⚡ 전기공학

IT-power feedforward halves pump energy in liquid-cooled data centres

온도 기반 피드백을 IT 전력을 입력 변수로 사용하는 직접 피드포워드 제어 전략으로 대체하는 것은 액체 냉각 데이터 센터의 펌프 에너지 소비와 정션 최고 온도를 56% 이상 감소시키며, 이는 관찰된 변수가 알고리즘의 복잡성보다 효율성에 더 결정적임을 입증한다.

원저자: Yang Liu

게시일 2026-10-29

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yang Liu

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

우리의 디지털 세계를 움직이는 거대한 서버실 내부에서는 기계의 과열을 막는 방식에 있어 조용한 혁명이 일어나고 있습니다. 인공지능이 점점 더 강력해짐에 따라, 이러한 시스템을 구동하는 컴퓨터 랙은 매우 밀집되어 가고 있으며, 단 하나의 캐비닛 안에 너무나 많은 컴퓨팅 파워를 집약하고 있어 전통적인 에어컨 방식으로는 더 이상 감당할 수 없는 수준에 이르렀습니다. 이를 해결하기 위해 엔지니어들은 액체 냉각 방식에 주목했습니다. 이는 특수 유체를 뜨거운 컴퓨터 칩 위로 직접 펌프질하여 열을 실어 나르는 방식입니다. 그러나 이 해결책은 자체적인 문제를 안고 있습니다. 이 유체를 이동시키는 펌프가 이제 냉각 시스템 내에서 가장 많은 에너지를 소비하는 주범이 된 것입니다. 펌프가 사용하는 에너지는 직선적으로 증가하지 않습니다. 대신, 폭발적으로 증가합니다. 물의 흐름 속도를 두 배로 높이면, 그 물을 밀어내는 데 필요한 에너지는 8배로 증가합니다. 이는 칩을 안전하게 유지하는 데 필요한 절대적인 최소 유량을 찾아내는 것이 전기를 아끼는 가장 중요한 방법임을 의미합니다. 수십 년 동안 이 펌프를 제어하는 표준적인 방법은 냉각수의 온도를 관찰하는 것이었습니다. 펌프는 물이 뜨거워질 때까지 기다렸다가, 그제야 물건을 식히기 위해 속도를 높입니다. 이러한 접근 방식은 반응적(reactive)인 방식으로, 시스템이 열이 이미 발생한 후에야 열을 뒤쫓아가는 것을 의미합니다.

독립 연구자인 양 리우(Yang Liu)의 새로운 연구는 이 오래된 방식을 반박하며 훨씬 더 단순하고 빠른 접근 방식을 제안합니다. 연구자는 펌프가 온도가 상승하는 것을 기다리는 대신, 컴퓨터 칩이 사용하는 전력을 단순히 관찰해야 한다고 제안합니다. 칩이 생성하는 열은 전력을 얼마나 소비하느냐와 직접적으로 연결되어 있기 때문에, 시스템은 열이 도착하기도 전에 필요한 물의 흐름을 정확히 계산할 수 있습니다. 고출력 서버 랙에 대한 상세한 컴퓨터 시뮬레이션 결과, 열에 반응하는 대신 전력 사용량을 미리 내다보는 이 방식은 펌프에 사용되는 에너지를 절반 이상 줄였습니다. 구체적으로, 이 새로운 방법은 성능을 최대한 발휘하도록 90개가 넘는 설정을 조정한 고도로 튜닝된 전통적인 컨트롤러와 비교했을 때 펌프의 에너지 소비를 56.2% 감소시켰습니다. 시뮬레이션에 따르면, 이 새로운 접근 방식은 엄청난 양의 전기를 절약했을 뿐만 아니라 컴퓨터 칩을 더 시원하게 유지하여 최고 온도를 섭씨 5도 이상 낮추었습니다.

