一、冷却系统形式的选择

我国主流数据中心冷却形式是空调送风形式，由精密空调为机柜提供冷风，带走服务器产生的热量。这种冷却方式形式简单，建设成本较低，但容易产生局部热点，冷热风掺混导致冷量损失，繁多的换热环节令自然冷源难以得到利用，因此这种形式的冷却系统冷却能效偏低。同时，数据中心未来发展方向是高发热密度的数据中心，上述传统形式难以满足散热需求。打造未来绿色高效数据中心需要更加高效的冷却形式作为支撑。

数据中心冷却形式分为机房级、机柜级以及服务器级，传统空调送风形式属于机房级，即以机房为冷却末端进行冷却。提升冷却系统效能、减少换热环节最直接的方式就是聚焦冷却末端，机柜级和服务器级冷却系统可以有效地提升冷源温度，加大自然冷源的利用率，降低冷却能耗。机柜级冷却常见的方式是将换热器置入机柜的顶部或背板处，换热器内的换热工质采用水或者氟利昂。其中，氟利昂更加安全、高效，其依靠变换热在换热器内从液态蒸发为气态，迅速带走热量。服务器级冷却则是将工质输送至服务器内部，工质与内部发热元件直接进行热量交换，换热环节进一步减少，可以大幅提升冷却系统能效。更高级别的冷却方式不仅降低了冷却系统能耗，还可以适用于更高发热密度的数据中心，合理的冷却形式选择是打造绿色数据中心的关键。

二、全局及全生命周期参数优化

目前，数据中心建设缺少对设备参数、后期运维的优化考虑。数据中心从建设到后期运行可以持续数十年，后期的运维成本远高于初期建设投资。因此，数据中心建设需要从全生命周期角度考虑设备参数以及后期运维的优化问题。同时，数据中心冷却系统拥有若干环节，各个换热环节的设备在运行过程中会相互影响，各个环节的参数设计需要相互配合，这就要求参数设计的优化也要站在全局角度，对冷却系统整体的换热过程进行分析。全生命周期角度需要考虑气候条件、设备负载率、设备折旧等因素，冷却系统全局角度则需要对每个换热环节建立合理的模型，形成可以描述换热环节整体的数学约束，在这些基础上，就可以从全局及全生命周期角度优化设备参数，寻求最优的方案，降低冷却系统能耗以及全生命周期成本。

三、运维控制策略

数据中心运维期间的控制策略也有很强的可挖掘性。举例说明，数据中心需要保证内部IT设备处于合理的温度范围，而机柜的进风温度存在上限，在能够保证安全的同时，提升进风温度，就可以有效的降低冷却系统能耗。但是，温度上调多少、温度上限是多少一方面需要遵循客观的标准与规范来指导，另一方面需要在数据中心运维过程中有针对性的长期摸索、调控。

在标准的指导下，可以通过监测数据中心实时情况来对控制策略进行调整，以达到节能的目的。目前比较前沿的调控手段是利用人工智能技术，通过收集大量监测得到的数据中心逐时运行参数来供机器学习，利用大量数据训练出较好的模型，在预测下一时刻的热负荷与环境变化后，计算出实时的最优控制策略。但是，人工智能技术应用于数据中心运维还存在一些缺点。首先，机器学习需要大量的数据作为支撑，理论上数据中心运行时间越长，训练得到的模型更加合理准确，因此人工智能技术需要时间上的积累。另外，数据的收集需要大量的监测点，检测对象可能包括温度、水流量、风扇转速等。同时，在得到经过优化的控制策略后，策略需要落实，如果从预测到控制的过程周期较短，仅靠人力去实时调整便难以实现，所以控制策略的实施需要自动化。因此，将人工智能技术应用于数据中心运维调控，应在建设初期提前设计数据监测收集与调控实施的方式，在建成后不断的积累运行数据以逐渐得到愈加高效准确的模型。

四、客观因素与新能源

数据中心全生命周期建设除了考虑以上数据中心形式、参数和运维，其他影响数据中心运行的客观因素也要在建设前考虑。例如数据中心的选址问题，气候寒冷的地区可以为数据中心提供非常丰富且容易利用的自然冷源，大幅降低冷却系统的能耗。若是数据中心建在相对炎热的地区，可以优先考虑机柜级、服务器级冷却系统，通过优化换热过程来挖掘自然冷源。另外，还可以考虑将如太阳能、风能等新能源接入数据中心，优先利用清洁能源，优化数据中心的能源结构。

综上，打造绿色高效数据中心需要在全生命周期的起始环节规划设计阶段给予足够的重视，并且具体问题具体分析，考虑到如根据气候选址、依托自然冷源等的客观因素。要做到依据数据中心发热密度以及气候条件等因素合理选择冷却形式，高级别的冷却形式可以从原理上改变数据中心传热方式，可以优化换热网络，提升数据中心利用自然冷源的能力，降低全年冷却能耗。数据中心建设时期要从全生命周期及全局角度考虑数据中心设备参数设计，要考虑到后期运行时的客观因素以及数据中心各换热环节的相互影响与配合，降低数据中心全生命周期的能耗与成本。数据中心运维时期要注意控制策略上的调整，在标准允许的范围内调控运行参数，进一步降低冷却系统能耗。未来数据中心产业化需注意以上从设计、建设到运维全生命周期综合考量，致力打造高效、清洁的绿色数据中心。