با توجه به رشد سریع تقاضا برای پردازش داده و ذخیره‌سازی آنها، مراکز داده به یکی از بزرگ‌ترین مصرف‌کنندگان انرژی در دنیا تبدیل شده‌اند. این مراکز باید به‌گونه‌ای طراحی شوند که افزون بر ارائه‌ی خدمات با کیفیت، کمترین اثرات منفی زیست‌محیطی را همراه داشته باشند. توسعه‌ی پایدار مراکز داده نیازمند رعایت اصول و استانداردهایی است که به بهینه‌سازی مصرف انرژی، کاهش تأثیرات زیست‌محیطی، ارتقاء کارایی منابع، تأمین امنیت و تاب‌آوری و رعایت مقررات مرتبط کمک میکند. در این نوشتار به دستاوردهای بهره‌گیری همزمان از انرژی‌های تجدیدپذیر و هوش مصنوعی در توسعه‌ی پایدار مراکز داده می‌پردازیم.
- استفاده از انرژی‌های تجدیدپذیر
مراکز داده، به‌دلیل فعالیت بی‌وقفه و نیاز بالا به سرمایش و پردازش، انرژی زیادی مصرف می‌کنند. برآوردها نشان می‌دهد که مراکز داده حدود ۱ تا ۲ درصد از مصرف برق جهانی را به خود اختصاص داده‌اند و این رقم در حال افزایش است. از این‌رو، حرکت به‌سوی انرژی‌های پاک نه تنها برای کاهش اثرات زیست‌محیطی بلکه برای پایداری اقتصادی و برندینگ سبز سازمان‌ها حیاتی است.
- انرژی خورشید
استفاده از پنل‌های فتوولتائیک برای تولید برق خورشیدی یکی از رایج‌ترین روش‌هاست. در مناطقی با تابش مناسب خورشید مانند خاورمیانه، این روش می‌تواند بخش بزرگی از نیاز برق مرکز داده را تأمین کند. انرژی خورشیدی به‌ویژه برای مراکز داده کوچک تا متوسط که در ساختمان‌های مستقل قرار دارند، کارایی بالایی دارد. مرکز داده Switch در ایالت نوادا، انرژی خود را از مزرعه‌ی خورشیدی ۱۸۰ مگاواتی تأمین میکند. به‌کارگیری پنل‌های فتوولتائیک در کنار مرکزداده، امکان کاهش وابستگی به شبکه‌ی برق را فراهم کرده و به کاهش سالانه ۲۶۵ هزار تن گاز CO2 می‌انجامد.
- انرژی باد
توربین‌های بادی در مناطقی با جریان باد مداوم، مانند سواحل یا دشت‌های مرتفع، می‌توانند نقش مهمی در تأمین انرژی ایفا کنند. شرکت‌هایی مانند گوگل و مایکروسافت از مزارع بادی برای تأمین برق مراکز داده خود استفاده می‌کنند. همچنین مرکز داده فیسبوک در لولاند دانمارک، از مزارع بادی منطقه برای تأمین برق استفاده میکند. طراحی ماژولار سایت و سرمایش طبیعی مبتنی بر اقلیم سرد، در کنار انرژی بادی، باعث رسیدن به PUE کمتر از ۱.۱ شده است[i].
- انرژی آب
در کشورهایی که دارای منابع آبی جاری هستند، بهره‌گیری از نیروگاه‌های برق‌آبی به‌عنوان یک روش مؤثر برای تأمین برق پایدار مراکز داده شناخته می‌شوند. البته این روش به‌دلیل وابستگی به منابع آبی محدودیت‌هایی دارد. همچنین این منابع آبی می‌توانند به‌عنوان یک راهکار برای تأمین سرمایش مرکز داده به کار گرفته شوند. طرح مرکز داده Kolos در نروژ با هدف استفاده از منابع برق‌آبی پایدار طراحی شده بود. اگرچه پروژه اجرایی نشد، اما طراحی آن بر پایه‌ی مصرف بیش از ۱ گیگاوات برق پاک و استفاده از سرمایش با آب سرد طبیعی انجام گرفته بود.
