01
现有设施
用于优化制冷与供电系统的软件。在现有基础设施上、在运营方设定的限值内运行，无需更换设备。
解决方案两大方向
现有设施与新建产能。
02
新建产能
面向人工智能算力的能源基础设施：电力可用性、并网、现场发电、储能与制冷，从选址阶段即作为一个系统统一规划。
能源基础设施挑战
人工智能算力受限于电力供应，而每一兆瓦都要在制冷上再付一次费用。
2×
预计到 2030 年的数据中心用电量。
来源: 国际能源署.
工作方式
从只读接入到自动控制。
01 第 1 周
接入
以只读方式接入楼宇管理系统、电能表和温度传感器。任何厂商，新旧设备均可。
02 第 2–4 周
建模
设施的物理模型：热负荷、气流、冷水机组曲线、电价。
03 第 2 个月
建议
设定值调整，每项均附预期节电量（kWh）及原因。由贵方团队执行。
04 第 3 个月起
控制
在硬性限值内自动控制。运维人员可随时人工接管。
节能估算
基于四个参数的估算。
估算年节省额
¥386.32万 – ¥772.63万
- 年节电量
- 551.88万 – 1103.76万 kWh
- 优化前 PUE / 优化后 PUE
- 1.50 → 1.35–1.43
IT 能耗可节省部分剩余附加能耗
仅为估算。实际节能量在只读阶段测量。查看计算公式 →
原则
每次部署遵循四项原则。
无需更换硬件。
通过现有控制器和电表运行，不受厂商和设备年限限制。
可解释的决策。
在带硬性约束的物理模型上进行优化。每个设定值都附有原因。
限值优先。
温度、湿度和冗余限值由贵方团队设定，绝不为节能而让步。
按效果付费的合同。
费用与经约定基准线验证的实测节能量挂钩。
按角色
Aphelium 对各岗位的意义。
- 改了什么。
- 为什么改。
- 如何回退。
中亚
诞生于炎热、设备多样且快速增长的地区。
炎热
夏季炎热，制冷是主要能耗。
多样
来自众多厂商、跨越数十年的设备。
增长
电价上涨，产能快速增长。