데이터센터 최적 열환경 제공을 위한 공조시스템 제어 동향 분석

1.1. 연구의 배경 및 목적

인터넷 사용 환경의 발달과 더불어 클라우드 서버, 금융, 통신 등의 데이터 처리를 위해 데이터센터에 대한 수요가 급증하고 있다. 데이터센터는 전 세계 전력 사용량의 2%를 차지하고 있으며 일반건물에 비교하여 40배 이상의 에너지를 소비하고 있는 고밀도 에너지 다소비 건물군에 해당한다. 일반적으로 데이터센터의 서버 장비는 24시간 365일 무중단으로 운영된다. 따라서 발열로 인한 기기 오작동을 방지하기 위하여 지속적인 냉방시스템이 요구되며, 이는 데이터센터 운영에 필요한 에너지의 약 40%를 차지한다 [1].

최근, ICT 장비 냉각에 소비되는 에너지 절감 방안에 대한 관심이 증가함에 따라 그린 데이터센터 및 친환경 데이터센터로의 전환과 클라우드 데이터센터 및 모듈러 데이터센터 구축 등의 노력이 이루어지고 있다. 그러나 국내와 국외의 기술격차는 평균 4년 정도 뒤쳐져 있으며 데이터센터 에너지 효율 측정 지표인 PUE로 보면 국내 평균은 2.66으로 국외 평균인 1.7과 큰 차이를 보인다 [2].

2012년 9월을 시점으로 국내에도 그린 데이터센터 구축 지침이 채택되었다. 주로 효율적인 장비 배치 방법 및 관리 방안, 그리고 구축 방법이 제시되어 있다[3]. 이는 데이터센터의 신축 및 확장을 실시할 때 유용한 지침일 수 있다. 그러나 조사에 따르면 국내 데이터센터의 36%는 리모델링 및 새로운 장비 도입에 대한 투자비용의 부담으로 인해 신축 및 확장에 투자 계획이 없는 것으로 나타났다[4].

이에 따라 기존의 설비에도 적용이 가능하고 장비 교체 및 구입에 대한 부담이 적은 소프트웨어적인 접근을 통한 해결방안이 필요하다. 현재 활용 되고 있는 소프트웨어인 통합 설비 관리 시스템은 관리 및 감시에 기능에 중점을 두고 있다. 이는 서버의 발열량, 실의 온도 등을 체크하여 관리자에게 서버실의 환경에 대한 정보를 전달해줌으로써 이상 상황에 대해 대비할 수 있도록 해준다. 다만, 관리자의 수동적인 선택을 바탕으로 설비를 제어함에 따라 온도 조절의 리스크에 대한 관리자의 부담, 고밀도 가상화에 의한 쿨링 환경 변화 예측 불가로 인해 대부분의 데이터센터는 ASHRAE (American Society of Heating, Refrigerating and Air-Conditioning Engineers) 권장 온도가 아닌 보다 낮은 온도로 시스템을 운영 중이다 [5].

따라서 단순한 운영 관리 방안을 위한 소프트웨어가 아닌, 직접적인 설비 제어가 가능한 소프트웨어 도입을 통한 근본적인 에너지 절감이 필요하다. 이러한 문제점을 극복하기 위하여 다양한 수학적 모델이 제시되고 있다. 그 중 실시간 피드백, 학습으로 인한 정확도 향상 실내 환경 예측이 , 가능한 최적화된 알고리즘을 적용한다면 실내 환경 및 데이터 트래픽에 따른 부하와 에너지소비량 예측이 가능할 것으로 예상된다. 또한 실시간 피드백으로 인하여 이상 상황에 대한 빠른 대응이 가능한 최적공조제어가 가능해 질 것으로 사료된다.

이에 본 연구에서는 기존 국내외 데이터센터 공조시스템의 기술 및 사례와 최신 기술 기반의 데이터센터 공조시스템 동향에 대한 조사를 통하여 보다 낮은 PUE 달성을 위한 공조시스템 제어 방법의 방향성을 제시하고자 한다.

1.2. 연구의 방법 및 절차

본 연구에서는 데이터센터 최적 열환경 제공을 목적으로 각종 문헌과 자료를 통한 이론고찰을 실시하였다. 데이터센터의 현황 파악을 통하여 기존의 공조시스템 및 제어방법의 문제점을 파악한 후 최신 기술 동향 및 실제 사례조사를 실시하고, 비교· 분석을 통해 향후 데이터센터의 최적제어법 개발을 위한 연구의 기반을 마련하고자 하였다.

