通信局站PUE案例分析

基于PUE评估通信网络
郭越
【期刊名称】《中国电子商务》
【年(卷),期】2012(000)022
【摘要】本文分析了现在无线网络的能耗来自哪些方面，由于基站的能耗最多，因此对基站的能耗做了更详细的分析与探讨，而后我们又提出了通信机房相关电源使用效率（PUE）的概念与计算，并给出了日均、月均、年均PUE的相关概念、算法和一些用途。

以便为最终达到降耗目的做出了一定的贡献。

【总页数】1页(P16-16)
【作者】郭越
【作者单位】内蒙古大学,内蒙古呼和浩特010021
【正文语种】中文
【中图分类】TN80
【相关文献】
1.基于SEA评估算子的军事通信网络效能仿真评估方法 [J], 石福丽;杨峰;李群;朱一凡
2.基于SLA建模和模糊AHP的军事通信网络系统保障效能综合评估模型 [J], 周云
3.基于IEC 61850智能变电站通信网络的可靠性评估 [J], 徐毅;袁保平;朱学珍;吴文涛;夏轶炜;程思
4.基于区块链的通信网络入侵检测评估方法 [J], 姚杰;吴梅梅;张苑
5.基于区块链的通信网络入侵检测评估方法 [J], 姚杰;吴梅梅;张苑
因版权原因，仅展示原文概要，查看原文内容请购买。

通信局房、基站节能技术分析及探讨林培桂第二设计院导读：随着能源问题的日渐突出，通信服务领域的节能降耗已成为通信企业可持续发展的重要工作内容。

通信运营企业的能耗支出中，电费占有较大比例（超过80%），其中通信机房空调制冷是主要耗电因素。

本文结合通信机房的特点谈一下节能问题。

本课题的研究首先对通信机房电源系统的用电设备及耗电量进行了分析，并深入解析了空气调节系统的原理和基础知识，让设计人员对空调系统及机房热交换设备有一个充分的了解，随后通过一些新的节能技术的探讨以及国内通信运营商节能技术的实际应用和实践经验，让设计人员了解机房节能技术。

摘要随着通信网络规模和用户数量的不断增大，电信运营市场竞争日益激烈。

由于受到国家政策的不对称管制和新技术、新业务的冲击，特别是电缆被盗和灾难损坏造成有线维护成本的增加，固网电信运营商的业务发展和创收日趋困难。

各大电信企业通过挖掘网络潜力、发展新业务，在扩大市场份额和业务种类的同时，特别要想尽一切办法减少运营支出，开源节流来提高企业经营收益。

目前通信机房的节能减耗主要从电源、空调、机房管理等几个方面入手。

关键词通信机房IDC数据中心节能减排PUE值节能技术一、引言信息的时代已经到来，人类社会对沟通的需求不断增加，通信服务提供商（SP/ISP）扩大网络的投入，增加网络的覆盖，从而以期达到任何时间、任何地点、可与任何人沟通的效果。

运营公司的移动基站、接入网站、模块局的数量不断增大，特别是移动基站的数量增加非常迅猛。

据初步统计，电力消耗在各类能源消耗比例中占有绝对比例。

因此，节能减排工作将以节电为重点研究对象，同时关注节地、节材。

为了节约成本，绝大多数的移动基站均采用无人值守，但这些通信基站里的各种电子设备，是需要在一定的温度环境下（基站环境国家标准GB50174-93规定长年基站温度为18℃～28℃），才能长期正常地运行，为了达到基站标准的环境温度，空调长年处于开机状态。

