《北京金融科技產業聯盟：2024基于AI的金融數據中心綠色節能技術研究報告（54頁）.pdf》由會員分享，可在線閱讀，更多相關《北京金融科技產業聯盟：2024基于AI的金融數據中心綠色節能技術研究報告（54頁）.pdf（54頁珍藏版）》請在三個皮匠報告上搜索。

1、基于AI的金融數據中心綠色節能技術研究報告北京金融科技產業聯盟2024 年 7 月I版權聲明本報告版權屬于北京金融科技產業聯盟，并受法律保護。轉載、編摘或利用其他方式使用本報告文字或觀點的，應注明來源。違反上述聲明者，將被追究相關法律責任。II編制委員會編委會成員：聶麗琴張海燕王旭東編寫組成員：趙春華葛金磊馮博陸曦蔡學識徐省委李培汪宏邢雪松王韜鄭崢原野于航何世榮范鵬侯杰周存浩李西峰孫曦李海平李泓萱費若雨邊鵬旭程峰章編審：黃本濤周豫齊III參編單位：北京國家金融科技認證中心有限公司新華三技術有限公司網聯清算有限公司中金金融認證中心有限公司北京銀聯金卡科技有限公司中國工商銀行股份有限公司中國建設銀

2、行股份有限公司安徽省農村信用社聯合社螞蟻科技集團股份有限公司上海兆芯集成電路股份有限公司杭州諧云科技有限公司銳捷網絡股份有限公司IV摘要摘要中國人民銀行印發的 金融科技發展規劃（20222025 年）（以下簡稱規劃）將“綠色低碳”作為四項基本原則之一，以實現碳達峰碳中和為目標，加強金融科技與綠色金融的深入融合，助力實體經濟綠色轉型和低碳可持續發展。規劃中明確要求建設綠色高可用數據中心，積極運用綠色節能技術，加快數據中心綠色化建設與改造，加強能耗數據監測與管理。要求新建大型、超大型數據中心電能利用效率不超過 1.3，到 2025 年，數據中心電能利用效率普遍不超過 1.5。服務器電能消耗占據數據

3、中心總能耗的絕大部分，服務器中的系統級能耗優化和節能技術意義重大，能很大程度助力金融數據中心滿足綠色低碳基本原則，成為構建金融數據中心綠色低碳能力的核心技術。本報告從金融數據中心在綠色節能領域 AI 技術應用的體系架構、關鍵技術，全生命周期管理及應用探索等方面展開研究，通過對 AI 技術和綠色節能理念的綜合運用，給出金融數據中心綠色節能 AI 技術應用水平的評估指標和評估方法，旨在推動金融科技產業實現綠色低碳發展，提高金融數據中心能源利用效率和降低能耗。由于經驗學識所限，本文仍有諸多不足，懇請各界批評指正。V目錄目錄一、研究背景及目標.1（一）研究背景.1（二）研究目標.4二、體系架構及關鍵技

4、術.6（一）體系架構.6（二）關鍵技術.8三、全生命周期管理.17（一）規劃設計.18（二）建設改造.19（三）運行維護.21（四）智能優化.22四、應用探索.24（一）智慧機房設計.25（二）暖通系統調控.27（三）綠色算力調度.34五、金融數據中心綠色節能 AI 技術應用評估.37（一）總體原則.37（二）分級定義.39（三）分級維度.40六、未來展望.46參考文獻.481一、研究背景及目標（一）研究背景1.數據中心綠色節能發展背景（一）研究背景1.數據中心綠色節能發展背景黨的十八大以來，黨中央、國務院高度重視大數據發展和數據中心建設。習近平總書記指出“要以推行電子政務、建設新型智慧城市為

5、抓手，以數據集中和共享為途徑，建設全國一體化的國家大數據中心”。2020 年 9 月，我國提出“二氧化碳排放力爭于 2030 年前達到峰值，努力爭取 2060 年前實現碳中和”的目標。據統計，我國數據中心年用電量已占全社會用電總量的 2.5%左右，且仍在快速增長。隨著“雙碳”戰略的提出，數據中心作為能耗大戶，其推進綠色節能建設和脫碳轉型具有重要意義。為此，國家多部門和地方政府出臺了一系列政策和相關措施，要求新建區域內大型及以上數據中心 PUE 需低于 1.3，集群內大型及以上數據中心 PUE 需低于 1.25，到 2025 年，數據中心 PUE 普遍不超過 1.5。而我國尤其中部地區，目前現有

6、數據中心 PUE 普遍高于1.5，部分“小散老舊”數據中心 PUE 更高達 2.0 左右。這就需要數據中心建設和運營管理必須堅持走高效、低碳、集約、循環的綠色發展道路，切實履行節能減排和可持續發展的社會責任。2020 年 12 月和 2021 年 5 月，國家發展改革委、中央網信辦、工業和信息化部、國家能源局 4 部門聯合印發關于加快構建全國一體化大數據中心協同創新體系的指導意見（發改高技20201922 號）、全國一體化大數據中心協同創新體系算力樞紐實施方案（發改高技2021709 號），圍繞“數網、數紐、2數鏈、數腦、數盾”五大體系構建全國一體化大數據中心系統創新體系，明確在京津冀、長三角

7、、粵港澳大灣區、成渝等重點區域以及部分能源豐富、氣候適宜的地區布局大數據中心國家樞紐節點，優化數據中心基礎設施建設布局，推動數據中心綠色可持續發展。中國人民銀行發布金融科技發展規劃（20222025 年）（銀發2021335 號），要求打造新型數字基礎設施，建設綠色高可用數據中心，明確提出“積極應用綠色節能技術和清潔可再生能源，加快數據中心綠色化建設與改造，加強能耗數據監測與管理”。為實現金融數據中心能效提升和綠色發展，北京金融科技產業聯盟組織會員單位共同編制并發布金融業綠色數據中心白皮書及金融數據中心能效管理標準，并開展金融數據中心綠色節能相關標準編制工作，為建設資源更均衡、供給更敏捷、運行

8、更高效的金融信息基礎設施提供參考。2.數據中心智能化應用背景2.數據中心智能化應用背景2021 年出臺的全國一體化大數據中心協同創新體系算力樞紐實施方案中，對數據中心提出了從“加強綠色集約建設”“加強能源供給保障”“提升算力服務水平”“深化數據智能應用”等 9 大核心任務，為數據中心的未來指明了發展方向。2021 年工業和信息化部印發了新型數據中心發展三年行動計劃（20212023 年）（工信部通信202176 號），指出新型數據中心是以支撐經濟社會數字轉型、智能升級、融合創新為導向，以 5G、工業互聯網、云計算、人工智能等應用需求為牽3引，匯聚多元數據資源、運用綠色低碳技術、具備安全可靠能力

9、、提供高效算力服務、賦能千行百業應用，與網絡、云計算融合發展的新型基礎設施。在高質量發展內驅力的推動下，數據中心的綠色低碳轉型和智能化革新勢在必行。在這一過程中，人工智能（AI）技術的應用不僅提高了業務流程的自動化和智能化水平，同時也為業務決策提供了強有力的支撐。對現代金融行業來說，智能化技術應用已成為其數據中心提升效率、優化運營和增強安全性的關鍵驅動力，主要應用在以下幾個關鍵方面。一是智能建設與規劃一是智能建設與規劃。在數據中心規劃和建設階段，利用BIM創建三維模型，模擬和優化建筑設計以確?？臻g利用最大化，減少建設過程中的材料浪費，提升建設效率與質量。采用模塊化設計，使金融數據中心可以靈活擴

10、展，支持快速部署和高效運營，適應不斷變化的金融業務需求。二是智慧能源管理二是智慧能源管理。通過管理系統實時監控電力使用情況，優化能源消耗，提高電力利用率，確保運營成本最低化和滿足可持續發展目標。結合太陽能、電池儲能等可再生能源技術，減少對市電的依賴，確保數據中心的綠色運營。三是先進冷卻技術三是先進冷卻技術。采用液冷、浸沒式冷卻等高效冷卻技術，提高熱量管理效率，適應高密度計算環境的要求。四是智能監控與管理四是智能監控與管理。進行全面的資源監控、管理和優化功能，追蹤電力、制冷、空間和網絡資源的使用情況，支持對金融4數據中心的精準管理。通過對大量運行數據的采集和分析，預測潛在問題并提供優化建議，確保

11、數據中心的穩定運營。五是安全運行保障五是安全運行保障。利用機器學習算法分析設備健康狀態，提前預警可能的故障，安排預防性維護，減少停機時間，確保關鍵金融服務的連續性。部署基于 AI 的網絡安全系統，對流量進行實時分析，發現并阻止潛在的威脅，如 DDoS 攻擊、數據泄露等，確保金融數據的安全性。六是智能化設備設施六是智能化設備設施。智能配電單元（PDU）和不間斷電源（UPS）系統，確保電力的高效分配和連續性，防止電力中斷對金融交易的影響。使用機器人進行日常巡檢和設備維護，減少人工干預，提高運維效率和準確性。七是合規與風險管理七是合規與風險管理。通過智能化管理平臺實時監控和記錄數據中心的運行狀態，確