- انرژی ژئوترمال و زیست‌توده
در مناطقی که منابع زمین‌گرمایی وجود دارد، می‌توان از انرژی حرارتی اعماق زمین برای تأمین گرمایش یا حتی تولید برق بهره گرفت. همچنین انرژی زیست‌توده[ii] از پسماندهای کشاورزی یا شهری به‌عنوان یک منبع مکمل قابل استفاده است. مرکز داده Green Mountain در نروژ از ترکیب برق‌آبی و سرمایش با آب دریا در عمق استفاده میکند. همچنین استقرار مرکز در داخل کوه، پایداری گرمایی و امنیت فیزیکی بالایی فراهم کرده و موجب دستیابی به PUE کمتر از ۱.۲ شده است.
- پایداری زیست‌محیطی با هوش مصنوعی و معماری انرژی کارآمد
هوش مصنوعی می‌تواند با تحلیل داده‌های عملیاتی و محیطی، نقش مؤثری در بهینه‌کردن مصرف انرژی و منابع ایفا کند. فناوری هوش مصنوعی در کنار استفاده از فناوری‌های انرژی پاک با جمع‌آوری و تحلیل داده‌های مرتبط با مصرف انرژی، سوخت، سرمایش و تردد افراد به حفظ شاخص‌های زیست محیطی مانند PUE و GHG در سطح استاندارد کمک میکند و باعث کاهش انتشار گازهای گلخانه‌ای می‌شود. همچنین بهره‌برداری هوشمند از مراکز داده به‌صورت ماژولار نقش مهمی در استفاده‌ی بهینه از فضا و منابع ایفا میکند که این امر در کنار استفاده از مصالح سبز و طراحی‌های سبز مانند استفاده از شیشه‌های با مقاومت حرارتی بالا، عایق‌های حرارتی و سامانه‌های تهویه طبیعی، تأثیرات زیست‌محیطی را کاهش می‌دهد.
هوش مصنوعی به‌عنوان ابزاری قدرتمند برای مدیریت هوشمند انرژی، در حوزه‌های مختلف مراکز داده به‌کار گرفته می‌شود. در این زمینه از راهکارهای گوناگونی بهره گرفته می‌شود که در ادامه به برخی از آنها پرداخته شده است.
- بهینه‌سازی سرمایش و تهویه[iii]
ابزار هوش مصنوعی با تحلیل داده‌های لحظه‌ای از حسگرهای دما، رطوبت، جریان هوا و بار تجهیزات، بهترین تنظیمات برای سامانه‌ی سرمایش را پیشنهاد می‌دهند یا به‌صورت خودکار اعمال می‌کنند. الگوریتم‌های یادگیری ماشین می‌توانند پیش‌بینی کنند چه زمانی دمای اتاق سرور بالا می‌رود تا زودتر اقدام کنند. گوگل با استفاده از سامانه‌ی هوش مصنوعی DeepMind توانسته است تا ۴۰درصد مصرف انرژی سرمایشی مراکز داده خود را کاهش دهد. الگوریتم‌های هوش مصنوعی با دریافت هزاران داده از حسگرها، داده‌های محیطی را تحلیل و بهترین الگوی سرمایش را پیشنهاد و در برخی موارد نسبت به انجام تنظیمات بطور خودکار اقدام میکند[iv].
- مدیریت بار کاری و توزیع پردازش[v]
هوش مصنوعی بار پردازشی سرورها را به‌گونه‌ای تنظیم میکند که توزیع بار یکنواخت شود، در زمان اوج مصرف بارهای غیر ضروری را جابجا کرده یا به‌طور بهینه بین سرورها توزیع میکند. حتی ممکن است بخشی از پردازش به مرکز داده دیگر یا بالاتر منتقل شود[vi]. در نتیجه هوش مصنوعی با توزیع بار میان سرورها و زمان‌بندی هوشمند پردازش ضمن کاهش هزینه استهلاک تجهیزات به کاهش مصرف برق سرورها و صرفه جویی در مصرف انرژی کمک میکند.
- پیش‌بینی هوشمند مصرف انرژی و نگهداری پیشگیرانه
الگوریتم‌های هوش مصنوعی می‌توانند مصرف انرژی را در آینده پیش‌بینی کنند و هشدارهایی در مورد مصرف غیرعادی ارائه کنند. همچنین با استفاده از هوش مصنوعی می‌توانیم زمان احتمالی خرابی تجهیزات را براساس الگوی مصرف و رفتارشان پیش‌بینی و از افزایش مصرف انرژی ناشی از عملکرد تجهیزات معیوب جلوگیری کنیم. این سازوکار به جلوگیری از ناکارآمدی تجهیزات و خارج کردن به موقع تجهیزات فرسوده از مدار و ارتقاء PUE به‌صورت بلندمدت کمک میکند.