空调的电能消耗对通讯运营公司来说，是一笔很大的开支。

一、背景及意义基站及小机房作为通信设备的重要组成部分，其能效水平对整个通信网络的运营效率和能源消耗等方面有着重要影响。

为了优化基站及小机房的能源利用率，降低运营成本，提高设备可靠性，需要进行全年动态PUE （能源使用效率）分析，并制定相应的方案。

PUE是衡量数据中心及通信设备能源利用效率的重要指标，其定义为总能源消耗（包括设备能耗、冷却能耗以及其他能耗）与设备能耗之间的比值。

通过全年动态PUE分析，可以发现和解决基站及小机房能耗问题，优化能源利用模式，提高能源利用效率。

1.数据采集与监测系统建立数据采集与监测系统，用于实时监测基站及小机房的能耗数据，包括设备能耗、冷却能耗以及其他能耗。

可以使用传感器、仪表等设备对能耗数据进行实时采集，并通过网络传输至监测中心进行存储和分析。

2.分时段数据采集对于全年动态PUE分析，需要在一年的不同时间段对能耗数据进行采集。

可以选择不同的季节、不同的天气条件下进行采集，以获得不同情况下的能耗数据。

同时还需要考虑设备的工作模式和负荷情况等因素，对设备能耗进行准确测量和录入。

3.数据分析与整合将采集到的能耗数据进行分析与整合，计算出全年动态PUE的数值。

可以通过计算每个时间段的总能耗和设备能耗，得到相应的PUE值。

同时，可以进行数据的对比和趋势分析，以发现能耗异常和问题，并制定相应的改善措施。

4.能源利用优化方案根据全年动态PUE分析的结果，制定相应的能源利用优化方案。

可以从设备、冷却系统、能源管理等方面入手，优化设备工作方式和工作负荷，改进冷却系统的效率，制定良好的能源管理策略等。

5.实施和监测根据制定的能源利用优化方案，实施相应的措施，并进行实时监测和评估。

可以采用远程监控技术和智能化管理系统，对基站及小机房的能耗情况进行监测和控制，及时发现和解决能耗问题。

三、总结基站及小机房的全年动态PUE分析方案，可以帮助优化能源利用，降低运营成本，提高设备可靠性。

通过建立数据采集与监测系统，对能耗数据进行分析与整合，制定能源利用优化方案，并实施和监测，可以实现对基站及小机房能源利用效率的全面优化。

PUE1.3，也许只是另⼀场游戏的开始上海出台了更苛刻的政策，是的，新建数据中⼼PUE不能超过1.3，即便是改建的互联⽹数据中⼼也要⼩于1.4.《上海市推进新⼀代信息基础设施建设助⼒提升城市能级和核⼼竞争⼒三年⾏动计划（2018-2020年）》的通知中关于基础设施的要求：推进数据中⼼布局和加速器体系建设。

