[논문]데이터센터 냉각 시스템의 에너지 절약을 위한 인공신경망 기반 열환경 예측 모델

임채영; 여채은; 안성율; 이상현

doi:10.17703/jcct.2023.9.6.883

데이터센터 냉각 시스템의 에너지 절약을 위한 인공신경망 기반 열환경 예측 모델
Artificial Neural Network-based Thermal Environment Prediction Model for Energy Saving of Data Center Cooling Systems 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.9 no.6, 2023년, pp.883 - 888

임채영 (고등기술연구원 에너지환경IT융합그룹) , 여채은 (고등기술연구원 에너지환경IT융합그룹) , 안성율 (고등기술연구원 에너지환경IT융합그룹) , 이상현 (호남대학교 컴퓨터공학과)

초록
AI-Helper

데이터센터는 24시간 365일 IT 서비스를 제공하는 곳이기 때문에, 2030년에는 데이터센터의 전력 소비량은 약 10%로 증가될 것으로 예측되고, 고밀도 IT장비들의 도입이 점차 증가하면서, IT장비가 안정적으로 운영될 수 있도록 냉방 에너지 절감 및 이를 위한 에너지 관리가 갖춰져야 하기에 다양한 연구가 요구되고 있는 상황이다. 본 연구는 데이터센터의 에너지 절약을 위해 다음과 같은 과정을 제안한다. 데이터센터를 CFD 모델링하고, 인공지능기반 열환경 예측 모델을 제안하였으며, 실측 데이터와 예측 모델 그리고 CFD 결과를 비교하여 최종적으로 데이터 센터의 열관리 성능을 평한 결과 전처리 방식은 정규화 방식으로 사용되었고, 정규화에 따른 RCI, RTI 및 PUE의 예측값 또한 유사한 것을 확인할 수 있다. 따라서 본 연구에서 제안하는 알고리즘으로 데이터센터에 적용될 열환경 예측 모델로 적용 및 제공할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

Since data centers are places that provide IT services 24 hours a day, 365 days a year, data center power consumption is expected to increase to approximately 10% by 2030, and the introduction of high-density IT equipment will gradually increase. In order to ensure the stable operation of IT equipment, various types of research are required to conserve energy in cooling and improve energy management. This study proposes the following process for energy saving in data centers. We conducted CFD modeling of the data center, proposed an artificial intelligence-based thermal environment prediction model, compared actual measured data, the predicted model, and the CFD results, and finally evaluated the data center's thermal management performance. It can be seen that the predicted values of RCI, RTI, and PUE are also similar according to the normalization used in the normalization method. Therefore, it is judged that the algorithm proposed in this study can be applied and provided as a thermal environment prediction model applied to data centers.

주제어

표/그림 (7)

그림 그림 1. 데이터 센터 및 랙 구성에 따른 CFD 기류 구성 Figure 1. Configure CFD airflow with data center and rack configurations
표 표 1. 예측 모델의 초기 설정 Table 1. Initial settings of predictive model
그림 그림 2. 가우시안 프로세스 회귀 알고리즘 모델 Figure 2. Gaussian Process Regression Models
그림 그림 3. RTI 예측 결과 그래프 Figure 3. RTI prediction result graph
그림 그림 4. 서버 입구 온도예측 및 RCI 예측 결과 Figure 4. Server inlet temperature prediction and RCI prediction results
그림 그림 5. 소비 전력 및 PUE 예측 결과 그래프 Figure 5. Power consumption and PUE prediction result graph
표 표 2. 데이터 전처리 모델의 예측성능 Table 2. Prediction Performance of pre-processing Methods

참고문헌 (14)

Research and Markets, "Data Center Colocation？Market - Growth, Trends, and Forecast？(2020-2025)", https://www.businesswire.com/news/home/20200525005100/en/Global-Data-Center-Colocation-Market-2020-2025, 2020.11.13.
A.S.G. Andrae & T. Edler, On Global Electricity？Usage of Communication Technology: Trends to？2030, challenges, 6, pp.117-157, 2015

상세보기
Whitehead, B. & Andrews, D., Shah, A., &？Maidment, G. Assessing the Environ mental impact？of data centres. Part 1: Background, energy use and？metrics, Building and Environment, Vol. 82, 151-159.？2014

상세보기
Y.J. Choi et al., Development of Supply Air？Temperature Prediction Model for Optimal？Control Algorithm of Containment Data Center,？KIEAE Journal 20(5), pp.159-164, 2020.

상세보기
J. Nathan Kutz, Data-Driven Modelling &？Scientific Computation : Methods for Complex？Systems & Big Data, OXFORD, 2013
C.Y. Lim, C.E Yeo, S.Y. Ahn, M.O Lee & H.J Sung？"Design and Performance Evaluation of Digital？Twin Prototype Based on Biomass Plant" The？Journal of the Convergence on Culture Technology？(JCCT) 9, no.5 935-940, 2023
C.Y. Lim, C.E Yeo, W.J. Cho, J.H Gu & S.H. Lee？"Design and Implementation of IEC 62541 based？Industry Internet of Things Simulator for？Meta-Factory" The Journal of the Convergence on？Culture Technology (JCCT) 9, no.3 789-795, 2023
J. D. Yang & X. C. W. Liu, Self-tuning PID-type？Fuzzy Adaptive Control for CRAC in Datacenters,？International Conference on Computer and？Computing Technologies in Agriculture, 2014.
Y.J. Kim & C.S. Park, Gaussian Process Model for？Real-Time Optimal Control of Chiller System,？Journal of the Architectural Institute of Korea,？vol.30, no.7, pp.211-220, 2014. DOI :？10.5659/JAIK_PD.2014.30.7.211

원문보기 상세보기
Aurellen Geron & Hands-On Machine Learning？with Scikit-Learn & TensorFlow, Oreilly
J.A. Suykens & J. Vandewalle, Least squares？support vector machine classifiers, Neural？Processing letters, 9(3), pp.293-300, 1999.
M. Martin, On-line support vector machine？regression, In European Conference on Machine？Learning, Springer, Berlin, Heidelberg, 2430,？pp.282-294, 2002.
Zhao, B., Lu, H., Chen, S., Liu, J & Wu, D.,？"Convolutional neural networks for time series？classification", Journal of Systems Engineering and？Electronics, 28(1), 162-169, 2017
Kim, T.Y., & Cho, S.B., "Predicting residential？energy consumption using CNN-LSTM neural？networks", Energy, 182, 72-81, 2019.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증