数据中心正从单纯的能源消费者逐步转变为能源系统的积极参与者。算力负载持续攀升,动态波动特性不断增强,散热方案正加速向液冷与混合架构迭代,同时要求运营商更高效地利用所消耗的能源及所产生的余热。
相关核心任务包括高精度能源与电能质量测量、负载随动式冷却、余热回收、现场发电与电池储能集成,以及在快速负载波动下保持稳定可预测特性的并网。以上每一项都是控制任务,且它们之间的相互依赖程度正日益加深。
倍福助您在数据中心自动化领域抢占先机:
- 集测量、系统控制、能源管理与并网于一体的统一平台
- 开放式接口,可灵活集成所有系统
- 用于数字孪生概念和负载场景仿真的统一数据库
- 用于 AI 工程与运维的解决方案
数据中心自动化
用于数据中心基础设施的功率测量解决方案
优化始于测量。在数据中心场景中,这意味着需要实时掌握每一个机架、每一条回路及每一套系统的实际耗电情况,以及全链路的电能质量:从进线经配电盘和 UPS 系统,一直到各个机架。改造后的计量层只能提供平均值;而运营 AI 时代设施需要的则是动态数据。
借助基于 PC 的控制技术,电力测量功能可直接集成到控制架构中:将 EtherCAT 测量端子模块部署在配电系统内,即可在整个设施范围内提供时间同步的数据。这些数据为监测、容量规划与自动化响应提供支撑,构建起从传感器到云端的连续测量链,无需额外安装和维护独立的计量基础设施。
从冷却负载到可用能源
冷却是数据中心内最大的可控负载,如今也正逐步成为其最大的未开发资源。机架密度的不断提升正推动液冷与混合散热方案的普及,这类方案必须能够针对实际 IT 做出动态响应。与此同时,从服务器提取的热量可接入市政供热管网,为周边建筑供暖。
借助倍福技术,冷却与余热回收可通过同一个自动化平台控制。TwinCAT 支持暖通空调与冷却控制,可将冷却回路、热泵和换热站作为一套集成式系统进行协调控制。集成的能源测量可清晰地概览冷却效率和所输送的热量。
发电与储能一体化控制
越来越多的数据中心正整合自有能源资产,包括光伏系统、电池储能和备用发电机,这类设备的应用已不再局限于备用运行场景。尽管单个资产的管理并不复杂,但难点在于将它们作为一套完整系统实现协同调度,尤其是当数据中心负载波动快到传统控制系统来不及响应时。
这需要共享数据、协同控制,以及能够带来可量化改善的响应时间。能够在毫秒时间内缓冲负载波动的电池,其有效性完全取决于其周围的测量与控制回路。凭借基于 PC 的控制技术、低至 50 微秒的周期时间以及 EtherCAT 通信,倍福实现了这一闭环,在同一个开放式自动化平台上协调管理发电、储能及用电。
智能电网集成与电力管理
并网点是数据中心与能源系统的连接枢纽,也是相关技术要求迭代速度最快的环节。现代数据中心的算力负载可在短短几毫秒内产生数兆瓦级的波动。与此同时,电网运营商对大型设施的要求持续提升,期望它们在这类工况下仍保持运行状态可预测,主动支撑电网电压和频率,而不是损害其稳定性。
并网点运行行为的可预测性是工程层面优化设计的直接成果。要实现这一目标,需要在整个功率路径内完成同步测量,具备快到足以在发生扰动期间即时响应的控制能力,以及符合电网规范的发电厂功能。依托倍福技术,上述所有功能都可以在控制整座设施的同一个开放式自动化平台上运行。
用于数据中心自动化的统一控制平台
数据中心的运行依赖冷却、配电、照明、安防和监控等多个系统的协同。传统模式下,每个系统都有专有的控制器和工程工具且形成数据孤岛,导致系统集成需作为独立项目,依赖网关与定制化中间件实现。
基于 PC 的控制技术采用全新架构:通过一个开放的自动化平台实现所有控制、测量和可视化任务。工业 PC 的应用规模可从单个房间控制器扩展至整个设施的自动化,而 EtherCAT 则能够实时连接数千个 I/O 点。支持 BACnet、OPC UA、MQTT 等主流通用通信协议,可构建完全适配设施实际需求的柔性架构,而非让设施被动适应架构。
数据中心基础设施常见问题解答
可以。服务器产生的热量多为低品位热能,热泵可将其提升至适合区域供热管网和周边建筑的可用温度。
高效余热回收需要对冷却回路、热泵及换热站进行协同控制,同时还需计量所输送的热量。TwinCAT 将上述功能整合在同一个工程环境中,并为数据中心冷却控制提供一个统一的平台。
数据中心可通过在整个电力路径上进行精确的时间同步测量、快速场控以及符合电网规范的电厂功能,支撑电网行为的可预测性。
这些功能包括无功功率控制、有功功率管理以及故障穿越。在开放式自动化平台上,它们可以在已控制设施的同一控制环境中运行,从而实现毫秒级的协同响应。
倍福技术支持主流楼宇与工业通信协议,包括BACnet、OPC UA、MQTT 和 Modbus,因此能够通过标准接口,与现有的 BMS、SCADA 以及 DCIM 平台进行测量和控制数据交互。
TwinCAT 可作为楼宇管理层级运行,其基于 TwinCAT HMI 的 Web 可视化界面支持从任意设备访问。它还可以作为子系统集成到现有的 BMS、SCADA 或 DCIM 架构中。
可以。TwinCAT Machine Learning 支持将训练好的机器学习模型直接部署到实时控制环境中运行。因此,基于电能质量数据的异常检测、负载预测等应用,可以与测量和控制功能一同在控制器中执行。
对于工程领域的应用场景,TwinCAT CoAgent 可在开发环境中提供 AI 辅助功能。通过集成 MATLAB® 与 Simulink®,可在调试前利用模拟负载场景对冷却方案、储能策略等控制策略进行验证。