综述：数据中心冷却技术的进步：从碳源到碳汇

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》：Advances in cooling technologies for data center: From carbon source to carbon sink

　　邹源伟|宁波王|薄天|临沂安|子军东|双全邵
华中科技大学能源与动力工程学院，武汉，430074，中国

摘要
数据中心冷却系统占设施级电力消耗和碳排放的很大比例，然而现有的综述大多孤立地讨论个别技术，缺乏一个统一的框架来推动逐步脱碳。本文提出了一个分阶段的综合框架，用于实现从高碳到低碳、零碳再到负碳的可持续数据中心冷却发展路径。在该框架中，低碳发展被理解为以空气冷却、液体冷却和混合冷却为中心的终端侧冷却效率提升；零碳发展则通过可再生能源集成、自然冷却、热能储存和智能运行实现源侧脱碳；负碳发展则通过废热回收和外部热替代实现系统级碳耦合。在低碳阶段，可以利用液体冷却技术的高传热效率将其与蒸发冷却技术结合，以替代传统的空气冷却方式，从而降低冷却能耗，提高电力使用效率，并推动空气冷却技术的节能优化。向零碳发展迈进需要整合自然冷却资源和可再生能源，从源头上减少碳排放。而实现负碳发展则依赖于废热回收，将低品位热能转化为区域供热等资源。通过综合不同技术层次和碳核算边界下的这些路径，本文认为数据中心冷却的可持续演变不是一个单一技术的替代过程，而是一个从设备级效率提升到能源系统集成和碳价值重构的渐进式过渡，使数据中心能够从能源消费者转变为更广泛低碳能源系统中的能源供应者。

引言
随着大数据、人工智能、云计算和元宇宙的快速发展，数据处理能力对数字经济的竞争力变得至关重要。作为数据存储和计算的核心基础设施，数据中心（DCs）经历了爆炸性增长，成为国家经济发展的重要驱动力。数据中心的扩张导致其运营能耗显著增加，并带来了相应的环境影响。然而，这些影响的性质在不同地区并不统一。在化石燃料仍占主导地位的电力网中，主要问题是高电力需求带来的碳排放；而在可再生能源或核能占比较高的电力网中，电力的碳强度较低，其他性能指标（如冷却用水量、峰值电力需求及其对电网可靠性的影响，以及数据中心提供需求灵活性的能力）变得更为重要。如图1(a)所示，中国的数据中心电力消耗从2018年到2025年持续上升，年增长率约为15%，预计到2025年其在全国电力消耗中的占比将达到5%。相应地，图1(b)展示了2020年至2030年全球数据中心碳排放的增长轨迹：预计排放量将从2.62亿吨增加到11.67亿吨，直接反映了全球数据中心发展带来的碳足迹扩大[1]。除了这些直接趋势外，据报道全球数据中心还占全球电力生产的2.3%，并预计到2030年将贡献ICT行业总排放量的28.8%（约0.36 GtCO2e）[2]。

图2(a)展示了过去十年中对数据中心冷却技术的研究兴趣，数据来源于Web of Science平台，并根据关键词“DCs cooling”进行筛选和分类。图2(b)展示了同一时期与数据中心可持续和绿色发展相关的研究趋势。数据同样来自Web of Science，并使用“能源储存”、“废热回收”和“可持续”等关键词进一步细化。由于数据收集是在2025年9月进行的，因此2025年的全年数据尚未完整。尽管如此，研究兴趣的上升趋势仍然明显。数据显示，数据中心的低碳运营和绿色发展逐渐吸引了越来越多的关注。

在数据中心的各个子系统中，冷却系统是影响运营能耗和环境影响的最关键因素之一。根据最近LBNL的报告[3]，本研究采用基于占地面积的分类方法：小型设施的平均占地面积低于150平方英尺，中型设施的平均面积为2700至6900平方英尺，托管设施的平均面积为约11000平方英尺，超大规模设施的每个模块平均面积为约30000平方英尺。在典型的超大规模数据中心中，冷却通常占非IT能耗的30%至50%。在仍以化石燃料为主的电力供应结构下，这种冷却需求转化为大量的碳排放。因此，提高冷却系统性能不仅是热管理可靠性的问题，也是实现节能、减排和数据中心可持续运营的关键途径[4]。

尽管关于数据中心冷却的文献越来越多，但现有研究大多集中在空气冷却、液体冷却、可再生能源集成、热能储存、智能控制和废热回收等个别技术主题上，缺乏系统性理解。一个重要问题尚未得到充分解决：如何在逐步严格的脱碳目标下系统地理解这些不同技术。大多数现有研究从热性能、能耗或应用可行性等方面评估特定冷却技术，但较少尝试将它们置于从局部效率提升到更广泛的碳减排和系统耦合目标的统一过渡逻辑中。特别是，文献缺乏一个综合视角，解释冷却技术如何从提高终端侧能源效率，发展到支持零碳运营，再到通过外部能源替代和扩展系统边界促进负碳转型。这一差距使得难以评估不同冷却技术在数据中心长期可持续发展路径中的战略作用。

