CN110235128A - 用于构造紧凑壁模型的系统和方法 - Google Patents

用于构造紧凑壁模型的系统和方法 Download PDF

Info

Publication number
CN110235128A
CN110235128A CN201780085219.8A CN201780085219A CN110235128A CN 110235128 A CN110235128 A CN 110235128A CN 201780085219 A CN201780085219 A CN 201780085219A CN 110235128 A CN110235128 A CN 110235128A
Authority
CN
China
Prior art keywords
node
wall
layer
shell
adjacent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780085219.8A
Other languages
English (en)
Other versions
CN110235128B (zh
Inventor
詹姆斯·威廉姆·范吉尔德
扎迦利·M·帕迪
克里斯多佛·M·希利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Schneider Electric IT Corp
Original Assignee
American Power Conversion Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by American Power Conversion Corp filed Critical American Power Conversion Corp
Publication of CN110235128A publication Critical patent/CN110235128A/zh
Application granted granted Critical
Publication of CN110235128B publication Critical patent/CN110235128B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/28Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Fluid Mechanics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Photovoltaic Devices (AREA)

Abstract

提供了紧凑壁模型的系统和方法。根据一个方面,本文的实施例提供了一种方法,该方法包括:接收与外壳相关的输入数据,该输入数据包括关于外壳的壁的外部的太阳能强度数据;由处理器至少部分基于输入数据生成外壳壁的热模型,壁被建模为具有多个层,并且热模型包括多个节点,使得多个层中的每一层与多个节点中的至少一个节点相关联,并且多个节点中的每个节点通过热阻热耦合到相邻节点;由处理器求解对于至少一个节点的能量平衡方程,以确定对于至少一个节点的预测温度;以及将预测温度输出到显示设备。

