻方向。韓國三大運營商 SK 電訊、KT 和 LG U+同時推出面向汽車制造、機械

14、制造企業的 5G 服務，旨在通過啟動智能工廠服務加速布局工業互聯網應用，提高制造業業務效率和競爭力。三星和 AT&T 合作在德克薩斯州奧斯汀創建了美國首個以制造業為主的 5G“創新區”，測試平臺的目標是提供對 5G 如何影響制造的真實世界的理解，并提供對智能工廠未來的洞察。2019 年 2 月，三星、思科和 Orange 在巴塞羅那的 MWC19 上推出了無人機和工業機器人兩款工業 5GODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 6 應用，加快 5G 在工業互聯領域的應用部署。3.發展現狀發展現狀 通過對典型工業企業數據中心基礎設施及 IT 設備現狀與需求的梳理

15、，發現電力電網企業數據中心因設備的低利用率導致高 PUE1產生的問題比較顯著；軌道制造業更為關注數據傳輸速度，對于數據中心設備的實時監控需求程度較高；建筑工程企業作為工業企業較為特殊的一環，同其它工業技術企業相較而言，智能化水平較低，數據中心節能技術應用程度低。圖 1 工業數據中心現狀及需求-典型企業 同時，調研結果顯示，我國典型工業企業數據中心對制冷、綠色、技術創新等數據中心的部署情況還處于初級階段。3.1.制造業數據中心制造業數據中心 當前，制造業數字化轉型逐步加快，日益增長的數據應用對數據中心需求提高。隨著信息通信技術的發展及其與傳統產業的融合加深，越來越多制造業企業 1 PUE=Pal

16、l/PIT，其中 Pall 指的是一個數據中心的全年總體累計電能消耗，單位為 kWh;PIT 為整個數據中心的 IT 設備全年累計電能消耗，單位同樣為 kWh。因此，PUE 為一個沒有單位的參數，且最小值為 1。該指標最早于 2007 年由綠色網格組織(The Green Grid，TGG)提出，用來評價數據中心能源利用效率，并得到廣泛使用。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 7 的數字化轉型加快、數據應用日趨豐富、數據量呈幾何倍增長，由此帶來的數據分析、數據管理、數據存儲等業務需求逐漸提高。此外，隨著工業物聯網在制造業的廣泛應用，制造業企業需操控管理龐

17、大的聯網設備群，所面臨的數據不僅數量快速增長，形式也復雜多樣。除了傳統的結構化文本數據，還包括越來越多的圖像、視頻、聲音等非結構性數據，這些數據蜂擁而來，快速高效地存儲、管理、應用這些數據的訴求，使得制造業企業對數據中心的需求越來越高。受疫情限制，在使用工人和采用傳統生產、管理手段比較多的制造企業中，由于工人不能如期復工，生產經營受到極大影響。傳統制造企業在生產、運維及安全等方面存在設備互聯互通難、數據采集難、無法實時控制、智能性低、安全可靠性有風險等問題。傳統的工業質檢方法簡單，無法自適應，泛用性低，并且人工成本高。AI 處理的時延較高，安全上存在誤報、漏報、瞞報等現象嚴重。在空間維度上也無

18、法做到監管的面面俱到，在時間維度上更是滯后，對于災情與風險的處置往往由于數據滯后導致不準確、不及時。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 8 【制造業數據中心項目應用案例【制造業數據中心項目應用案例-威奧智能制造大數據中心】威奧智能制造大數據中心】項目介紹：通過私有云虛擬化技術，實現了計算資源池、存儲資源池、網絡資源池，在運維、災備建設、故障切換上有質的飛躍，實現業務的連續性。在硬件設備不增加或者少量增加的情況下，實現了業務需求的增長。減少了能耗、空間，實現資源最大化利用，效果良好。工業數據中心助力傳統工業升級：在資源池內搭建虛擬服務器變的簡單，硬件資源進

19、行初期設計即可使用，實現業務系統快速搭建，加快業務上線周期；現有數據中心，服務器升級變得簡單，可以隨時按需分配資源。保證了業務系統的服務質量，縮短了升級時間；現有數據中心，在有新的業務需求時，只需使用資源池里面多余的資源構建新的業務系統即可，增加了資源利用率，節省了硬件成本，也節省了機房空間、電力等成本。3.2.能源業數據中心能源業數據中心 能源行業數據中心主要用于行業的數據承載，包括生產線的管理和企業 OA的承載等方面。調研發現，中國石油集團某研究院的數據中心在配電、制冷、UPS諧波、承重等方面均存在問題，制約數據中心應用發展。配電：設計時認為用電量不是很大，所以 2003 年數據中心搬遷時