2.1. 데이터센터의 개념

데이터센터는 서버 장비 및 네트워크 환경과 회선 제공을 목적으로 이를 한 대로 모은 시설을 일컫는다. 통신, 금융, 게임 등 다수의 사람과 정보를 수용함에 따라 고성능, 고밀도의 ICT 장비가 필요하게 되었고 이러한 장비를 항시적으로 운용하기 위한 공조 시설, 전기시설, 소방 시설, 보안 시설 등을 모두 포함한다. 일반적인 데이터센터의 구성요소는 Fig. 1.과 같다[6].

Fig. 1.

Composition of Data Center*UPS: Uninterruptible Power Supply, *PDU: Power Distribution Unit

데이터센터에서 서버는 랙(Rack)에 집적되어 사용된다. 일반적으로 랙당 4~6kW/rack의 밀도가 나타나지만 서버 수요의 증가에 따라 고밀도의 장비가 필요하게 되면서 16~20kW/rack의 랙 까지 나타나고 있다 [6]. 이에 따라 서버 및 시설의 확장은 불가피한 요소가 되었지만 높은 비용으로 인해 중소 규모의 데이터센터에게는 이전이나 신설은 현실적으로 힘든 실정이다. 이러한 경우 서버의 가상화, 설비 효율 개선을 통한 최적화를 진행하거나 콜로케이션, 클라우드 컴퓨팅을 통해 필요한 리소스를 확보하게 된다. 자체적으로 데이터센터를 이용하는 경우에는 평상시에 상시 최적화를 적용하고 있다 [7].

데이터센터의 에너지효율을 평가하는 지표로는 각기 다른 데이터센터와의 비교가 용이하고 에너지 효율을 손쉽게 모니터링 할 수 있는 전력효율지수(PUE, Power Usage Effectiveness)를 기준으로 삼으며 다음과 같이 정의된다.

PUE를 낮추기 위한 기법으로는 고효율 서버장비의 도입, 장비 배치의 최적화, 공조시스템의 효율화, 배터리 측정 시스템의 운영, 가상화 기술 적용 등이 있으며 IT시스템에 사용되는 전력의 비율을 높여 PUE를 1에 수렴하게 하는 것이 최근 데이터센터 최적화 및 신설의 추세이다.

3.1. 데이터센터 냉각단위

데이터센터에서 전력의 경우 예측 및 통제가 용이하지만 공기의 흐름은 정확한 확인이 어려울 뿐만 아니라 실내환경에 영향을 받는다. 이러한 공기의 흐름을 효율적으로 통제하기 위하여 적절한 공조시스템의 설계가 필요하다.

일반적으로 데이터센터의 공조시스템은 실의 냉각을 위하여 사용되며 분배방식은 Table 1.과 같다. 먼저 룸(Room)단위의 경우 CRAC (Computer Room Air Conditioner)은 실 전체에 작용한다. 다수의 에어컨이 병렬적으로 작동하며 덕트, 댐퍼, 벤트를 통해 찬공기를 공급한다. 공기의 흐름을 유도하기 위하여 핫 아일(Hot Aisle), 콜드 아일(Cold Aisle)을 구분하여 랙을 배치하며 이중마루 구조를 통해 랙의 전면부에 찬 공기를 제공하고 후면부의 가열된 공기는 위로 올라가도록 한다. 룸 단위의 설계는 실의 형태, 랙의 배치, CRAC의 위치 등 각 룸의 특징에 의하여 제약을 받으며 전력밀도가 높아질수록 성능의 예측성과 균일성이 떨어진다. 또한 기존의 설계구성에 맞도록 각 요소들이 배치되기 때문에 필요에 따른 증설 및 이동이 어렵다.

Table 1.

Cooling Unit of Datacenter

열(Row)단위의 경우 CRAC은 하나의 열을 담당하여 작동한다. 이때 CRAC은 천장, 이중마루 아래 혹은 랙 사이에 설치되며 공기의 이동 거리가 짧아져 룸 단위 보다 효율성이 좋다. 전력밀도에 따라 열 별로 관리가 가능하며 랙의 배치 형태가 단순하여 냉각 효과를 예측하기 용이하다.

랙(Rack)단위의 경우 CRAC은 하나의 랙을 담당하여 작동한다. CRAC이 랙 모듈에 직접 설치되며 이로 인해 공기의 흐름이 매우 짧고 발열량에 따른 냉각 요구량이 정확하게 파악된다. 룸의 특징에 제약을 받지 않으며 높은 전력밀도에 유리하다. 냉각 효과의 예측도가 높으나 전력밀도가 낮은 경우 다른 방식에 비해 파이프 배선이 많이 필요하다는 단점이 있다 [8].

3.2. 데이터센터 냉각시스템

데이터센터의 냉각단위 설계가 공기 흐름의 효율을 향상시킬 수 있다면 적절한 냉각시스템의 선정은 전력효율을 높일 수 있다. 발열 제거를 위한 냉각방식은 크게 5가지로 나눌 수 있다.