Description

用于构造紧凑壁模型的系统和方法
相关应用的交叉引用
本申请根据35 U.S.C.§119(e)和PCT Article 8要求于2016年12月16日提交的、序列号为62/435,324的、题目为“SYSTEMS AND METHODS OF COMPACT WALL MODESL FORCFD SIMULATIONS”的美国临时申请的优先权,该申请在此通过引用以其整体并入本文用于全部目的。
背景
计算流体动力学(CFD)使用数学方法来解决包括流体流动在内的问题,如数据中心内的气流分布。尽管CFD建模是优化数据中心气流配置的有效方法,但CFD分析方法有许多缺点。例如,CFD方法通常涉及耗时的计算,并且可能包括许多固有地内置于模型中的假设,这可能导致不准确的结果。
概述
本发明的方面针对一种方法,该方法包括:接收与外壳相关的输入数据,该输入数据包括关于外壳的壁的外部的太阳能强度数据;由处理器至少部分基于输入数据生成外壳壁的热模型,壁被建模为具有多个层,并且热模型包括多个节点,使得多个层中的每一层与多个节点中的至少一个节点相关联,并且多个节点中的每个节点通过热阻热耦合到相邻节点;由处理器求解对于至少一个节点的能量平衡方程,以确定对于至少一个节点的预测温度,以及将预测温度输出到显示设备。
根据一个实施例,生成热模型包括将壁的多个层识别为:热耦合到外壳的内部体积的内表面层、包括壁的外部并且热耦合到周围环境的外表面层、以及热耦合到内表面层和外表面层的中心层。
根据一个实施例,热阻被配置为考虑热传导率,使得与中心层相关联的第一节点传导地耦合到内表面层的节点、外表面层的节点,并且耦合到与中心层相关联的第二相邻节点、第三相邻节点、第四相邻节点和第五相邻节点。
根据一个实施例,方法还包括对至少一个热阻应用加权参数。在一个实施例中,加权参数被应用于第一节点和内表面层的该节点之间的热阻,以及第一节点和外表面层的该节点之间的热阻。
根据一个实施例,求解能量平衡方程包括在多个时间步长处求解对于至少一个节点的能量平衡方程,以确定该至少一个节点处随时间的预测温度变化。
根据一个实施例,求解能量平衡方程包括基于太阳能强度数据补偿太阳能负载。
根据一个实施例,生成热模型包括将壁定义为由三维空间中的多个节点表示的物理域,并将该三维空间中的多个节点的一部分映射到二维平面上。在一个实施例中,外壳包括两个相邻的外部壁,该外部壁位于沿着由这两个相邻的外部壁的边缘限定的直线交叉的平面上,并且二维平面包括该边缘。
根据一个实施例,方法还包括将热模型与外壳内部体积的CFD模型相结合。在一个实施例中,内部体积的CFD模型由形成多个单元的网格表示,该多个单元包括与多个层的内层相邻的多个内部单元。在一个实施例中,方法还包括基于CFD模型实现内部体积的设计。
根据一个实施例,该方法还包括由处理器使用预测温度来调节内部体积中装置的运行参数。
根据另一方面,本发明针对一种系统,该系统包括储存设备、显示设备、耦合到储存设备和显示设备的控制器,该控制器被配置为:从储存设备接收与外壳相关的输入数据,该输入数据包括关于外壳的壁的外部的太阳能强度数据,至少部分基于输入数据生成外壳壁的热模型,壁被建模为具有多个层,并且热模型包括多个节点,使得多个层中的每一层与多个节点中的至少一个节点相关联,并且多个节点中的每个节点通过热阻热耦合到相邻节点,求解对于至少一个节点的能量平衡方程以确定对于至少一个节点的预测温度,以及将预测温度输出到显示设备。
根据一个实施例,控制器还被配置为对至少一个热阻应用加权参数。根据另一实施例,控制器被配置为将加强参数应用于第一节点和内表面层的该节点之间的热阻,以及应用于第一节点和外表面层的该节点之间的热阻。
根据一个实施例,求解能量平衡方程包括在多个时间步长处求解对于至少一个节点的能量平衡方程,以确定该至少一个节点处随时间的预测温度变化。
根据一个实施例,该系统还包括至少一个传感器,该传感器耦合到储存设备并被配置为测量太阳能强度数据。
根据一个实施例,求解能量平衡方程包括基于太阳能强度数据补偿太阳能负载。
根据一个实施例,控制器被配置为将热模型与外壳的内部体积的CFD模型相结合。
根据一个实施例,控制器还被配置为使用预测温度来调节外壳中装置的运行参数。
下面详细讨论这些示例方面和实施例的另外其它方面、实施例和优点。此外,应当理解,前面的信息和下面的详细描述都仅仅是各个方面和实施例的说明性的示例,并且旨在提供用于理解所要求保护的方面和实施例的性质和特性的综述或者框架。本文公开的实施例可与其它实施例组合,且对“实施例”、“示例”、“一些实施例”、“一些示例”、“可选的实施例”、“各种实施例”、“一个实施例”、“至少一个实施例”、“这个和其它实施例”、“某些实施例”等的提及并不一定是相互排斥的,并且意图指示所述的特定特征、结构或特性可被包括在至少一个实施例中。本文中这类术语的出现不一定都指同一实施例。
附图简述
下面参考附图讨论至少一个实施例的各种方面,附图并非旨在按比例绘制。附图被包括以提供对各种方面和实施例的说明和进一步理解,并被并入本说明书中且构成本说明书的一部分,但并不意图作为任何特定的实施例的限制的定义。附图连同说明书的其余部分一起用于解释所描述和要求保护的方面和实施例的原理和操作。在附图中,在各图中示出的每个相同或几乎相同的部件由相似的数字表示。为了清楚的目的,不是每个部件都在每个附图中标出。在附图中:
图1A是示出根据本发明的一个或更多个方面的热模型的示例的分解等距视图的示意图;
图1B是示出图1A的热模型的示例的分解2D视图的示意图;
图2是示出根据本发明的一个或更多个方面的热模型的示例的1D视图的示意图;
图3是根据本发明的一个或更多个方面的随时间过去的比较温度数据的曲线图;
图4是根据本发明的一个或更多个方面的外壳中的加热块的示意图;
图5A是使用根据本发明的一个或更多个方面的热模型确定的图4的加热块和外壳的温度值的示意图;
图5B是使用数值基准解确定的图4的加热块和外壳的温度值的示意图;
图5C是图5A中获得的温度值和图5B中获得的温度值之间的温差的示意图。
图6是可以在其上执行本文公开的方法的计算机系统的示意图;以及
图7是图6的计算机系统的存储器系统的示意图。
详细描述
在数据中心中,温度和气流是不可见和非线性的,需要计算系统来可视化热性能。如果应用得当,CFD建模是计算系统的一个示例,其能够提供气流、温度或数据中心环境的其他特性的综合评估。设计者或数据中心操作员可以使用CFD分析来执行假设分析,以用于优化和控制数据中心的一个或更多个部件的目的,如冷却装置和IT装置。
在某些应用中,可能需要在CFD模拟中对建筑环境或其他类型外壳的内壁和外壁进行建模,尤其是在房间层面。实际的壁通常由多个(薄)层组成,并可能暴露于太阳辐照度。对壁构造显式地建模可能是冗长的(例如,由于壁交叉点处的复杂性),并且也是有问题的,因为壁中CFD分析所需的计算网格可能比相邻流体区域的计算网格精细得多。这是一个问题,特别是在其中粗网格可能更有效的初步设计应用中。网格长度尺度上的差异会显著增加求解时间并对鲁棒性产生负面影响,导致需要大总单元数来实现低纵横比单元。
为了减少构建和求解CFD模拟所需的时间和工作量,使用紧凑的数学“黑盒”模型理想化物理上复杂的对象通常是有用的。这种模型被设计为“调谐的”,使得它们的行为与它们显式建模的配对物相匹配。此外,还可以实现数学模型来预测数据中心内空气移动设备的瞬态现象,从而预测温度。
出于多种原因,用于数据中心的传统模型通常忽略或以其他方式省略通过建筑物的壁的热量传递,至少对于稳态分析而言是如此。例如,建筑物可能没有外壁,或者由于壁表面与房间体积的比率很低,通过壁的热量损失只占总的数据中心热量负载的很小一部分。然而,对于小型结构,如配置为集装箱或模块化系统的外壳,进出外部环境的热量传递变得更加重要。在这种类型的外壳中,壁表面与房间体积的比率很高,并且这种系统通常部署在恶劣(例如,温度、风、太阳能负载)的环境中,如沙漠或石油平台,这导致壁上大的温差和强烈的太阳能负载。此外,集装箱化系统更有可能在瞬态热条件下运行,并容纳时间相关的热负载的装置。例如,太阳辐射热负载可能由于太阳全天位置的变化而变化。
预测模块化外壳内温度的传统方法包括使用集中热分析或壁内带有精细网格的CFD模拟。这两种方法都存在缺点。集中分析仅预测对于壁的单一平均温度和对于外壳内空气的单一温度,因此无法预测任何可能违反给定应用的热要求的局部热点或冷点。模块化容器内的温度可以跨越20℃或更高的范围,因此集中方法可能导致外壳内预测温度的显著不准确性。相比之下,详细的CFD分析可以包括能够检测任何热点或冷点并警告设计者或操作者任何热点或冷点的分析,但需要对商业CFD软件有充分的了解和访问。此外,即使对于使用商业工具的熟练的CFD建模者来说,创建具有所有不同壁交叉点的多层壁模型在最好的情况下也是冗长的。如下文进一步解释的,CFD模型中使用的壁网格单元可能比在流体中获得精确模拟结果所需的更精细,因此增加了不必要的计算开销并增加了计算时间,而没有任何额外的好处。
