核心概念
데이터 센터의 에너지 소비, 유연한 부하 이동, 배터리 운영을 실시간으로 최적화하여 탄소 발자국을 크게 감축할 수 있다.
摘要
이 논문은 데이터 센터의 탄소 발자국, 에너지 소비, 에너지 비용을 동시에 최적화하는 DC-CFR이라는 새로운 다중 에이전트 강화 학습 프레임워크를 제안한다.
DC-CFR은 세 가지 하위 문제를 해결한다:
- 유연한 IT 워크로드 이동을 통한 탄소 배출 감축
- HVAC 냉각 설정점 최적화를 통한 에너지 소비 감축
- 배터리 충전/방전 최적화를 통한 탄소 배출 감축
이 세 가지 문제는 서로 복잡하게 연결되어 있어 개별적으로 해결하기 어렵다. DC-CFR은 이들 간의 상호 의존성을 효과적으로 관리하여 실시간으로 최적의 정책을 도출한다.
실험 결과, DC-CFR은 기존 ASHRAE 제어기 대비 탄소 배출을 14.5%, 에너지 사용량을 14.4%, 에너지 비용을 13.7% 감축할 수 있었다. 이는 데이터 센터 운영의 지속 가능성 향상에 크게 기여할 것으로 기대된다.
統計資料
1년 동안 Arizona 데이터 센터에서 DC-CFR 적용 시 탄소 배출량이 ASHRAE 대비 14.36% 감소했다.
1년 동안 New York 데이터 센터에서 DC-CFR 적용 시 탄소 배출량이 ASHRAE 대비 15.08% 감소했다.
1년 동안 Washington 데이터 센터에서 DC-CFR 적용 시 탄소 배출량이 ASHRAE 대비 13.96% 감소했다.
引述
"데이터 센터의 에너지 소비, 유연한 부하 이동, 배터리 운영을 실시간으로 최적화하여 탄소 발자국을 크게 감축할 수 있다."
"DC-CFR은 기존 ASHRAE 제어기 대비 탄소 배출을 14.5%, 에너지 사용량을 14.4%, 에너지 비용을 13.7% 감축할 수 있었다."