첫째, 일체형 공랭식 시스템은 사이클에 필요한 요소들이 실내에 구성되며 응축코일을 통과한 찬 공기가 장비발열을 제거한다. 효율이 낮아 국내에서는 거의 사용하지 않는다.

둘째, 공랭식(직팽식) 시스템의 냉동사이클은 CRAC외에 실외기를 포함한다. 히트펌프의 원리에 의하여 실외로 열을 배출한다.

셋째, 글리콜냉각 시스템은 글리콜식 CRAC에 건식 냉각기가 결합된 것이다. 공랭식 시스템과 유사하며 냉각 사이클 구성요소가 CRAC에 포함된다. 응축 코일은 열 교환기로 대치되며 열 교환기에는 글리콜이 흘러 냉매로부터 열을 회수한다. 회수된 열은 실외의 건식 냉각기에서 외부로 방출된다.

넷째, 수냉식 시스템은 CRAC에 냉각탑이 결합된 것이다. 글리콜냉각 시스템과 동일하게 냉각 사이클 구성요소가 CRAC에 포함된다. 열 회수에 글리콜 용액 대신 냉각수를 사용하며 냉각탑을 통해 열을 외부로 방출한다. 파이프가 먼 거리까지 연결 될 수 있고 하나의 냉각탑으로 많은 전산실 에어컨 장비 및 기타 장비를 지원할 수 있다는 장점이 있지만 초기투자비용이 많이 들고 관리 비용이 높다는 단점이 있다. 중규모의 데이터센터에 적합하며 외기온도가 시스템에 미치는 영향이 적으므로 안정적인 운영이 가능하다.

다섯째, 중앙 냉수식 시스템은 CRAH (Computer Room Air Handling Unit)과 냉동기가 연결되어 있다. 냉동기는 냉수를 만들어 펌프를 통해 CRAH로 전달한다. 냉수는 IT환경에서 발생된 더운 공기의 열을 회수 하며 다시 냉동기로 돌아가 냉각되는 사이클을 반복한다. 중앙 집중관리에 용이하고 대규모 전산센터에 적합하다는 장점이 있으나 초기투자비용이 많이 들고 별도의 냉동기 설치공간이 필요하다는 단점이 있다 [9].

상기 언급된 다섯 가지의 냉각 시스템과 더불어 외기를 도입하는 이코노마이저(Economizer)방식도 많이 채택되고 있다. 외기를 이용하는 방식으로는 직접 도입하는 방식과 간접적으로 도입하는 방식이 있다.

직접식 외기냉각 시스템(Direct Air side Economizer)은 외기의 온도가 실내 환기온도 보다 낮을 경우 이 둘을 혼합하여 급기하는 방식이다. 외기를 직접 도입하기 때문에 가습장치가 필요하고 필터를 필수적으로 설치해야한다.

간접외기 냉각 시스템(Indirect Air side Economizer)은 서버실에서 순환하는 공기와 외기가 직접 섞이지 않고 열교환매체를 통하여 간접적으로 냉각하는 방식이다. 외기가 직접 도입되지 않아 장비가 대기 오염 물질이나 습도에 노출되지 않는다는 장점이 있지만 외기를 직접 도입하는 시스템에 비하여 관리 요소가 많아지고 열교환기의 설치로 항온항습실의 면적이 증가한다는 단점이 있다 [10].

일반적으로 열을 빼앗는 능력에 있어 물이 공기에 비하여 약 3,500배 뛰어나다고 한다. 이는 물을 이용하는 방식이 전력 효율이 더 좋고 PUE 측정에 있어서도 유리하다는 것을 의미한다. 해외에서는 수냉식 냉각장치를 활발히 도입하고 있으나, IT장비와 물은 상극이라는 인식과 함께 높은 투자 비용 및 리모델링에 대한 부담으로 인하여 국내에서는 주로 규모가 큰 신축 데이터센터에서 중앙 냉수식 시스템을 적용되고 있는 추세이다. 또한 국내의 경우 2010년 이후로 외기 도입 시스템을 채택하여 PUE의 절감을 이루고 있다. 최근에는 기업들이 강원도 지방에 데이터센터를 건설하여 외기를 적극 이용하고자 하는 움직임이 활발하지만 기후적 요인으로 인하여 완전 외기에 의존하는 것이 아닌 냉각 시스템과 혼용되어 사용되고 있다. LG와 네이버 데이터센터의 경우 하절기, 중간기에는 외부 미스트 분사를 통한 증발냉각 효과를 이용하여 외기를 도입하고 있으며 동절기의 경우 냉방기를 가동하지 않고 외기를 도입하여 각각 1.15, 1.09까지 PUE 절감을 달성하였다. 국외의 경우 한랭 기후에 데이터센터를 건설하여 외기를 상시 이용하기도 하지만 그렇지 않은 곳에서는 동절기 혹은 실외온도가 낮은 야간에 외기를 적극 도입하여 장비의 냉각을 실시하고 있다. Table 2., Table 3.은 국내외 데이터센터의 현황을 나타내고 있다 [11].