预测外壳内部瞬态温度的其他方法也有缺点。例如,一些方法仅在一个维度(垂直于壁)上处理壁热量传递,这不能精确地捕捉面内方向(in-plane direction)上的热量传播。相比之下,其他方法将壁表示为具有物理厚度,并且在其横截面内具有许多精细网格单元,这对于许多应用来说计算量太大而没有实际用途。例如,初步设计应用可以从粗糙的室内空气网格模拟中提取有用的信息,可能不需要在详细的壁模拟中实现精细壁网格。因此,为了避免高纵横比的网格单元与相邻单元尺寸的巨大差异,可能需要大量网格单元、可变网格甚至非结构化网格。由于大的计算需求,从建模的角度来看,所有这些方法都是低效的。
本公开的各方面涉及一种热模型(本文也称为“紧凑模型”、“紧凑壁模型”或“热壁模型”),该热模型可以应用于外壳的外壁,并且可以用于考虑太阳能热通量和三维热量传递。壁的热量传递和热质量包括在所公开的热模型中,这对于某些应用是有用的。例如,这些效应在包括模块化和集装箱化应用的外壳中非常显著,这些应用越来越多地被部署为模块化数据中心、变电站、电网规模能量存储系统、风能和太阳能支持系统以及水培耕作系统等。热模型可以是紧凑的,因为它可以考虑稳态和瞬态条件。
热模型将壁理想化为几何二维平面,并能够捕捉几何二维表示中的三维热量传递、太阳能负载和热质量效应。热模型能够在不使用壁内任何计算网格单元的情况下实现,并且能够与CFD或基于CFD的分析相结合或以其他方式集成,包括专用和开源CFD和基于CFD的工具,或者在其他商业工具中使用例如用户定义的功能或二维壳传导对象的组合。热壁模型可用于流体体积区域内部的任何CFD或基于CFD的模拟,该流体体积区域与另一流体体积区域或室外邻接。所公开的紧凑壁模型例如通过简化CFD建模过程并提高数值解的速度和鲁棒性而提供了对以上讨论的壁模型的改进。此外,大单元尺寸的网格可以与模型结合使用,这对于初步设计应用是理想的。本文公开模型的复杂性对于用户来说也是不可见的,这使得使用更加容易。如下文进一步详细讨论的,热壁模型的温度预测与详细的基准解相比是有利的,该基准解包括瞬态太阳能负载和壁的横向的热量传导。
紧凑热壁模型
图1A和图1B分别示意性地示出了根据本公开各种实施例的热模型的示例的分解等距视图和分解二维视图,该热模型总体上以100示出。热模型100将壁理想化为将壁分成多个层的二维(2D)平面106。图1A和图1B所示的示例将壁的多个层建模为或者以其他方式识别为三个层:内层105a(本文中也称为内表面层)、中心层105b(也可以称为内部层)和外层105c(本文中也称为外表面层)。应当认识到,其他实施例可以将壁建模为具有少于三个层,或者具有多于三个层。
热模型100与用于数据中心的CFD或基于CFD的模型兼容并可与之集成,该CFD或基于CFD的模型将计算网格应用于容纳数据中心的外壳的内部体积。根据一个实施例,应用于数据中心外壳内部的CFD或基于CFD的模型针对外壳内部的空气和固体对象实现了均匀的三维网格,但是应当认识到,其他实施例可以包括实现非均匀或非结构化三维网格的使用的CFD模型。在一些实施例中,均匀网格可以包括立方体单元,但是其他实施例可以包括矩形、三角形或其他合适的单元几何形状。
CFD或基于CFD的模型和热模型分析都可以包括接收输入数据,该输入数据包括关于数据中心的物理和/或逻辑特性的信息,如装置信息(例如,IT装置、机柜、网络装置、冷却设备)、装置布局(包括装置机架和冷却装置的布局)、以及数据中心架构(例如,冷却架构)、建筑物或外壳信息(例如,材料及其物理属性、物理维度、瓦片穿孔细节、窗户、门、通风口等的位置、以及诸如消隐板的气流障碍物的位置)。在一些情况下,输入数据还包括测量结果数据(例如,来自数据中心中的温度、湿度和/或气流传感器,如机架/机柜入口和出口温度以及冷却供应空气温度和气流,和来自功率传感器(例如,装置消耗的功率)),以及来自外部(周围环境)环境的测量结果数据,如温度、湿度和太阳能强度数据。输入数据可用于模型中,模型的结果然后可用于控制装置和/或向用户提供信息。
对于CFD模型,然后可以至少部分基于输入数据针对数据中心内部生成结构化多块3D网格(mesh)或网格(grid),并且可以将CFD求解器应用于网格的每个3D体积(例如,“块”)。3D体积在块界面边界处相互交换信息。在某些情况下,基于流体和网格相关的属性来确定每个3D体积中每个节点的数值计算,该属性的非限制性示例包括流动物理学、物理属性、网格连通性等。例如,CFD基于流体力学的基本定律,因此包括实现质量、动量和能量守恒的控制方程,以形成一组耦合的非线性偏微分方程。CFD模型的网格建立了一个离散域,其中每个流动变量仅在网格点处被定义,并且相关流动变量在网格点处直接求解,其他位置处的值通过在网格点处插值来确定。
根据一个或更多个方面,CFD可用于确定数据中心内的气流模式和空气温度。当热模型与CFD模型相结合时,气流模式和空气温度可能会受到外壳壁热效应的影响。
回到图1A和图1B,壁的内表面层105a与相邻的CFD内部单元102(其是三维(3D)的)的面重合,并且具有温度Ti,并且内表面层105a热耦合到外壳的内部体积。中心层105b表示壁本身的内侧或内部(其通常是绝缘的),并且具有温度Tc,并且热耦合到内表面层105a和外表面层105c。外层105c热耦合到周围环境或规定的外部边界条件104(即,外部或外部环境),吸收太阳辐照度,如太阳能负载115所示,并且具有温度To。根据至少一个实施例,内层105a和外层105c可以由金属材料的薄层构成。
如图1A和图1B所示,内层105a、中间层105b和外层105c分别各自具有热容125a、125b和125c。热容125可以是用于构造相应层的材料的物理属性的函数,并且反映材料存储热能的能力。热模型还包括多个节点110。在某些方面,热模型可以将壁定义为由三维空间中的多个节点表示的物理域。三维空间中的多个节点可以被映射到二维平面上,如图1A和图1B中的每一个在106处所示。
每个层105a、105b和105c与至少一个节点110相关联,并且如图1A和图1B所示,每个节点通过热阻120热耦合到相邻节点。根据一个实施例,每个节点110可以是温度节点,并且每个层105a、105b和105c与壁平面方向上每Δx距离的一个温度节点相关联,其中Δx表示内部(CFD)单元102的特征尺寸。内层105a、中心层105b和外层105c中的每一个的热容的量值可以分别由以下表达式给出:
对于内层105a的热容:
对于中心层105b的热容:
对于外层105c的热容:
其中:
ρ表示密度
cp表示比热
l表示壁层的厚度
热模型还包括至少一个热阻120。相邻节点可以通过热阻120彼此热耦合。在一个实施例中,内层105a和外层105c在法线方向上的热阻120可以被假设为忽略不计,只要这些层通常薄并且由相对高传导性的材料(例如钢)构成。
热阻120表示沿理想化流动路径的热量传递的阻力,并在图1A和图1B中被示出为电阻器。为了进一步说明,壁的中心层105b在内部表面层105a和外部表面层105c之间传导热量,并将热量传导到位于邻接的相邻二维壁区域中的四个邻接节点110(以下将进一步详细讨论)中的每一个。这些热阻120中的每一个在图1A和图1B中示出。根据一些实施例,与壁的一个层相关联的每个节点110经由热阻120耦合到六个邻接的节点。例如,参考图1B,与中心壁层105b的温度Tc相关联的节点110热耦合到Ti、Tc N(位于Tc“北边”的面内温度节点)、Tc S(位于Tc“南边”的面内温度节点)、Tc E(位于Tc“东边”的温度节点(图1B的平面外))、Tc W(位于Tc“西边”的温度节点(图1B的平面外))和To(与外层105c相关联的温度节点)。为了进一步对穿过壁的热路径建模,内部表面层105a热耦合到内部3D单元102(外壳的内部体积),使得与内壁层105a的温度Ti相关联的节点110耦合到Ti N(位于Ti“北边”(N)的面内温度节点)、Ti S(位于Ti“南边”(S)的面内温度节点)、Ti E(位于Ti“东边”(E)的温度节点(图1B的平面外,因此在图1B中未示出))、Ti W(位于Ti“西边”(W)的温度节点(图1B的平面外,因此在图1B中未示出))、TI(与相邻的内部单元102相关联的温度节点)和Tc(与中心层105b相关联的温度节点)。为了完成穿过壁的热路径,外表面层105c热耦合到周围环境(由外部边界条件104表示),使得与外壁层105c的温度To相关联的节点110耦合到To N(位于To“北边”(N)的面内温度节点)、To S(位于To“南边”(S)的面内温度节点)、To E(位于To“东边”(E)的温度节点(图1B的平面外))、To W(位于To“西边”(W)的温度节点(图1B的平面外))、Tc(与相邻的中心层105b相关联的温度节点)和Tamb(与外部边界条件104相关联的温度节点)。
