Energy Efficiency Improvement in RDHx Fan Control Systems Using PPO-Based Reinforcement Learning
Abstract
현대 데이터센터의 컴퓨팅 밀도 증가로 인해 기존 냉각 방식은 에너지 효율 측면에서 한계를 보이고 있다. 본 연구에서는 Proximal Policy Optimization(PPO) 기반 강화학습을 적용하여 후면 도어 열교환기(RDHx)의 팬 속도를 개별적으로 제어하는 지능형 냉각 제어 방식을 제안한다. 제안된 방식은 고정 이득 기반 PID 제어와 달리 각 팬을 독립적으로 제어함으로써 서버 유입 온도를 안정적으로 유지하면서 냉각 에너지 소비를 최소화하는 정책을 학습한다. 안전한 학습을 위해 축약 열모델과 도메인 랜덤화를 적용한 시뮬레이션 환경을 구축하였으며, 이를 통해 정책을 학습하였다. 실증 실험 결과, PPO 제어기는 PID 대비 평균 팬 속도를 약 36% 감소시키면서도 랙 유입 온도를 1.3°C 이내로 안정적으로 유지하였다. 이러한 결과는 강화학습 기반 제어가 데이터센터 냉각 시스템의 에너지 효율성과 열 안정성을 동시에 향상시킬 수 있음을 보여준다.
Fields of Study & Subjects
Energy Efficiency in Computing
Building Energy and Comfort Optimization
Cloud Computing and Resource Management
Publication details
- Journal / source
- The Journal of the Korean Institute of Information and Communication Engineering
- Volume
- 30
- Issue
- 1
- Pages
- 196–204
- Publication date
- 31 January 2026
- Language
- EN