- سناریوهای هوشمند بهینه‌سازی مصرف انرژی
نرم‌افزارهای مدیریت زیرساخت مرکز داده[vii] (DCIM) نقش مهمی در پایش، تحلیل و مدیریت منابع انرژی دارند. برخی از نسخه‌های نسل جدید آنها، از الگوریتم‌های هوش مصنوعی برای شبیه‌سازی سناریوهای بهینه‌سازی مصرف انرژی استفاده می‌کنند. این سامانه‌ها با گردآوری داده‌های لحظه‌ای از تجهیزات فناوری اطلاعات، برق و سرمایش وضعیت عملکرد مرکز داده را ارزیابی می‌کنند و هشدارهای لازم برای بهینه‌سازی مصرف ارائه می‌دهند. از طریق داشبوردهای تحلیلی و قابلیت شبیه‌سازی، مدیران می‌توانند تصمیماتی اتخاذ کنند که منجر به بهینه‌سازی مصرف انرژی و افزایش بهره‌وری شوند. به‌عنوان نمونه نرم‌افزار EcoStruxure IT Expert با قابلیت‌های ارائه شده توسط هوش مصنوعی، می‌تواند سناریوهای بهینه‌ی مصرف انرژی را شبیه‌سازی کرده و از طریق تحلیل داده‌های محیطی و الکتریکی، اقدامات اصلاحی را پیشنهاد دهد.
در مرحله‌ی پیشرفته‌تر، هوش مصنوعی به مراکز داده امکان خود تنظیم‌گری کامل می‌دهد، یعنی بدون دخالت انسان، بر اساس شرایط محیطی و بار پردازشی، بهینه‌ترین وضعیت مصرف انرژی را بصورت خودکار انتخاب میکند.
- استفاده از معماری انرژی کارآمد
معماری مراکز داده، مستقیم بر بهره‌وری انرژی، امنیت و کارایی کلی آنها تأثیر می‌گذارد. برخی ویژگی‌های معماری که به توسعه‌ی پایدار کمک می‌کنند، عبارتند از:
معماری ماژولار: طراحی مراکز داده به‌صورت ماژولار، این امکان را فراهم می‌آورد که مرکز داده به‌گونه‌ای تدریجی و مطابق با نیازها گسترش یابد. این رویکرد موجب کاهش مصرف انرژی اولیه، بهره‌گیری بهتر از فضا و امکان بهره‌گیری از منابع محلی انرژی می‌شود.
طراحی حرارتی هوشمند: استفاده از فناوری‌های حرارتی مانند جداکننده‌های مسیر جریان هوای سرد و گرم یا سرمایش طبیعی به کاهش نیاز به سرمایش مکانیکی کمک میکند. این طراحی‌ها باعث بهینه‌سازی مصرف انرژی سرمایشی و کاهش هزینه‌ها می‌شوند.
معماری مبتنی بر مکان: انتخاب محل مناسب برای مرکز داده، مانند مناطق سردسیر یا مکان‌های نزدیک به منابع انرژی تجدیدپذیر (مانند باد، خورشید یا آب)، می‌تواند مصرف انرژی را به‌شدت کاهش دهد. به‌عنوان مثال، مراکز داده‌ای که در اسکاندیناوی احداث می‌شوند، از سرمای طبیعی و آب‌های سرد برای سرمایش استفاده می‌کنند.
- تاب‌آوری، امنیت و پشتیبانی در شرایط بحرانی
تاب‌آوری به معنای توانایی مرکز داده برای حفظ عملکرد در شرایط غیرعادی است. از جمله عوامل قابل بررسی در تاب‌آوری مراکز داده عبارتند از:
امنیت فیزیکی و دیجیتال: طراحی مکان‌های امن برای مراکز داده و استفاده از اقدامات امنیتی پیشرفته مانند کنترل‌های دسترسی، سامانه‌های تشخیص نفوذ و رمزگذاری داده‌ها از جمله سازوکارهای امنیت مراکز داده است. در این زمینه هوش مصنوعی با کمک الگوریتم‌های تحلیل رفتار، نفوذهای فیزیکی و سایبری را سریع‌تر از روش‌های سنتی شناسایی و مسدود میکند.
