基于電力數據的IDC機柜智能核查方法研究

人工智能技術高速發展，推動算力與存儲需求持續爆發，互聯網數據中心（Internet Data Center，IDC）已成為數字經濟核心基礎設施，也是運營商云網戰略布局與營收增長的關鍵載體。據工業和信息化部、中國信通院于2026年3月發布的數據，全國在用算力標準機架達1445萬架，大型及以上數據中心占比近70%[1]。

隨著行業規模化發展，IDC精細化運營壓力持續增大。傳統IDC系統呈“煙囪式”獨立架構，業務、資源、動環系統數據割裂，存在核查效率低、數據不準、營收流失等諸多問題。對此，本文提出基于電力數據的IDC機柜智能核查方法，通過統一接口規范打通多源數據，通過搭建智能稽核模型實現機柜異常自動識別與遠程核查，從而有效提升IDC運維效率與管控精度，保障營收安全、降低運營成本。

1 傳統IDC機柜核查現狀及問題分析

當前，IDC機柜核查主要依賴傳統“煙囪式”架構下的人工巡檢方案。核查人員從業務管理系統導出機柜開通清單，從資源管理系統導出資源狀態清單，攜帶清單前往機房現場，逐一查找機柜并查看設備部署情況，再通過本地動環終端查詢電力數據進行比對，最后人工整理異常報告并進行反饋。

該方式存在以下三方面突出問題。其一，數據割裂造成信息不一致。三類系統間缺乏交互接口，動環實際電力數據無法與業務、資源系統數據自動比對，易出現違規私開機柜、申請與實際用電脫節等問題。其二，人工依賴致使效率低下。面對幾十個數據中心、十萬級機柜的規模，人工逐一核查周期極長，且易因疏忽而遺漏異常數據。其三，無統一標準導致擴展性差。部分廠家動環系統采用私有協議，跨地市、跨廠家核查需要適配不同系統，運營復雜度高。

2 基于電力數據的IDC機柜核查方法

針對現有技術的不足，本文提出一種基于電力數據的IDC機柜核查方法（如圖1所示），該方法采用“數據打通—智能稽核—閉環管理”的核心設計思路，通過以下技術方案實現IDC機柜的遠程智能化核查。

圖1 基于電力數據的IDC機柜核查框架

2.1 數據采集與整合

2.1.1 動環電力數據采集

基于統一動環綜合網管平臺，制定統一的B接口規范，納管本地不同區域、不同廠家的動環系統及動力基礎設備。統一動環系統采用“本地網監中心（Supervision Center，SC）—現場采集單元（Supervision Unit?，SU）”兩級架構：現場采集單元部署于IDC局房現場，周期性采集機柜支路電流、電壓等原始電力數據，并進行預處理；本地網監中心通過B接口與現場采集單元通信，接收上傳的實時電力數據與告警信息，同時下發遠程控制指令。

B接口采用公開、標準化協議，替代廠商私有協議，確保不同品牌現場采集單元的兼容性，實現多個數據中心機柜電力數據的統一采集[2]。統一動環系統每日通過FTP（file transfer protocol?，文件傳輸協議）接口向IDC資源管理系統上報全量動環電力數據，數據內容包括信號點ID（identification?，標識）、支路號、采集時間、電力值、數據狀態等。

2.1.2 業務資源數據整合

IDC資源管理系統通過WebService接口與業務系統對接，同步機柜業務工單數據。在此基礎上，建立“動環數據—資源數據”映射庫，根據機房提供的信號點、支路號與機柜編號的對應關系，將動環系統采集的支路電流數據與IDC資源管理系統中的機柜編號進行綁定，實現“電力數據—機柜—客戶—業務”的一一關聯，并細化至單體機柜的顆粒度管理。

2.2 智能稽核模型構建

基于整合后的動環電力數據與業務資源數據，構建智能稽核模型，通過以下四類核心算法實現自動核查與異常識別。

2.2.1 超申請用電核查

針對已開通業務的機柜，系統每日比對“業務申請電力額度”與“動環實際采集電力平均值”。一旦實際電力平均值超過申請電力額度的110%，即超申請用電10%以上，系統自動標記為“超容用電異常”，生成中級告警并推送至數據中心監控人員。

2.2.2 違規私開機柜核查

對于IDC資源管理系統中狀態為“空閑”或“未分配”的機柜，系統將實時監測動環電力數據。若連續三個采集周期內電力值大于0，且無對應的業務申請單，系統則將其標記為“違規私開異常”，生成高級告警并附帶該機柜最近24小時電力曲線。

2.2.3 突發用電波動核查

系統對所有機柜計算當日實時電力值與前一日同期電力值的差值百分比，當差值百分比超過50%時，系統則視為“用電波動異常”，生成初級提醒并觸發人工二次核查，以確認是否為客戶設備擴容、臨時加電等正常場景。

2.2.4 多維度能耗分析

系統以“客戶”“機房”“地市”為維度，按日、周、月統計機柜電力消耗數據，生成能耗報表。客戶維度可統計某客戶名下所有機柜的總用電量、平均用電量、超申請用電次數；機房維度可統計某數據中心的總能耗、空閑機柜帶電率、異常告警率；地市維度可展示各地市IDC機柜的能耗排名、節能減排潛力評估。

2.3 異常處理與閉環管理

智能稽核模型識別異常后，系統通過短信、企業微信、電子運維系統等渠道，將異常告警或提醒推送至對應的數據中心監控人員、區域運維負責人。推送內容包括異常機柜編號、異常類型、觸發時間、電力數據截圖等，確保運維人員能夠快速定位問題。

運維人員收到告警后，在規定時限內赴現場核查，確認異常原因并在IDC資源管理系統中錄入核查結果。針對確認的違規問題，運維人員督促客戶補錄業務申請或關停相關設備，整改完成后在系統中標記“已閉環”；針對設備故障等非違規問題，聯動電子運維系統生成維修工單，直至問題解決，從而實現異常處理的完整閉環管理。

3 應用效果分析

本文提出的IDC機柜智能核查方案已在某大型電信運營商落地應用，覆蓋40余座數據中心、近11萬個機柜，綜合應用效果良好。在核查效率方面，系統依托智能模型實現全天候自動稽核，替代傳統人工巡檢，整體核查效率提升約30倍；異常問題可即時告警推送，有效縮短處置時長，避免出現人工漏檢、誤判問題。在營收保障方面，系統能夠精準識別私開機柜、超容用電等違規行為，累計處置多起異常事件，有效堵塞管理漏洞，減少營收流失。在能耗管理方面，系統通過能耗數據分析優化電力配置，規范空載機柜用電，助力降低機房PUE（Power Usage Effectiveness，電能利用效率）。該方案適配性強，可在各類數據中心場景中推廣使用。

4 結語

本文針對傳統IDC機柜核查數據割裂、人工依賴性強、接入標準不統一等痛點，提出基于電力數據的IDC機柜智能核查方法。實際應用證明，該方法可有效縮短核查周期、節約人力成本、規避營收流失，并為數據中心節能運營提供數據支撐。未來可通過引入機器學習算法構建用電基線、豐富電力特征參數、融合環境數據建模等方式，持續提升核查精度與機房智能運維能力。

作者

劉嘉寧1，賴遠東2，溫勇斌2

1.中國電信股份有限公司北京分公司算力中心運營部，北京 100032；2.國訊新創軟件技術有限公司，上海 200127