根据至少一个实施例,热阻120可以由以下表达式定义:
R=l/k
其中:
k表示壁层的热传导率。
如图1B所示,中心层105b分别经由电阻(1-λ)Rc和λRc传导地耦合到内层105a和外层105c,并且经由等于Rc(Δx/lc)的单个的传导电阻耦合到其四个相邻的中心层邻居。因此,根据一些实施例,热阻被配置为考虑热传导率。根据各个方面,热模型实现了加权参数λ(也称为“调谐参数”)的使用,该加权参数λ可以取0到1的值。加权参数λ可以被实现为提供额外的自由度,通过该自由度可以“调谐”紧凑壁模型以更好地匹配基准数据。加权参数λ因此定位控制它和邻接层之间的相对热阻如何的中心层(或其他内部层)节点。这允许改变中心层节点的位置,以提高预测精度。这样,如果加权参数λ=0,则Tc=To(中心层和外层之间的紧密耦合),并且如果加权参数λ=1,则Tc=Ti(中心层和内层之间的紧密耦合)。应当注意,在垂直于壁的一维传导的情形中,λ的值在稳态条件下没有影响。然而,由于假设所有热质量都集中在节点处(并且对于每个壁层都包含热质量),因此λ会影响任何维度问题的瞬态预测。在某些情况下,加权参数对瞬态温度演化速率的影响远大于对空间温度分布的影响。因此,λ可以被调谐以产生良好的瞬态预测,而不牺牲空间温度预测的准确性。
类似于以上经由量值为Rc的热阻120将中心层105b传导地耦合到其相邻的中心层邻居的方法,内层105a和外层105c经由传导电阻Ri=Δx/ki和Ro=Δx/ko耦合到它们自己的四个相连的(contiguous)内层和外层邻居中的每一个。外层105c对流地(convectively)且辐射地耦合到外部边界条件104,使得其中hrad是线性化辐射热量传递系数,其取决于壁的温度和环境温度。内层105a经由RI对流地或传导地耦合到其相邻的内部3D单元102。RI的值取决于内部单元是否封闭空气(对流情况),其中或者取决于固体材料(传导情况),其中
根据各个方面,热模型还被配置为考虑边缘和拐角周围的热量传递,而不增加任何额外的几何复杂性。此属性是通过如下假设来实现的:所有相邻的壁部分都在同一个二维平面中,而不管外壳的实际拓扑结构如何。因此,与中心层105b相关联的节点110(例如,Tc)与其邻居之间的热阻120是相同的,而不管邻居是否“在拐角处(around a corner)”。出于说明的目的,可以使用行走在外壳顶部上的蚂蚁来进行类比。如果蚂蚁在垂直壁上沿着边缘向前走,它就会到达它开始的2D正方形区域的邻居。从拓扑上来说,这种运动就像蚂蚁在顶部的平坦段上前进到相邻2D正方形区域一样。这样,不管它相对于壁的边缘或拐角的定位如何,壁的每个2D正方形区域都精确地具有与它的四个边缘中的每一个相邻的一个邻居。这种框架允许热壁模型排除交叉壁部分处存在的几何复杂性,或者在壁内实现专门的三维网格。因此,根据某些方面,外壳可以包括两个相邻的外部壁,它们位于沿着由两个相邻壁的边缘限定的直线交叉的平面上,并且二维平面(例如,图1A和图1B中的106)包括该边缘。
热模型可以被表示为一个或更多个能量平衡方程,这些方程可以被诸如处理器的计算设备用来预测或以其他方式估计壁中一个或更多个位置(例如,节点)处的温度,包括内层105a的温度Ti、中心层105b的温度Tc和外层105c的温度To。根据一个实施例,可以通过构造或以其他方式导出一组能量平衡方程来获得对于Ti、Tc和To的期望表达式。例如,对于图1B所示的对应于Ti、Tc和To中每一个的节点110,可以导出一组三个能量平衡方程,其中每个方程表示流入的能量、流出的能量以及存储在围绕热模型的三个计算节点(即,Ti、Tc和To)之一的控制体积内的能量。然后,每个能量通量项可以用相应的表达式代替,该能量通量项与两个给定节点之间的特定横截面积和温差成正比,并且与耦合该一对节点的热阻120的量值成反比。类似地,每个能量存储(热质量)项可以用等于Ci(dTi/dt)、Cc(dTc/dt)、或Co(dTo/dt)(视情况而定)的表达式代替。最后,三个时间导数中的每一个都可以用以下方程(1)中所示形式的近似值离散化:
其中:
Δt表示有限的持续时间(“时间步长”)
T是给定节点的当前温度
Tprev是同一节点在前一个时间步长处的温度
对于每层的瞬态热质量阻力也可以被定义为:
上述方法可用于推导对于Ti、Tc和To的三个代数表达式。内壁105a的温度Ti由下面的方程(2a)-(2c)给出:
其中:
以及
注意,在方程(2c)(以及下面讨论的方程(3c)和(4c)中,n表示与焦点节点邻接的相邻传导节点的数量。例如,如果焦点节点具有一个绝热侧(例如,与窗户、门、通风口或壁中的其他开口相邻),则n=3,而如果焦点节点位于实心壁的中间或不与任何开口相邻的边缘或角落,则n=4。在更罕见的情况下,当开口为L形或U形时,可能出现焦点节点仅具有一个或两个传导邻居的情况,使得分别为n=1或n=2。
中心壁105b的温度Tc由下面的方程(3a)-(3c)给出:
其中:
以及
最后,外壁105c的温度To由下面的方程(4a)-(4c)给出:
其中:
q″sol表示每单位面积的入射太阳能负载被外层吸收的部分,并且至少部分取决于壁材料的太阳能反射率值,
以及
太阳能负载是外壳的地理位置和取向以及太阳时(solar time)的函数,并且可以通过执行文献中(诸如,在ASHRAE Handbook:Fundamentals 2017,第14章,ClimaticDesign Information中)或在其他标准化资源中描述的计算并使用太阳能强度数据来确定。根据某些方面,q″sol仅需要在给定节点处的给定时间步长处是恒定的,并且在其他地方可以变化,例如,由于相对的太阳位置全天移动。
根据一个实施例,可以使用传感器设备来确定太阳能负载。例如,在一些情况下,来自位于外壁层105c附近的光伏电池的测量结果和入射太阳能可用于确定太阳能负载。太阳能电池的效率可用于计算壁上的总入射热负载。根据另一个示例,诸如日射强度计的传感器设备可以用于直接测量太阳能负载。
方程2-4是隐式的,因为每个方程包括其他未知量,因此必须同时求解。隐式方程可以迭代求解,或者单独地,或者作为父(CFD或其他)分析内迭代的一部分。然而,根据至少一个实施例,这些方程可以针对Ti、Tc、和To的显式方程解析求解。虽然用代数方法更复杂,但方程2-4的显式版本可以在每个时间步长处顺序求值,而无需额外迭代。
以上呈现的紧凑壁模型使用热量传递物理学来说明热流穿过壁部分的四种类型界面中每一种的单独的机制和阻力:(1)在壁和房间内的相邻介质之间(对流、传导和辐射),(2)在壁和房间外的相邻介质之间(对流、传导和辐射,以及壁上的入射太阳能负载),(3)在壁的平面内(壁内的自传导),以及(4)垂直于壁的平面(壁内的自传导)。
方程2-4表示本文呈现的热模型的三层实施例。如以下示例所讨论的,热模型提供了内壁层105a和外壁层105c的温度Ti和To的良好(空间和时间)估计,并且还精确地模拟了内壁层105a的散热(或传播)效应。热模型的替代实施例也在本公开的范围内。例如,仅使用一层或两层的热模型也可以通过采用对方程2-4的适当限制,或者通过对感兴趣的特定构造重复上述分析来使用和实现。类似地,热模型可以被扩展以处理具有多于三个单独层的更复杂的壁,或者具有断热层、热短路或接触阻力的壁。热模型也可以推广到与非均匀内部(CFD)网格方案一起使用。
根据一些实施例,从求解与上述热模型相关联的一组能量平衡方程获得的结果可用于预测数据中心中的温度,包括至少一个装置机架的入口温度和/或与冷却装置相关联的冷却流体(例如,空气、水)的出口温度。热模型可用于基于预测温度值来调节数据中心中装置(如装置机架和/或冷却提供者)的一个或更多个操作参数。例如,可以调节与冷却器相关联的流体(水、制冷剂、空气)的流速,或者可以调节与至少一个装置机架相关联的电功率。在某些情况下,可以执行调节以确保提供足够的冷却,使得数据中心或其部件的最高温度当前没有被超过或者在某个预期的未来条件下不被超过。在其他情况下,可以执行调节以节约能量或以其他方式最小化能量消耗。根据一些实施例,可以基于预测的温度来改变数据中心的设计。例如,数据中心设计和管理系统的用户可以改变冷却器的位置、或冷却器的类型,冷却器被用在数据中心中装置的实际布局中或数据中心中装置的推荐布局中。当发现性能是在预定的规范内时,这些改变可被实现为提高冷却性能和/或可被实现为提供成本和/或功率节省。此外,预测的温度值或其他信息(例如,天气预报)可用于实施其他类型的动作,如存储额外的冷水、或者对设施进行预冷却(例如,在预料到的热天气或电力中断的情况下)。