20、，就只有一臺 1000 千伏安變壓器和一臺 800 千伏安的變壓器。制冷：采用空調制冷，會產生漏水問題；數據中心離石油集團家屬區非常近，因空調室外機的噪音問題，經常產生擾民現象。UPS 諧波：UPS 的諧波源導致出現電腦發熱比較快、變壓器噪音大、電容的補償裝置出現問題，電子器件燒毀等問題。承重：2003 年機房搬遷之后，設計的負荷是 650 公斤，高密度發展導致一個 800 平米的機房，放置了 130 多個機柜，局部負載過重，澆鑄層出現裂紋。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 9 【能源業數據中心項目應用案例【能源業數據中心項目應用案例-中國石化潤滑油邊

21、緣數據中心】中國石化潤滑油邊緣數據中心】項目介紹：該 IDC 共 2 個機架，6 臺服務器，規模相對較小。在助力傳統工業升級方面，具有一定的收益：應用計算機指令控制設備運行，精準度得到極大提升；集成統一的生產營運平臺，滿足工廠的信息需求，滿足個性化、柔性化、多批次智能制造標準。3.3.建筑行業數據中心建筑行業數據中心 建筑行業數據中心有部分部署在工地現場，支撐工程的實際開展，對于項目的進度和質量的把控具有重要意義。根據前期調研發現，某工程企業數據中心的 BA 樓宇控制系統使用的某公司的控制器，控制該樓的空調系統、給排水系統及冷熱源系統。并且對各個會議室的風機盤管進行監控，將數據記錄到控制室的監

22、控電腦中，對其進行統一的控制。共有控制點 2000 余個，分為 3 條總線來控制，已盡量將控制點分散，但傳統的樓宇自動化系統無法做到智能化調優，即根據以往積累的大量歷史數據進行整合、分析、預測，將故障的影響減到最輕。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 10 3.4.小結小結 根據對三大工業領域數據中心調研情況，工業數據中心對技術提出了迫切需求。相對于智能制造全球領軍者的美德等國家而言，我國大多數制造企業處于數字化轉型初期階段，助力一批企業尤其是中小型企業上云，獲得 SaaS、PaaS 等服務，高效、高可靠、極速響應的無損數據中心是云化、數字化轉型趨勢下制

23、造業最為迫切的訴求。能源行業數據中心普遍存在空間利用率低、機械制冷和風冷效率低、傳統服務器冗余部件多等導致 PUE 高等現象；設備存在利用率低、L1/L2 層設備無法協調聯動、L3 層業務應用無法聯動控制設備功耗等問題，需要進行能耗調優。大多建筑工程企業的建筑信息模型、參數化智能模型還處于空白領域，無法建設面向行業的平臺。亟需高效能數據中心支撐其整體信息化水平，運用人工智能等技術手段達成數據中心參數自動調優。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 11 4.工業場景需求分析工業場景需求分析 4.1.企業轉型企業轉型 以中小型制造企業為例，其對工業大數據集中管

24、控、處理、分析及利用存在需求，集中訴求體現在構建在線感知、實時分析、智能決策、精準執行的能力，支撐企業從生產型制造向服務型制造轉型。青島威奧軌道股份有限公司在生產線數據應用、潮汐制造、供應鏈分析優化等場景，青島元啟工業技術有限公司在電鍍車間信息化改造、機加工車間信息化平臺等場景，華友新能源科技有限公司在市場精準營銷、精細化生產運營管理等場景均存在需求，以期掙脫生產型制造的桎梏。工業企業數據中心多采用傳統技術建設，無法滿足大量的結構化數據、非結構化數據、地理信息數據和海量的實時數據的不斷增長的全存儲需求，導致 IT設備層建設成本高、擴展性不強、計算處理及分析挖掘能力有限。數據中心的綠色化發展可以

25、體現在技術水平上，以建筑行業數據中心為例，其采用的傳統樓宇控制系統已無法滿足智能化和節能化的數據中心建設要求，從ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 12 而導致各種設備及基礎設施的耗電量過高，需要綜合數據中心基礎設施層及 IT層進行整體架構設計，提升工業數據中心信息化、智能化水平。4.2.參數自動優化參數自動優化 自 2013 年起，經中國信通院（云大所）測試的眾多數據中心 PUE 結果顯示，參測數據中心 PUE 已經由 1.41.5 區間降低到 1.21.3 區間，最佳 PUE 在不斷創新低2。其中表現良好的大部分為互聯網和通信行業大型數據中心。經專家

