施耐德StruxureWare DCIM推出的制冷优化软件模块，通过利用行业领先的人工智能技术，对数据中心制冷提供智能监测和动态控制，进而实现在整个数据中心生命周期内高可用性和高能效间的完美平衡。制冷优化可自动识别并消除热点，同时还带有 全方位综合性报表和工具，实现运行管理 的简化。制冷优化可准确为有需求的地方进行冷却。 通过精细复杂和基于人工智能的技术来监 控数据中心环境并随需而动，通过这种先进的管理工具，能 够节省40%的制冷能耗，并自动消除高达95%热点。深度自我学习的制冷优化（Cooling Optimize）模块是DCIM系统中最为精密复杂的代表，旨在弥合制冷设备容量输出与IT需求之间的差距。从而使得制冷设备可以按需分配给IT设备制冷容量，达到降低热点以及提高效率的完美平衡。

    那么制冷优化的工作机制是怎样的呢？StruxureWare制冷优化软件模块通过动态控制制冷设备，确保机柜进风温度维持在客户期望设定点，优化制冷资源。它应用先进的人工智能引擎机制控制，监测环境状态，并自动调整分配制冷资源，满足IT热负载需求。

    上图为制冷优化的闭环工作模式，它可以在运行中自我学习，确保制冷始终处于优化模式。无线传感器部署在数据中心的IT机柜或通讯交换机房的交换设备上， 用以监测进风温度以及热负荷。在每个 CRAC/CRAH/AHU 设备上，部署无线传感器和控制套件，用于监测制冷设施的性能并控制设备（包含设备开关或风扇启停）。人工智能引擎软件应用程序运行在物理服务器上，对数据中心制冷气流影响进行建模，从而洞察每台CRAC/CRAH/AHU设备在数据中心每个点的影响，乃至CRAC/CRAHs/AHUs设备之间的互相影响关系。该引擎以一种最高能效应用方式来决策如何满足客户设置的机柜温度阈值。基于AI（人工智能引擎）的分析结果，发送控制命令给每台CRAC/CRAH/AHU设备，来优化热环境。制冷优化 可持续地学习每台空调设备如何影响机房布局中的每个机柜，这些数据由人工智能引擎处理，并决策什么时间哪台设备应保持运转，以多少速度运转，这种方式不仅可提高可靠性，还可显著降低成本。关闭制冷设备，气流混合降低，温度得以稳定，电能消耗降低。制冷设备本身也变得更高效，并可减少维护需要而保持长时间无故障运行。
    闭环系统的工作模式，可以自我测量其控制操作的效果，如果检测到的温度和CRAC影响结果不同于期望值，系统会自我学习，并重新优化。   这种方式，即使IT负载变化，服务器、机柜位置、封闭通道、盲板和通风地板位置发生变化等等，也可确保制冷系统将始终以优化方式运行。
    设施管理人员还可通过系统洞察冷热点管理，制冷容量，机房中什么位置有制冷隐患，哪台空调有维保问题等。基于这些数据信息，机房运维人员可在提高机房可靠性的前提下，保证数据中心高效运行。
制冷优化具有以下显著特点
·  制冷优化是基于实时数据的闭环系统， 此设计有效降低了故障风险。

·  自动消除高达95%的热点，并帮助诊断 设施的潜在风险。

·  平衡制冷需求和输出，将能源消耗降至 最低，以实现费用节省。

·  动态制冷管理使系统部署后立即见效。

·  通过人工智能引擎，使制冷随IT负载实时 改变。

·  方便、可自定义的趋势和报表，为规划提 供依据。

·  通过系统失效保护、高级警报和通知来降 低风险及运行费用。