高功率人工智能数据中心电源系统的可维护性设计

人工智能数据中心的电力系统要求越来越高，但即使机架获得了足够的电力，挑战也并未结束。

当需要对大功率机架进行维修时，工程师还需要考虑如何快速隔离受影响的部分，如何方便地接触相关组件，以及维护工作是否会影响电力系统的其他部分。

因此，对于高密度人工智能基础设施而言，可维护性正逐渐成为原始电气设计的一部分，而不是在系统安装后才考虑的事情。

为什么高机架功率下的可维护性至关重要

传统的服务器机架可以承受相对简单的维护过程。但高功率人工智能机架则不同。

单个机架可能包含大电流配电路径、多个转换级、电源架、母线、开关设备和保护组件。如果其中某个组件出现故障，受影响的电路可能承载着巨大的功率，因此无法通过简单地拆卸连接器或更换模块来进行维护。

机架功率越高，控制故障发生的位置以及需要离线的系统范围就越重要。

良好的可维护性始于这个问题：

能否在不干扰周围环境的情况下，将受影响的电力系统部分隔离？

电气隔离是维护策略的一部分

电气隔离在被维修部分和电力系统的其他部分之间建立了一个清晰的界限。

根据架构的不同，这可能涉及开关设备、接触器、断路器和其他保护组件。

对于直流电源路径，直流接触器可以实现高压电路的受控连接和断开。它们的作用不仅限于正常的启动或关闭。适当集成的开关和隔离功能还可以使维护程序更加可预测。

隔离方法需要与实际系统的电压、电流、开关占空比和故障条件相匹配。

仅仅增加一个开关设备并不能自动使电力系统更容易维护。它的位置以及与电路其余部分的协调同样重要。

模块化电源架构可简化服务

模块化是另一个实际的考虑因素。

高功率人工智能系统通常采用多个电源模块，而不是依赖单个大型转换单元。模块化设计可以更轻松地识别故障部分，并更换或维修相关模块。

好处不仅仅是方便。

设计良好的模块化电源系统可以减少维护期间需要拆卸的设备数量，并且在增加计算能力时，也能使未来的容量扩展更加便捷。

然而，模块化设计需要相应的电气接口、保护措施、散热管理和机械检修功能的支持。即使系统在理论上是模块化的，但如果组件排列紧密或难以隔离，维护起来仍然会很困难。

布局时应考虑服务通道。

大功率电气元件会产生热量，需要足够的空间，但也要考虑维护的便利性。

在系统的使用寿命期间，可能需要检查或更换电源架、母线连接、开关设备或保护组件。

如果检修这些组件需要拆卸无关的设备，则维护时间会增加，并且干扰其他连接的风险也会增加。

因此，电气布局应同时考虑正常运行条件和服务条件。

设计阶段的一些有用问题包括：

• 能否在不拆除不必要设备的情况下接触到相关部件？
• 维修前能否将受影响的电路隔离？
• 电缆和母线连接是否方便？
• 是否有足够的空间进行检查和更换？
• 维护程序能否安全、稳定地执行？

这些细节可能不会影响系统的额定功率，但会对运行效率产生直接影响。

故障隔离应与电源架构相匹配

故障并不总是会影响整个机架或配电路径。

如果建筑结构允许将各个部分隔离，则可以更好地控制局部故障的影响。

这需要电力转换设备、开关设备、保护组件和控制系统之间的协调配合。

例如，可以使用直流接触器断开直流电源路径的特定部分，而熔断器或其他保护装置则提供防止故障电流超过接触器预期切换能力的保护。

关键在于要将这些设备放在一起考虑。

易于维护的系统并非通过独立选择各个组件就能构建的。隔离和保护功能需要与实际的电源架构相匹配。

防护性和可维护性密切相关

防护设计通常是指防止设备在异常情况下损坏。

可维护性还需要考虑另一个问题：保护系统响应之后会发生什么？

如果保护装置隔离了故障部分，工程师仍然需要找到受影响的电路，确认其已安全隔离，并在修复后恢复系统。

清晰的电路边界和易于取用的元件可以使这个过程更加简单直接。

这在高功耗人工智能系统中尤为重要，因为延长维护窗口对运行的影响可能比在低功耗计算环境中要大得多。

热设计也会影响可维护性

热管理和可维护性并非两个独立的问题。

电源架、转换模块、开关设备和母线都会影响机架或机柜内部的热环境。

在高温下持续运行的部件可能需要在检查和维护期间给予更多关注。同时，紧凑的布局也可能使检修发热部件变得更加困难。

因此，散热路径需要与组件布局和维修通道一起考虑。

散热性能良好的布局，如果导致关键部件无法触及，在长期运行过程中仍可能造成困难。

围绕实际维护流程进行设计

最有效的可维护性决策通常是在设备到达数据中心之前做出的。

工程师可以绘制出常见的服务场景，并考虑每种情况下会发生什么：

1. 电源模块故障。
2. 直流保护装置需要检查。
3. 开关元件需要更换。
4. 母线或终端连接需要维护。
5. 需要将机架的一部分隔离起来。
6. 系统维护完毕后需要恢复运行。

通过分析这些场景，可以发现仅从电路原理图中无法明显看出的问题。

它还有助于确定所选组件、连接和外壳布局是否支持预期的维护程序。

随着功率密度的提高，可维护性变得越来越重要。

高功率人工智能基础设施正在将更多的电子设备集成到更小的物理空间中。

这使得功率密度、保护、冷却、隔离和可维护性之间的关系变得越来越重要。

我们的目标并非设计一个永远无需维护的系统。电气设备最终都需要进行检查、更换或维修。

更好的目标是使这些任务可预测。

高功率人工智能数据中心电源系统的设计应确保故障能够被控制，受影响的电路能够被隔离，关键组件能够在不造成不必要中断的情况下进行维修。

实用设计视角

可维护性并不需要完全不同的电源架构。

在许多情况下，这源于在早期设计阶段对元件布局、电路分割、开关和隔离、模块化和访问等方面做出更好的决策。

对于高功率 AI 数据中心系统而言，随着机架功率的增加和电气布局的日益紧凑，这些决策变得更加重要。

功率转换和分配决定了能量如何到达负载。保护和隔离决定了系统在异常情况下的响应方式。可维护性决定了工程师在系统整个运行寿命期间能够多有效地进行维护工作。

将这些因素综合起来，有助于构建人工智能电力基础设施，使其不仅能够提供高功率，而且易于操作和维护。