26、訪談發現，工業數據中心能源效率普遍偏低，造成能源浪費。于企業而言，數據中心電費已成為很大一筆開支，大幅侵蝕企業的經營利潤。工業領域數據中心存在著較大的節能空間，迫切需要利用機器學習算法進行能耗調優?；跈C器學習算法可通過強化學習算法優化 PUE、通過監督學習算法進行運維參數優化、通過無監督學習算法提高數據中心可靠性。谷歌 DeepMind 通過機器學習算法進行能耗調優已有實踐，使用其機器學習系統，自動管理其數據中心的冷卻架構，并持續分析 21 個變量，如空氣溫度、功率負載和內部氣壓等。2 數據中心白皮書（2020），中國信息通信研究院&開放數據中心委員會，2020 ODCC-2021-0500

27、1 工業數據中心的場景需求分析及技術應用白皮書 13 2018 年，實現冷卻系統所需能耗減少 40%，實現 PUE 值 1.06。4.3.邊緣計算邊緣計算 制造業的信息化發展和工業互聯網建設較依賴邊緣數據中心提供邊緣計算服務。隨著制造業務應用對低時延、高可靠的要求不斷提高，只有將計算能力下沉匹配物聯網中海量終端節點對于處理能力的要求，才能更好的在萬物互聯中實現智能化。邊緣數據中心靠近應用側且擁有遠高于設備級的計算能力，可更好地實現數據的實時計算。當前，由于 5G 所帶來的低時延工業互聯場景還未完全明朗化，邊緣數據中心的規模還并不高，其內部形態、網絡架構、定制化設備等還需要經過一段探索歷程。但未

28、來，無論是制造業的信息化發展還是我國推行的工業互聯網建設，均需要大量的邊緣數據中心負責實時、短周期數據的分析，以更好地支撐本地業務及時處理執行，邊緣數據中心是大勢所趨。隨著工業互聯網的迅猛發展，邊緣終端設備的數量迅速增加，同時邊緣終端設備所產生的數據量已達到 ZB 級別。集中式數據處理已經不能滿足邊緣終端設備所產生的數據需求。數據中心的集中式處理時代已逐漸轉入以萬物互聯為核心的邊緣計算時代。在最靠近物理設備的工業現場，利用有限的硬件資源，完成設備層數據采集、協議轉換、數據上傳、數據存儲、數據分析等操作，并與部署在邊側的系統配合。依托邊緣計算，工廠外部可實現生產企業與智能產品、用戶、協作企業等工

29、業全ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 14 環節的廣泛互聯；工廠內部可實現工廠內生產裝備、信息采集設備、生產關系系統和人等生產要素的廣泛互聯。5.重點技術分析重點技術分析 基于工業數據中心各層基礎架構，基礎設施層、IT 層、應用層均有其痛點所在。在建設部署高密度數據中心、云計算數據中心時，需要針對暖通制冷系統、供電系統、監控系統、消防及照明系統探索高效制冷、供電集群技術；在智慧工廠、智慧車間、智能生產線等工業場景下，需要探索先進網絡技術、邊緣計算技術；而在遠程運維、運行數據、故障分析場景下，需要聯合探索智能調優技術。工業數據中心采用技術可賦能重點工業場

30、景，聚焦生產、聚焦綠色、聚焦轉型。對于離散制造業而言，以智能車間、智能監控系統、智能供應系統、智能平臺為重點業務場景；能源業來說，更加注重低碳清潔及安全高效；建筑領域較為關注數字化轉型。5.1.高質控應用層設計高質控應用層設計 傳統的數據中心因缺乏統一的信息資源規劃及海量數據管理整合能力，無法滿足智能化需求。故工業數據中心應按高質控需求進行應用層設計，基于高質控需求進行應用層架構設計，可實現：數據集中管控 為產品全生命周期數據提供集中存儲，提供大數據統一管理平臺，包括但不限于數據質量管理、存儲管理、大數據計算管理、算法管理。支持多源數據整合 提供各類源數據向數據中心的抽取、傳輸、轉換和加載，支