统筹空间、规模、⽤能，加强长三⾓区域协同，布局⾼端、绿⾊数据中⼼，新建机架控制在6万个，总规模控制在16万个。

推动数据中⼼节能技改和结构调整，存量改造数据中⼼PUE不⾼于1.4，新建数据中⼼PUE限制在1.3以下。

开展计算资源布局规划和资源配置⽅案研究，实施技术试验及模式研究。

依托数据中⼼布局，建设基于中央处理器（CPU）、图形处理器（GPU）等的计算中⼼，⾯向⼈⼯智能的计算加速资源占新增数据中⼼机架总量的50%。

（图⽚来⾃⽹络）这些年来，从PUE1.5到1,4，再到这次的1.3。

北京、上海陆续交替出台的限制政策，折射出当地政府对于数据中⼼发展的微妙态度。

之所以说这次的要求更“苛刻”，是因为PUE的降低可不是⼀纸发⽂就能搞定的，它的背后牵扯到数据中⼼产业链的⽅⽅⾯⾯。

甚⾄可能会在不久的将来深刻改变产业格局。

据笔者了解，⼤部分国内正在运营的超过5年以上的数据中⼼PUE都在2.0以上。

少部分新建数据中⼼可以达到1.4甚⾄1.3的⽔平。

（可参考旧⽂：⼗年过去了，PUE，现在还剩下多少利⽤价值？）不过请⼤家注意，这⾥的数字是在特定情况下的测量数据。

是有很⼤的“⽔分”在⾥⾯，⽐如冬天测试，⽓温低不需要花费很多能耗⽤来给服务器降温；⽐如业务还没上线，⼤部分设备都在空转甚⾄关机。

据公开资料显⽰，三年前阿⾥在张北建造的数据中⼼，设计PUE也才1.25。

⽽张北的年平均⽓温（2.6度）⾜⾜⽐上海（17度）低了⼗多度。

由此可见这个1.3的标准有多⼤难度了。

当然，如果只是要求最低PUE的话，还是有很多办法可以做到的。

那么PUE这个东西到底受到哪些因素的制约。

数据中心PUE值剖析案例研究娄洁良【摘要】PUE值是衡量数据中心能源有效利用率的指标。

文中通过对某数据中心PUE值进行剖析案例的研究,得到了在建设和运营数据中心时节能方面的一些启示。

%PUE value is used to measure the energy efficiency in data center.This paper analyzed the PUE of a data center in detail,and got some inspiration in saving energy in construction and operation of data center.【期刊名称】《通信电源技术》【年(卷),期】2012(029)005【总页数】3页(P53-55)【关键词】PUE;空调;UPS;节能【作者】娄洁良【作者单位】中围电信上海公司信息网络部,上海200085【正文语种】中文【中图分类】TP3080 引言绿色节能是数据中心的发展趋势，为了衡量数据中心的能源有效利用率，2007年2月非赢利的第三方机构绿色网格组织（GREEN GRID）提出了PUE（Power Usage Effectiveness）值的概念，并在业界予以推广。

PUE值被定义为：PUE＝数据中心总功率／IT总功率。

这是一个大于1的数值，因为数据中心总功率一方面包含了IT设备正常运行消耗的功率，另一方面还包含了为支持IT设备的正常运行，机房所配置的基础设施消耗的功率。

PUE越低，意味着数据中心的节能效果越好。

从这个定义看，PUE的提出基于下列思路：IT设备的节能问题由设备厂商来解决。

作为数据中心的建设和运营方，主要考虑机房基础设施层面的节能问题，即在不改变IT设备情况下，提高电能使用效率。

尽管从PUE的定义看，功率是某一时间点的概念，即PUE值只是某一特定工况下的能效指标，但业界普遍采用一段时间内的总电量和IT设备的耗电量之比来计算PUE值，可以近似等同于动态PUE值的算术平均，不失为一种务实可操作的方法。

分析数据中心机房PUE值偏高问题及解决方案一、冷却成为数据中心最有价值计划随着电子信息系统机房IT设备高度的集成化，其能源效率偏差以及机房散热量日渐趋高的现象开始受到了各界强烈关注。

据权威部门统计，我国高端服务器集中的通信行业耗电在2007年就已达到200亿度以上，信息产业俨然已经成为一个高能耗行业。

而服务器又是现在数据中心机房的核心，并且24小时运行。

以我国服务器保有量为200万台，按每台服务器平均功耗400瓦，每年的耗电总量约为80亿千瓦时。

根据中国电信节能技术蓝皮书所载，一般机房内芯片级主设备1 W 的功耗会导致总体耗电量达到2.68-2.84W，而其中机房空调冷却系统的耗电量约占机房总能耗的40%。

由绿色网格组织（Green Grid）所提出的电力效率指标P U E 数值（ Power Usage Effectiveness）是通过计算机房的总能耗与所有IT主设备能耗的比值而得出的。

故可估算上述机房的PUE值至少为2.68-2.84。

由此推算，我国数据中心机房消耗到空调冷却系统的能量至少为84亿千瓦时。

这也就意味着为服务器提供冷却的机房空调系统能耗大约能达到我国空调设备每年总能耗1/4！据称：Google公司的数据中心PUE年平均值可以达到1.21，中国Hp的新一代数据中心体验中心机房夏季PUE值可以达到1.6-1.7。

