[论文解读] Towards a Systematic Survey for Carbon Neutral Data Centers

Zhiwei Cao, Xin Zhou+3 more|arXiv (Cornell University)|Oct 15, 2021

Green IT and Sustainability被引用 7

一句话总结

本文提出了一种多管齐下的框架，通过整合可再生能源渗透、能效提升和余热回收，实现数据中心的碳中和，其核心是基于数字孪生的工业AI系统，可实时优化运行与碳抵消策略。该方法通过技术与政策工具的协同，使数据中心能够实现净零排放，试点应用已证明每年可避免超过250,000吨二氧化碳排放。

ABSTRACT

Data centers are carbon-intensive enterprises due to their massive energy consumption, and it is estimated that data center industry will account for 8\% of global carbon emissions by 2030. However, both technological and policy instruments for reducing or even neutralizing data center carbon emissions have not been thoroughly investigated. To bridge this gap, this survey paper proposes a roadmap towards carbon-neutral data centers that takes into account both policy instruments and technological methodologies. We begin by presenting the carbon footprint of data centers, as well as some insights into the major sources of carbon emissions. Following that, carbon neutrality plans for major global cloud providers are discussed to summarize current industrial efforts in this direction. In what follows, we introduce the carbon market as a policy instrument to explain how to offset data center carbon emissions in a cost-efficient manner. On the technological front, we propose achieving carbon-neutral data centers by increasing renewable energy penetration, improving energy efficiency, and boosting energy circulation simultaneously. A comprehensive review of existing technologies on these three topics is elaborated subsequently. Based on this, a multi-pronged approach towards carbon neutrality is envisioned and a digital twin-powered industrial artificial intelligence (AI) framework is proposed to make this solution a reality. Furthermore, three key scientific challenges for putting such a framework in place are discussed. Finally, several applications for this framework are presented to demonstrate its enormous potential.

研究动机与目标

• 为应对数据中心日益增长的碳足迹，其预计到2030年将占全球排放量的8%。
• 弥合现有对数据中心脱碳化技术与政策工具系统性分析的不足。
• 提出一种整合可再生能源、能效提升与余热回收的综合性、多维度方法，以实现碳中和。
• 引入一种基于数字孪生的工业AI框架，实现实时优化碳排放与能源使用。
• 识别并讨论大规模部署碳中和数据中心的关键科学挑战与实际应用。

提出的方法

• 开发一个数字孪生模型，实时模拟数据中心的物理与IT基础设施，实现闭环控制。
• 整合基于AI的预测分析，利用气象、地理位置与环境数据，实现可再生能源发电量的预测。
• 实施双循环控制回路，使数字孪生系统根据实时数据与预测洞察持续更新运行策略。
• 利用碳市场机制，通过采购碳信用实现成本高效的碳抵消。
• 根据实时碳强度与能源可用性，优化工作负载调度与冷却系统控制。
• 探索将数据中心余热与液化天然气（LNG）再气化工过程集成，以回收冷能并降低冷却负荷。

实验结果

研究问题

• RQ1 数据中心如何通过技术与政策工具的综合运用，系统性地减少碳排放？
• RQ2 数字孪生与AI在实现数据中心能源使用与碳排放实时、数据驱动优化方面发挥何种作用？
• RQ3 如何改进可再生能源预测，以提升数据中心对清洁能源的利用效率？
• RQ4 将数据中心余热与外部系统（如LNG再气化）集成面临哪些技术和运营挑战？
• RQ5 在实现全球部署的背景下，碳中和数据中心解决方案面临哪些关键科学与工程挑战？

主要发现

• 在新加坡试点项目中，数据中心余热与LNG再气化过程的集成，每年可避免超过250,000吨二氧化碳排放。
• 利用AI与数字孪生实现精准的可再生能源预测，可实现对工作负载与冷却系统的主动调控，显著降低碳排放。
• 当与AI优化的能源管理相结合时，碳市场机制可实现成本高效的碳抵消策略。
• 基于数字孪生的工业AI框架可实现实时、闭环的能源与碳排放控制，提升系统整体效率与碳责任透明度。
• 当前余热回收技术对低品位余热效率低下，凸显了与LNG等系统创新集成策略的必要性。
• 所提出的多维度方法——能效提升、可再生能源渗透与余能回收——为2030年前实现碳中和提供了全面路线图。