31、持對海量及動態變化的物聯網數據集成，支持對各類文檔、視頻、模型、圖紙等非結構化數據的集成。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 15 數據挖掘分析 基于大數據技術對工程制造、企業管理等方面的數據進行分析、挖掘。通過運營輔助決策、預算評估、風險預警等應用，為決策層提供科學的決策支撐；通過生產可視化、運營可視化、生產協同、采購協同等應用，為管理層提供生產運營過程的透明化管理；通過設備故障智能診斷、工藝參數優化、產品質量分析等應用，幫助執行層解決業務關鍵問題。圖 2 先進制造業數據中心上層應用設計架構圖 先進制造業不斷溢出更多場景，以智慧工廠為例，高端數控機床、

32、工業機器人、3D 打印等工業場景均需要工業數據中心以軟件資源整合調度為切入點探索智慧工廠內部數據處理、采集、存儲、交互的高質高效解決方案。以先進制造業為例的工業數據中心上層應用設計架構如下圖所示。5.2.基于機器學習的基于機器學習的 PUE 智能調優智能調優 在工業企業數字化轉型的過程中，數據中心全方位優化部署成為了迫切需求。衡量數據中心性能的標準即為可定義、可量化的一系列數據中心關鍵參數。對基礎設施層及服務器層等核心參數的具體優化方法，可以形成數據中心參數自動優化的設計路徑，助力傳統工業企業數字化轉型。工業領域數據中心可借鑒業界開展的基于機器學習的數據中心參數自動優化關鍵技術研究，提升數據中

33、心整體智能化水平，助力企業提質增效。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 16 運維參數優化：監督學習算法 運維人員在歷史數據中標記出異常，通過不同類型的檢測器提取出異常特征，將異常檢測問題轉化為機器學習中監督式的分類問題，分析算法中參數的分布規律，進行不同參數下學習效果的評估，將此規律應用于機器學習的模型訓練，達到自動選擇合適參數的目的?？煽啃蕴嵘簾o監督學習算法 對大型服務器集群內部的故障進行根因故障分析，以此提高數據中心的可靠性參數?；谌斯ぶ悄艿倪\維，以告警事件、業務日志、網絡及業務拓撲等為管理對象，通過算法智能降噪、算法智能聚類的管理過程，依托無

34、監督方式的機器學習算法技術來實現智能事件關系整合。在海量的故障事件中高速、精準定位問題，解析原因，提高解決問題的速度。工業數據中心參數模型如下所示。圖 3 工業數據中心參數模型 工業數據中心參數智能調優流程需要分步進行，首先對工業數據中心的海量數據進行采集和治理，采集是指在工業數據中心采集多種參數，實時收集該數據中心連續多月的運行數據；治理是指數據經過脫敏、歸一、降噪、去重等治理形成高質量的訓練數據集。采集治理后再根據數據分布及模型復雜度進行算法模型選擇及調優，分為以下三步：ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 17 模型訓練 對治理后的數據進行特征工程，

35、并評估多種機器學習模型對能耗預測的擬合精度后確定算法，生成數據中心 PUE 預測模型。策略推理 利用遺傳算法，尋找出最符合當前工業數據中心 IT 負載、室外環境，并且符合業務保障的控制參數組合。模型遷移 在氣候條件、制冷架構基本相同的工業數據中心，利用遷移學習，實現節能效果的輕松復制?；跈C器學習的工業數據中心 PUE 參數智能調優可最終實現在給定的天氣條件、IT 負載、業務 SLA 等輸入的情況下，通過深度神經網絡模型進行能耗擬合及預測，并結合尋優算法，推理出最優 PUE 下的對應的系統控制參數，實現數據中心能效自動化調優。5.3.邊緣數據中心邊緣數據中心 時延要求驅動數據中心靠近用戶建設邊

36、緣數據中心，負責實時、短周期數據的分析，支撐本地業務及時處理執行，減少網絡流量以及降低往返時延，具備實時性、隱私性、能耗低等特點。邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的分布式開放平臺（架構），其可以就近提供計算服務，滿足應用對于計算能力的需求。邊緣數據中心靠近應用側且擁有遠高于設備級的計算能力，可更好地實現數據的實時計算。此外，邊緣數據中心在云與端之間的協作方面具有重要的作用，是工業互聯網需要重點攻關的技術之一。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 18 端邊結合指在靠近物或數據源頭的網絡邊緣側，通過利用有限的硬件資