Table 2.

Case of Domestic Data Center

Table 3.

Case of Worldwide Data Center

4.1. 공조제어 연구동향

데이터센터에서 공조시스템이 차지하는 에너지 소비량의 비율이 높은 만큼 설계적 측면에서 얻을 수 있는 PUE 절감 외에 추가적인 PUE 절감 달성을 위해서는 효율적인 제어시스템이 필요하다. 기존 데이터센터의 냉각 시스템은 랙을 냉각시키고 배출되는 순환공기의 온도를 감지하여 이를 재순환시킨 후 냉각 코일에서 설정급기 온도를 유지시키는 제어 방식을 주로 사용하였다[12]. 그러나 관리자의 수동 제어, 냉각 장비의 독립적인 작동 등에 의하여 생기는 문제점은 에너지의 낭비를 불러일으켰고, 이를 개선하기 위하여 랙 단위의 센서 부착을 통해 얻어지는 데이터를 활용하여 피드백을 기반으로 한 최적 제어 알고리즘을 개발하는 연구가 이루어지고 있으며 이는 Table 4.와 같다 [12~19].

Table 4.

Trends of Data Center Thermal Control

알고리즘의 개발은 제어 기법과 관련된 기술에 의하여 연구되고 있다. Baptiste Durand Estebe(2013)은 PID (Proportional Integral Derivative) 알고리즘을 활용하여 팬의 속도를 조절하는 연구를 실시하였다[19]. Jinzhu Chen(2014)는 PTEC (Predictive Thermal and Energy Control)을 활용하여 머신러닝을 통한 온도 예측과 CPU 사용량 및 내부 온도 측정을 기반으로 한 팬 속도 제어 알고리즘을 통하여 약 34%의 냉방 에너지와 30%의 공기 순환 에너지를 절감할 수 있었다 [17]. Qiu Fang(2014)은 MPC (Model Predictive Control)를 통한 단계적 제어를 활용하여 시뮬레이션을 통해 추가 PUE 절감을 이루었다[16].

4.2. 인공지능 기반 공조제어

인공지능은 수학적 모델을 기반으로 데이터의 피드백을 통한 학습 과정을 거쳐 최적의 결과 값을 도출해 낸다. 이는 제어시스템의 자동화, 예측적응을 통한 정확한 공조시스템 제어를 통해 효율적인 에너지 소비를 가능하게 하여 다양한 분야의 연구에서 활용되고 있다.

이러한 인공지능의 장점을 활용한 데이터센터 공조제어시스템은 주로 해외에서 활발히 연구 및 적용되고 있다. 대표적인 사례로 구글 데이터센터가 있다. 구글은 자체 개발한 인공지능 알고리즘을 데이터센터 냉각 시스템에 적용시켰다. 알고리즘은 매 5분마다 수천 개의 센서에서 보내오는 데이터를 분석 및 학습하여 최적 방안을 도출해 시스템을 자동으로 제어하는데 이는 기존 대비 약 40%의 에너지 절감을 이루었으며 이는 Fig. 2.와 같다[20]. 그 외에 자체적으로 인공지능을 활용하여 제어 솔루션을 제공하는 기업들이 있다. Schneider Electric이나 Vigilent같은 기업은 인공지능을 활용하여 학습을 통해 냉각 시스템을 자동으로 제어하는 소프트웨어를 제공하고 있다. 이는 신설 데이터센터 뿐만 아니라 기존의 데이터센터 설비에도 적용되며 약 40%의 에너지 절감을 보이고 있다 [21].

Fig. 2.

Effect of Machine Learning Control

Onionsoftware, Fujitsu 등의 기업 또한 자동화 관리 시스템을 통하여 최적 제어를 제공하고 있으며 이를 모니터링 시스템과 통합하여 제어의 편의성을 더해주고 있다 [22][23].

국내의 경우 현재까지는 인공지능을 제어 시스템에 활용하는 사례는 보고된 바가 없다. 최근 신축 데이터센터의 경우 PUE가 1.5 이하로 해외 데이터센터에 근접하고 있지만 기후, 규모, 기술력 등의 원인에 의해 추가적인 PUE 절감에 한계를 보이고 있다. 따라서 국내 데이터센터의 조건에 맞는 지능형 제어기술을 활용한 솔루션을 도입하여 냉각 시스템 제어에 있어 추가적인 에너지 절감을 이루어 낸다면 최적 열환경 제공이 가능할 것으로 사료된다.