“当我们进行一次“快照”式测量时，我们别无选择：我们获得的是当前的IT负载和当前的天气。”一句话道出了规范化测量对于数据中心的重要性！

　　一个精确表示特定数据中心的工作状况并接受IT负载、室外天气统计数据等作为输入的数学模型可在数据中心能源管理程序中获得有效的应用。与对实际运行的数据中心进行的测量不同，它只能提供测量时刻该条件下的数据，而模型可以对提供给它的任何输入条件给出数据。例如，即使当实际IT负载仅为额定负载的一小部分时，模型也可以提供数据中心在满载下的效率预期值。可以对两个不同数据中心的模型提供系统的输入条件，以进行有意义的比较。此外，模型甚至可以在数据中心建成之前构建，由此可以提前预测其性能。

　　在一个正在运行的数据中心中，我们不能简单地改变天气或IT负载以对条件进行规范化或标准化。当我们进行一次“快照”式测量时，我们别无选择：我们获得的是当前的IT负载和当前的天气。一个有效的模型使我们能够对不同条件下的测量值进行规范化，确定数据中心的基本运行性能。

　　以下列出了数学模型可以提供的而通过简单测量和记录数据中心效率不能获得的一些优势：

    事先准确预测所拟议数据中心设计的效率性能

    高精度地估算一个正在运行的数据中心在不便于测量的条件下（例如在不同的IT负载下，或者在业界基准条件下）的效率性能

    对于仅有部分信息、测量所有回路的功耗并不现实的条件下高精度地估算数据中心的效率性能

    高精度地估算数据中心在各种室外条件下的效率，并可估算一段时间内的效率均值

　　识别和量化数据中心供电、制冷和照明系统中的特定设备对数据中心低效率的贡献度

    识别出在其预期效率参数之外运行的数据中心子系统

    评测并比较不同数据中心的模型

　　尽管在某一工作点进行的数据中心效率单次测量有一定信息提示作用，但不具备上述功能其并不可行。鉴于此原因，数学模型是创建用于效率管理的过程和系统的关键所在。正是此模型使人能够理解低效率的原因；因此，数据中心效率测量的目的是确定效率模型的参数。

　　总而言之，数据中心效率测量的一个关键目的是获取有助于建立该数据中心的精确模型的信息。正是此模型提供关于数据中心效率的有价值信息，而非测量值。

　　数据中心效率的实用模型

　　尽管数据中心效率建模的优势十分有价值，但仍然存在一个问题，即对一特定数据中心开发和运行数据中心效率模型是否可行和实用。此问题的答案取决于模型所要求的精度等级。我们的研究发现，建立并运行具有足够精度的模型以实现本文所概要给出的效率管理目标是非常现实的。实际上，我们相信，开发并运行效率模型将在不久的将来成为数据中心的一项标准惯例，此类模型将被内建在用于管理数据中心的标准软件工具中。

　　图9中示出了一个实用的数据中心效率模型的需求/损耗示例简图。

　　此简图显示数据中心基础设施功耗（损耗）如何由IT负载和室外温度/湿度条件决定，从而在供电、制冷和照明系统内产生能源需求。每一类设备（UPS、CRAH等）对其均有需求（即电需求、热需求）并会根据设备配置和固有效率特性产生功耗（损耗）。影响效率模型的系统配置要素包括诸如以下方面：由UPS供电的设备类型、制冷设备类型以及经济模式的使用。该模型包括该地的天气统计数据。关于数据中心效率模型的理论、构建和使用的详细说明在APC白皮书113号《数据中心用电效率建模》中给出。

　　对一现有数据中心可以创建一个数据中心效率模型，而如果供电、制冷和照明设备的设计和特性已知，则也可在数据中心建设之前创建。如果该模型可以准确地代表其设计，则其提供的数据也将具有类似的精度。尽管某些类型的设备（如照明、UPS以及变压器等）的电气性能非常稳定且可预测，但在泵和空调机等设备的竣工性能方面还存在许多可能导致模型精度降低的不确定性。这正是测量可以起作用的方面。

　　前文讨论解释了由于再现性差和缺乏指引而造成的单纯依赖数据中心效率定期测量的应用局限性。而定期测量可以成为整体管理策略的组成部分，其中包括初始测量及持续测量。这两类测量的目标不同：

　　1. 初始测量旨在校准数据中心效率模型，确定“as-is”（现状）和“should-be”（期望）性能，并识别潜在的效率改进机会。除整体效率测量之外，初始测量通常还需要针对单个供电和制冷子系统的测量。

　　2. 持续测量旨在与模型进行比较，以便对预期之外的低效率情形发出提示，并对改进进行量化。持续测量可以通过定期采样，也可通过连续使用仪器进行。

　　初始测量

　　对数据中心效率进行的初次测量应属于由专家进行的总体效率评估的一部分。除进行效率测量之外，数据中心效率评估通常还包括对竣工配置的分析以及关于效率改进的建议。理想情况下，评估应提供一个数据中心数学模型，作为其可交付成果之一。图10示出了数据中心效率评估工作内容说明的一个例子。

　　在效率评估中所收集的数据应包括对足够多的子系统进行的测量，以使数学效率模型可获得校准。

　　在使用初始效率测量值对数据中心模型进行校准之后，它可以立即用于确定基准性能，例如一年内的预期平均效率；或者用于确定在其他基准IT负载和室外条件下的效率，例如针对行业比照标杆所确定的效率。

　　持续测量

　　在数据中心效率已被测量、效率模型经过校准后，应进行持续测量，以便对任何效率改进加以量化，并就任何不希望有的效率损失发出警告。当所测得的效率值被发现由原始测量值发生改变时，我们已经讨论过，这可能是由于IT负载或天气变化所致。模型可以针对IT负载和天气的影响进行修正，并揭示出所发现的任何效率变化是由于这些影响所致还是由基本的数据中心基础设施内的实际变化导致。

　　对效率的持续测量可以定期进行，如每年两次（最好夏天一次，冬天一次），也可以安装一套连续实时测量系统。

　　电路测量鉴定

　　为测量某一特定运行点的数据中心效率，我们必须测量数据中心的总输入功率和总IT负载。如果设施为专用数据中心，输入功率可以在通向楼宇的市电主线连接处测量。如果负载是一个单一的巨型IT负载设备，则IT负载功率将是设备电气连接处的功率单一测量值。在这种假设情形下仅需要两次测量。遗憾的是，从来就没有这种理想情形出现过。多数数据中心是多用途楼宇的组成部分，除数据中心外还有其他负载，且所有数据中心均由IT设备的集合组成，其数量可能会有数千个，其中许多有独立的电路。

　　为确保测量准确，由主线路供电的所有设备构成数据中心总负载，这些设备的测量仪表均需与其他非数据中心负载分开，并将其输入功率求和。此外，为获得总IT负载，所有IT设备均需装备的表，其输入功率需要求和。在一个1 MW数据中心内，这可能需要数千次的功率同时测量，在技术和实际可操作性方面都是很大的问题。鉴于此原因，有些数据中心运营商作出了效率测量不可行的结论。幸运的是，复杂的仪表和耗时的测量并非必需，因为可以证明，少量的综合测量点结合系统数学模型即可以足够的精度实现效率测量。

　　测量IT集合负载

　　我们来考虑IT负载的测量案例，将其作为如何使用模型大大简化实际测量的例子。图11所示为大量IT负载由UPS获得电力的配电单元（PDU）供电的典型情况。

　　为获得实际的IT集合负载，看起来似乎必须对为每一个IT负载供电的所有支路进行测量并求和，这可能就是数千次测量。如果我们不这样，而是测量UPS输出端的功率，就可将问题大大简化为一次测量，但这样会引入误差，因为在此位置，我们测量的是IT负载与PDU所消耗功率（PDU损耗）之和。此外，在有些数据中心中，气流处理等其他设备可能由UPS供电。根据数据中心的不同，使用UPS输出功率代表实际IT负载而导致的误差可能在2%至25%范围内，这样的误差已相当显着。然而，PDU可以在模型内被非常精确地表征，且模型可在已知 UPS输出功率的条件下以很高的精度计算PDU损耗。该模型可以从UPS输出功率中减去PDU损耗，以得出没有显着误差的IT负载值。由此，该模型使我们能够将可能的数千次测量缩减为单次测量。

　　使用模型从少量测量值中获取大量信息的技巧可用于单次测量，也可用作连续永久式效率监测系统的组成部分，可大大降低连续效率监测的成本。

　　持续投资与初始投资

　　用于持续效率测量的功率测量点数目通常小于用于初始测量的数目。持续测量需要将重点放在最可能随时间变化以及在功耗中占最大份额的电路上。例如，有一些设备，如变压器，对其进行初始测量有价值，而其持续功耗可以由模型高精度地计算得出。一般而言，持续测量需要的测量点数约为初始测量点数的一半。这样就可得出一种仪表准备策略，即持续测量点由永久性安装的功率表进行监测，而初始测量所需的更多的点则使用便携式仪表进行测量。

　　决定哪些电路应进行初始测量而哪些需持续测量，这是专业数据中心效率评估的一个关键组成部分。