12、保滿足金融行業的嚴格合規性和審計要求。建立智能化的風險評估和應急響應機制，確保在出現故障或災害時，能夠迅速恢復業務，減少對金融服務的沖擊。智能化技術正在全方位改造金融數據中心的運營方式，從數據分析、風險管理到客戶服務、流程自動化，都顯現出顯著的效益。智能化技術的不斷發展，必將帶動金融行業進入一個更高效、更智能的新階段。（二）研究目標（二）研究目標本報告從金融數據中心在綠色節能領域 AI 技術應用的體系架構、關鍵技術，全生命周期管理及應用探索等方面展開研究，通過對 AI 技術和綠色節能理念的綜合運用，給出金融數據中心5綠色節能 AI 技術應用水平的評估指標和評估方法。1.體系架構及關鍵技術研究1

13、.體系架構及關鍵技術研究。構建云、邊、端三級體系架構，并運用人工智能關鍵技術，在數據中心體系架構中實現多層次的策略部署，實現服務器、存儲、網絡等基礎設施的部署優化。三級架構設計優化了數據中心的資源分配，降低了冷卻與能源需求；在邊緣側開展本地數據處理，降低數據傳輸過程中的帶寬消耗和網絡設備能耗，從而優化整體能效；對服務器、存儲和網絡資源進行動態分配和靈活調度，減少閑置資源的能源消耗，提升資源利用率；同時分層架構有利于分階段建設和靈活擴展，可根據實際需求動態調整資源。2.全生命周期管理研究。2.全生命周期管理研究。從規劃、建設、運維、優化 4 個環節進行應用研究，通過運用 AI 技術對數據中心硬件

14、和軟件進行全生命周期管理，包括智能能耗管理、動態資源調度、冷卻系統優化、環境數據集成、預測性維護等，實現數據中心的智能化運營，提升數據中心的能源利用效率。3.應用探索。3.應用探索。針對數據中心綠色節能優化最為顯著的 3 方面進行研究，包括設計和優化智慧機房管理系統，實現設備的實時監控、故障預警和能耗優化；利用人工智能算法調控暖通系統，動態調整溫控參數，提高冷熱管理的能效；通過 AI 驅動的綠色算力調度，優化計算資源的分配和使用，降低高峰期的能耗。4.技術評估方法研究。4.技術評估方法研究。系統研究 AI 技術在數據中心綠色節能應用中的原則、評估分級和評估維度。通過對現有數據中心的綠色節能情況

15、指標梳理，探索構建一套科學合理的評估指標體系，6為行業提供科學指導和實用方法，推動數據中心向更加高效和環保的方向發展。二、體系架構及關鍵技術金融數據中心在傳統的設計方式、施工建設、運行管理、優化提升等方面需要投入大量人力，反復試錯，難以找到最優的解決方案。而 AI 技術和數據中心的融合，可構建起金融數據中心綠色節能體系架構，不僅為 AI 技術的應用提供了基礎，還通過分布式計算、資源池化和本地數據處理等方式，促進能源效率的提升。（一）體系架構（一）體系架構金融數據中心綠色節能 AI 技術應用體系架構宜采用“云+邊+端”部署方式，如圖 1 所示?！霸啤必撠熃y計分析展現、信息化綜合管理、節能策略管理

16、等服務，“邊”負責進行近端策略執行、數據初步處理、IDC 機房側節能等操作，“端”負責數據信息采集，包括各類硬件、移動終端等。圖 1 金融數據中心綠色節能 AI 技術應用體系架構7云平臺負責 AI 模型訓練、海量數據處理與分析、基于 AI 服務的數據推理、策略生成與下發、策略執行結果監控、節能成效評估及統計分析展現。AI 模型由云端訓練后，封裝為服務推送至邊端，實現邊緣數據實時推理。云邊之間通過增強的協同通道進行數據交互。邊緣系統作為節能控制前置節點，主要負責節能策略的接收、審核、執行、反饋以及環境監控。對于數字化水平一般，不支持遠程遙調遙控的情況，由云端系統下發節能策略到邊緣系統，由現場運維

17、人員根據策略內容進行手工實施，實施后通過邊緣系統進行反饋。對于數字化水平較高，即支持遠程遙調遙控的情況，由邊緣側對實時數據進行推理后生成節能策略，并自動化控制制冷設備參數，將環境調控到最優狀態。策略執行完成后，將執行結果、節能策略反饋至云端。通過基于 AI 的管理，金融數據中心能夠不斷優化設備調度和能源利用，提高數據中心的能效和節能水平，降低運營成本，實現可持續發展的目標。管理流程主要包括以下 6 部分。一是數據采集上傳一是數據采集上傳。按照數據采集規范從端側實時采集數據上傳至邊緣側。二是算法模型生成二是算法模型生成。在邊緣側統一進行數據處理與分析，并基于歷史數據訓練 AI 模型，將模型封裝成

18、 AI 服務。三是節能策略下發三是節能策略下發。云端系統調用 AI 服務處理實時數據，生成節能策略，下發至端邊緣系統。8四是策略執行反饋四是策略執行反饋。在端、邊統一部署邊緣系統，策略執行完成后，將執行結果、節能策略反饋至云端，由云端進行統一管理。五是節能成效評估五是節能成效評估。云端系統統一管理所有節能策略，通過對機房實施前后能耗數據進行對比分析，實現節能成效的統一評估、分析、呈現。六是節能成效納管六是節能成效納管。對于通過自主和合同能源方式進行的節能實施，需要將用電量或節能成效數據采集上傳，進行節能成效的統一納管。邊緣系統作為采集代理，可通過定期填報節能成效或根據數據中心實際情況對接能耗數

19、據（動環或第三方節能系統），進行定制化計算后，將節能成效上傳云端，用于統計展現。（二）關鍵技術（二）關鍵技術基于 AI 的數據中心綠色節能應用綜合運用了人工智能、生成式人工智能（AIGC）、邊緣計算和大數據等技術。AI 算法優化服務器運行策略和電力分配，AIGC 生成針對基礎設施和能效配置的優化策略，邊緣計算分散計算任務減少核心負載，大數據實時監控能耗并提供優化方案。通過智能資源調度、預測分析、本地數據處理和能耗監控等手段，顯著提高能源效率和可持續性，實現更加環保、高效的數據中心運營。1.人工智能1.人工智能AI 是一種模擬人類智能的技術，通過機器學習、深度學習和自然語言處理等方法，使計算機能

20、夠學習、推理和自我糾正。AI 技術能夠從大量數據中提取有價值的信息，與傳統的數據分9析方法相比，具有更高的效率和精度。在數據中心的綠色節能應用中，AI 技術主要用于以下幾個方面。（1）智能資源調度（1）智能資源調度。AI 算法可實時分析和預測設備的工作負載，根據需求調整資源分配，避免資源過度配置和不必要的能源消耗。并根據設備的利用率，智能遷移到能源效率更高的設備上運行，從而提高整體能效。（2）能耗管理和優化（2）能耗管理和優化。通過機器學習模型分析歷史能耗數據和當前運行狀態，預測未來的能耗趨勢，為數據中心管理者提供決策支持。實時監控服務器和其他設備的能耗情況，動態調整電力分配以達到最佳的能源利

21、用效率。（3）冷卻系統優化（3）冷卻系統優化。通過實時監控數據中心的溫度分布，動態調整空調系統的設置，優化冷卻效率。識別數據中心中的熱點區域，并采取相應措施，如調整風扇速度或重新分配工作負載，快速降低熱點區域的溫度。（4）故障預測和預防維護（4）故障預測和預防維護。通過監控設備運行狀態，分析可能的故障跡象，提前預警并安排預防性維護，避免因設備故障導致的能耗浪費。利用 AI 優化策略，減少不必要的停機時間和資源占用，提高設備利用率和能效。2.生成式人工智能2.生成式人工智能生成式人工智能（Artificial Intelligence GeneratedContent AIGC)利用人工智能技術

22、來自動生產內容，其發展可以追溯到 20 世紀 50 年代。隨著機器學習和深度學習等技術的不斷發展，AIGC 技術得到了快速的發展，將機器學習和自然語言處10理等技術相結合，通過對海量數據的學習和分析，讓計算機模擬人類的創造力和判斷力，自動生成符合人類需求的內容，包括各種文本、圖像、音頻和視頻等，已成為新型的內容創作方式，并在各個領域得到了廣泛應用。AIGC 與傳統的 AI 技術有所不同。AIGC 主要集中在通過生成模型創作內容或設計解決方案，例如文本、圖像、音頻或工程設計，而傳統 AI 更多涉及預測分析、分類、自動化控制等應用。在數據中心的綠色節能應用中，AIGC 技術通過創建設計方案和優化策

23、略為運營者提供高效、創新的解決方案，主要用于以下幾個方面。（1）智能基礎設施節能設計與優化。（1）智能基礎設施節能設計與優化。AIGC 可以根據數據中心綠色節能的具體需求和環境條件生成一系列基礎設施節能設計方案?？紤]因素包括物理布局、冷卻系統配置、電源分配等，從而進一步優化空間利用和能耗管理。還可以利用 AIGC 自動生成和評估不同的硬件設備布局方案，確保最佳的氣流管理和熱量分散。優化布局能夠顯著降低冷卻系統的能耗。（2）能效策略生成。（2）能效策略生成。AIGC 能夠基于實時數據和歷史記錄生成動態調整策略。如生成不同環境條件下的能源使用方案，在高需求時自動增效，在低需求時啟用節能模式。AIG