这一指标如何实现？据美国电力转换公司APC最近的统计数据显示，数据中心的冷却成本大约占总能源账单的50%。

而国际组织Uptime Institute指出，由于数据中心机房内气流不适当，用于冷却的冷空气有60%都浪费了；数据中心的过度冷却（overcooling）差不多达到实际需求的2倍，目前多数机房存在过度冷却问题，相应的机房空调机组耗能也比设计工况增加耗电50%以上，最终造成机房居高不下的高额运行费用。

故此——优化数据中心冷却是排在第一位的最有价值的绿色计划！二、数据中心高效节能冷却解决方案由于现代电子信息系统机房中的空调负荷主要来自于计算机主机设备、外部辅助设备的发热量，其大约占到机房空调总负荷的80~97%；而在服务器、存储、网络等主设备中服务器的份额又大约占到设备散热量的80%。

5G SA 共享场景下分运营商下发测量频点，解决EPSFB 回落失败问题XX目录5G SA 共享场景下分运营商下发测量频点，解决EPSFB 回落失败问题 (3)1背景 (3)1.1当前EPS FB 问题说明 (3)1.2NG-RAN 至E-UTRAN 语音回落 (6)2方案实施 (6)2.1方案介绍 (6)2.2方案验证 (7)3总结与推广 (11)5G SA 共享场景下分运营商下发测量频点，解决 EPSFB 回落失败问题XX【摘要】当前XX电信5G 已经实现全面共建共享，当前正在对5G 各项业务进行全面优化和测试验证，为保障各项业务正常使用合肥电信积极进行4/5G 互操作业务验证和相关问题分析，在测试语音业务EPS FB 功能时发现当5G 侧配置了电信联通4G 回落频点时EPS FB 成功率相对仅配置电信4G 回落频点时下降明显。

本课题研究SA 共享场景下分运营商下发频点策略及对语音和数据业务的验证总结【关键字】5G、SA、EPS FB、分运营商下发频点【业务类别】5G SA1背景1.1当前EPS FB 问题说明在测试语音业务EPS FB 功能时当仅配置单运营商4G 回落频点（NRCELLEUTRANNFREQ）时，当仅配置电信单运营商频点时EPS FB 成功率在99%以上，后续增加联通侧4/5G 互操作参数配置并添加联通4G 回落频点后各运营商EPS FB 成功率仅40%左右下降明显，需分析原因。

现网频点配置如下：电信SA 用户测试时测量配置下发6 个频点，当电信联通测量优先级相当时下发的第一个频点为联通的1650 频点，当终端测量信号为1650 频点时，导致EPS FB 失败。

详细说明如下：当终端上报测量结果为1650 频点时，切换请求被网络侧拒绝，EPS FB 转为重定向，重定向频点为1650，该频点电信终端无法驻留，导致EPS FB 失败。

当终端上报测量结果为1800 频点时，EPS FB 切换正常。

电源与节能技术的通信机房能效评测方法研究张威1，黄立丽2110000；2.中国联合网络通信有限公司沈阳市分公司，辽宁新时代发展背景下，通信机房能效应当以电源使用效率（Power Usage Effectiveness，PUE）值作为主要衡量标准，注重能耗与效率的优化革新，充分承担数字经济绿色发展的重要使命。

PUE况和评测机房能效功率标准的重要指标。

简要阐述通信机房中PUE的定义和计算公式，初步分析基于机房能源消耗分布与共享系统的测量与分摊计算，然后提出了基于PUEResearch on Energy Efficiency Evaluation Method for Communication RoomBased on PUEZHANG Wei1, HUANG Lili.Liaoning Post and Telecommunications Planning and Design Institute Co., Ltd., Shenyang.China United Network Communications Co., Ltd., Shenyang Branch, ShenyangAbstract: In the context of the development of the new era, the energy efficiency of communication rooms should· 97 ·的能耗越多[5]。

依据PUE 值评测的通信机房效率评级，如表1所示。

PUE 数值评价指标衍生出了2个新的指标，即制冷负载系数（Cooling Load Factor ，CLF ）和供电负载系数（Power Load Factor ，PLF ）。

