3개 센터 합산 전력사용량
DATA CENTER · PUE · REAL-TIME DIAGNOSIS · COOLING OPTIMIZATION · IPOS
다중 데이터센터 PUE·냉방효율 실시간 진단 및 IPOS 성능최적화
다수 IDC의 전체전력·IT전력·냉방전력과 냉방기·냉동기·냉각탑 운전데이터를 통합하여 PUE, 냉방효율, 냉방기효율을 진단하고, 과냉·가동대수·설정온도·Free Cooling· 냉각수계통과 설비효율을 지속적으로 최적화하는 데이터센터 성능개선 플랫폼 구축 제안 사례입니다.
01 · BASELINE
기존 에너지성능과 PUE 구조
3개 센터 합산 전력비
IT 장비 연간 전력소비량
보고서 기준 3개 센터 평균
02 · COOLING CAPACITY
냉방능력 대비 평균 냉방부하와 가동대수
| 항목 | 3개 센터 합산 | 진단 의미 |
|---|---|---|
| 설치 냉방기 | 594대 | 다수의 냉방기가 병렬로 구성된 대규모 IDC |
| 냉방능력 | 14,890 RT/h | 설치 냉방능력 |
| 평균 냉방부하 | 3,154 RT/h | 평균부하 기준 설치 냉방능력 대비 약 21% |
| 평균부하 기준 필요가동대수 | 132대 | 가동대수·부하율 최적화 검토 기준 |
| 설치대수 대비 여유 | 462대 | 철거대수 의미가 아니라 수요대응 가동대수 최적화 여지를 보여주는 지표 |
03 · WHY DATA QUALITY MATTERS
센터별 계측환경 차이부터 정리해야 정확한 최적화가 가능
보고서에서는 센터별 전력·온도 데이터의 저장주기가 1분, 15분, 1시간 등으로 서로 다르고, 일부 센터에는 냉방기별 소비전력이나 펌프전력, 냉방기 출구온도 데이터가 부족한 것으로 정리했습니다. 따라서 추가계측과 기존 센서 Calibration, 데이터 정합성 검증을 성능개선의 선행조건으로 제안했습니다.
04 · PERFORMANCE DIAGNOSIS
PUE만 보지 않고 냉방효율과 기기효율을 함께 진단
| 성능지표 | 정의 | 활용 |
|---|---|---|
| PUE | 전체 사용전력 ÷ IT 장비 사용전력 | 센터·층별 인프라 에너지성능 비교 · 낮을수록 유리 |
| 냉방효율 | 냉방전력소비 ÷ IT 서버 전력소비 | IT 부하 대비 냉방 전력수준 진단 · 낮을수록 유리 |
| 냉방기효율 | 냉방에너지 공급 ÷ 냉방기 전력소비 | 개별 냉방기·냉동기 효율 진단 · 높을수록 유리 |
| UPI / DRE / ERE / TCE | 종합성능 / 가동효율 / 기기효율 / 제어효율 | 가동대수·설비상태·제어상태의 문제원인을 분리해 조치 |
05 · OPTIMIZATION ITEMS
주요 성능최적화 항목
| 영역 | 최적화 내용 |
|---|---|
| 과냉 방지 | Zone별 설정온도와 실제 전산실온도 비교, 센서 Calibration, 부분 과냉구역 조치 |
| 가동대수 | IT 부하와 냉방부하에 맞춰 냉방기·냉동기 가동대수와 우선순위 조정 |
| Free Cooling | 외기조건과 층별 부하를 고려해 외기냉방 전환기준과 운전방법 최적화 |
| 냉동기 효율 | 냉매·압축기·열교환기 상태 및 COP, 설정온도, 부하분담 최적화 |
| 냉각수 계통 | 냉각탑·냉각수펌프·냉수펌프 유량·온도·가동대수 최적화 |
| Hot Spot / Air Flow | 공기유동성, 다공판·공급덕트·하부구획 등 전산실 냉기 분배 개선 |
| 지원시설 | 센터별 지원시설 소비지수 분석 및 전력계약조건 검토 |
06 · CONTINUOUS PLATFORM
일회성 진단이 아니라 지속 성능개선 플랫폼 구축
| 단계 | 주요 수행내용 |
|---|---|
| 1. 현장조사 | 냉방시스템/설비 DB 작성, 기존 계측기 및 추가계측 소요 확인 |
| 2. 데이터 기반구축 | 계측기 설치지원, 데이터연계, 정합성 검증, 센서 Calibration |
| 3. IPOS 구축 | 센터통합 모니터링, PUE·냉방효율·냉방기효율 진단, 트렌드·상관관계 분석 |
| 4. 운전최적화 | 가동대수·설정온도·Free Cooling·냉각수계통·고효율설비 우선운전 |
| 5. 반복개선 | 데이터분석 → 문제점 확인 → 개선활동 → 결과확인을 반복 |
| 6. 기술축적 | 성능개선 과정 공유, 운영인력 교육 및 자체 최적화 역량 강화 |
보고서 내 실시간 진단주기는 일부 페이지에서 5분과 15분으로 다르게 표기되어 있어, 공개페이지에서는 특정 주기를 단정하지 않고 “실시간 성능진단”으로 표현했습니다.
07 · TARGET PERFORMANCE
제안된 성능개선 목표
| 구분 | PUE | 연간 예상 절감량 | 연간 예상 절감액 | 냉방에너지 절감률 |
|---|---|---|---|---|
| 2017 추정 기준 | 1.77 | - | - | - |
| 24개월 1차 목표 | 1.70 | 6.5 GWh/년 | 약 7.53억원/년 | 8.81% |
| 중장기 목표 | 1.65 | 11.3 GWh/년 | 약 13.1억원/년 | 15.3% |
1.70과 1.65는 제안서에서 제시한 성능개선 목표이며, 실제 개선 완료 후 검증된 PUE나 절감량이 아닙니다. 홈페이지에서도 “예상 절감량/목표”로 표시했습니다.
08 · QUICK WIN
전력 계약조건도 데이터센터 비용최적화 대상
보고서에서는 한 센터의 계약전력이 실제 Peak와 요금적용전력에 비해 높은 점을 확인하고 계약전력 조정을 통해 연간 약 1.67억원의 비용절감 가능성을 제안했습니다. 이는 냉방효율 개선과 별개의 전력요금 최적화 항목입니다.
09 · M&V
PUE 개선성과는 IT 부하와 외기조건을 함께 보정해 검증
데이터센터 전력은 IT 부하와 외기온도에 크게 영향을 받으므로, 기준기간의 Facility 전력·IT 전력·외기온도·냉방운전조건을 확보하고 개선기간의 동일 지표와 비교해야 합니다. 계측주기와 센서 정합성을 통일한 뒤 센터·층별 PUE, 냉방효율, 냉방기효율을 함께 검증하는 것이 적절합니다.
자료 기준: 국내 데이터센터 운영사의 다중 IDC 에너지성능개선 사업제안 · 실제 고객사명·센터명·개인명·조직정보·세부 계약/예산정보는 비식별 처리
DATA CENTER · PUE · COOLING PERFORMANCE · REAL-TIME OPTIMIZATION
데이터센터 성능개선은 PUE 한 숫자보다 냉방효율의 원인을 실시간으로 분해하는 것이 중요합니다.
IT부하·PUE·냉방전력·설비효율·외기조건을 함께 분석하면 과냉, 불필요 가동대수, Free Cooling과 냉동기/냉각수계통의 개선기회를 구체화할 수 있습니다.