37、源，實現控制、分析操作在本地設備上，而無需交由云端處理的一種方式。這種方式將大大提升處理效率，減輕云端的負荷。由于更加靠近末端設備，還可以為末端設備提供更快的響應，將需求在邊緣側進行解決。工業互聯網主要是將生產設備、人和產品的數據采集到云端計算平臺，再利用軟件系統和機器學習技術進行分析和預測。通過端側設備計算能力對比發現，邊緣計算的優勢體現在三大方面，可提升算力，解決端側設備神經網絡計算問題；可使功耗逐漸降低，相比于機架式服務器，功耗低至 5W 至 15W，減少設備發熱與耗電量；可減小體積，芯片體積縮小到 7 cm3 至 30 cm3，推動芯片體積更小化趨勢發展。邊緣計算云平臺可實現對設備及數

38、據的管理、對工業制造型企業涉及的業務通過可視化方式進行鏈式編排、場景化編排，達成工廠內部各要素泛在智聯。邊緣計算云平臺具備分布式、虛擬化、微服務的特性，可實現以下三大功能：平臺基礎設施自我管理 平臺虛擬化的方式實現一套代碼，多處部署良好擴展方式，通過良好的自我ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 19 管理實現平臺的安全、可靠與一致。支持數據的全生命周期管理 通過邊緣平臺實現從數據產生到銷毀的全過程管理，包括數據的采集、處理、分析、轉發、存儲以及定位。按需加載及靈活使用 配合神經網絡計算芯片提供多樣化、智能化的邊緣應用，結合虛擬化與微服務架構，實現應用的個

39、性化按需加載。圖 4 邊緣計算云平臺架構 調研追蹤發現，某產業園智能工廠自應用端邊一體化系統架構以來，實現工廠智能化生產及運營管理。自落地實施以來，大大提高自動化管理能力，提高工廠運營效率，資源利用率提升約 62.4%，產能提升 9.8%，產品下線一次合格率提升 0.8%，平均庫齡減少一個月。同時自動化設備能夠保障 24 小時穩定生產，節ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 20 省人員投入成本，人員傷害等生產事故的發生概率降低，保障安全生產，成效顯著。5.4.以太無損網絡以太無損網絡 網絡是數據中心內和數據中心間跑數據的高速通道，為了使大規模云服務能滿足

40、實時交互的延遲要求，應用和存儲必須分而治之。目前，數據中心中有非常多的數據需要處理，而數據的真正價值在于能否快速地被提煉出對我們有用的信息和行動3。如圖所示，高性能分布式并行計算，本質上是網絡性能要向內存訪問看齊。有損網絡下，數據拷貝會引入延遲抖動、擁塞丟包等性能損失，造成處理器空閑等待數據，并拖累整體并行計算性能，導致無法通過簡單增加處理器數量來提升總體計算性能。分布式系統里的并行性取決于同步信息和參數分布，信息傳遞時，由于 Incast 和混亂流，網絡流量模型會先天性地引起擁塞，如果不加以管控，擁塞就會導致網絡的全面損失：丟包損失、延遲損失和吞吐損失。未來成功的數據中心必須要消除這種損失。

41、3 ODCC-2018-05007 無損網絡技術與應用白皮書 ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 21 圖 5 高性能分布式并行計算 與此同時，高性能傳輸技術的產生，40G/100G/400G 以太網和 RDMA 等高性能的商業網絡技術的快速發展，可以很好的替代原先昂貴的專屬存儲網絡。如何利用網絡將計算資源和存儲資源結合起來，并進行統一的管理和協同操作，這時提供具有低時延和高帶寬的互連網絡，對于提升資源利用效率和滿足應用程序的性能需求具有重要的實際意義。同時，隨著無限帶寬技術、40G/100G/400G 以太網以及第六代光纖通道技術的成熟，高速的網絡傳輸

42、將遠端存儲和本地存儲的差距拉得越來越近。這樣，利用高性能的互連網絡，可以將物理上分布式部署的存儲資源整合在一起，并進行統一管理調度。5.5.三站合一三站合一 國網公司 2019 年 1 月印發關于新時代改革“再出發”加快建設世界一流能源互聯網企業的意見（國家電網辦20191 號），將“培育壯大發展新動能，創新能源互聯網業態”列為年度重點工作，并要求“研究探索利用變電站資源建設運營充換電（儲能）站和數據中心站的新模式”，即開展變電站“一站多能”工作。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 22 變電站功能拓展，旨在利用電網基礎設施和獨特的數據資源優勢，大力培育