24、C 能模擬不同的能效策略并自動評估其效果，選擇最佳策略以最大化效率并減少能耗。在模擬過程中，考慮多個變量和不確定性因素，從而生成最優的綜合策略。（3）智能冷卻系統管理。（3）智能冷卻系統管理。AIGC 通過實時數據生成動態冷卻11模型，準確預測數據中心內部的溫度變化，并自動調節冷卻系統的運行參數，確保在最小能耗下達到最佳冷卻效果?？山Y合數據中心的實時負載情況，AIGC 生成自適應冷卻計劃，避免過度冷卻和能源浪費。（4）節能模式生成。（4）節能模式生成。AIGC 可以根據數據中心的不同時間段和使用情況，生成不同的節能模式，如低流量時段的節能模式，確保在低需求情況下的最低能耗?？缮杉毩６鹊碾娏?/p>

25、理方案，進一步細化電力調度，通過生成的方案實現對供電路徑和電壓水平的精細控制，優化電力分配。（5）故障預防與系統優化。（5）故障預防與系統優化。AIGC 能夠創建復雜的預測模型，識別出潛在的設備故障，通過生成相應的預防措施，減少故障引發的能耗浪費?？缮删C合的設備維護和優化計劃，結合長期能效數據提供最佳的維護時機和策略，減少不必要的停機時間，提升設備的總能效。3.邊緣計算3.邊緣計算邊緣計算技術是一種新興的計算模式，旨在將計算和存儲資源從傳統的數據中心轉移到距離終端設備更近的邊緣節點上。邊緣計算技術將計算能力推向網絡邊緣，通過將邊緣節點智能化，采用云上智能模型訓練、邊緣模型推理、預測執行的模式

26、，實現精細化節能策略的下發，基于邊緣采集數據生成計算任務，將處理任務從核心數據中心節點轉移到更接近數據源的邊緣數據中心節點，并根據任務推理計算用量，合并拆解任務同步節點計算結果，從而減少網絡傳輸、多級轉發異常耗能帶來的帶寬、時延12及能源損耗，提供更快的響應時間和更多的本地處理能力，實現低延遲、高帶寬、高安全性的服務，為不同行業的應用提供了全新的解決方案。（1）技術架構（1）技術架構邊緣計算技術架構主要由以下幾部分構成。（a）邊緣節點（a）邊緣節點。邊緣節點是邊緣計算的基礎，包括邊緣服務器、邊緣路由器、邊緣網關和 IoT 設備等。邊緣節點負責存儲和處理終端設備產生的數據，提供服務和應用，具備一

27、定的計算和存儲能力。（b）邊緣網絡（b）邊緣網絡。邊緣網絡是連接邊緣節點的通信網絡，主要包括有線和無線網絡。邊緣網絡需要提供高帶寬、低延遲和高可靠性的通信服務，以滿足邊緣計算的需求。（c）核心數據節點（c）核心數據節點。核心數據節點是邊緣計算的支撐，負責實現對邊緣節點的管理、控制和協調。核心數據節點通過分發任務、調度資源和管理數據，給邊緣節點提供支持，保證邊緣計算的正常運行。（d）終端設備（d）終端設備。終端設備是邊緣計算的數據源，包括智能手機、傳感器、無人機等。終端設備通過采集數據、處理數據和發送數據，與邊緣節點進行交互，實現對數據的處理和分析。（2）技術特點（2）技術特點邊緣計算技術具有以

28、下幾個主要特點，使其在不同領域的應用具有優勢。（a）低延遲（a）低延遲。邊緣計算將計算和存儲資源靠近數據源和終13端設備，減少了數據傳輸的時間延遲，實現了近實時的響應和處理。這對于要求低延遲的應用場景，如智能交通、工業自動化和虛擬現實等，具有重要意義。（b）數據本地化（b）數據本地化。邊緣計算技術將數據處理和存儲移到邊緣節點上，使數據在本地進行處理和分析，減少對中心數據節點的依賴。這不僅可以降低數據傳輸的成本和風險，還可以提高數據隱私和安全性。（c）高可靠性（c）高可靠性。邊緣計算采用分布式的架構模式，將計算任務和數據存儲在多個邊緣節點上。這樣即使某個節點發生故障，仍然可以通過其他節點提供服務

29、和支持，實現高可靠性和容錯性。（d）資源優化（d）資源優化。邊緣計算通過在終端設備附近部署邊緣節點，可以更加靈活地利用計算資源。邊緣節點可以根據應用需求進行任務分發和資源調度，減少對中心數據節點的計算負載，提高計算資源的利用率。（3）應用領域（3）應用領域邊緣計算技術在各個領域都有著廣泛的應用前景。（a）物聯網應用（a）物聯網應用。邊緣計算技術與物聯網應用的結合可以實現大規模傳感器數據的實時處理和分析。通過將計算能力下沉到邊緣節點，可以提高物聯網應用的效率和可靠性，實現智能家居、智慧城市和智能工廠等場景的快速發展。（b）智能交通（b）智能交通。邊緣計算可以實現交通數據的實時處理和決策。通過在道

30、路邊緣部署邊緣節點，可以實時監控交通狀況，優化交通信號和路況預測，提高交通效率和交通安全。14（c）工業自動化。（c）工業自動化。邊緣計算技術可以應用于工業自動化領域，實現對工業設備的實時監測和分析。通過在生產線上布置邊緣節點，可以實時監測設備狀態、預測設備故障，提高生產效率和設備可靠性。（d）增強現實（d）增強現實。邊緣計算可以提供增強現實應用所需的計算和存儲資源。通過在終端設備附近部署邊緣節點，可以實時處理大量的圖像和視頻數據，實現增強現實場景的交互和體驗。綜上所述，邊緣計算技術通過將計算和存儲資源部署在距離終端設備更近的邊緣節點上，實現了低延遲、高可靠性和高效能的服務。邊緣計算技術在物聯

31、網、智能交通、工業自動化和增強現實等領域具有廣泛應用的潛力。隨著邊緣計算技術的不斷發展，將為各行各業帶來更多的機遇和挑戰，推動數字化轉型和智能化應用的快速發展。4.大數據4.大數據大數據技術是指為了處理和分析海量、多樣化、高速生成的數據而研發和應用的一系列技術和工具。隨著互聯網、物聯網和移動互聯網的快速發展，數據量急劇增加，傳統的數據處理方法已經無法勝任大數據時代的需求。大數據技術的出現和應用，為人們從龐大的數據中提取有價值信息、進行精確決策和開展創新研究提供了有效的手段。（1）技術環節（1）技術環節大數據技術是一項綜合性的技術，涉及數據的采集、存儲、處理和分析等多個環節。15（a）數據采集（

32、a）數據采集。大數據技術通過各種方式采集數據，包括傳感器采集、網頁爬取、企業數據庫提取等。數據采集是大數據處理的第一步，需要保證數據的準確性和完整性。（b）數據存儲（b）數據存儲。大數據技術提供靈活、可擴展的數據存儲方式，包括分布式文件系統、NoSQL 數據庫和云存儲等。數據存儲主要解決大數據量和高速生成的問題，保證數據的安全性和可靠性。（c）數據處理（c）數據處理。大數據技術提供高效的數據處理方法，包括分布式計算、流處理和批處理等。數據處理主要解決大數據處理速度和效率的問題，保證數據的實時性和可操作性。（d）數據分析（d）數據分析。大數據技術提供多樣化的數據分析方法，包括機器學習、數據挖掘和

33、預測建模等。數據分析主要解決大數據中隱藏的模式和趨勢，幫助企業和科研機構做出準確的決策和預測。（2）技術特點（2）技術特點大數據技術具有以下幾個重要特點，使其在各個領域的應用具有優勢。（a）大量性（a）大量性。大數據技術可處理海量的數據，包括結構化數據、半結構化數據和非結構化數據。不同于傳統數據處理方法，大數據技術能夠在更短的時間內處理大規模的數據集。（b）多樣性（b）多樣性。大數據技術可處理不同類型的數據，包括文本、圖片、音頻和視頻等多媒體數據。大數據技術可以從多個維度對數據進行分析，為用戶提供全面和多樣化的信息。16（c）實時性（c）實時性。大數據技術可處理高速生成的數據，實現實時數據處理

34、和實時決策。對于需要快速響應的應用場景，如金融交易和風險預警，大數據技術具有重要作用。（d）價值性（d）價值性。大數據技術通過深入挖掘數據，發現數據的內在價值和潛力。通過數據分析，可以發現市場趨勢、用戶需求和業務機會，為企業創造新的價值。（3）應用領域（3）應用領域大數據技術在各個領域都有著廣泛的應用，包括經濟金融、醫療保健、電子商務和智能制造等。（a）金融行業（a）金融行業。大數據技術可以從市場數據、用戶交易記錄和社交媒體等多個維度分析金融市場走勢、用戶偏好和投資風險，為金融機構提供更精確的決策支持。（b）醫療保?。╞）醫療保健。大數據技術可以從病例數據、醫學影像和基因組數據等方面分析疾病的

