데이터센터 · PUE · 냉방 · 전기

다중 IDC 센터의 PUE·냉방설비 데이터 분석과 EC Fan·외기냉방 최적화

다수 데이터센터의 계측데이터와 층별 PUE를 통합 분석하여 냉방기 운영 이상과 성능열위 설비를 찾고, 고효율 EC Fan 교체·외기냉방·냉각탑 설정온도 최적화의 절감효과와 투자경제성을 검토한 사례입니다.

데이터센터IDCPUEEC Fan외기냉방냉각탑COP

01 · CHALLENGE

현장에서 확인한 주요 과제

다수 센터의 계측데이터 정합성 수준이 서로 달라 데이터 교정과 신뢰도 확보가 선행되어야 했음
층별 PUE 분석에서 특정 전산실 PUE가 1.848로 센터 평균 1.576보다 높게 나타나 냉방 운영의 이상 원인 분석이 필요
일부 냉방기가 냉각 없이 팬만 가동되는 운전상태가 확인되어 불필요한 팬 전력과 PUE 상승 가능성이 존재
냉방기 급기팬, 냉각탑, 냉각수·냉수펌프, 냉동기와 외기냉방의 성능 및 운전방법을 센터별·계절별로 최적화할 필요

02 · DATA

분석에 사용한 데이터

다수 IDC 센터의 전력·냉방설비 계측데이터 및 데이터 정합성 점검 결과
층별 PUE와 냉방소비지수, 전산실별 운전상태
냉방기 급기팬 시범 교체 전·후 소비동력 데이터
냉각탑 설정온도, 냉각수·냉수펌프, 냉동기 및 지원시설 운전데이터
통합 에너지 성능관리 플랫폼을 활용한 주간 단위 운전데이터 분석 결과

03 · BASELINE / MODEL

Baseline 및 예측모델

고효율 EC Fan 시범사업Fan Saving = (Pbefore − Pafter) / Pbefore × 100

방법: 2개 센터 냉방기 급기팬 교체 전·후 소비동력 비교
성능·해석: 팬 소비동력 63.5% 절감 효과를 시범사업에서 확인

EC Fan 확대 적용안성능열위 냉방기 약 400대 × 개선효과

방법: 주요 4개 센터의 성능열위 급기팬 확대 교체 시나리오
성능·해석: 팬 소비동력 약 55% 절감 예상 · 연간 약 11억원 절감 · 소요예산 약 22억원 · 단순 투자회수기간 약 2년

외기냉방 확대안연간 절감액 = 외기냉방 분담률 확대에 따른 냉방전력 감소

방법: 최적 외기냉방 도입방안 및 투자경제성 분석
성능·해석: 연간 약 4.26억원 절감 가능 추정 · 소요예산 약 17.57억원 · 단순 투자회수기간 약 4.13년

PUE 이상구간 진단PUE = Total Facility Energy / IT Equipment Energy

방법: 센터·층·전산실 수준의 PUE 벤치마킹과 냉방기 운전상태 연계 분석
성능·해석: 특정 전산실 PUE 1.848 vs 센터 평균 1.576 · 팬 단독 가동 냉방기가 주요 원인으로 분석

04 · SAVING OPPORTUNITY

1차 절감 잠재량 시나리오

개선 시나리오	Baseline	목표	1차 잠재량
냉방기 급기팬 EC Fan 시범 교체2개 센터 시범사업에서 팬 소비동력 절감효과를 확인	기존 급기팬 운전	고효율 EC Fan 교체	63.5% 실증
성능열위 급기팬 확대 교체팬 소비동력 약 55% 절감 예상 · 투자 약 22억원 · 단순 회수기간 약 2년	주요 센터의 성능열위 냉방기 약 400대	고효율 EC Fan 확대 적용	약 11억원/년 추정
외기냉방 분담률 확대투자 약 17.57억원 · 단순 회수기간 약 4.13년으로 중간보고에서 분석	기존 기계냉방 중심 운전	외기조건에 따른 외기냉방 최적 확대	약 4.26억원/년 추정
팬 단독 가동 냉방기 운영 최적화층별 PUE 이상구간을 설비 운전상태와 연결하여 개선대상 냉방기를 선별	일부 냉방기에서 팬만 상시 가동	운영 적정성 확인 후 불필요 팬 운전 중지	PUE 개선 대상
냉각탑 설정온도 및 냉방설비 성능 최적화냉각탑·냉각수펌프·냉수펌프·냉동기 COP 및 지원시설을 단계적으로 진단·개선하는 계획 수립	센터별·계절별 설정조건 및 성능편차	외기조건별 최적 설정온도와 운전방법	후속 검증

검증 조건

시범 EC Fan 교체는 교체 전·후 팬 소비동력으로 절감효과를 확인했습니다. 확대 적용안과 외기냉방 경제성은 2017년 중간보고 당시의 대상 수량·예산·운전조건을 기준으로 한 추정값입니다. 후속 개선은 계측데이터 정합성을 확보한 뒤 PUE·냉방소비지수·설비별 소비전력과 운전조건을 함께 비교하여 절감효과를 검증하도록 계획했습니다.

자료 기준: 2017 IDC 에너지성능 개선 컨설팅 중간보고 기반 · 고객사명·센터명·내부 플랫폼명 비식별 처리

APPLY TO YOUR SITE

우리 사업장·시설 데이터에도 같은 방식으로 적용할 수 있을까요?

에너지사용량과 주요 영향인자 데이터가 있다면 현재 설비·시스템의 Baseline과 절감 가능성을 함께 검토할 수 있습니다.

에너지 절감 상담 요청하기

전문가 해설과 확장 적용

배경·기술적 맥락

데이터센터는 IT 부하와 냉각·전력 인프라를 분리해 보되 PUE 등 지표와 공기관리, 냉각, 전력계통, 계측을 함께 관리하는 시스템 접근이 중요하다.

Engineering Interpretation

데이터센터에서는 IT 부하가 기준이 되므로 전체 전력만 줄이는 것보다 IT 부하 대비 냉각·전력 인프라의 부가 에너지를 분리해 추적하는 것이 해석에 유리하다.

응용 가능 분야

IDC, HPC, 통신시설 및 고밀도 전산실에서 PUE와 냉각·전력 인프라를 함께 관리하는 방식으로 확장할 수 있다.

M&V 실무 고려사항

향후 성과검증에서는 총 시설전력과 IT Load를 분리하고 냉각부하, 외기조건 및 냉각설비 운전상태를 동일 시간축으로 관리하는 것이 적절하다. PUE 변화는 IT 부하 변화와 함께 해석해야 하며, 개선 전후 비교기간의 부하조건을 명확히 기록하는 것이 중요하다.

Consultant's Point

데이터센터는 총전력 절감보다 IT 부하와 비IT 인프라 전력을 분리해 보는 것이 먼저다. PUE와 냉각·전력계통 데이터를 같은 시간축으로 보면 개선효과의 원인을 더 명확하게 해석할 수 있다.

AI·데이터 활용 확장

시계열 계측데이터가 충분히 축적되는 경우 부하예측, 이상운전 탐지 또는 운전조건 추천을 후속 적용으로 검토할 수 있다. 이는 향후 확장 가능성에 대한 제안이며 원래 CASE에서 AI를 적용했다는 의미는 아니다.

International / External Reference

U.S. Department of Energy, Federal Energy Management Program의 「Best Practices Guide for Energy-Efficient Data Center Design」는 이 CASE와 관련된 시스템 효율화의 일반적 기술 배경을 제공한다. 이 자료는 원래 CASE의 현장 실적이나 Evidence가 아니라 외부 참고자료이다. Reference