来自模型的结果还可以用于在显示设备上生成或以其他方式提供显示或其他类型的可视化,如本文参照图3和图5描述的那些。例如,从模型生成的温度预测曲线可以显示给用户,和/或可以用于监控或控制数据中心的一个或更多个部件。例如,温度预测曲线可以产生信息,如壁的一个层或更多个层达到稳态温度的时间长度,和/或壁的一个层或更多个层的最高和最低温度值,其可以由用户或由控制器用于控制冷却装置或装置机架。在另一个示例中,当热壁模型与数据中心的CFD模型集成时,可以向用户显示数据中心的二维或三维可视化,其包括来自组合模型的结果,如热效应(例如,温度梯度或值、气流等)。如下文进一步详细讨论的,来自模型的结果可以显示为设计系统的实现的一部分,如下文进一步讨论的。根据另一个示例,来自模型的结果可以用于向用户(例如,数据中心管理者)提供警告、错误消息、警报或其他信息。
根据一些实施例,热壁模型可以被结合到数据中心设计系统中,该数据中心设计系统可以是独立的工具或者可以被构建到数据中心设计平台中,平台包括基于web的软件工具。这个设计方面可以被用来引导数据中心人员进行活动,如设计数据中心结构、在安装之前在数据中心内定位装置和在施工和安装完成之后重新定位装置。设计和伴随的分析可以允许用户创建数据中心配置的模型,根据该模型可以确定性能度量(例如,装置机架和/或冷却器的入口和出口温度)。系统和用户然后都可以使用这些性能度量,来确定满足不同设计目标的可选系统配置。因此,可以获得优化的设计,并且模型的结果可以用作实现该设计的系统的一部分,例如,从而根据优化的设计布局订购装置、运输装置和/或在数据中心中安装装置。此外,现有数据中心的设计也可以根据模型的结果进行更改。例如,用户可以诸如当发现性能在预定规范内时通过降低功耗或其他成本节约来改变部件和/或冷却装置的位置,以提高数据中心的性能。
在至少一些上文所描述的实施例中,提供了用于确定数据中心中的气流和温度的工具和过程。在其它实施例中,这些工具和过程可用于其它类型的设施,并且也可用于移动应用(包括模块化数据中心)。例如,根据一些实施例,如以下进一步详细讨论的,作为计算系统的一部分实现的控制器或处理器可以位于模块化数据中心中或用作模块化数据中心的一部分,以监视和控制数据中心的各个方面,如一个或更多个操作参数(例如,冷却设置、流速等)。在一些情况下,控制器可以被配置成预测某些条件,如外部条件(如太阳能负载和温度(例如,根据天气预报)),和/或内部条件(如功耗等),并在管理和控制数据中心时将此信息与模型结合或以其他方式实现。
尽管以上讨论主要针对数据中心,但是应当认识到,这些模型也可以应用于其他类型的外壳,包括不是“数据中心”的模块化和预制外壳。例如,模型可以应用于模块化变电站,如电气变电站、电网规模的能量存储系统、风能和太阳能支持系统、以及水培耕作系统或其他非数据中心应用。
参照示例性实施例描述的方法和技术可以使用机器或其他计算设备来执行,其中一组指令在被执行时可以使得机器执行上述方法中的任何一种或更多种。在一些实施例中,机器作为独立设备运行。在一些实施例中,机器可以连接(例如,使用网络)到其他机器。在网络化部署中,机器可以在服务器-客户端用户网络环境中以服务器或客户端用户机器的身份运行,或者在对等(或分布式)网络环境中作为对等机器运行。
在一些实施例中,本文公开的一种或更多种方法可以在计算机控制系统上实现。各个方面可以作为在如图6中所示的通用或专用计算机系统600中执行的专门的软件来实现。计算机系统600可以包括连接至如磁盘驱动器、固态存储器或用于存储数据的其它设备的一个或更多个存储器设备617的处理器603(本文中也可以称为控制器)。存储器617一般用于在计算机系统600的运行期间存储程序和数据。
处理器603可以是能够执行一组指令(顺序的或以其他方式)的任何设备,这些指令指定了该处理设备要采取的动作。此外,虽然示出了单个处理器,但是术语“处理器”还应被理解为包括单独或联合执行一组(或多组)指令以执行本文所讨论的任何一种或更多种方法的处理器的任何集合。
计算机系统600的部件可以由互连机构607(本文中也称为互连系统)耦合,该互连机构可以包括一根或更多根总线(例如,在被集成在同一个机器内的部件之间)和/或网络。互连机构607使通信(例如,数据、指令)能够在系统600的系统部件之间交换。计算机系统600包括一个或更多个输入设备609,例如,键盘、鼠标、轨迹球、麦克风、磁盘驱动单元、信号生成设备(例如,扬声器或遥控器)或触摸屏,用户可以通过它们向系统600发出命令、数据输入或编程。在一些实施例中,计算机系统600可以包括或耦合到一个或更多个输入设备609,或者与该一个或更多个输入设备609通信,例如与数据中心相关联的装置,如冷却装置或IT装置。计算机系统600包括一个或更多个输出设备621,例如,打印设备、扬声器和/或显示设备,如显示屏(例如,液晶显示器(LCD)、平板、固态显示器或阴极射线管(CRT))。在一些实施例中,计算机系统600可以包括或耦合到互连机构607或与互连机构607通信,以提供控制信号来调整设施的设施系统619的一个或更多个操作参数。一个或更多个传感器613还可将输入提供到计算机系统600。这些传感器可以包括例如能够配置为或者被配置为测量数据中心外部或内部的一个或更多个参数的传感器,如温度、湿度、流速、气流、太阳能强度、功率、流速等。此外,除了互连机制607之外或者作为互连机制607的替代,计算机系统600可以包含将计算机系统600连接到通信网络的一个或更多个接口(未显示)。中央处理单元可以利用这些接口从外部源(如互联网上的天气报告服务网站)收集数据,例如天气或太阳能数据。
如图7更详细地显示的,储存系统611典型地包括计算机可读和可写的非易失性记录介质723,在非易失性记录介质中存储信号,该信号限定将由处理器执行的程序或将由程序处理的信息。该介质可以包括例如磁盘或闪存。通常,在操作中,处理器使数据从非易失性记录介质723中读取到另一存储器725内,存储器725比介质723允许由处理器更快地访问信息。这个存储器725一般是易失性随机存取集成电路存储器,诸如动态随机存取存储器(DRAM)或静态存储器(SRAM)。它可位于如所示的储存系统611中或存储器系统617中。处理器603通常操纵集成电路存储器617内的数据并且接着在处理完成之后将数据复制到介质723。用于管理介质723和集成电路存储器元件617之间的数据移动的许多机制是已知的,且本文中公开的实施例不限于任何特定的数据移动机制。本文公开的实施例并不局限于特定的存储器系统617或储存系统611。
计算机系统可包括特别编程的专用硬件,例如专用集成电路(ASIC)。本文公开的实施例可以在软件、硬件或固件或其任何组合中实现。此外,这样的方法、动作、系统、系统元件及其部件可被实现为上面所述的计算机系统的部分或实现为独立部件。
尽管计算机系统600作为示例被显示为在其上可实践本文公开的各种实施例的一种类型的计算机系统,但应当认识到,本文所公开的实施例并不限于在如图6所示的计算机系统上实现。本文所公开的各种实施例可以在具有与图6所示不同的结构或部件的一个或更多个计算机上实施。
计算机系统600可以是使用高级计算机编程语言可编程的通用计算机系统。计算机系统600也可以使用专门编程的专用硬件来实现。在计算机系统600中,处理器603一般是市场上可买到的处理器,诸如从英特尔公司可买到的公知的PentiumTM或CoreTM类处理器。许多其他处理器也是可用的。这种处理器通常执行的操作系统可以是例如从微软公司购买的Windows 7或Windows 8操作系统、可从苹果电脑公司购买的MAC OS System X、可从SunMicrosystems购买的Solaris Operating System或者可从各种来源获得的UNIX。可使用许多其他操作系统。
处理器与操作系统一起定义了计算机平台,以高级编程语言编写的应用程序应用于计算机平台。应当理解,本文所公开的实施例并不限于特定的计算机系统平台、处理器、操作系统或网络。此外,对于本领域的技术人员应当明显的是,本文所公开的实施例不限于特定的编程语言或计算机系统。此外,应该认识到,还可使用其他适合的编程语言和其他适合的计算机系统。
计算机系统的一个或更多个部分可以分布在耦合至通信网络的一个或更多个计算机系统(未示出)中。这些计算机系统也可以是通用计算机系统。例如,本文公开的各个实施例可被分布于一个或更多个计算机系统当中,所述一个或更多个计算机系统被配置为向一个或更多个客户计算机提供服务(如,服务器),或者作为分布式系统的一部分执行总的任务。例如,本文公开的各种实施例可在客户端-服务器系统上执行,客户端-服务器系统包括分布在根据不同实施例执行各种功能的一个或更多个服务器系统当中的部件。这些部件可以是使用通信协议(例如,TCP/IP)通过通信网络(例如,互联网)通信的可执行的中间(例如,IL)或解释(例如,Java)代码。在一些实施例中,计算机系统600的一个或更多个部件可经由包括诸如蜂窝手机网络的无线网络与一个或更多个其它部件进行通信。