35、發病原因、治療方法和預防策略，為醫療機構和病患提供個性化的醫療解決方案。（c）電子商務（c）電子商務。大數據技術可以從用戶行為數據、產品評價和市場競爭數據等方面分析用戶需求、產品特征和市場趨勢，為電子商務平臺提供個性化的商品推薦和精準營銷。（d）智能制造（d）智能制造。大數據技術可以從傳感器數據、設備運行記錄和生產流程數據等方面分析設備故障、生產效率和產品質量，為工廠提供實時的監控和優化方案。盡管大數據技術在各個領域的應用廣泛，但仍然面臨一些挑戰。主要包括數據隱私與安全、數據質量和人才短缺等問題。為17了充分發揮大數據技術的優勢，需要加強數據隱私保護、提高數據質量和培養相關人才。未來，隨著云計

36、算和人工智能技術的不斷發展，大數據技術將進一步得到應用和完善。預計大數據技術將在智慧金融、智慧交通、智慧城市、智慧農業和智能制造等領域發揮重要作用，推動經濟社會的發展和進步。三、全生命周期管理基于 AI 的金融數據中心綠色節能全生命周期管理是一種全新的管理方式，通過 AI 技術和數據中心的深度融合，實現金融數據中心綠色節能建設的全方位數字化解決方案。這種管理方式覆蓋了傳統設計、施工建設、運行管理、優化提升等各個方面，旨在解決金融數據中心綠色節能建設過程中面臨的各種挑戰。AI技術的引入，使得金融數據中心的設計和建設更加智能化、高效化。通過 AI 算法和模型，可以對數據中心的能耗、負載、環境等進行

37、實時監測和預測，優化數據中心的能源使用效率，減少能源浪費。同時，AI 技術還可以對數據中心的設備進行智能調度和優化能源分配，進一步提高數據中心的運行效率。在數據中心的運行管理方面，AI 技術同樣具有廣泛的應用。通過 AI 算法和模型，可以對數據中心的設備進行遠程監控和管理，及時發現和解決設備故障，保證數據中心的穩定運行。同時，AI 技術還可以對數據中心的運行數據進行實時分析和預測，為數據中心的優化提升提供有力的支持?；?AI 的金融數據中心綠色節能全生命周期管理不僅是一種技術革新，更是一種管理理念的轉變，可更好地實現金融數據18中心綠色節能的建設目標，提高數據中心的運行效率，降低能源消耗和環

38、境污染，推動金融行業的可持續發展。（一）規劃設計（一）規劃設計基于金融科技發展規劃（20222025 年）對金融數據中心綠色低碳的建設要求，在規劃階段，就應提出具備完整功能的數據中心基礎設施智能化系統，包含各類監測監控、底層數據采集、記錄報警、演示趨勢以及能耗分析等功能。同時提供滿足AI 技術的各項接口，利用 AI 技術實現整個數據中心全生命周期的綠色節能。AI 技術可以在數據中心的規劃和設計階段發揮重要作用，通過數據分析和預測模型優化數據中心的布局、容量規劃和能源消耗等，以實現最佳的運行效率和資源利用。AI 技術可以通過分析歷史數據和預測模型，為數據中心提供準確的容量規劃和需求預測。通過對數

39、據中心負載數據、設備使用率和用戶增長趨勢等進行分析，預測未來需求，并合理規劃數據中心的資源分配，提前滿足業務增長的需求?；?AI 的綠色節能規劃應用可以在以下幾方面發揮作用。1.能源消耗預測和優化。1.能源消耗預測和優化。分析數據中心的歷史能源消耗數據，并利用機器學習技術預測未來的能源需求。通過對能源消耗的預測，可以制定相應的能源調整策略，以優化能源使用效率和降低能源成本。2.資源管理和負載均衡。2.資源管理和負載均衡。分析數據中心的負載情況，包括服務器利用率、網絡流量等，實現智能資源管理和負載均衡。通過19自動調整資源配置和負載分配，使得數據中心的資源利用更加高效，可以節約能源消耗。3.溫

40、度和空調控制。3.溫度和空調控制?；跀祿行牡膶崟r溫度和濕度數據，以及外部環境因素，進行智能的溫度和空調控制。通過精確的溫度調節和定制化的空調策略，可以減少能源的浪費并提高能源利用效率。4.機器學習算法應用。4.機器學習算法應用。利用機器學習算法對數據中心的能耗模式進行分析和學習，在此基礎上提供能源規劃建議。通過對歷史能耗數據的學習，可以幫助數據中心管理者做出合理的能源調整決策。5.節能意識與教育。5.節能意識與教育。通過數據分析和人工智能交互途徑，提供節能意識培養和教育，向數據中心運維人員和終端用戶展示節能的重要性以及如何采取相應的節能措施。因此，將 AI 技術和數據中心規劃設計相融合，可

41、以幫助金融數據中心制定更合理的節能規劃，并在能源消耗預測、資源管理、溫度控制等方面提供優化策略，從而實現節能減排和提高數據中心的能源效率，滿足快速發展的數字化需求。（二）建設改造（二）建設改造通過將AI與原有管理系統整合，可改造形成新的數據中心能源管理平臺。管理平臺可以采集各個系統的能效參數，便于后續對能耗較高的系統進行優化，同時生成直觀的能耗分布地圖。1.實施內容（1）設備安裝1.實施內容（1）設備安裝。安裝數據中心智能控制設備，傳感器、控20制器等，構建完整的硬件架構，實現底層的硬件支持。（2）聯網調試（2）聯網調試。將各類數據中心制冷設備、用電設備、智能控制設備以及傳感器、控制器接入智能

42、化系統，連接網關進行測試。（3）數據采集（3）數據采集。實現各類數據采集、記錄功能。（4）分析建模（4）分析建模。根據采集的數據，建立相關的各類能耗模型。（5）節能控制（5）節能控制。通過AI技術對該數據中心歷史數據、能耗模型分析求解，并輸出調整策略。2.實現功能2.實現功能通過上述實施內容，結合AI技術實現下述功能，滿足金融數據中心綠色節能應用要求。（1）AI智能預測（1）AI智能預測?；诤Ａ繗v史數據，使用AI及基礎數學模型，實現機房發熱量預測。（2）數據可視化（2）數據可視化。圖形化操作界面，數據采集、節能分析及空調調控完全可視化。（3）全流程自動化（3）全流程自動化。機房發熱采集及空調

43、調控策略，全程自動化實現，無須人工干預。（4）精準實時調控（4）精準實時調控。724全天自動調節，根據負載發熱量，動態調整空調以及制冷設備負荷，實現任意時刻能量精準匹配。（5）節能效（5）節能效果自動調優果自動調優。算法輸出策略，模型學習反饋效果，進行自動學習調優，實現閉環控制的持續改進。3.實現目標3.實現目標21（1）系統更節能（1）系統更節能。通過AI大數據分析，基于神經網絡的深度學習，對暖通系統參數進行提取和訓練，自動學習最優運行策略。（2）信息更安全（2）信息更安全。AI系統部署在客戶現場，數據保存在客戶本地系統，信息更安全。（3）控制更可靠（3）控制更可靠。精準預測數據中心能效情況

44、，控制策略經AI系統、運維專家、群控系統的三重過濾，可靠性更強，保障數據中心穩定運行。（三）運行維護（三）運行維護AI技術通過替代人工重復勞動，提高工作效率，節省人力成本，減少數據中心的碳排放量。另一方面，通過精細化控制，尋找最優運行點，實現綠色節能，減少電能使用方面的碳排放。AI技術可以實現數據中心運維的自動化，包括自動巡檢、設備監控、故障診斷和維護等。AI算法可以分析海量的監控數據，發現異常并實時生成報警，配合自動化系統，實現設備的自動診斷和維護，提高運維效率和降低人工維護成本，并提高數據中心的可靠性和穩定性。應用包括以下幾方面。1.智能機器人1.智能機器人。智能機器人是一種具備人工智能和

45、自主決策能力的機器人，能夠通過感知和理解環境，學習和處理信息，并基于此做出智能化的決策和行動。對智能機器人設計制作之后，機器人無需人的干預，能夠在各種環境下自動完成各項擬人任務。機器人的本體上具有感知、處理、決策、執行等模塊，可以像一個自主的人一樣獨立地活動和處理問題。智能機器人的應用成為22建設“無人機房”的重要方法。2.設備資產管理2.設備資產管理。主要包括基于物聯網的接觸式U位級定位技術、RFID技術、圖像處理技術等的實物設備資產定位方法、配件管理方法等。在架設備U位級位置信息、塔式設備區域級信息、設備配件在庫房的位置信息等是數據中心智能化運維的基礎之一。3.AI能效調優3.AI能效調優

