Uma Estratégia de Otimização Baseada no MOPSO Aplicada em Subsistemas Elétricos de Data Centers

• F. M. Sousa Sobrinho UFRPE
• G. R. A. Callou UFRPE
• W. S. Leonardo UFRPE
• B. C. S. Nogueira UFAL

DOI: https://doi.org/10.5753/wperformance.2022.223081

Resumo

As infraestruturas de data centers devem ter alta disponibilidade, baixo custo e alta eficiência energética. No entanto, esses objetivos são muitas vezes conflitantes. Este artigo apresenta uma estratégia baseada no MOPSO, otimização multiobjetivo de enxame de partículas, para melhorar o projeto das arquiteturas elétricas de data centers. Para mostrar a aplicabilidade, apresentamos um estudo comparativo entre o algoritmo de força bruta e a estratégia proposta. Foram definidos seis modelos de arquiteturas elétricas, os resultados mostraram que a aplicação da estratégia proposta reduz o tempo de execução em até 870 vezes e mostram que o algoritmo consegue gerar a fronteira aproximada de Pareto com uma diferença de 3%.

Palavras-chave: Data Center, Disponibilidade, Modelagem, Otimização

Referências

Abualigah, L. and Diabat, A. (2021). A novel hybrid antlion optimization algorithm for multi-objective task scheduling problems in cloud computing environments. Cluster Computing, pages 205–223.

Alvarez-Benitez, J., Everson, R., and Fieldsend, J. (2005). A mopso algorithm based exclusively on pareto dominance concepts. volume 3410, pages 459–473.

Association, T. I. (2005). Telecommunications Infrastructure Standard for Data Centers ANSI/TIA-942. Telecommunication Industry Association.

Callou, G., Ferreira, J., Maciel, P., Tutsch, D., and Souza, R. (2014). An integrated modeling approach to evaluate and optimize data center sustainability, dependability and cost. Energies, 7(1):238–277.

Deb, K. and Goel, T. (2001). Controlled elitist non-dominated sorting genetic algorithms for better convergence. In International conference on evolutionary multi-criterion optimization, pages 67–81. Springer.

Guimarães, A. P. and Pereira, A. (2020). Análise de aspectos de dependabilidade em sistemas de data centers integrando as infraestruturas de comunicação, de potência e de refrigeração. Revista Brasileira de Administração Científica.

Isaak, P. (2021). Architecture: Data center rack floor plan and facility layout design. Data Center Handbook: Plan, Design, Build, and Operations of a Smart Data Center.

Koot, M. and Wijnhoven, F. (2021). Usage impact on data center electricity needs: A system dynamic forecasting model. Applied Energy, 291:116798.

Li, Y., Wen, Y., Tao, D., and Guan, K. (2020). Transforming cooling optimization for green data center via deep reinforcement learning. IEEE Transactions on Cybernetics.

Marsan, M. A. (1990). Stochastic Petri Nets: An Elementary Introduction, page 1–29. Springer-Verlag, Berlin, Heidelberg.

Masanet, E., Shehabi, A., Lei, N., Smith, S., and Koomey, J. (2020). Recalibrating global data center energy-use estimates. Science, 367(6481):984–986.

Nguyen, T. A., Min, D., Choi, E., and Tran, T. D. (2019). Reliability and availability evaluation for cloud data center networks using hierarchical models. IEEE Access.

Oliveira, D., Matos, R., Dantas, J., Ferreira, J. a., Silva, B., Callou, G., Maciel, P., and Brinkmann, A. (2017). Advanced stochastic petri net modeling with the mercury scripting language. New York, NY, USA. Association for Computing Machinery.

Souza Leonardo, W. and Callou, G. (2021). Stars: um ambiente integrado para avaliação de disponibilidade, custo e consumo de energia de sistemas. Revista Brasileira de Computação Aplicada, 13(3):10–21.

Sun, J., Deng, J., and Li, Y. (2020). Indicator & crowding distance-based evolutionary algorithm for combined heat and power economic emission dispatch. Applied Soft Computing, 90:106158.

Wang, W., Loman, J. M., Arno, R. G., Vassiliou, P., Furlong, E. R., and Ogden, D. (2004). Reliability block diagram simulation techniques applied to the ieee std. 493 standard network. IEEE Transactions on Industry Applications, 40(3):887–895.