应当认识到,本文所公开的实施例并不限于在任何特定的系统或系统组上执行。此外,应当认识到,本文所公开的实施例并不限于任何特定的分布式结构、网络或通信协议。各种实施例可以使用诸如SmallTalk、Java、C++、Ada或C#(C-Sharp)等面向对象编程语言进行编程。也可以使用其它的面向对象编程语言。可选地,可使用函数、脚本和/或逻辑编程语言。本文公开的各种实施例可在非编程环境(例如,以HTML、XML或其他格式创建的文件,当这些文件在浏览器程序的窗口中被查看时渲染图形用户界面(GUI)的各个方面或实现其他功能)中实现。本文所公开的各种实施例可实现为编程的或非编程的元素或其任何组合。
包括但不限于专用集成电路、可编程逻辑阵列和其他硬件设备的专用硬件实现同样可以被构造成实现本文描述的方法。可以包括各种实施例的装置和系统的应用广泛地包括各种电子器件和计算机系统。一些实施例在两个或更多个特定的互连硬件模块或设备中实现功能,其中相关的控制和数据信号在模块之间和通过模块传送,或者作为专用集成电路的一部分实现。因此,示例系统适用于软件、固件和硬件实现。
示例
从下面的示例中,将更充分地理解本文公开的热模型的实施例的功能和优点。以下示例旨在说明所公开的建模方法的益处,但不以任何方式限制其全部范围。
一维瞬态传导的示例
作为本文公开的热模型的能力的一个示例,呈现了具有太阳能负载的一维瞬态场景。热模型的一维版本200在图2中以热网络形式示出。壁具有下面的表1中总结的物理属性,其对应于由钢构成并由隔热层分隔的内层和外层。此外,内部和外部热量传递系数被假定为8W/(m2℃)[1.4Btu/(hr ft2°F)],而外壳的内部和外部温度分别保持在TI=20℃[68.0°F]和Tamb=30℃[86.0°F]处恒定,这被认为是室外模块化外壳的实际值。外壁和内壁的热传导率k不用于一维热壁模型200中,因为假设在垂直方向上对传导的阻力可以忽略不计。
表1–示例壁的物理属性
在时间t=0时,500W/m2[159Btu/(hr ft2)]的恒定(吸收)太阳能负载115被突然施加到外壁层。假定地球海平面上的平均太阳能通量约为1,000W/m2[317 Btu/(hr ft2),并且假定该强度的一半从壁的外表面反射出去,则用于太阳能负载的该值被认为是实际的。确定开始和结束稳态温度以及对于内壁层和外壁层的中间瞬态温度,并与具体的基准解进行比较。
使用电子表格求解离散化的一维热模型200,电子表格中的每行对应于在给定时间步长处的温度计算。然而,由于采用了方程2-4形式的隐式方程,每个时间步长处的温度都用Gauss-Seidel迭代求解。将一维热模型200的结果与用商业CFD软件工具(11.3软件(由Mentor Graphics提供))创建的具体的一维数值基准解进行比较。基准模型的特点是中心层有50个网格单元,并且内层和外层有4个网格单元。100秒的时间步长被发现适当地很小,并且被用于紧凑热模型和基准模型。这些模型是独立于在1秒到250秒范围内的时间步长的时间步长。
图3将紧凑模型内层和外层温度预测与基准温度预测进行了比较。中心层温度未显示,因为这些温度不影响外壳内部的气流或热溶液或者通过壁的热量传递。对于热模型预测,加权参数λ被指定为等于0.2,这产生了与两个层的基准数据的良好拟合。热模型准确地预测了开始和结束的稳态温度,并合理地捕捉了对于内壁层和外壁层的温升速率。由热模型预测的内层温度在早期落后于基准值。这个结果与所有中心层质量集中在单个节点处的假设有关,该节点相比于实际情况与被施加的太阳能负载更紧密地接近。例如,在真实的壁中,壁的每个极小层都必须吸收热量,提高温度,然后将热量传导到下一层。
“最佳”加权参数λ值可能取决于应用以及对于给定应用的准确度目标。例如,如果外部条件保持恒定,而内部装置(可能与内壁接触)散热变化迅速,则λ值接近1可能是更好的选择。由于缺少任何特定的使用案例信息,0.5的λ值(即,将中心层节点定位在壁的中间)被发现是一个合理的选择。
表2总结了模型在最大误差和相对均方根误差(%RMSE)方面的准确性,并提供了对于外层和内层温度预测的这些度量。均方根误差%RMSE可以被表示为以下方程(5)所示:
其中:
n是比较点的数量
Tmodel,i和Tbenchmark,i分别是随着时间变化的预测温度和基准温度
Tmax和Tmin分别是基准案例在每个相应层处的最高温度和最低温度
表2–一维热模型准确度的总结
作为在各个层处的最大温度范围的百分比,外层和内层处的最大误差分别为4.0%(在t=16分钟时)和16.7%(在t=175分钟时)。以每层的最大范围的百分比表示的RMSE明显较小,对于外层和内层分别为2.1%和7.0%。
模型的结果还表明,外壁层在大约一个或两个小时后达到稳定状态,而内层需要接近10个小时。因此,出于实际考虑,外壁表皮在太阳下会迅速升温,而内层表皮可能不会“感觉”到这种影响,直到太阳在天空中处于非常不同的位置。
示例–三维稳态传导
第二个示例强调了尽管热壁模型是物理上二维的,该模型准确预测横向传导的能力,并且因此能够捕捉“散热”(“heat sink”)效应,例如紧靠外壳壁的内侧放置的热物体。图4显示了外壳中的单个加热块,其中壁具有与前一示例相同的构造(表1),并且内部尺寸为2.7m[8.9ft]x 2.7m[8.9ft]x 7.5m[18.3ft]。加热块在每个维度上为600mm[2.0ft],并且如所示位于其中一个长壁的中心。块的热传导率为100W/(m℃)[57.7Btu/(hr ft°F)],并且在其整个体积中均匀地散发100W[341 Btu/hr]的热量。容器所有侧面的外部环境被认为是20℃[68°F],并且假设外壁热量传递系数为10W/(m2℃)[1.8Btu/(hr ft2°F)]。作为参考,内部(CFD)网格在横向方向上与壁网格相同(均匀的150mm[5.9in]单元),也如图4所示。
热壁模型在专用的3D CFD软件设计工具中实现,此处将其与用商业CFD软件(11.3软件(由Mentor Graphics提供))创建的数值具体基准解进行比较。与前面的示例一样,加权参数λ在热模型中再次被取为0.2。在基准模拟中,三个壁层被显式建模,同样在内层和外层的厚度上有4个网格单元。为了确保比较的焦点尽可能集中在壁模型上,而不是工具中采用的其他物理和数值模型上,假设零气流,并且仅模拟传导热量传递。
图5A-5C比较紧接在散热块后面(并与之接触)的内壁层的表面上的温度的基准预测和紧凑壁模型。图5A显示了由组合的CFD/热模型预测的内壁层的温度,图5B显示了由数值基准解预测的温度,图5C显示了图5A和图5B的预测温度之间的差异。结果表明,模型在绝对温度值和定性分布上都有很强的一致性。观察到的最大差异等于0.80℃[1.4°F],并且发生在壁上对应于散热块中心的位置处。预测的(静态)空气温度的差异大约为0.5℃[0.9°F]或更低。在所有情形中,相对于基准情况,热壁模型都高估了温度。如图5A和图5C所示,尽管在物理上是二维的,但是热模型准确地解释了横向热量传导。尽管在图5A-5C中未显示,但是热壁模型和基准温度之间的差异在外壳的相应外壁上最多为0.1℃[0.2°F]。还发现加权参数λ不会显著影响热壁模型的稳态二维预测,因此,在一维瞬态情形的前述示例中获得的0.2的加权参数λ值也可以用于瞬态-外部-太阳能负载应用。
根据本发明的本文所公开的方面不将其应用限制于在下面描述中阐述的或在所附附图中示出的部件的构造和布置的细节。这些方面能够采用其它实施例并且能够以各种方式被实施或实现。具体实现方式的示例仅出于说明的目的而在本文提供并且没有意图进行限制。特别地,结合任何一个或更多个实施例讨论的动作、部件、元件和特征并不意图排除在任何其它实施例中的类似的作用。
另外,本文所使用的措辞和术语是出于描述的目的,且不应视为具有限制性。对本文以单数形式提到的系统和方法的示例、实施例、部件、元件或者动作的任何引用也可以包括包含复数的实施例,且本文以复数形式对任何实施例、部件、元件或者动作的任何引用也可以包括只包含单数的实施例。以单数形式或者复数形式的引用不旨在限制目前公开的系统或者方法、它们的部件、动作或者元件。在本文中对“包括(including)”、“包括(comprising)”、“具有”、“包含(containing)”和“涉及”及其变体的使用意指包含在其后面列出的各项及其等效体以及另外的项。对“或”的引用可解释为包含的,以便使用“或”描述的任何术语可以指示描述的术语的单个、多于一个和所有中的任何一项。另外,在本文件和通过引用并入本文的文件之间术语的用法不一致的情况下,所并入的参考文献中的术语用法作为对本文件中的术语用法的补充;对于不可协调的不一致,以本文件中的术语用法为准。而且,可在说明书中为了读者的方便来使用标题或子标题,其不应对本发明的范围有影响。
在这样描述了至少一个示例的数个方面后,应认识到,本领域技术人员将容易想到各种变更、修改和改进。例如,本文公开的示例也可在其它背景下使用。这样的变更、修改和改进意图为本公开的一部分,且意图在本文讨论的示例的范围内。因此,前文的描述和附图仅仅是作为示例。