تاب‌آوری در برابر بحران‌ها: در این زمینه طراحی مراکز داده باید به‌گونه‌ای باشد که در برابر حوادث طبیعی یا انسانی مقاوم باشند که شامل ایجاد نسخه‌های پشتیبان، منابع تأمین انرژی اضطراری و طرح‌های مدیریت بحران است. در صورت وقوع حادثه، سامانه‌های مجهز به هوش مصنوعی می‌توانند اقدامات اضطراری از پیش تعریف شده مانند انتقال بار به ماژول دیگر یا فعال‌سازی منابع پشتیبان را به‌طور خودکار اجرا کنند.
حفظ عملکرد در شرایط متغیر: از جمله عوامل مؤثر در تاب آوری مراکز داده، تضمین پایداری و عملکرد مراکز داده در شرایط مختلف محیطی، مانند تغییرات دما یا نوسانات در شبکه‌ی انرژی است. هوش مصنوعی می‌تواند با درک شرایط محیطی مانند گرد و غبار یا نوسان دمای شدید نسبت به تطبیق رفتار تجهیزات براساس شرایط محیطی اقدام و ریسک خاموشی یا خرابی را کاهش دهد، به‌عنوان نمونه در طراحی شهرک مرکز داده‌ی شاهرود که فناپ زیرساخت ساخت آن را برعهده دارد، قرار است با بهره‌گیری از منابع متنوع تأمین انرژی از جمله ژنراتورهای کم مصرف، طراحی سامانه‌ی بازیابی در شرایط بحرانی و افزایش دسترس‌پذیری[viii] و رعایت الزامات امنیت فیزیکی و اطلاعاتی حداکثر شرایط تاب‌آوری مراکز داده در شرایط بحران فراهم شود.
- استانداردها و مقررات
پایش خودکار شاخص‌های استاندارد: هوش مصنوعی می‌تواند شاخص‌هایی نظیر DCiE، WUE، PUE و GHG را به‌صورت مداوم محاسبه کرده و با پیش‌بینی عملکرد، انحراف از حدود استاندارد را هشدار بدهد.
تسهیل انطباق با چارچوب‌های بین‌المللی: با جمع‌آوری و تجزیه و تحلیل داده‌های عملکردی، سامانه می‌تواند گزارش‌هایی منطبق با استانداردهایی همچون TIA-942، Uptime Institute ، ASHRAE TC 9.9 ، ISO50001 و LEED تولید کند.
پیشنهاد بهبود خودکار: هوش مصنوعی می‌تواند با ترکیب داده‌های داخلی مرکز داده و مقایسه با پایگاه‌های جهانی، برای ارتقاء پایداری یا کاهش مصرف انرژی پیشنهادهایی بدهد.
این الزامات بطور کلی باعث ایجاد مراکز داده‌ای با بهره‌وری انرژی بالا، تاثیرات محیط‌زیستی کم، و امنیت و تاب‌آوری بالا می‌شوند. در نتیجه، افزون بر کاهش هزینه‌ها و افزایش کارایی، به توسعه پایدار و حفاظت از محیط‌زیست کمک می‌کنند.
شهرک مرکز داده شاهرود، الگویی از یک زیرساخت سبز و هوشمند
باگسترش روزافزون نیاز به خدمات پردازشی، ذخیره‌سازی و تبادل اطلاعات، توسعه‌ی مراکز داده مدرن و پایدار به ضرورتی گریزناپذیر برای کشور تبدیل شده است. در همین راستا فناپ زیرساخت برپایه‌ی تفاهم‌نامه‌ی سه جانبه با وزارت علوم و استانداری سمنان ساخت بزرگ‌ترین شهرک مرکز داده کشور را در شاهرود برعهده گرفته است. چارچوب راهبردی طراحی و اجرای مراکز داده این شهرک دیتاسنتری براساس اصول توسعه‌ی پایدار است.