이 연구는 효율성의 핵심이 알고리즘이 얼마나 복잡한가가 아니라, 컨트롤러가 무엇을 관찰하느냐에 달려 있음을 보여줍니다. 제안된 시스템은 전력 판독값을 기반으로 한 직접적인 계산을 사용하며, 복잡한 예측 모델이나 과거 데이터로부터 학습할 필요가 없습니다. 단순히 전력을 읽고, 필요한 물의 흐름을 계산한 뒤, 즉시 펌프 속도를 조절할 뿐입니다. 대조적으로, 전통적인 온도 기반 컨트롤러는 물이 뜨거워질 때까지 기다렸다가 유량을 늘리고, 다시 온도가 내려가기를 기다려야 합니다. 이러한 지연은 펌프가 필요하지 않을 때 너무 많은 물을 움직여 에너지를 낭비하거나, 갑작스러운 활동 급증 시기에 물을 너무 적게 보내 과열 위험을 초래하는 순환 구조를 만듭니다. 연구에 따르면 새로운 방식은 물의 흐름을 분당 26~~86리터 사이로 유지한 반면, 전통적인 방식은 14~~117리터 사이를 요동치며 종종 목표치를 초과했습니다.

연구진은 또한 공학계의 흔한 아이디어, 즉 부하 증가를 예측하기 위해 더 먼 미래를 내다보는 것이 시스템의 대비를 도울 것이라는 가설도 테스트했습니다. 그들은 컴퓨터 작업이 시작되기 몇 분 전에 펌프가 속도를 높여 열에 대비하도록 하는 시나리오를 시뮬레이션했습니다. 결과는 놀라웠습니다. 최대 5분 앞을 내다보는 것은 냉각 이득을 제공하지 못한 채 오히려 에너지 소비를 45.5% 증가시켰습니다. 이는 필요한 물의 흐름이 전력 사용에 대한 즉각적인 반응이기 때문이며, 전력이 상승하기 전에 추가적인 흐름을 더하는 것은 온도가 이미 안전한 상태이므로 아무런 목적이 없기 때문입니다. 연구는 펌프 자체의 응답 속도가 매우 느린 경우가 아니라면, 앞을 내다보는 것이 유용할 유일한 시간은 없다고 결면지었습니다. 연구진은 또한 한 서버 랙에서 다른 랙으로 물을 이동시켜 에너지를 아낄 수 있는지 탐구했으나, 각 랙은 자신의 열 부하에 따른 엄격한 최소 유량 요구 사항을 가지고 있다는 것을 발견했습니다. 한 랙에서 물을 가져와 다른 랙에 주는 것은 기증 랙의 안전 한계를 깨뜨릴 뿐이었으며, 이는 에너지 절약이 자원을 이리저리 옮기는 것이 아니라 각 랙의 필요를 정확히 충족하는 데서 온다는 것을 입증했습니다.

이 연구는 현재 물리적 실험이 아닌 컴퓨터 시뮬레이션 단계이지만, 미래의 데이터 센터 설계를 위한 명확한 경로를 제시합니다. 연구 결과는 에너지 사용을 줄이는 가장 효과적인 방법이 냉각 시스템을 온도에 대한 반응으로 취급하는 것을 멈추고, 전력 소비에 대한 직접적인 반응으로 취급하는 것임을 시사합니다. 전력 사용량을 물의 흐름과 직접 연결하는 단순한 5단계 규칙을 사용함으로써, 데이터 센터는 전기 요금을 획기적으로 줄이고 환경 발자국을 줄일 수 있습니다. 이 연구는 해결책이 더 똑똑하고 복잡한 소프트웨어를 요구하는 것이 아니라, 무엇을 측정할지에 대한 더 똑똑한 선택을 요구한다는 점을 강조합니다. 데이터 센터의 전력 수요가 향성 몇 년 안에 두 배로 증가할 것으로 예상되는 세상에서, 열의 결과가 아닌 열의 원인에 초점을 맞추는 것은 효율성을 위한 직관적이고 강력한 도구를 제공합니다.