Claims (26)

1.一种方法,包括:
接收与外壳相关的输入数据,所述输入数据包括关于所述外壳的壁的外部的太阳能强度数据;
由处理器至少部分基于所述输入数据生成所述外壳的壁的热模型,所述壁被建模为具有多个层,并且所述热模型包括多个节点,使得所述多个层中的每一层与所述多个节点中的至少一个节点相关联,并且所述多个节点中的每一个节点通过热阻热耦合到相邻节点;
由所述处理器求解对于所述至少一个节点的能量平衡方程,以确定对于所述至少一个节点的预测温度;以及
向显示设备输出所述预测温度。
2.根据权利要求1所述的方法,其中,生成所述热模型包括将所述壁的所述多个层识别为:热耦合到所述外壳的内部体积的内表面层、包括所述壁的外部并且热耦合到周围环境的外表面层、以及热耦合到所述内表面层和所述外表面层的中心层。
3.根据权利要求2所述的方法,其中,所述热阻被配置为考虑热传导率,使得与所述中心层相关联的第一节点传导地耦合到所述内表面层的节点、所述外表面层的节点,并且耦合到与所述中心层相关联的第二相邻节点、第三相邻节点、第四相邻节点和第五相邻节点。
4.根据权利要求3所述的方法,还包括对至少一个热阻应用加权参数。
5.根据权利要求4所述的方法,其中,所述加权参数被应用于所述第一节点和所述内表面层的所述节点之间的热阻,以及所述第一节点和所述外表面层的所述节点之间的热阻。
6.根据权利要求1所述的方法,其中,求解所述能量平衡方程包括在多个时间步长处求解对于所述至少一个节点的能量平衡方程,以确定所述至少一个节点处随时间的预测温度变化。
7.根据权利要求1所述的方法,其中,求解所述能量平衡方程包括基于所述太阳能强度数据补偿太阳能负载。
8.根据权利要求1所述的方法,其中,生成所述热模型包括将所述壁定义为由三维空间中的所述多个节点表示的物理域,并将所述三维空间中的所述多个节点的一部分映射到二维平面上。
9.根据权利要求8所述的方法,其中,所述外壳包括两个相邻的外部壁,所述两个相邻的外部壁位于沿着由所述两个相邻的外部壁的边缘限定的直线交叉的平面上,并且所述二维平面包括所述边缘。
10.根据权利要求1所述的方法,还包括将所述热模型与所述外壳的内部体积的CFD模型相结合。
11.根据权利要求10所述的方法,其中,所述内部体积的CFD模型由形成多个单元的网格表示,所述多个单元包括与所述多个层的内层相邻的多个内部单元。
12.根据权利要求10所述的方法,还包括基于所述CFD模型实现所述内部体积的设计。
13.根据权利要求1所述的方法,还包括由所述处理器使用所述预测温度来调节所述内部体积中的装置的操作参数。
14.一种系统,包括:
储存设备;
显示设备;
控制器,其耦合到所述储存设备和所述显示设备并且被配置为:
从所述储存设备接收与外壳相关的输入数据,所述输入数据包括关于所述外壳的壁的外部的太阳能强度数据;
至少部分基于所述输入数据生成所述外壳的壁的热模型,所述壁被建模为具有多个层,并且所述热模型包括多个节点,使得所述多个层中的每一层与所述多个节点中的至少一个节点相关联,并且所述多个节点中的每一个节点通过热阻热耦合到相邻节点;
求解对于所述至少一个节点的能量平衡方程,以确定对于所述至少一个节点的预测温度;以及
向所述显示设备输出所述预测温度。
15.根据权利要求14所述的系统,其中,生成所述热模型包括将所述壁的所述多个层识别为:热耦合到所述外壳的内部体积的内表面层、包括所述壁的外部并且热耦合到周围环境的外表面层、以及热耦合到所述内表面层和所述外表面层的中心层。
16.根据权利要求15所述的系统,其中,所述热阻被配置为考虑热传导率,使得与所述中心层相关联的第一节点传导地耦合到所述内表面层的节点、所述外表面层的节点,并且耦合到与所述中心层相关联的第二相邻节点、第三相邻节点、第四相邻节点和第五相邻节点。
17.根据权利要求16所述的系统,其中,所述控制器还被配置为对至少一个热阻应用加权参数。
18.根据权利要求17所述的系统,其中,所述控制器被配置为将所述加权参数应用于:所述第一节点和所述内表面层的所述节点之间的热阻,以及所述第一节点和所述外表面层的所述节点之间的热阻。
19.根据权利要求14所述的系统,其中,求解所述能量平衡方程包括在多个时间步长处求解对于所述至少一个节点的能量平衡方程,以确定所述至少一个节点处随时间的预测温度变化。
20.根据权利要求14所述的系统,还包括至少一个传感器,所述至少一个传感器耦合到所述储存设备并且被配置为测量所述太阳能强度数据。
21.根据权利要求20所述的系统,其中,求解所述能量平衡方程包括基于所述太阳能强度数据补偿太阳能负载。
22.根据权利要求14所述的系统,其中,生成所述热模型包括将所述壁定义为由三维空间中的所述多个节点表示的物理域,并将所述三维空间中的所述多个节点的一部分映射到二维平面上。
23.根据权利要求22所述的系统,其中,所述外壳包括两个相邻的外部壁,所述两个相邻的外部壁位于沿着由所述两个相邻的外部壁的边缘限定的直线交叉的平面上,并且所述二维平面包括所述边缘。
24.根据权利要求13所述的系统,其中,所述控制器被配置为将所述热模型与所述外壳的内部体积的CFD模型相结合。
25.根据权利要求24所述的系统,其中,所述内部体积的CFD模型由形成多个单元的网格表示,所述多个单元包括与所述多个层的内层相邻的多个内部单元。
26.根据权利要求14所述的系统,其中,所述控制器还被配置为使用所述预测温度来调节所述外壳中的装置的操作参数。
CN201780085219.8A 2016-12-16 2017-12-15 用于构造紧凑壁模型的系统和方法 Active CN110235128B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662435324P 2016-12-16 2016-12-16
US62/435,324 2016-12-16
PCT/US2017/066601 WO2018112307A1 (en) 2016-12-16 2017-12-15 Systems and methods for constructing a compact wall model