شهرک مرکز داده شاهرود، به‌واسطه‌ی موقعیت جغرافیایی خود، از پتانسیل قابل توجهی در زمینه‌ی استفاده از انرژی خورشیدی برخوردار است که با طراحی سامانه‌ی تأمین برق به‌صورت هیبرید (برق شهر + خورشیدی + ذخیره‌ساز باتری) و نصب صفحات خورشیدی بر روی سقف مراکز داده، محوطه‌ی شهرک یا حتی احداث نیروگاه خورشیدی در مجاورت شهرک می‌تواند سهم به‌سزایی در کاهش استفاده از سوخت‌های فسیلی جهت تأمین انرژی مورد نیاز شهرک داشته باشد. همچنین با توجه به اقلیم نیمه خشک منطقه‌ی شاهرود استفاده از سرمایش طبیعی در شب و فصول سرد[ix]، استفاده از چیلرهای با COP بالا و ترکیب آن با سامانه‌های In-Row یا سرمایش مایع و به‌کارگیری راهکارهای مدیریت هوای گرم و سرد[x] می‌تواند نقش مهمی در پیاده‌سازی سامانه‌ی سرمایش پایدار و هوشمند داشته باشد.
فناوری‌محور بودن مرکز داده از جمله اصول طراحی شهرک مرکز داده شاهرود است در این راستا تلاش می‌شود با پیاده‌سازی سامانه‌های هوشمند مدیریت زیرساخت مرکز داده و استفاده از هوش مصنوعی در بهینه‌سازی سامانه‌ها و تخصیص منابع به این هدف برسیم.
در طراحی معماری شهرک مرکز داده شاهرود، با بهره‌گیری از طراحی ماژولار با قابلیت گسترش تدریجی، استفاده از معماری و مصالح بومی مناسب و رعایت استانداردهای لازم برای مقاومت در برابر زلزله، گرد و غبار و سایر شرایط بومی شرایط طراحی معماری و سازه‌ای پایدار فراهم شود.
منابع و مؤاخذ
- Apple Inc. (2023). Environmental Progress Report 2023.
- (2021). Thermal Guidelines for Data Processing Environments (4th ed.). American Society of Heating, Refrigerating and Air-Conditioning Engineers.
- (2022). Luleå Data Center: The Arctic Home for the Internet.
- (2023). Our data centers now use AI to manage cooling.
- (2022). Google Data Centers: Efficiency and Sustainability.
- Green Mountain. (2022). Green Mountain Data Center – DC1-Stavanger
- (2021). iCooling@AI White Paper. Huawei Technologies Co., Ltd.
- (2023). How AI boosts data center resiliency.
- International Energy Agency. (2022). Data Centers and Data Transmission Networks.
- International Organization for Standardization. (2016). ISO/IEC 30134-2: Information technology — Data center key performance indicators (KPI) — Part 2: Power usage effectiveness (PUE). ISO.
- McKinsey & Company. (2020). Data center energy efficiency and server power management.
- (2021). Project Natick: Microsoft’s Underwater Datacenter.
- (2023). Data Centers and Sustainability: Our Journey to Carbon Negative.
- National Renewable Energy Laboratory. (2022). Solar Energy Basics. U.S. Department of Energy.
- Schneider Electric. (2021). EcoStruxure™ for Data Centers: Intelligent infrastructure for sustainable operations.
- Schneider Electric. (2022). AI-driven DCIM for Green Data Centers. White Paper.
- (2022). The Citadel Campus: World’s Largest Data Center Ecosystem.
- (2021). ANSI/TIA-942-B: Telecommunications Infrastructure Standard for Data
- Telecommunications Industry Association.
- Uptime Institute. (2023). AI in the Data Center: Risks, Rewards, and Best Practices. Uptime Institute Intelligence Report.
- Uptime Institute. (2023). Sustainable data centers: Metrics, frameworks and best practices.
- S. Green Building Council. (2021). LEED v4 for Data Centers.
- Vogl, R., & Graham, C. (2020). Sustainable Data Center Design. Wiley & Sons.
- (2022). Trellis™ Platform: Infrastructure Monitoring and Management.
- IEEE Spectrum. (2022). Artificial intelligence for sustainable data centers. IEEE Spectrum, 59(4), 40–45.
- سازمان انرژی‌های تجدیدپذیر و بهره‌وری انرژی برق (ساتبا). (2023). اطلس تابش خورشیدی ایران. وزارت نیرو.
- سازمان هواشناسی کشور. (2023). اطلاعات اقلیم‌شناسی شاهرود.
[i] شاخص PEU نسبتی است که توصیف میکند یک مرکز داده به چه میزان از انرژی استفاده میکند.
[ii] Biomass
[iii] Cooling Optimization
[iv] AI-controlled cooling
[v] Workload Scheduling
[vi] load shifting
[vii] Data Center Infrastructure Management
[viii] High Availability
[ix] Free Cooling
[x] Hot/Cold Aisle Containment
