1. 문제 정의 및 솔루션 아이디어
데이터센터의 과도한 냉각 전력 소비와 단순 폐기되는 서버 폐열은 탄소 배출 증가와 자원 낭비의 주요 원인이다. 이를 해결하기 위해 버려지는 서버 폐열을 히트펌프로 회수하고, AI를 활용해 외기 온도와 서버 부하 등에 맞춰 냉각 설비(히트펌프, 칠러, AHU)의 최적 운전 비율을 제어하는 '스마트 열관리 플랫폼'을 개발하였다.

2. 시스템의 구조
- 데이터셋 학습: 데이터 센터의 데이터셋에 물리 기반 프록시 변수 및 시계열 Lag를 적용하여, 출구 온도, 전력량, 온도 편차를 예측하고 시스템의 운전 상태를 3단계로 분류하는 XGBoost 모델을 구축하였다. 또한 이를 성능 평가한 결과, 99.14%의 정확성을 가진 분류 모델과 회귀 모델의 타당성을 입증하였다.

- 최적화: 온도 편차 패널티와 장비 한계를 반영한 다목적 목적함수를 설계하고, Grid Search를 적용해 폐열 회수는 극대화하고 전력 소비는 최소화하는 최적 운전 조건을 도출하였다.

- 웹 제작: 프론트엔드와 백엔드를 연동해 AI의 최적 제어 가이드라인과 탄소 저감 성과를 직관적으로 렌더링하는 통합 웹 대시보드를 개발하였다.

3. 기대효과
- 탄소중립 기여: AI 기반 적응형 제어를 통해 기존 대비 냉각 전력 소비와 탄소 배출량을 대폭 절감한다.

- 자원 활용 효율화: 버려지던 폐열의 회수율을 기존 대비 20~40% 높여 데이터센터의 전반적인 에너지 활용 효율(PUE)을 개선한다.

- 운영 안정성 확보: 실시간 핫스팟 및 과냉각 진단을 통해 서버의 무중단 운영 안정성을 보장하고 냉각 장비의 수명을 연장한다.