Publications (2)

Publication Number Publication Date
CN110235128A true CN110235128A (zh) 2019-09-13
CN110235128B CN110235128B (zh) 2023-02-28

Family

ID=60943142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780085219.8A Active CN110235128B (zh) 2016-12-16 2017-12-15 用于构造紧凑壁模型的系统和方法

Country Status (4)

Country Link
US (1) US11514215B2 (zh)
EP (1) EP3555775B1 (zh)
CN (1) CN110235128B (zh)
WO (1) WO2018112307A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257198A (zh) * 2020-10-19 2021-01-22 大连理工大学 一种快速部署的分布式供能系统集成方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640341B (zh) * 2021-07-27 2023-09-12 广东芯聚能半导体有限公司 一种器件耦合热阻测量方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436296A (zh) * 2010-06-08 2012-05-02 美国能量变换公司 用于在数据中心中预测温度值的系统和方法
CN103370712A (zh) * 2010-12-16 2013-10-23 施耐德电气It公司 用于机架冷却分析的系统和方法
US20140097464A1 (en) * 2012-03-12 2014-04-10 Stmicroelectronics S.A. Electronic Device for Protection against Electrostatic Discharges, with a Concentric Structure
CN103995548A (zh) * 2014-05-13 2014-08-20 江苏大学 基于模型降阶和多模型预测控制的室内热环境控制方法
CN104871159A (zh) * 2012-10-31 2015-08-26 施耐德电气It公司 利用增强型势流模型的流体动力学预测的系统和方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8620632B2 (en) * 2011-06-24 2013-12-31 International Business Machines Corporation Estimating building thermal properties by integrating heat transfer inversion model with clustering and regression techniques for a portfolio of existing buildings
DE102012009080A1 (de) * 2012-05-09 2013-11-14 Gerald Mischke THERMO-U, ein Integriertes HW-und SW-System zur Messung und Berechnung von Wärmeenergieverlusten, von Wärmewiderständen, effektiven Wärmekapazitäten sowie der zugehörigen thermischen Trägheitskonstanten von Oberflächen (von Bauteilen) von Geräten, Anlagen, Gebäuden, etc.
US8958921B2 (en) * 2012-06-29 2015-02-17 Mitsubishi Electric Research Laboratories, Inc. Method for operating building climate control system using integrated temperature and humidity models

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436296A (zh) * 2010-06-08 2012-05-02 美国能量变换公司 用于在数据中心中预测温度值的系统和方法
CN103370712A (zh) * 2010-12-16 2013-10-23 施耐德电气It公司 用于机架冷却分析的系统和方法
US20140097464A1 (en) * 2012-03-12 2014-04-10 Stmicroelectronics S.A. Electronic Device for Protection against Electrostatic Discharges, with a Concentric Structure
CN104871159A (zh) * 2012-10-31 2015-08-26 施耐德电气It公司 利用增强型势流模型的流体动力学预测的系统和方法
CN103995548A (zh) * 2014-05-13 2014-08-20 江苏大学 基于模型降阶和多模型预测控制的室内热环境控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257198A (zh) * 2020-10-19 2021-01-22 大连理工大学 一种快速部署的分布式供能系统集成方法

Also Published As

Publication number Publication date
US11514215B2 (en) 2022-11-29
CN110235128B (zh) 2023-02-28
EP3555775A1 (en) 2019-10-23
EP3555775B1 (en) 2023-10-11
US20200257838A1 (en) 2020-08-13
WO2018112307A1 (en) 2018-06-21

Similar Documents

Publication Publication Date Title
Cacabelos et al. Calibrated simulation of a public library HVAC system with a ground-source heat pump and a radiant floor using TRNSYS and GenOpt
Maasoumy et al. Handling model uncertainty in model predictive control for energy efficient buildings
Halimov et al. Validation and integration of a latent heat storage model into building envelopes of a high-order building model for Modelica library AixLib
CN103370712B (zh) 用于机架冷却分析的系统和方法
Ghofrani et al. Prediction of building indoor temperature response in variable air volume systems
CN109582109A (zh) 数据中心控制方法和系统
US20140316720A1 (en) Data processing system with real-time data center air flow simulator
Toulouse et al. Exploration of a potential-flow-based compact model of air-flow transport in data centers
Khalaj et al. Multi-objective efficiency enhancement using workload spreading in an operational data center
Langer Application of a line implicit method to fully coupled system of equations for turbulent flow problems
Yao et al. Short‐Term Power Load Forecasting of Integrated Energy System Based on Attention‐CNN‐DBILSTM
Makhija et al. Concurrent shape and topology optimization for steady conjugate heat transfer
Kang et al. Co-simulation of dynamic underground heat transfer with building energy modeling based on equivalent slab method
CN110235128A (zh) 用于构造紧凑壁模型的系统和方法
Smith et al. Viewing convection as a solar farm phenomenon broadens modern power predictions for solar photovoltaics
Yang et al. Global sensitivity analysis based on BP neural network for thermal design parameters
Langner et al. An investigation of design parameters that affect commercial high-rise office building energy consumption and demand
Kanwar et al. Performance evaluation of different models of PV Panel in MATLAB/Simulink environment
Lyu et al. An automated process to calibrate building energy model based on schedule tuning and signed directed graph method
Kim et al. Three-dimensional numerical modeling of vertical ground heat exchangers: Domain decomposition and state model reduction
Cao et al. Reducio: Model reduction for data center predictive digital twins via physics-guided machine learning
US11246240B2 (en) Systems and methods for generating in a graphical user interface a display representing air temperatures, pressures, and velocities in an information technology room
Liu et al. Numerical investigation on model predictive control of portable electronic devices based on MATLAB/FLUENT co-simulation framework
Bhagwat et al. Fast and accurate evaluation of cooling in data centers
Sharma et al. Surrogate modeling approach towards coupling computational fluid dynamics and energy simulations for analysis and design of energy efficient attics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant