توسعه مراکز داده پایدار نیازمند رعایت اصول و استانداردهایی است که به بهینه‌سازی مصرف انرژی، کاهش تأثیرات زیست‌محیطی، ارتقا 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 توسعه مراکز داده پایدار می‌پردازیم.
استفاده از انرژی‌های تجدیدپذیر در مراکز داده پایدار
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 بسوی انرژی‌های پاک نه تنها برای کاهش اثرات زیست‌محیطی بلکه برای پایداری اقتصادی و برندینگ سبز سازمان‌ها حیاتی است.
انرژی خورشید در مراکز داده پایدار
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 بویژه 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 مزرعه خورشیدی ۱۸۰ مگاواتی تأمین می‌کند. بکارگیری از پنل‌های فتوولتائیک در کنار مرکزداده، امکان کاهش وابستگی به شبکه برق را فراهم کرده و به کاهش سالانه ۲۶۵ هزار تن گاز CO2 می‌انجامد.
انرژی باد در مراکز داده پایدار
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. (شاخص PEU نسبتی است که توصیف می‌کند یک مرکز داده به چه میزان از انرژی استفاده می‌کند)
انرژی آب در مراکز داده پایدار
در کشورهایی که دارای منابع آبی جاری هستند، بهره‌گیری از نیروگاه‌های برق‌آبی بعنوان یک روش مؤثر برای تأمین برق پایدار مراکز داده بشمار می‌آید. البته این روش به‌دلیل وابستگی به منابع آبی محدودیت‌هایی دارد. همچنین این منابع آبی می‌تواند بعنوان یک راهکار برای تامین سرمایش مرکز داده قرار بگیرد. طرح مرکز داده Kolos در نروژ با هدف استفاده از منابع برق‌آبی پایدار طراحی شده بود. اگرچه پروژه اجرایی نشد، اما طراحی آن بر پایه مصرف بیش از ۱ گیگاوات برق پاک و استفاده از سرمایش با آب سرد طبیعی انجام گرفته بود.
انرژی ژئوترمال و زیست‌توده در مراکز داده پایدار
در مناطقی که منابع انرژی زمین‌گرمایی وجود دارد، می‌توان از انرژی حرارتی اعماق زمین برای تأمین گرمایش یا حتی تولید برق بهره گرفت. همچنین انرژی زیست‌توده (Biomass) از پسماندهای کشاورزی یا شهری بعنوان یک منبع مکمل قابل استفاده است. مرکز داده گرین مانتین (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 موثری 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 شود، همچنین بهره‌برداری هوشمند از مراکز داده بصورت ماژولار نقش مهمی در استفاده بهینه از فضا و منابع دارد که در کنار استفاده از مصالح سبز و طراحی‌های سبز مانند استفاده از شیشه‌های با مقاومت حرارتی بالا، عایق‌های حرارتی و سیستم‌های تهویه طبیعی، تاثیرات زیست‌محیطی را کاهش می‌دهد.
هوش مصنوعی بعنوان ابزاری قدرتمند برای مدیریت هوشمند انرژی، در حوزه‌های مختلف مراکز داده بکار گرفته می‌شود. در این زمینه از راهکارهای گوناگونی بهره گرفته می‌شود:
بهینه‌سازی سرمایش و تهویه (Cooling Optimization)
ابزار هوش مصنوعی با تحلیل داده‌های لحظه‌ای از حس‌گرهای دما، رطوبت، جریان هوا و بار تجهیزات، بهترین تنظیمات برای سیستم سرمایش را پیشنهاد می‌دهند یا بصورت خودکار اعمال می‌کنند. الگوریتم‌های یادگیری ماشین می‌توانند پیشبینی کنند چه زمانی دمای اتاق سرور بالا می‌رود تا زودتر اقدام کنند. گوگل با استفاده از سیستم 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 (AI-controlled cooling).
مدیریت بار کاری و توزیع پردازش (Workload Scheduling)
هوش مصنوعی بار پردازشی سرورها را بگونه‌ای تنظیم می‌کند که توزیع بار یکنواخت شود، در زمان اوج مصرف بارهای غیر ضروری را جابجا کرده یا بطور بهینه بین سرورها توزیع می‌کند. حتی ممکن است بخشی از پردازش به مرکز داده دیگر یا بالاتر (load shifting) منتقل شود. 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 بر اساس الگوی مصرف و رفتارشان پیشبینی و از افزایش مصرف انرژی ناشی از عملکرد تجهیزات معیوب جلوگیری کنیم. این سازوکار به جلوگیری از ناکارامدی تجهیزات و خارج کردن به موقع تجهیزات فرسوده از مدار و ارتقا PUE بصورت بلند مدت کمک می‌کند.
سناریوهای هوشمند بهینه‌سازی مصرف انرژی در مراکز داده پایدار
نرم‌افزارهای مدیریت زیرساخت مرکز داده (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. بعنوان نمونه نرم‌افزار EcoStruxure IT Expert با قابلیت‌های ارائه شده توسط هوش مصنوعی، می‌تواند سناریوهای بهینه مصرف انرژی را شبیه‌سازی کرده و از طریق تحلیل داده‌های محیطی و الکتریکی، اقدامات اصلاحی را پیشنهاد دهد.
در مرحله 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 توسعه پایدار کمک می‌کنند، عبارتند از:
معماری ماژولار: طراحی مراکز داده بصورت ماژولار، این امکان را فراهم می‌آورد که مرکز داده بگونه‌ای تدریجی و مطابق با نیازها گسترش یابد. این رویکرد موجب کاهش مصرف انرژی اولیه، بهره‌وری 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 (Hot/Cold Aisle Containment) یا سرمایش طبیعی به کاهش نیاز به سرمایش مکانیکی کمک می‌کند. این طراحی‌ها باعث بهینه‌سازی مصرف انرژی سرمایشی و کاهش هزینه‌ها در مراکز داده پایدار 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. بعنوان 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 بمعنای 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، سیستم‌های 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 بگونه‌ای باشد که در برابر حوادث طبیعی یا انسانی مقاوم باشند که شامل ایجاد نسخه‌های پشتیبان، منابع تامین انرژی اضطراری و طرح‌های مدیریت بحران است. در صورت وقوع حادثه، سیستم‌های مجهز به هوش مصنوعی می‌توانند اقدامات اضطراری از پیش تعریف شده مانند انتقال بار به ماژول دیگر یا فعال‌سازی منابع پشتیبان را بطور خودکار اجرا کنند.
حفظ عملکرد در شرایط متغیر: از جمله عوامل موثر در تاب‌آوری و دستیبابی به مراکز داده پایدار، تضمین پایداری و عملکرد مراکز داده در شرایط مختلف محیطی، مانند تغییرات دما یا نوسانات در شبکه انرژی است. هوش مصنوعی می‌تواند با درک شرایط محیطی مانند گرد و غبار یا نوسان دمای شدید نسبت به تطبیق رفتار تجهیزات بر اساس شرایط محیطی اقدام و ریسک خاموشی یا خرابی را کاهش دهد، بعنوان نمونه در طراحی شهرک مرکز داده شاهرود که فناپ زیرساخت ساخت آن را برعهده دارد، قرار است با بهره‌گیری از منابع متنوع تامین انرژی از جمله ژنراتورهای کم مصرف، طراحی سیستم بازیابی در شرایط بحرانی و افزایش دسترس‌پذیری (High Availability) و رعایت الزامات امنیت فیزیکی و اطلاعاتی حداکثر شرایط تاب‌آوری مراکز داده در شرایط بحران فراهم شود.
استانداردها و مقررات برای توسعه مراکز داده پایدار
پایش خودکار شاخص‌های استاندارد: هوش مصنوعی می‌تواند شاخص‌هایی نظیر DCiE، WUE، PUE و GHG را بصورت 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، سیستم 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 ارتقا 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 مراکز داده پایدار و حفاظت از محیط‌زیست کمک می‌کنند.
شهرک مرکز داده شاهرود، الگویی از یک زیرساخت سبز و هوشمند
باگسترش روز افزون نیاز به خدمات پردازشی، ذخیره‌سازی و تبادل اطلاعات، توسعه مراکز داده پایدار و مدرن به ضرورتی گریزناپذیر برای کشور تبدیل شده است. در همین راستا فناپ زیرساخت برپایه تفاهم‌نامه 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 بر اساس اصول توسعه پایدار است.
شهرک مرکز داده شاهرود، به واسطه موقعیت جغرافیایی خود، از پتانسیل قابل توجهی در زمینه استفاده از انرژی خورشیدی برخوردار است که با طراحی سیستم تامین برق بصورت هیبرید (برق شهر + خورشیدی + ذخیره ساز باتری) و نصب صفحات خورشیدی بر روی سقف مراکز داده، محوطه شهرک یا حتی احداث نیروگاه خورشیدی در مجاورت شهرک می‌تواند سهم بسزایی در کاهش استفاده از سوختهای فسیلی جهت تامین انرژی مورد نیاز شهرک داشته باشد.
همچنین با توجه به اقلیم نیمه خشک منطقه شاهرود استفاده از سرمایش طبیعی در شب و فصول سرد (Free Cooling)، استفاده از چیلرهای با COP بالا و ترکیب آن با سیستم‌های In-Row یا سرمایش مایع و به کارگیری راهکارهای مدیریت هوای گرم و سرد (Hot/Cold Aisle Containment) می‌تواند نقش مهمی در پیاده‌سازی سامانه سرمایش پایدار و هوشمند داشته باشد.
فناوری محور بودن مرکز داده از جمله اصول طراحی شهرک مرکز داده شاهرود است در این راستا تلاش می‌شود با پیاده‌سازی سیستم‌های هوشمند مدیریت زیرساخت مرکز داده و استفاده از هوش مصنوعی در بهینه‌سازی سیستم‌ها 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 برای راه‌اندازی مراکز داده پایدار فراهم شود.
منابع:
• Apple Inc. (2023). Environmental Progress Report 2023.
• ASHRAE. (2021). Thermal Guidelines for Data Processing Environments (4th ed.). American Society of Heating, Refrigerating and Air-Conditioning Engineers.
• Facebook. (2022). Luleå Data Center: The Arctic Home for the Internet.
• Google. (2023). Our data centers now use AI to manage cooling.
• Google. (2022). Google Data Centers: Efficiency and Sustainability.
• Green Mountain. (2022). Green Mountain Data Center – DC1-Stavanger
• Huawei. (2021). iCooling@AI White Paper. Huawei Technologies Co., Ltd.
• IBM. (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.
• Microsoft. (2021). Project Natick: Microsoft’s Underwater Datacenter.
• Microsoft. (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.
• Switch. (2022). The Citadel Campus: World’s Largest Data Center Ecosystem.
• TIA. (2021). ANSI/TIA-942-B: Telecommunications Infrastructure Standard for Data
• Centers. 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.
• U.S. Green Building Council. (2021). LEED v4 for Data Centers.
• Vogl, R., & Graham, C. (2020). Sustainable Data Center Design. Wiley & Sons.
• Vertiv. (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.
این مقاله دوم اردیبهشت 1404 در ماهنامه صنعت هوشمند منتشر شد.