43、先進業務，打造能源互聯網生態圈，在新的更高層次形成核心競爭力。通過深入挖掘變電站站址資源價值，發揮變電站布點和網絡優勢，將傳統變電節點轉變為具備源、網、荷、儲等特征的能量雙向有序流動的能源樞紐，以及為泛在電力物聯網云物互聯、物物協同提供基礎設施的數據樞紐，對國網公司來說實現營、配、調、規各專業橫向貫通，打造業務樞紐。實現“能源流”、“數據流”、“業務流”的三流合一，最終為社會提供包括充換電服務、云計算、通訊、綜合能源服務等在內的綜合服務體系?！叭竞弦弧苯ㄔO具有多方面的價值，對國網公司來說可以支撐電網數字化建設、與電網進行靈活互動，對外可提供綜合多類型服務、實現多元價值整合與再提升等，可以促進

44、國網公司內外部合作，構建完整產業生態，拓展運營商、互聯網、政府、中小企業等 4 類合作伙伴，從而提升公司經濟效益。1）“三站合一”建設可利用數據中心站強化內外部數據貫通，推動能源生態數據共享機制的構建，實現電力數據和經濟、氣象、政務等數據的融合應用，進而打造貫穿發輸變配用等各個環節，涵蓋政府、終端客戶、產業鏈上下游的智慧能源綜合服務平臺，向社會和用戶提供多元價值服務；數據中心站內富余的數據ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 23 服務器資源可通過轉租、轉包等形式，獲取租金收益。2）“三站合一”系統可通過儲能站的虛擬同步機技術，參與電網的調峰、調壓、調頻，

45、為電網提供多種輔助服務，為電網提供堅強有效的支撐；在大規模風電場或光伏電站附近建設“三站合一”，充分利用風、光發出的清潔電力對數據中心站進行供電，可有效促進清潔能源發電就地消納，降低可再生能源發電的外送壓力，緩解輸電廊道堵塞問題；此外，還可通過儲能站的控制實現跟蹤新能源發電計劃出力獲取一定收益；同時，可與電網靈活互動，通過低儲高放峰谷套利、積極參與需求響應等方式獲取收益。3）“三站合一”系統可通過建設電動汽車充換電站，結合數據中心站提供的信息支撐與服務，打造智慧車聯網平臺，使系統在為用戶提供電動汽車充換電服務的同時，還可提供智能導航、充換電預約等增效服務。5.6.公共服務平臺公共服務平臺 公共

46、服務平臺為互聯網工業應用提供數據接入服務、云基礎設施服務和數據服務，采用一整套的軟硬件系統來支撐工業信息化的應用系統建設，平臺由數據采集系統與云服務平臺兩部分構成。數據采集系統提供工業設備數據的采集與邊緣數據計算功能，其中的邊緣智能網關設備以高性能處理器架構為核心，針對設備的動靜態數據，支持多種工業總線的南向接入能力、多種協議的適配及轉換能力、多形態網絡北向傳輸能力。邊緣智能網關與平臺建立數據鏈路的基礎上，形成云邊協同處理機制與解決方案。云服務平臺提供工業應用的基礎設施服務和彈性數據存儲服務。云服務平臺基于標準硬件設備搭建物理資源池，通過云管理軟件提供服務，包括物聯管理和大數據分析處理的服務能

47、力。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 24 設備信息采集器設備信息管理系統數據采集系統數據采集系統（邊緣網關邊緣網關）工廠內部工廠內部運營商接入網絡云服務平臺云服務平臺（邊緣邊緣DC）移動通信固定接入工業應用1工業應用2工業應用n.圖 6 公共服務平臺構成 公共服務平臺提供多類型的海量設備的接入與管理能力，圍繞設備的全生命周期的關鍵指標數據進行智慧化的呈現，構建與設備類型無關的通用型的數據中心資源池，資源池中的數據來源包括設備接入、設備通信、數據分類存儲三大流程。設備接入 為保證設備連接的安全性，采用設備二次校驗及 Token 緩存驗證機制，設備接入的

48、過程中時，填寫或者自動生成設備登錄公共服務平臺的 Node ID（一般為MAC 地址），平臺將生成該設備的唯一編號 Device ID 和登錄校驗碼，設備接入過程基于 Node ID 和登錄校驗碼進行驗證，驗證通過后返回 Device ID 和登錄密鑰完成設備接入流程。設備通信 設備采用 MQTT 協議，攜帶認證信息進行數據發送流程，公共服務平臺鑒權成功即可將設備的數據轉發到相應設備的主題中，完成設備的原始數據的采集與傳輸，該數據流也是公共服務平臺數據中心最主要的數據來源。數據分類存儲 為確保數據處理的性能，對上報的數據基于標簽進行處理，實現不同類型的數據進行分類存儲的功能，大大提升數據中心的

49、處理性能。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 25 【數據中心項目應用案例-鐵路信號設備故障預測與健康評估數據中心】項目介紹：通過建立鐵路信號設備的數據中心，徹底解決原有煙囪式架構監測系統的數據孤島問題，實現全線路感知設備的全生命周期管理，構建信號設備健康評估模型，達成“可管”、“可視”、“可控”、“可預測”的目標，為智慧感知群建設奠定基礎和決策基礎，為信號設備的基礎設施運維提供新方法、新模式、新標準。需求場景：針對鐵路關鍵信號設備，提升現有維修維護的效率，提升信號設備的精細化管理水平，實現信號設備由“計劃修”到“狀態修”的轉變 工業數據中心技術體系：1

50、)基于植入設備內部的數據采集程序采集多種類型的設備關鍵指標數據，實現信號設備的原始數據層的采集 2)邊緣側部署邊緣智能網關，包含邊緣處理、智能接入、泛在連接、協議轉換能力，提供少量數據存儲與超強邊緣計算能力 3)采用物聯網、大數據、專家規則等技術，基于集中化的信號設備數據中心，建設連接管理平臺、設備管理平臺、業務使能平臺、業務分析平臺 ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 26 4)針對數據中心的原始數據進行加工處理，基于業務使能平臺與業務分析平臺提供的數據分析能力，實現鐵路信號設備的預警機制、統計分析、趨勢分析、健康評估功能。6.未來發展趨勢未來發展趨勢

51、 6.1.向工業大腦角色演進向工業大腦角色演進 隨著數據中心技術的不斷深化及演進，信息化將滲透至中小型企業數據中心中臺。并通過構建技術中臺，實現數字化轉型，實現降低供應鏈成本，企業客戶方效率增幅明顯等訴求。大型國企數據中心體現新基建科技內涵，以傳統國企中國石油為代表的工業企業在數據中心技術領域運用相對成熟，從地質建模選型、輸配管網、運輸供應鏈到末端分配，業務鏈全生命周期參與數字化轉型，為能源類央企提供基礎設施協同 IT 設備驅動工業數據中心高效能發展的全鏈路指導路徑。國家隊形成龍頭標桿。以國家電網為代表的工業企業積極探索高效能數據中心在本企業的發展與實踐，目前已取得成效：數據資源效率有所提高；

52、形成電力業務全鏈路數據管理；研發數據中心技術與裝備等課題。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 27 工業數據中心將向工業大腦角色演進。工業企業海量業務需要高性能計算資源、高效能存儲資源、高速率無損網絡資源帶動工業數據中心完成由信息基礎設施向工業大腦角色轉型之路。實現彈性供給、及時交付；實現數據采集、數據分析挖掘、數據預測；最終拓寬市場，完善工業相關產業自身格局。6.2.云計算數據中心繼續發揮重要作用云計算數據中心繼續發揮重要作用 由于集約化、綠色的建設與發展，互聯網企業重點在大型數據中心方面發力，形成了豐富的建設和運維經驗。對于工業互聯網來說，這也是未來

53、，各類工業互聯網平臺部署的重要基礎設施，云計算數據中心將會繼續發揮重要作用。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 28 2020 年 7 月，國家電網公司下發了國家電網互聯2020422 號 國家電網有限公司關于省級能源大數據中心建設運營的指導意見，深入貫徹公司新型數字基礎設施建設部署，按照“政府指導、電網主建、多方參與、共享成果”的建設模式，因地制宜構建省級能源大數據中心。目前，國家電網公司目前已有 16 家?。ㄊ校┕鹃_展省級能源大數據中心建設。國家電網充分整合使用高效能云計算數據中心資源，聯合各省市多站融合數據中心站，把握綠色化、智能化、模塊化、定制

54、化、“集中+分布式”等趨勢，遵循數據中心節能規范，注重能效水平，提升可再生清潔能源利用，建設“集約高效、經濟適用、智能綠色、安全可靠”的能源數據中心基礎設施，更好的支撐上層業務。云計算數據中心與傳統數據中心相比，從架構上看，由硬件設施、云平臺、云應用三層架構組成，解決數據采集、傳輸、管理、價值創造問題；從技術上看，廣泛應用大數據、云計算、物聯網、人工智能等技術；從作用上看，云計算數據中心為企業的生產運營、經營管理、綜合服務、新業務新模式發展提供有力支撐。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 29 6.3.邊緣數據中心將實現邊云協同邊緣數據中心將實現邊云協同

55、 未來邊緣數據中心與云數據中心協同發展，邊緣計算將在靠近物或數據源頭的網絡邊緣側，構建融合網絡、計算、存儲、應用核心能力的分布式開放體系，就近提供智能化服務。離散制造的產品往往由多個零件經過一系列并不連續的工序的加工最終裝配而成，先進制造業大多數都屬于離散制造型企業。以離散制造業多個重點領域存在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護的關鍵需求來看，邊緣計算為離散制造業的數字化、網絡化、智能化轉型提供了強大助力，未來在汽車生產制造、電子制造、工程機械、船舶制造、定制家具的賦能作用將更加顯著。針對信息安全、數據不出網等要求，邊緣節點需要完成數據安全預處理，邊緣-云數據中心協同才能開

56、展完整的智能模型訓練，以上操作配合計算機視覺、自然語言處理等智能算法模型庫和強化學習、離線分析、遷移學習等工具組建，形成完整的邊緣智能功能棧。邊緣智能、異構計算、互聯互通技術、微服務、計算遷移等技術將成為工業ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 30 數據中心未來的技術發展方向。7.發展建議發展建議 工業數據中心是技術密集型產業，也是工業互聯網和數據中心等新基建政策相互結合的重要場景。推進基礎設施層的保障，需要夯實其技術基礎以保障底層關鍵技術，從而應對工業場景溢出的新需求，緊密圍繞提升質量的總體要求采取措施。7.1.加強支撐服務，完善工業數據中心標準體系加

57、強支撐服務，完善工業數據中心標準體系 強化工業數據中心技術標準體系建設，充分發揮標準對產業發展的引領作用：結合產業發展趨勢，推動行業協會、行業平臺、相關工業企業完善工業數據中心標準體系，研究制定工業數據中心相關標準；推動國家標準、行業標準的制定與實施，規范行業發展；利用團體標準的靈活性，鼓勵工業企業將前沿創新技術納入團體標準，帶動提升產業競爭力；鼓勵工業企業加強國際技術交流與標準合作，推廣國內先進技術與經驗，增強國際話語權。7.2.推動融合應用，培育工業數據中心發展動能推動融合應用，培育工業數據中心發展動能 積極推動工業數據中心與 5G、人工智能等新技術領域的拓展融合，借助ODCC 等行業平臺

58、，構建不同領域的融合創新體制機制，加強創新基礎設施建設，鼓勵相關工業企業合作創新，鼓勵工業企業共同研究低時延、大帶寬、高可靠業務場景新技術創新應用需求。7.3.打造應用示范，樹立工業數據中心行業標桿打造應用示范，樹立工業數據中心行業標桿 積極組織基礎電信運營商、工業企業在有條件的區域部署 5G 網絡及工業數據中心，開展“5G+工業數據中心”應用示范。持續組織做好國家新型工業化產業示范基地（數據中心）的創建工作，充分發揮示范基地的引領帶動作用。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 31 7.4.加大支持力度，繁榮工業數據中心研究生態加大支持力度，繁榮工業數據

59、中心研究生態 通過設置工業數據中心技術研究研究課題，實施服務器、網絡、存儲等基礎性領域與技術研究；加大端邊結合等關鍵核心技術攻關力度；推進模塊化、定制化高效能服務器、智能化運維監控等新技術創新應用；建設創新體制機制，加強創新基礎設施建設，充分激發工業企業創新活力與潛力。8.致謝致謝 感謝中國電力科學研究院有限公司、南京郵電大學、佳訊飛鴻智能科技研究院、青島艾孚科技有限公司、青島威奧軌道股份有限公司、華友新能源科技（衢州）有限公司、中國石化潤滑油北京有限責任公司等相關非會員單位專家的貢獻。ODCC-2021-05001 工業數據中心的場景需求分析及技術應用白皮書 32 開放數據中心委員會（秘書處）地址：北京市海淀區花園北路 52 號 電話：010-62300095 郵箱：ODCC