46、。由于IT負載的能耗與制冷系統的能耗相互關聯，需要統一進行跨層優化。在IT負載層與基礎設施層的跨層統一能效優化方面，常用的方法是利用當前/歷史信息（包括負載、空調參數、外界環境參數等）借助人工神經網絡深度學習算法對IT系統與制冷系統溫度或者能耗進行預測。通過建立包括IT負載在內的多個因素與數據中心總能耗或者數據中心PUE之間的人工神經網絡模型，對數據中心的總能耗或者PUE進行預測，從而對輸入的控制因素進行優化。4.負載智能調度4.負載智能調度。包括時間和空間的負載智能調度。在時間上，通過重新定義非實時計算任務的運行時間，使得數據中心的負載充分匹配可再生能源的發電量，從而加大對可再生能源的使用，

47、減少碳排放；在空間上，通過調度一個機房模塊內不同服務器上運行的負載，調整IT負載在機房模塊的空間分布，消除局部熱點，實現節能的目的。（四）智能優化（四）智能優化通過數據分析和機器學習等先進技術不斷優化金融數據中心的能源消耗、服務質量和資源利用，以指導決策者進行金融數23據中心的優化和升級，提高性能和效益。1.系統調優（1）功耗優化。1.系統調優（1）功耗優化。通過分析金融數據中心各個設備的能耗情況，并基于實時需求和負載情況，以調整設備的功耗模式和能耗策略，從而實現最佳的能耗效率。（2）資源利用優化。（2）資源利用優化。通過對金融數據中心資源利用和需求的分析，管理系統可以智能調整服務器、存儲和網

48、絡設備的資源分配和利用方式，以提高整體能源利用效率。（3）熱力管理。（3）熱力管理。通過實時監測數據中心的溫度、濕度等參數，智能調整空調系統、風扇等設備的運行模式，以實現金融數據中心的熱力管理優化，降低能耗。（4）負載預測與調度。（4）負載預測與調度。通過對金融數據中心負載情況的預測和分析，管理系統可以優化負載調度策略，避免資源過?；蜷e置，以降低不必要的能源消耗。（5）效能指標監測。（5）效能指標監測。設計和監測數據中心的能效指標，比如 PUE 等，以對金融數據中心的能效進行實時監控和評估，及時發現問題并進行調整優化。2.管理應用（1）設備采購與能效評估。2.管理應用（1）設備采購與能效評估。

49、在采購設備時，考慮能效評估作為一個重要的指標。選擇能夠提供最佳性能和能源效益的設備，以減少能源消耗和運行成本。同時，還可以考慮設備的可升級性和可持續發展的特性，以更好地適應未來需求。（2）設備部署和調整。（2）設備部署和調整。在設備的部署過程中，要考慮最佳24位置、機柜布局等因素，以實現有效的空氣流動和熱管理。定期進行設備調整和容量規劃，以適應不同的工作負載需求，并避免資源浪費和設備過早退役。（3）節能模式和智能控制。（3）節能模式和智能控制。利用設備的節能模式和智能控制功能，根據實際使用情況進行能源調整和優化。例如，通過智能電源管理、設備睡眠模式和自動化配電等方式，提高能源利用率和減少閑置能

50、耗。（4）定期維護和更新。（4）定期維護和更新。進行定期的設備維護，包括清潔、散熱系統檢查、電纜管理等，以確保設備的正常運行和最佳效果。同時，定期更新設備的固件和驅動程序，以獲取最新的能效改進和性能優化。（5）數據刪除與回收。（5）數據刪除與回收。在設備退役之前，進行安全的數據刪除以保護數據隱私。（6）資產管理和退役規劃。（6）資產管理和退役規劃。建立完備的資產管理體系，及時跟蹤設備的使用壽命和維護記錄，制定可持續發展的設備退役規劃，以確保設備的合理利用和處置，避免不必要的資源浪費和環境影響。四、應用探索金融數據中心基于 AI 技術的綠色節能應用在智慧機房設計、暖通系統調控和綠色算力調度 3

51、個方面展現了顯著的價值和意義。智慧機房通過優化設計方案，提升設備利用率和系統穩定性，減少故障率。暖通系統調控利用智能溫控和能效優化，節約能源成本，減少碳排放，提高系統靈活性。綠色算力調度通過動態資25源調度、負載平衡技術，實現資源優化利用，應對波動需求，支持可持續發展。AI 技術在綠色節能領域的應用大幅提升了數據中心的能效，降低運營成本，助力實現環保和可持續發展的目標，為金融行業的綠色轉型提供了強有力的技術支撐。（一）智慧機房設計（一）智慧機房設計基于 AI 的金融數據中心機房設計是對機房空間、電力及制冷設計方案，根據設計需求、大數據分析和 AI 算法自動生成數據機房空間布局方案的智能化設計方

52、法。通過引入數字孿生模型為載體，以運行能效和經濟性指標為目標函數，在設計層面提出一種整體局部迭代的優化設計和改造模式，以改變現有粗放式設計。本模式以設計條件和設計標準為基礎，結合不同功率機柜的實際需求，對數據機房進行自動模塊化分析設計，發現空間、電力、制冷等多維度的最優設計方案。在優化層面，融入新型再生能源和節能新技術，包括儲冷儲熱、光伏發電、太陽能光電光熱和新型儲電儲熱技術，優化算法根據目標函數尋找出最優的可再生能源及新技術組合和容量，同時利用基于 3D CFD 氣流組織仿真工具的智能 AI 技術氣流組織參數優化算法，實現基于仿真結果的優化參數的采集，為自動尋優模型提供數據支撐。整體上，數據

53、機房智能化方案設計模型可上傳到基于 BIM 的數據中心全生命周期數字孿生平臺，與平臺其他模塊實現數據互通，同時實現 3D 可視化，輸入修改意見可迭代優化，與傳統設計相比預計節約 80%時間，顯著提升生產效率?；贏I的數據中心機房建設是指采用BIM技術和AI技術實26現管道預安裝模擬、大型設備吊裝模擬，根據人工智能算法和深度學習成果，模擬整體工序、計算整體工程量和工期?；?BIM和數字孿生技術，通過 BIM 技術深化管道路由，精確定位各個閥門及支吊架位置。綜合考慮閥門、支架位置、整體就位條件、觀感等條件因素，借助專業軟件對管線進行分段，將其拆分成單件加工圖。根據圖紙預制加工，再進場整體安裝。

54、通過 BIM 技術模擬受限空間的大型設備吊裝。在模擬吊裝時根據設備重量、尺寸、吊裝高度、周邊道路環境，按照實際尺寸建立 BIM 模型。通過BIM 模擬，確定起重設備參數，重點關注吊裝路線與現場建筑物有無交叉，優化吊裝方案，從而保證設備安全、高效。通過構建BIM 模型進行算量，可有效提高算量效率和準確度。通過模擬動畫，可更直觀了解交叉作業中的不合理工序，進而不斷優化施工計劃。利用 BIM 進行工程量計算，對于以數量為單位的材料設備（如燈具等），可直接通過模型導出材料設備明細表；對于以長度和體積計算的材料設備（如橋架、電纜），可導入第三方軟件，借助 BIM 算量軟件進行工程量計算，借助 AI 技術

55、、過往施工條件、項目經驗，模擬出整體工序、計算出整體工程量和工期。并且根據實時調整的各個參數，同步給出施工工期的預估結果?；?AI 的數據中心機房運維是采用數據中心數字孿生模型和大數據技術實現對供電系統、蓄電池、制冷系統典型故障的實時檢測診斷并預警，并提出供電、制冷系統的健康管理建議。對數據中心供電系統、制冷系統、環境的精細化數據采集，結合數字孿生技術構建供電系統數字化邏輯樹、空間熱場、氣流組織仿27真，重建數據中心的動力、制冷、機架模擬物理及數字空間；通過建立診斷專家模型和自動尋優算法模型，實現供電系統、制冷系統的早期預警，故障告警可視化，快速處理的流程化。其次，通過三維空間重建，實現數據

56、中心的功率場、熱力場實時展現，動態分析機房熱點，自動調整氣流組織實現高效低碳運行，提供迅捷的上架規劃方案；進一步，通過蓄電池參數采集及人工智能算法，準確預測每套電池系統的剩余容量及放電時長，提出電池健康管理建議。針對不同數據中心，可以設置不同的輸入變量和輸出變量，輸入變量通常包括表征系統實時負載的變量、表征冷卻系統運行的控制變量以及表征環境的變量，如 IT 設備發熱功耗、冷機供回水溫度、流量、空調送回風溫度、風量、大氣溫濕度等值。輸出變量可設定為 PUE 值最低，約束為 IT 設備進風溫度不超過某設定溫度。通過大量的運行樣本數據，深度強化學習可以在輸入量和輸出量之間建立相應的數學模型，然后可以

57、根據輸出變量目標值和約束條件，獲得最佳的控制。通過數字孿生技術與 AI 技術的充分結合優化數據中心能耗，從而實現基于 AI 的數據中心機房優化。（二）暖通系統調控（二）暖通系統調控建設金融數據中心 AI 節能調優管理系統，適配現場暖通調控系統架構，通過 V-BOX 接入暖通系統監測點位，并基于運行實時參數，結合 AI 算法模型、暖通原理和專家經驗，實現暖通制冷系統的精確制冷、集中管理、尋優控制及半自動/自動調整，28有效降低暖通制冷系統能耗，進而降低整體能效指標。1.設計原則1.設計原則基于 AI 的暖通調控系統設計原則如下。（1）智能性與精確性（1）智能性與精確性。系統具備暖通制冷系統 AI