기술 요약: 액체 냉각 데이터 센터에서의 IT 전력 피드포워드(IT-Power Feedforward)

문제 정의
고밀도 AI 클러스터(랙당 50~120 kW)를 지원하는 현대적인 액체 냉각 데이터 센터에서, 냉각수를 순환시키는 펌프는 냉각 루프 내에서 가장 큰 단일 에너지 소비원이 되었다. 펌프 전력 소비는 유량의 세제곱에 비례하여 증가한다 ( $P_p \propto Q^3$ ). 결과적으로, 제어 변수의 선택은 달성 가능한 에너지 하한선을 근본적으로 결정한다. 현재 업계 관행은 온도 피드백 제어에 의존하며, 냉각수 온도나 칩 접합부(junction) 온도를 기준으로 펌프 속도를 조절한다. 이러한 방식은 반응적이다. 즉, 제어기는 유량을 높이기 전에 열적 편차(결과)가 발생할 때까지 기다려야 하는데, 정작 열 부하(원인인 IT 전력)는 PDU(전력 분배 장치)나 서버 베이스보드에서 실시간으로 직접 측정 가능하다. 본 논문은 온도 피드백을 IT 전력 기반의 직접적인 피드포워드 제어로 교체함으로써, 반응형 온도 제어가 설정한 에너지 하한선을 돌파할 수 있는지 조사한다.

방법론
본 연구는 특정 부하 프로필(30%에서 100%로의 스텝 상승 후 40%로 하락)을 가진 90 kW 랙에 대한 1차원 집중 매개변수(lumped-parameter) 수치 모델을 활용한다. 이 모델은 세 가지 물리적 관계식에 의해 지배된다: 에너지 보존 법칙, 이차 네트워크 특성 ( $H = SQ^2$ ), 그리고 그 결과로 나타나는 펌프 전력 법칙 ( $P_p \propto Q^3$ )이다.

세 가지 엄격한 제약 조건이 실행 가능한 운전 범위를 정의한다:

접합부 온도 ( $T_{chip}$ ): 85 °C를 초 exceed하지 않아야 함.
공급-환수 온도 차이 ( $\Delta T$ ): 15 °C를 초과하지 않아야 함.
액추에이터 슬루 레이트(Slew Rate): 유량 변화는 60초에 걸친 펌프의 전체 가동 범위 내에서 제한됨.

저자는 세 가지 제어 전략을 비교한다:

온도 피드백 (기준점): 90개의 파라미터 세트( $T_{sp}$ 및 $k_p$ ) 그리드에 대해 튜닝된 비례 제어기 ( $q_{cmd} = Q + k_p(T_{chip} - T_{sp})$ )이다. 모든 제약 조건을 충족하는 가장 낮은 에너지 구성이 벤치마크로 선택된다.
IT 전력 피드포워드: 측정된 IT 전력( $P_H$ )을 기반으로 필요한 유량을 즉각적으로 계산하는 폐쇄형 제어 법칙이다. 유량 요구량은 역산된 제약 조건으로부터 대수적으로 도출된다: $Q \geq \max(Q_{S1}, Q_{S2})$ , 여기서 $Q_{S1}$ 은 $T_{chip} \leq 85$ °C를 보장하고, $Q_{S2}$ 는 $\Delta T \leq 15$ °C를 보장한다. 이 제어기는 피드백 경로, PID 루프, 또는 예측 모델을 포함하지 않는다.
룩-어헤드(Look-Ahead) 전략: 향후 부하 증가를 예측(0~600초 앞서)하여 선제적인 유량 상승이 에너지 절감을 가져오는지 테스트하기 위해 피드포워드 제어기를 변형한 형태이다.

또한, 공통 헤더를 공유하는 멀티 랙 시나리오(80 kW, 50 kW, 30 kW 랙)를 시뮬레이션하여 랙 간 유량 재배분을 통한 에너지 절감의 타당성을 테스트한다.