从功能角度来看，冷却系统负责捕获、传递和排除IT和电力设备产生的热量，因此是影响数据中心能源使用和环境性能的最关键辅助系统之一。实践中，数据中心冷却的可持续性通常通过功率使用效率（PUE）、水使用效率（WUE）和碳使用效率（CUE）等指标来衡量。PUE定义为数据中心的总电力需求除以IT设备的电力需求；WUE类似地定义为数据中心的总用水量除以IT设备的电力需求。然而，在本综述中，这些指标的相关性不在于它们的数学定义本身，而在于它们如何帮助解释冷却技术在能源效率提升、水资源管理和碳减排中的作用。本质上，数据中心的节能与碳减排之间的关系取决于设施的总能耗和供应能源的碳强度。因此，节能与碳减排密切相关但并不完全等同：提高冷却效率可以减少能源需求，而采购可再生能源和低碳能源替代可以进一步降低运营的碳强度。

为应对这些挑战，并超越单一技术的总结，本文提出了一个基于高碳→低碳→零碳→负碳路径的数据中心冷却技术分阶段综合框架。引入这一路径的动机是，数据中心冷却的脱碳并非由单一机制主导。低碳阶段主要与通过先进空气冷却、液体冷却和混合冷却技术实现的终端侧能源效率提升相关；零碳阶段需要冷却系统与低碳能源供应（包括可再生能源集成、自然冷却、热能储存和智能运维）之间的进一步协调；负碳阶段则超越了数据中心本身的运营边界，依赖于更广泛的能源系统耦合，特别是通过废热回收和外部热替代，这可能在扩展的碳核算边界下创造额外的减排量。因此，所提出的路径不仅仅是一个简单的分类，而是一个将分散的研究重新组织成更连贯过渡逻辑的概念框架。

根据《温室气体协议企业标准》，温室气体排放分为三个范围[5]：范围1涵盖直接排放，范围2涵盖购买电力的间接排放，范围3涵盖价值链中的其他间接排放。具体来说，如第4节所述，废热回收替代了外部高碳密集型供暖或冷却服务，产生了温室气体核算文献中所谓的“避免排放”，这些排放不属于范围1、2和3的排放范围，因为它们发生在产品生命周期库存之外，也不在公司的范围1、2和3库存之内。只有当这种避免的排放量超过数据中心在此扩展边界下的剩余直接和间接排放总量时，才可能出现净负碳结果。这种使用方式不同于物理二氧化碳去除（如直接空气捕获与永久地质封存），这不在本文讨论范围内。因此，读者应注意本文中使用的“负碳”一词是依赖于系统边界的，并且取决于合适的外部热需求的可用性和被替代能源的碳强度。

基于这一框架，本文的目标是从技术演变、碳减排机制和系统级集成的角度综合现有文献。具体而言，本文首先回顾了以空气冷却、液体冷却和混合冷却系统为中心的低碳冷却技术的发展；然后探讨了通过可再生能源使用、自然冷却、热能储存和智能运行实现零碳数据中心的路径；最后，从更广泛的系统角度讨论了废热回收在支持负碳转型中的作用，包括多场景应用和碳核算影响。通过这种分阶段综合，本文不仅旨在总结现状，还提供了关于数据中心冷却技术如何在日益严格的可持续性目标下发展的更清晰视角，为未来的研究和工程实践提供参考。

**数据中心低碳冷却技术**
数据中心的低碳阶段并不指冷却技术是否是新发明的，而是指它是否能够在现有电力供应条件下有效减少冷却相关的电力需求，提高设施级能源效率，从而降低间接碳排放。虽然提高冷却能源效率普遍有益，但不同冷却技术的相对价值取决于当地电网特性、气候条件等。

**零碳数据中心：可再生能源和冷却策略**
零碳数据中心是指尽可能减少IT和冷却基础设施的剩余电力需求，并通过低碳或可再生能源供应来匹配的系统。这并不意味着冷却技术本身可以直接实现零碳运营。从这个角度来看，冷却技术在零碳阶段的作用是支持性的：它们减少了冷却相关的能源需求，提高了运营灵活性，促进了...

**迈向净负碳数据中心：废热回收作为系统级推动者**
在数据中心中利用废热回收是降低运营成本和支持向系统级净负碳结果转型的有效途径。在继续讨论之前，有必要明确术语和系统边界。在本节中，“负碳”一词仅用于扩展的系统边界含义。本文并不声称数据中心实现了物理上的负排放，即直接空气捕获与...

**未来研究的机会**
前几节讨论了通往低碳、零碳和负碳数据中心的各种路径。然而，这些路径的相对重要性强烈依赖于地理环境。表7总结了不同地区不同冷却指标的优先级差异。实际上，数据中心运营商必须根据当地条件权衡这些因素。本文并不规定一种“最佳”冷却技术，而是提供了一个选择和...

**结论**
随着数据中心的快速发展，其极高的运营能耗和碳排放引起了越来越多的关注。作为高能耗设施，冷却系统在整体效率中起着关键作用。在冷却系统中推广节能措施，实现数据中心（DCs）的绿色低碳运行，逐渐成为冷却技术发展的未来方向。因此，冷却技术对可持续性的贡献显得尤为重要。

**作者贡献声明：**
- 魏祖源：概念化、方法论、软件开发、数据调查、验证、可视化、形式化分析、初稿撰写。
- 王宁波：概念化、方法论、软件开发、数据调查、验证、可视化、形式化分析、初稿撰写。
- 田波：概念化、数据整理、方法论、软件开发。
- 安琳毅：概念化、方法论、审稿与编辑。
- 董子军：概念化、审稿与编辑、项目监督。
- 邵双全：

**利益冲突声明：**
作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

**致谢：**
本研究得到了湖北省技术创新重点研发计划（项目编号：2025BAB003）和国家自然科学基金（项目编号：52576012）的支持。