58、 算法庫，預置豐富的暖通設備機理模型，經過短期實時運行數據訓練即可適配現場暖通制冷系統拓撲結構及運行特征，實現節能調優的最優解策略，可支持自動化控制執行。高精度傳感設備實現運行數據的精準監測，專業化點位設計保障信息的完整全面，精細化計算分析提供能耗的精確洞察，模型精度自檢機制確保策略的準確無誤，最終達成端到端的準確節能調優服務。（2）實用性與經濟性（2）實用性與經濟性。堅持實用、經濟原則是系統的重要因素之一，從系統目標和業主實際需求出發，選擇具有先進性、成熟的、最經濟的優質產品，并在合理配置和兼容性方面進行充分論證，刪除不必要的冗余，以節省投資費用。（3）先進性與成熟性（3）先進性與成熟性。采

59、用目前主流的、先進的、成熟的技術，保證所選產品今后擴展時在技術先進性方面具有可延續性。在應用架構方面，呈現出敏捷、解耦合靈活的特點，構建方式將從“安全&精確”向“速度&靈活”逐步演進。（4）開放性與標準性（4）開放性與標準性。系統將是一個完全開放性的軟件系統，通過編制子系統的接口軟件將解決不同系統和產品間接口協議的“標準化”，以使他們之間具備“互操作性”。（5）可靠性與穩定性（5）可靠性與穩定性。系統具備極高的可靠性和容錯性，使系統能不間斷正常運行和有足夠的延時來處理系統故障，以確29保在發生意外故障和突發事件時，系統都應保持正常運行狀態。（6）安全性與保密性（6）安全性與保密性。網絡系統是信

60、息系統的基礎，必須在完善的網絡管理和信息安全管理體系下，制定切實可行的管理措施，保證平臺高效、可靠、安全地運行。（7）擴展性與維護性（7）擴展性與維護性。系統需嚴格遵循模塊化的結構方式進行開發，系統軟件功能模塊完全根據用戶的實際需要和控制邏輯來編制。應采用開放式接口（OpenAPI）方式，方便和第三方系統的集成，并采用低代碼（App studio）方式，幫助用戶低成本、快速實現維保智能化場景的創新的擴展。2.架構設計2.架構設計系統架構設計從采集層和智能控制中心兩方面來考慮。（1）采集層（1）采集層負責從電力系統和暖通系統中收集原始數據。這些數據源可以包括傳感器、設備、日志文件、數據庫等。采集

61、層的主要任務是確保數據的可靠采集和傳輸，并將原始數據進行初步的處理和清洗，以保證后續層級能夠使用高質量的數據。在基礎設施智能管理平臺中，涉及冷源系統關鍵設備及指標參數（冷卻塔、冷水機組、蓄冷罐、電動閥、水泵、流量、水溫、水壓、壓差等）、電能參數（總能耗、IT 能耗、制冷能耗）、末端精密空調運行參數及室內外環境參數（溫度、濕度）。采集層需要具備以下功能。采集數據采集數據。應能夠實時采集系統的狀態信息，這些數據可以是性能指標、健康狀態、運行日志、實時數據等。30監測和告警。監測和告警。應能夠監測設備狀態，及時發現異常情況，并生成告警信息。遠程控制遠程控制。應支持遠程控制設備，例如遠程開關設備、調節

62、設備參數等。日志數據采集日志數據采集。采集層還負責收集系統運行的日志數據。這些日志數據對故障排除、性能分析和安全審計等方面非常重要。數據解析和標準化數據解析和標準化。采集層需要對采集到的原始數據進行解析和標準化，將其轉換為可理解和可處理的格式。這可以包括數據格式轉換、數據清洗、數據標準化等操作，以確保上層系統能夠準確地理解和使用這些數據。實時監控和告警實時監控和告警。采集層需要對基礎設施的配電設備進行實時監控，及時發現異常情況并生成告警。這可以包括設備故障、性能異常、能耗異常等方面的監測和告警功能。數據存儲數據存儲。采集層需要將采集到的數據進行存儲，以備后續的查詢、分析和報告生成等需求。這可以

63、通過數據庫、分布式存儲系統等進行，確保數據的安全性和可擴展性。數據安全和權限控制數據安全和權限控制。采集層需要確保采集到的數據的安全性，包括數據傳輸的加密、訪問權限的控制等。只有授權的人員才能夠訪問和使用這些數據，確保數據的機密性和完整性。數據存儲和傳輸數據存儲和傳輸。采集層將采集到的數據傳輸到后續的數據處理和存儲系統。這可能涉及使用合適的數據傳輸協議和數據存儲格式，以及確保數據的可靠性和一致性。（2）智能控制中心（2）智能控制中心31智能控制中心是系統的核心層，通過采集層的感知，智能運維能力中心的決策和運維執行框架構成“感知、決策、執行”閉環智能化管理，由數據層、算法層、決策層和應用層 4

64、部分構成。（a）數據層（a）數據層數據層包括大數據平臺和知識圖譜。其主要任務是提供數據的歸一、補齊、脫敏、降噪、去重、抽取、歸并、二次計算等治理服務，輸出不同專業系統、空間層級的能耗數據及能效指標分析，以助力能源使用效率的識別及節能空間的洞察。（b）算法層（b）算法層算法層是基礎設施智能平臺中的關鍵組成部分，涉及數據分析和智能化算法的應用?；跀祿又械臄祿M行分析和處理，利用機器學習、人工智能和統計分析等技術，對數據進行挖掘、模式識別、異常檢測和預測分析。提供智能化的功能和決策支持。算法層的目標是從治理后的參數映射至預置的機理模型，AI 算法及專家經驗根據實時數據分析并輸出暖通制冷系統運行診

65、斷指導運維人員發現問題。算法層需要具備數據預處理、故障診斷、性能優化的能力。數據預處理：算法層應對數據進行預處理，包括數據清洗、異常值處理等，以提高數據質量；故障診斷：算法層應能夠根據設備和設施的狀態數據，進行故障診斷，及時發現和定位故障；性能優化：算法層應能夠對暖通系統的性能進行分析和優化，如通過調整設備參數、負載均衡等方式提高性能。（c）決策層（c）決策層32決策層是基礎設施管理系統的頂層，負責根據算法層的分析結果進行決策和優化?；谒惴▽犹峁┑男畔⒑投床?，決策層可以制定尋優策略、調整資源分配、提出故障處理建議等。決策層生成節能調優策略通過人工修改確認后下發執行或自主下發實現自動化控制。從

66、而實現自動化的最優決策和響應。決策層需要具備告警和預警、決策、自動化操作的能力。決策層應能夠接收并處理來自采集層和算法層的告警信息，及時通知相關人員。決策層應基于數據分析結果和系統知識，提供決策支持，并支持自動化操作，如自動調整設備參數、自動執行維護任務等。（d）應用層（d）應用層應用層是智能化管理平臺的關鍵，為用戶提供系統監控、能效管理、節能調優等智能化場景功能。監控實現對人、機、物、事的全面感知，智能化場景通過“感知決策執行”的智能體，提升整體效率，保障系統運行質量，合理控制運營成本。3.建設內容3.建設內容基于 AI 的暖通調控系統依托強大的 AIoT 數字平臺、AI 算法技術和暖通領域

67、經驗，打通 BA 系統、動環監控系統、電力監控系統等多個子系統，實現制冷系統精確按需制冷、集中管理、尋優控制、自動調整，有效降低制冷系統能耗，從而降低數據中心整體 PUE 指標。（1）AI 節能調優業務（1）AI 節能調優業務AI 節能調優業務包含集成調優服務、策略推理服務及 AI 節33能模型庫，如圖 2 所示。圖 2 暖通業務 AI 節能調優系統示意圖（a）集成與調優服務。一是（a）集成與調優服務。一是數據匯聚，通過集成專業子系統（如 BA 系統、動環監控系統、電力監控系統等）及部署采集網關補充監控點位的方式，實現數據中心運行數據的實時采集，采集周期為 5 分鐘/次。二是二是策略下發，接收

68、策略推理服務輸出的最佳制冷策略，并下發至專業子系統執行。（b）策略推理服務。（b）策略推理服務。根據 AI 節能模型庫下發的機理算法模型，結合實時的運行參數（如制冷設備運行參數、冷卻水/冷凍水溫度、壓力、流量、IT 負載率、室內外環境參數等），分析并輸出最佳執行策略。34（c）AI 節能模型庫。（c）AI 節能模型庫。識別并抽取海量采集數據中影響 PUE指標的特征參數，實現數據的自動化治理分析。利用治理后的高質量數據，開展動態模型訓練，優化算法機理模型，實現模型預測精度96.5%。（2）控制模式（2）控制模式系統提供自動和手動兩種工作模式。（a）自動控制模式（a）自動控制模式。BA 系統接收

