优化基于位置的数据基础设施选址:平衡能源、环境与社区需求

《ACS ES&T Water》:Optimizing Place-Based Data Infrastructure Siting: Balancing Energy, Environment, and Communities

【字体: 时间:2026年01月27日 来源:ACS ES&T Water 4.3

编辑推荐:

  超大规模数据中心选址需平衡能源、冷却、水资源需求与社区健康、经济收益。当前研究缺乏整合技术参数与社区指标的多准则模型,且政策未强制纳入环境影响评估。建议开发GIS集成模型,推动标准化评估与社区合作,以缓解社会阻力并提升能效。

  
大规模数据中心的快速扩张最近引发了当地社区的严重关切和抵制,美国多个县和市镇已经实施了开发禁令或限制措施。(1?3) 大规模数据中心需要大量的可靠电力、本地冷却资源、合适的土地以及充足的劳动力,这些因素需要综合考虑(图1)。

图1

图1. 数据中心的选址模型必须综合考虑水资源获取、电力需求、劳动力可用性、适宜的土地以及社区健康影响,以优化设施性能并提升社区福祉。

对当地社区的影响


数据中心附近的居民提出了诸多担忧,包括冷却设备产生的噪音、备用电源发电带来的空气和噪音污染、地下水资源的减少、当地电费上涨、房产价值下降、乡村景观的破坏,以及相对于土地使用负担而言当地经济收益微薄等问题。(1?3) 这些矛盾凸显了知识上的空白。目前的设施选址分析并未考虑社区的接受度,也未预测具体设计选择对社区的实际影响。此外,在土地使用规划和分区讨论中,数据中心带来的社区效益常常被忽视。数据中心可以提供高薪工作机会,且这些工作不需要四年制大学学位,同时还能为当地学区带来新的税收收入。通过与社区积极沟通,解决公众的疑虑和误解,可以显著提高数据中心的选址效率和实施进度。
通过采用健康影响和环境影响评估,可以在建设前对社区健康影响进行预测(尽管这些评估目前并非强制要求)。基于创新技术的噪音和空气污染缓解措施可以提前与社区共同制定,社区利益协议有助于消除“不要在我家后院”(NIMBY)或“任何地方都不要建数据中心”(BANANA)之类的反对意见。将确保当地投资和健康保护纳入数据中心选址的工具和方法中,有助于凸显其社区效益。
通过整合社区和设施参数(如与居民区的距离、预计用水量、噪音水平、电网负荷情况以及当地资源如含水层和矿井隧道)与人口统计、社会经济和监管数据集及税收激励措施,可以建立一个“社区环境关注指数”来评估候选选址。例如,肯塔基州拥有大量低成本土地,且这些土地不会与农业用途竞争;然而,该州120个县中只有5个县目前被视为合适的选址地点,其中一个县最近因社区反对而被取消。(1,4) 这种选址模型可以帮助规划者测试不同的设计方案或缓解策略,并量化每种方案对社区情绪的影响,从而实现数据驱动的决策和更具社会韧性的设施设计。

数据中心设计的技术挑战


2022年,全球数据中心消耗了约460太瓦时(TWh)的电力。(5) 有必要通过优化软件技术(如数据去重、存储分层、负载分配改进和服务器优化)来降低数据中心的能源需求。类似于驾驶员行为影响车辆燃油效率的方式,软件设计和执行方式对系统级别的能源使用有着深远影响。然而,目前用于评估和指导软件能源行为的工具和方法仍然有限。使用备用电池、负载管理系统、附近的可再生能源以及能源调度为数据中心供电可能是比现有柴油发电机更好的选择。(6,7) 此外,太阳能辐射、风能可用性、燃料获取、公用事业价格、排放强度和电网可靠性等当地因素会揭示不同地区的政策权衡和限制。(8)
为了保持硬件性能,计算机系统需要冷却,而这种冷却需求占数据中心总能耗的25%至35%。(9) 根据现有方法,数据中心还需要大量水资源来满足冷却需求。尽管采用了诸如液冷、浸没式冷却和直接冷却芯片等技术,但在集成这些先进方案时仍面临成本、基础设施兼容性和标准化等方面的挑战。(10) 更多的实验性策略(如地下选址或地下水冷却)受到性能数据不足和环境风险未解决的制约。缺乏普遍采用的评估标准,阻碍了不同冷却技术之间的有意义比较和环境影响评估的准确性。大规模部署的实证数据很少,将工作负载与实时冷却需求联系起来的预测工具也不成熟。废热回收技术具有潜力(11),但在技术实现上仍较为复杂,且依赖于进一步的工程进步。如果不解决这些挑战,冷却问题将继续成为实现节能和环保数据中心的瓶颈。
最后,必须提升劳动力的技术技能。社区和技术院校在此过程中发挥着重要作用,因为并非所有数据中心岗位都需要四年制学位。为避免劳动力不匹配(如技能差距或劳动成果不公平),业界与非营利组织之间需要建立紧密的合作关系,并与地方政府保持沟通,以支持选址工作。

未来的研究和政策方向


尽管地方政府越来越多地提供激励措施以吸引数据中心建设,但目前的选址方法缺乏综合考虑技术、环境和社会因素的综合性工具。为弥补这一空白,未来的研究应侧重于开发基于GIS的多标准决策分析模型,将这些模型与设施参数(如电力需求、冷却要求和水资源可用性)与社区指标(如人口统计特征、健康风险因素和土地使用优先级)相结合。这些模型应使规划者能够模拟不同的设计方案和缓解策略,量化预测的社区情绪,并优化选址方案,以实现设施的韧性和公平性。
政策框架必须改进,以便在规划早期就纳入强制性的环境影响评估和正式的健康影响评估,确保在考虑技术性能的同时明确关注社区福祉。试点项目对于完善方法和建立利益相关者信任至关重要。此外,业界、学术研究人员和地方政府之间的合作可以加速制定冷却技术的标准化指标、碳足迹基准以及符合区域需求的劳动力发展计划。

结论


数据中心的选址同时是一个设计问题也是一个社会问题。大规模数据中心的选址主要挑战在于如何在满足电力、水资源和冷却需求的同时,平衡周边社区的福祉。对新设施的需求正在迅速增加。最终,一个将技术创新与社区参与和健康保护相结合的研究到政策转化流程,将减少反对意见,缩短实施时间,并确保数据中心的增长符合可持续性和社会福祉的要求。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号