CLF 包括通信机房中冷却塔、冷却器、机房空调以及关键泵等基础设施消耗的功率与IT 设备电能消耗的比值。

PLF 包括开关设备、不间断电源、配电专职等电能消耗与IT 设备电能消耗的比值。

数据中心局部PUE的测量与计算郭佳哲;张海涛【期刊名称】《移动通信》【年(卷),期】2016(040)010【摘要】PUE是衡量数据中心能效的重要指标，重点介绍了数据中心在实际工程建设过程中，局部PUE计算过程中各部分能耗的测量和计算方法，并以一个典型的数据中心中应用了行级空调和热管背板两种新型制冷方案的微模块为案例，分别计算出了其局部PUE。

%PUE is one of the important indicators to measure data center energy efifciency. The paper mainly introduced how to measure the energy consumption of each part in data center and calculate the partial PUE in the actual engineering construction process. With the examples of two micro modules in a typical data center which apply two kinds of new cooling solutions, in-row air-conditioner and heat pipe backboard air-conditioner, the partial PUEs were respectively calculated.【总页数】4页(P54-57)【作者】郭佳哲;张海涛【作者单位】中国移动南方基地，广东广州 510000;中国移动南方基地，广东广州 510000【正文语种】中文【中图分类】TP335【相关文献】1.长春市某数据中心PUE值的计算及分析 [J], 吴晓晖2.绿色数据中心加权平均PUE概念的提出与计算 [J], 傅烈虎;和小伟;丁麒钢;曹播3.参观IBM亚太区最大绿色数据中心数据中心实现PUE1.25的秘诀 [J], 陈翔4.数据中心机房空调系统的PUE值计算 [J], 侯士彦;钟景华5.降低数据中心机房PUE值的方法--降低企业数据中心机房运维成本 [J], 陈光文因版权原因，仅展示原文概要，查看原文内容请购买。

（E）GPRS案例分析东区数据超忙小区计算方法以及现网情况分析1分析目的 (2)2分析方法 (2)3分析数据 (2)3.1 分析数据范围 (2)3.2 分析数据工具 (2)3.3 参与人员 (2)3.4 数据分析 (2)3.4.1 “数据超忙”的标准探讨 (2)每时隙TBF数 (3)PDCH利用率 (3)3.4.2 “数据超忙”的合理定义 (3)3.4.3 “数据超忙”分类解决手段 (3)3.4.4 (E)GPRS信道配置算法探讨 (4)坎贝尔方法 (5)基于PDCH利用率和数据拥塞率的估算方法 (5)基于TBF统计的估算方法 (5)3.4.5“数据超忙“的现状 (5)历史数据 (5)目前状况 (6)4 分析结论： (6)附件1：《数据超忙公式报告》 (7)附件2：《东区全网资源利用率情况》 (7)附件3：《基于TBF统计的(E)GPRS信道配置算法》 (7)附件4：《10月31日东区数据超忙小区清单》 (7)附件5：《10月30日TBF延时释放参数调整效果》 (7)1分析目的自08年BMCC EDGE网络大面积建设以来，网络数据量大量增加，导致现网的数据业务繁忙小区也大量增加。

为了更加合理的“投放“资源，我们进行了大量的研究和试验，分析了NSN和Moto的利用率公式之间的区别，从而制定出了适合东区（NSN 设备）的更加合理的超忙定义标准，并得出相应的解决方案。

2分析方法分析方法：通过统计中的PS信道利用率、每时隙TBF数、数据量、数据硬拥塞率、数据硬拥塞次数，来计算出每天出现的超忙小区。

经过对超忙小区的分类，得出各种超忙情况的解决手段，并根据统计估算的方法得出最终的信道配置算法。

3分析数据3.1 分析数据范围分析数据的范围为 BMCC 全网216个BSC下的所有小区；分析数据的时间为10月30日和10月31日，11月1日-12日。

3.2 分析数据工具涉及7个OSS的统计提取与数据分析的工具有：EGPRS KPI SQL Script、BJPMDB、EGPRS KPI Analyze.accdb、gprs db.mdb。