69、AI 節能調優管理系統下發指令完成指定動作，指令包含設備數量、轉速/功率/溫度/壓差等控制環路目標值、制冷模式切換、充放冷控制等，未下發控制指令的仍遵循 BA 系統自行控制。（b）手動控制模式（b）手動控制模式。輸出 AI 節能調優策略，運維人員根據策略信息手動調節 BA 系統，實現設備加減、轉速調節、制冷模式切換、旁通、充放冷等操作。監測調節過程中的狀態變化。（3）AI 節能調優過程（3）AI 節能調優過程AI 節能調優過程如下。（a）方案設計及實施（a）方案設計及實施。評估數據中心現有系統設計、輸出PUE 節能設計方案、評估系統 PUE 優化空間。（b）節能優化（b）節能優化。BA 對接及

70、現場部署、關鍵數據采集、節能指令優化。（c）賦能服務（c）賦能服務。數據中心節能原理培訓、PUE 優化服務培訓、PUE 優化系統軟硬件維護培訓。（d）持續優化（d）持續優化。專家定期巡檢、系統持續優化。（三）綠色算力調度（三）綠色算力調度35伴隨金融行業海量用戶需求及業務增長，服務器數量也在不斷快速增長。但早期服務器利用水平較低，大量的能耗浪費在維護服務器的“空轉”上，沒能轉化為有效的算力去支撐上層業務的開展。因此需要通過技術架構的升級，合理分配計算資源，提升金融數據中心的整體運行效率，從而實現綠色、穩定的發展。1.關鍵技術路徑1.關鍵技術路徑面向應用環節的綠色計算解決方案關鍵技術路徑如下。（

71、a）通過綠色觀測和優化體系，持續探測工作負載的資源消耗并進行資源優化。（b）通過池化等技術手段把異構服務器算力歸一，以標準化方式提供統一算力服務，隔離異構算力的復雜性，提升穩定性。（c）通過彈性算力統一調度、性能優化等，提升系統性能，并通過容器化減少設備依賴，虛擬化平臺將上層的應用軟件和下方的基礎設備隔離開，上層應用無需關心物理設備的具體細節，只需要對標準化環境部署應用。（d）通過實踐平臺工程和配置代碼化高效快速地進行資源彈性伸縮，提高運維效率和業務峰值活動支撐能力。（e）通過 Serverless 化，讓工作負載本身更加容易被彈性伸縮和被調度。2.具體實施路徑（1）異構服務器管理2.具體實施

72、路徑（1）異構服務器管理通過算力歸一化來統一不同硬件架構的 CPU（如圖 3 所示），對上可屏蔽不同 CPU 架構差異，體現出統一的計算能力，在控制36業務應用算力使用復雜度的前提下，充分享受硬件升級帶來的高計算能效紅利。此外，運行在不同 CPU 上的業務會被分配不同的CPU 核數，讓運行在不同 CPU 上的業務性能保持一致，充分使用每款 CPU 的資源，有效提升混合集群資源的效率。圖 3 不同硬件芯片的算力歸一化示意圖（2）統一調度（2）統一調度打造容器調度平臺，利用其彈性調度架構將數據中心的服務器標準化成統一云化資源池，并通過統一容器 API 為金融業務應用提供智能彈性容量、分時智能調度以

73、及在離線混部等云原生容器編排能力，幫助上層各類業務實現資源統一管理、應用容量高可用保障、異構硬件無感知屏蔽、基礎資源最大化分時復用等能力，達成機器資源使用率大幅提升的目標。（3）工作負載性能優化（3）工作負載性能優化結合業務需求，可以對占比較高的業務負載進行有針對性的優化，以進一步提升算力利用效率。例如可以針對存儲工作負載、AI 智能計算工作負載以及在線工作負載等進行優化。存儲工作負載優化方面，通過數據高級壓縮技術、高效分布式事務處理引擎等綠色計算能力實現存儲增效。AI 智能計算工作負載優化方37面，通過綠色 AI 實現算法提效和工程提效，助力算力智能調度，節約機器資源消耗，減少二氧化碳排放。

74、在線工作負載優化方面，通過 AI 彈性容量、分時調度技術，有效應對流量峰值場景，極大提升資源利用率。（4）綠色數據中心洞察與度量（4）綠色數據中心洞察與度量通過持續性能分析（Continuous Profiling）技術，可以實時地、低開銷、可持續地觀測和分析工作負載的資源消耗，識別性能瓶頸，優化系統的性能表現，提升工作負載的處理速度和降低處理成本。在數據中心層面上，通過將 CPU 的利用率指標轉換成碳排放的指標，對數據中心的碳排放情況進行有效度量。五、金融數據中心綠色節能AI技術應用評估（一）總體原則（一）總體原則金融數據中心綠色節能 AI 技術應用評估應遵循以下總體原則。1.綠色低碳1.綠

75、色低碳。以實現金融數據中心綠色節能為目標，注重資源節約、環境友好和生態保護。2.全面考量2.全面考量。在評估過程中，應考慮金融數據中心的全生命周期，包括規劃、設計、建設、運行、維護和廢棄等階段。3.量化評估3.量化評估。采用可量化的評估指標，對金融數據中心的能源消耗、資源利用、環境影響等方面進行全面評估。4.客觀公正4.客觀公正。評估過程應客觀公正，避免主觀因素和人為干擾。5.持續改進5.持續改進。評估結果應作為改進金融數據中心綠色節能工38作的依據，不斷提高綠色節能水平。針對數據中心綠色節能建設，我國已經陸續出臺了相關政策，并發布了相關標準，對數據中心建設提出了具體的規范性要求，相關標準如表

76、 1 所示。表 1 金融數據中心綠色節能 AI 技術應用參考標準標準分類標準分類標準名稱標準名稱發布組織發布組織主要內容主要內容國家標準GB/T 32910.32016數據中心 資源利用第 3 部分：電能能效要求和測量方法國 家 質 量 監督 檢 驗 檢 疫總局、國家標準 化 管 理 委員會給出數據中心的電能能效等級及影響電能能效的因素，規定了電能能效的測量方法與計算方法。GB 408792021 數據中心能效限定值及能效等級國 家 市 場 監督管理總局、國 家 標 準 化管理委員會規定了數據中心的能效能級與技術要求、統計范圍、測試與計算方法。GB 503782014 綠色建筑評價標準住 房

77、和 城 鄉建設部規定了對建筑綠色性能評價的方法。綠色數據中心建筑評價技術細則住 房 和 城 鄉建設部作為國家標準綠色建筑 評 價 標 準 （GB/T503782014）的補充，為數據中心建筑的綠色化設計、建造以及評價提供明確的技術指導。GB/T51366 2019建筑碳排放計算標準住 房 和 城 鄉建設部規定了建筑物碳排放計算方法。團體標準T/CCUA011 2021數據中心綠色等級評價中 國 計 算 機用戶協會針對數據中心的能耗、IT 設備、制冷設備、綠色管理等方面評價綠色39標準分類標準分類標準名稱標準名稱發布組織發布組織主要內容主要內容指標。YD/T 24412013 互聯網數據中心技術

78、及分級分類標準中 國 通 信 標準化協會規定了互聯網數據中心在可靠性、綠色節能和安全性三個方面的分級分類的技術要求YD/T 24422013 互聯網數據中心資源占用、能效及排放技術要求和評測方法中 國 通 信 標準化協會規定了數據中心在資源占用、能效及排放方面的技術要求，包括建筑和布局、設備節能（IT設備、制冷設備、供電設備及其他設備）和管理等方面。本標準適用于數據中心的規劃、設計、建設、運維和評估。T/DZJN 17-2020 綠色微型數據中心技術規范中 國 電 子 節能技術協會規定了綠色微型數據中心的分類、要求和測試方法。（二）分級定義（二）分級定義從金融數據中心的智慧化管控程度、綠色能源

79、利用率等多個維度來定義金融數據中心綠色節能的智慧化等級，為數據中心的節能智慧化提供技術、產品規劃決策輔助?；贏I的金融數據中心綠色節能等級可劃分level 1級規劃級、level 2級規范級、level 3級集成級、level 4級優化級、level 5級引領級，如圖4所示。綠色節能等級水平由level 1級到level 5級，每增加一級，監控的精細度及機房設備調控能力均隨之增加，人工參與程度逐級減少，系統在不同階段將逐步分40擔更多的工作。但在任何階段，人對數據中心的管理運維都具備最高的緊急干預權限。圖 4 金融數據中心綠色節能分級示意圖（三）分級維度（三）分級維度金融數據中心綠色節能 A

80、I 技術應用分級維度包括能源利用智慧管控水平、智能運維程度、智能技術應用、機房智慧化程度，如表 2 所示。表 2 金融數據中心綠色節能 AI 技術應用等級指標及描述序號序號指標指標一、能源利用智慧管控水平一、能源利用智慧管控水平1能源高效利用電能使用效率測得的連續一年內數據中心總耗電與數據中心 IT 設備耗電的比值。2設計指標達標情況連續一年內數據中心實際使用能源資源利用水平與設計水平比較。3IT 設備負荷使用率連續一年內實際使用功率與機柜標稱使用功率的比值。4可再生能源使用比率連續一年內使用可再生能源電量與數據中心總耗電的比值。5水資源利用效連續一年內水資源消耗量與數據中心41序號序號指標指

81、標率總耗電的比值。6節能技術應用制冷系統風冷選用能效限定值及國家標準評定能效指標在節能評價值以上。7水冷國家標準評定能效指標在節能評價值以上。8供配電系統選用能效限定值及能效等級國家標準評定達到能效等級達到能效 1 級。9信息化管理系統可實時監視各系統設備的運行狀態及工作參數，可實時顯示各系統及主要設備對能源、資源的使用情況，并提供智能化分析功能。10其他設備除上述系統以外設備采用了節能技術，并取得了較好的節能效果。11能源綠色管理能源使用管控具有能耗統計分析制度，結合氣候環境、自身負載變化和運營成本等因素對關鍵系統的運行方式進行優化調整。12基礎設施定期進行檢查和維護。13對降低能耗設置有明

82、確的、不斷提高的發展目標。14水資源使用管控結合氣候環境和自身負載變化、運營成本等因素不斷調整用水策略，減少水資源消耗。15損壞管件應及時更換，防止破管、滲水、漏水現象的發生。16節能診斷自愿接受節能診斷服務，并依據診斷42序號序號指標指標結果開展有實效的節能、節水等綠色技術改造。17第三方測評由具有 CNAS、CMA 資質的第三方機構進行評測并出具符合 CNAS、CMA 要求的相應檢測報告。18附加分項電器電子產品有害物質限制使用管理物理界限內的電器電子產品符合電器電子產品有害物質限制使用管理辦法相關規定。19廢舊電器電子產品處理對廢舊電器電子產品進行識別，并有具體再利用措施。20廢棄物管理

83、充分識別并依照國家及地方相關管理規定建立有相關處理制度，廢棄物產生及處理過程有完整記錄。21綜合能源利用可再生能源電力消納、綠色電力證書消費、余熱回收、電池梯級利用等綜合能源所發電力總和與數據中心總耗電的比值。二、智能運維程度二、智能運維程度22數據管理數據建模對運維數據的層次化架構、數據對象及數據關系進行標準化定義及線上化持續管理的能力。23元數據管理對數據及信息資源描述性信息的管理，形成管理目錄的能力。24數據采集通過技術手段獲取原始運維數據的能力。25數據加工對運維數據清洗、轉換、聚合、脫敏的能力。26數據存儲存儲海量離線與實時運維數據的能43序號序號指標指標力。27質量管理對運維數據在

84、計劃、獲取、存儲、共享、維護、應用、消亡等階段存在的數據質量問題，進行識別、度量、監控、預警、處置的能力。28數據服務運維數據消費接口及自服務的能力。29數據安全利用技術管理手段，對運維數據安全風險的防范和處置的能力。30分析決策數據探索對海量、多源和異構的運維數據，通過查詢、篩選、整合、分析等手段，有效認識和處理運維數據的能力。31特征提煉對運維數據進行特征提取、生成、評估、選擇和提煉的能力。32分析決策規則應用、模型建立、模型訓練、模型推理的能力。33可視化將信息轉化成數字化圖形，通過多媒體技術和交互接口，有效展示運維信息，實現人機交互的能力。34安全可信對可能影響運維場景目標實現的風險進

85、行識別、評估、規避，保障分析決策過程和結果有效的能力。35自動控制接入管控構建連接運維對象或運維服務的通道，實現控制運維對象或管理服務調用的自動化能力，包括：對應用系統、服務器、網絡、存儲、云資源和基礎環境等 IT 資源進行管控，保障自動化的操控能力：對運維工具的自動化服務能力進行整合及管控，對外提供統44序號序號指標指標一服務的能力。36安全管控通過技術手段對用戶身份、用戶權限、自動化任務進行合法性認證、合規性檢查，并生成滿足管理、審計要求的相關記錄的能力。37過程管控通過操作、服務的編排實現各項運維活動的串接與管控，提升運維活動效率的能力。38執行管控利用自動化技術或手段，安全高效地以自動

86、化方式執行運維操作并驗證結果，以及在異常情況下運維人員可對執行活動進行干預的能力。三、智能技術應用三、智能技術應用39能耗優化數據收集收集歷史能耗數據、機房溫濕度和氣象數據等數據。40構建模型能構建一個機器學習模型。41模型預測模型能根據輸入的信息，預測數據中心能耗。42調整優化實現有效的能耗管理，從而降低能耗并提高整體效率。43故障診斷可用性可以分析設備運行數據，通過機器學習和深度學習算法對數據進行分析處理，提前預測硬件故障，進而可以提前進行預測性維護。44可靠性通過預測性維護避免數據中心的服務中斷和數據丟失。45算力調度節能性通過分析數據中心中的負載、資源使用情況等數據，對數據中心的資源進

87、45序號序號指標指標行智能調度，實現資源的最優利用和分配，提高資源利用率和效率。46適應性是否滿足不同場景下的資源調度需求。47安全監測流量分析能對數據中心的網絡流量進行深度學習分析，以及對數據中心的安全事件數據的結合48威脅防范利用機器學習算法和深度學習算法對數據進行處理，自動檢測安全事件，實現對數據中心的安全監測和威脅防范。49輔助運維自然語言處理能通過自然語言與數據中心交互，實現自動化理解用戶需求并執行相應操作。50智能語音能通過語音處理、語音識別實現自動化理解用戶需求并執行相應操作。51計算機視覺能通過數據及模型、圖像識別實現自動化圖片或視頻采集、處理、識別、理解和反饋等操作。52生物

88、特征識別能通過生理特征或行為特征自動化進行個人身份鑒定。53人機交互通過智能感知、動態識別等技術實現人機的融合協調、高效應用。四、機房智慧化程度四、機房智慧化程度54建設水平基礎信息資源建設情況。55服務便捷度服務的方便、便捷、及時、高效的情況。46序號序號指標指標56利用成效利用帶來的產出效益。57新技術利用是否采用 AI 技術，例如：機器學習、知識圖譜、類腦智能計算、量子智能計算、模式識別等。六、未來展望當前，國家的新基建戰略為數據中心的發展注入了新的動力。在這一戰略指導下，對數據中心的信息設施安全性、綠色環保以及智能化水平提出了更為嚴格的標準。為滿足金融行業政策要求和數據中心使用需求，在

89、數據中心全生命周期管理中積極采用新技術應用，提升數據中心精細化、智能化水平，針對數據中心規劃、設計、建設、運營的全流程，建立全新的運營模式。另外，數據中心為降低對從業人員稀缺專業技能的依賴，需構建數字化、信息化、智能化的能耗監控、管理與優化平臺，以全面提升數據中心管理、運營的智能化水平，實現能耗節約、安全生產、減員增效，促進金融數據中心的智能化和可持續發展。后續，數據中心的綠色節能應用將在以下方面持續優化。（一）能源效率方面（一）能源效率方面。未來的數據中心將采用智能化能源監測系統，通過實時監測數據中心設備的能耗情況和負荷需求，以優化能源使用效率。通過智能調度和優化能源分配，數據中心可以最大程

90、度地減少能源浪費，并提高能源利用效率。（二）冷卻系統方面（二）冷卻系統方面。數據中心的冷卻系統通常是能耗較高的部分。未來的數據中心將會采用智能溫度監測系統和機器學習算法，根據實時需求和環境變化，智能控制冷卻系統的運行，以47減少能源的浪費和過度冷卻現象。（三）可再生能源方面（三）可再生能源方面。金融數據中心將會越來越傾向于使用可再生能源，如太陽能、風能等來供給電力需求。未來的數據中心將會加大對可再生能源的應用和整合，以降低對傳統能源的依賴，減少碳排放，并實現更可持續的能源供應。（四）地理位置方面（四）地理位置方面。未來的數據中心將更加注重地理位置的選擇。金融機構會考慮將數據中心建設在能源穩定且

91、可利用可再生能源的地區，例如，靠近水力發電站或風力發電場的地區。這樣可以降低能源運輸損耗，并優化能源利用效率。（五）硬件設備管理方面（五）硬件設備管理方面。未來的數據中心將會更加關注使用能源效率更高、材料更加環保的服務器、網絡設備等。此外，數據中心還將通過優化硬件的使用壽命和增加設備的循環再利用，減少資源浪費和環境影響。48參考文獻參考文獻1 中國人民銀行.中國人民銀行印發金融科技發展規劃(20222025年)J.中國金融家,2022(Z1).2 中國信息通信研究院云大所.低碳數據中心發展白皮書(2021年)C.數據中心高質量發展大會,2021.3 國家市場監督管理總局、國家標準化管理委員會.

92、數據中心能效限定值及能效等級:GB 408792021S.2021.4 國家市場監督管理總局、國家標準化管理委員會.建筑節能與可再生能源利用通用規范：GB550152021S.2021.5 數據中心能耗在線監測技術規范：DB31/T 13022021S.2021.6 數據中心節能評價方法：DB31/T 12162020S.2020.7 工業和信息化部印發新型數據中心發展三年行動計劃(20212023年)J.中國信息化,2021(9):16-20.8 國家市場監督管理總局、國家標準化管理委員會.數據中心設計規范:GB 501742017S.2017.9 國家市場監督管理總局、國家標準化管理委員會.公共建筑節能設計標準:GB 501892015S.2015.