주요 결과

에너지 감소: IT 전력 피드포워드 제어기는 최적으로 튜닝된 온도 피드백 제어기(0.1747 kWh)와 비교하여 1800초의 시뮬레이션 동안 펌프 작업량을 56.2% 감소시켰다 (0.0765 kWh).
열 성능: 피드포워드 방식은 피크 접합부 온도를 5.14 °C 낮추었다 (78.50 °C vs. 83.64 °C).
유량 역학: 피드백 제어기는 과도 상태(transient)에서는 공급 부족을, 정상 상태(steady state)에서는 과잉 공급을 보였다. 피드포워드 제어기는 유량을 필요한 범위(26–86 L min⁻¹) 내로 엄격하게 유지하여, 피드백 루프에서 관찰된 과도한 유량(최대 117 L min⁻¹)을 방지했다.
룩-어헤드 페널티: 부하 스텝 이전에 유량을 높이는 룩-어헤드 전략을 적용한 결과 부정적인 수익이 발생했다. 300초의 룩-어헤드는 피크 온도를 낮추지 못하면서 펌프 작업량을 45.5% 증가시켰다. 이는 유량 요구량이 전력의 즉각적인 함수이기 때문이다. 전력이 상승하기 전에 유량을 추가하는 것은 아무런 제약 조건에도 기여하지 못하며, 액추에이터 속도(60초 램프)가 선제적 대응 없이도 스텝을 처리하기에 충분하다.
랙 간 재배분: 한 랙의 유량을 줄이고 다른 랙의 유량을 늘려 에너지를 절감하려는 시도는 실패했다. 시뮬레이션 상에서 총 펌프 전력은 약간 감소했으나, 유량을 제공한 랙은 즉시 15 °C 온도 차이 제약 조건을 위반했다. 연구는 하한선이 개별 랙 부하에 의해 결정되며, 서로 전이 가능한 자원이 아니라고 결론짓는다.

의의 및 주장
본 논문은 액체 냉각의 주요 에너지 비효율 원인이 알고리즘의 정교함이 아니라 관측되는 변수의 선택에 있다고 주장한다.

원인 vs 결과: 온도는 열적 균형의 결과이다. 이를 제어하려면 오차가 누적될 때까지 기다려야 한다. IT 전력은 원인이며, 요구되는 유량과의 관계는 순수하게 대수적이다. 원인을 관측함으로써, 제어기는 편차가 발생한 후 수정하는 것이 아니라 편차가 발생하는 것 자체를 방지한다.
단순성: 제안된 솔루션은 단 5줄의 코드 문장만 필요하며, PID 튜닝, 머신 러닝, 또는 예측 모델이 필요하지 않다. 이 이득은 복잡한 제어 이론이 아니라 시스템의 물리 법칙과 실시간 전력 데이터의 가용성으로부터 도출된다.
구조적 한계: 본 연구는 모든 분기가 독립적으로 자신의 열 제약 조건을 충족해야 한다면, 랙 간 협업을 통해 에너지를 절약할 수 없음을 입증한다. 최소 에너지 상태는 개별 하한값들의 벡터이다.
운영적 통찰: 테스트된 파라미터에서 구속 조건의 핵심은 85 °C의 접합부 제한이 아니라 15 °C의 공급-환수 온도 차이였다. 이는 $\Delta T$ 규격이 단순한 관례가 아니라 에너지 효율을 결정하는 1차적 운전 파라미터임을 시사한다.

저자는 이러한 결과가 집중 매개변수 모델을 사용한 수치 시뮬레이션에 기반하며, 하드웨어 인터페이싱, 중복성(redundancy) 또는 현장 특유의 변수는 포함하지 않았음을 명시한다. 그러나 결과는 명확한 규모와 경향성을 보여준다. 즉, 온도 피드백을 IT 전력 피드포워드로 교체하는 것은 보조 냉각 에너지를 실질적이고 즉각적으로 감소시킨다.

유사한 논문