CN117156828A - 基于液冷的数据中心散热系统及方法 - Google Patents
基于液冷的数据中心散热系统及方法 Download PDFInfo
- Publication number
- CN117156828A CN117156828A CN202311422506.7A CN202311422506A CN117156828A CN 117156828 A CN117156828 A CN 117156828A CN 202311422506 A CN202311422506 A CN 202311422506A CN 117156828 A CN117156828 A CN 117156828A
- Authority
- CN
- China
- Prior art keywords
- heat dissipation
- heat
- data center
- value
- damping
- 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
Links
- 230000017525 heat dissipation Effects 0.000 title claims abstract description 258
- 238000001816 cooling Methods 0.000 title claims abstract description 100
- 239000007788 liquid Substances 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims description 44
- 230000020169 heat generation Effects 0.000 claims abstract description 116
- 238000005265 energy consumption Methods 0.000 claims abstract description 51
- 238000005057 refrigeration Methods 0.000 claims abstract description 24
- 230000005855 radiation Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000004146 energy storage Methods 0.000 claims description 126
- 238000013016 damping Methods 0.000 claims description 100
- 238000013017 mechanical damping Methods 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 31
- 230000007613 environmental effect Effects 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 239000012530 fluid Substances 0.000 claims description 20
- 238000005381 potential energy Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000010248 power generation Methods 0.000 description 8
- 230000005284 excitation Effects 0.000 description 7
- 239000003507 refrigerant Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012809 cooling fluid Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
- H05K7/20763—Liquid cooling without phase change
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20218—Modifications to facilitate cooling, ventilating, or heating using a liquid coolant without phase change in electronic enclosures
- H05K7/20272—Accessories for moving fluid, for expanding fluid, for connecting fluid conduits, for distributing fluid, for removing gas or for preventing leakage, e.g. pumps, tanks or manifolds
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
- H05K7/20836—Thermal management, e.g. server temperature control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种基于液冷的数据中心散热系统及方法，包括：液冷散热模块，用于以液冷的方式对数据中心散热；散热预测模块，用于监测数据中心的产热温度，并根据所述产热温度生成散热控制方案；能源配置模块，用于计算所述散热预测模块生成的散热控制方案中制冷所需的能耗需求，并按照预设能耗限制条件选择散热控制方案以控制所述液冷散热模块的制冷工作。通过散热预测模块预测数据中心可能的产热量，并通过能源配置模块生成散热控制方案以控制液冷散热模块工作，使得散热系统能够根据数据中心的实际产热动态调整散热策略，避免了散热系统持续工作所造成的能耗浪费，解决了如何在保证制冷效果的同时降低能耗的问题。
Description
技术领域
本发明涉及数据中心散热技术领域，特别涉及一种基于液冷的数据中心散热系统及方法。
背景技术
数据中心是全球协作的特定设备网络，用来在internet网络基础设施上传递、加速、展示、计算、存储数据信息。数据中心作为信息时代的重要产物，其重要性和价值不言而喻，但是随之而来的是数据中心的能耗问题。据统计，数据中心的电能耗能占数据中心总成本的60%-70%，而其中用于制冷的能耗占总能耗的40-50%，因此，若能降低数据中心的制冷能耗，则对于降低数据中心整体的能耗有着重要作用。
目前，通常采用液冷的方式对数据中心进行散热。虽然液冷散热的方式制冷效果好，但现有的液冷制冷方式中，需要制冷设备持续工作，仍然会存在较大的电能损失。此外，现有的液冷制冷方式中，对于汲水总成到势能池部分的水流势能没有得到利用，且制冷设备中水流的流速恒定，无法适应环境温度的变化。
发明内容
本发明的目的在于提供一种基于液冷的数据中心散热系统及方法，以至少解决如何在保证制冷效果的同时降低能耗的问题。
为解决上述技术问题，本发明提供一种基于液冷的数据中心散热系统，包括：
液冷散热模块，用于以液冷的方式对数据中心散热；
散热预测模块，用于监测数据中心的产热温度，并根据所述产热温度生成散热控制方案；
能源配置模块，用于计算所述散热预测模块生成的散热控制方案中制冷所需的能耗需求，并按照预设能耗限制条件选择散热控制方案以控制所述液冷散热模块的制冷工作。
可选的，在所述的基于液冷的数据中心散热系统中，所述液冷散热模块包括依次管道连通的势能池、阻尼管网和散热腔室；所述势能池用于存储制冷液；所述阻尼管网用于在所述能源配置模块的控制下调节制冷液的流量；所述散热腔室位于数据中心，以利用制冷液对数据中心进行制冷。
可选的，在所述的基于液冷的数据中心散热系统中，所述阻尼管网包括多个蓄能支路，每一所述蓄能支路上设置有蓄能阻尼件，不同蓄能支路上的蓄能阻尼件的阻尼效率不完全相同，以控制所述蓄能支路上制冷液的流量。
可选的，在所述的基于液冷的数据中心散热系统中，所述阻尼管网还包括储能阻尼支路和机械阻尼支路；所述储能阻尼支路流经储能电池，以对所述储能电池进行散热；所述机械阻尼支路上设置有机械阻尼件，所述机械阻尼件与散热风机相连，以在控制所述机械阻尼支路上制冷液的流量的同时为所述散热风机提供电能。
为解决上述技术问题，本发明还提供一种基于液冷的数据中心散热方法，应用于如上任一项所述的基于液冷的数据中心散热系统，所述基于液冷的数据中心散热方法包括：
监测数据中心的产热温度，并调取数据中心的历史产热数据以计算数据中心的预测产热均值；
根据所述预测产热均值和液冷散热模块的布局，生成产热分布模型；
采集环境信息，以生成环境散热安全值；
根据所述环境散热安全值和所述产热分布模型，计算散热级数；
根据所述散热级数确定最大阻尼值；
获取能耗需求和液冷散热模块中所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值；
利用所述最大阻尼值、能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值筛选散热控制方案；
根据所述散热控制方案对数据中心制冷。
可选的，在所述的基于液冷的数据中心散热方法中，所述监测数据中心的产热温度，并调取数据中心的历史产热数据以计算数据中心的预测产热均值的方法包括：
利用产热预测算法计算预测产热均值，所述产热预测算法为：
其中，为当前时刻监测获得的产热值，/>为第n个与当前产热预测时段相关的历史产热函数，/>为与第/>个历史产热函数的历史产热权重，/>为预设的偏差权重，/>为预设的时差权重，/>为第n个历史产热函数的起始时刻，k为与当前产热预测时段相关历史产热函数的总数，/>为目标预测时间范围，/>为预测产热均值。
可选的，在所述的基于液冷的数据中心散热方法中，所述采集环境信息，以生成环境散热安全值的方法包括：
利用环境散热算法计算环境散热安全值，所述环境散热算法为：
其中，为静态散热值，通过环境信息中的环境温度数据和环境湿度数据查表获得；/>为最大辅助散热值，通过环境信息中供电质量数据查表获得；/>为最大水冷散热值，通过环境信息中的水流温度以及最大有效流速查表获得。
可选的，在所述的基于液冷的数据中心散热方法中，所述根据所述环境散热安全值和所述产热分布模型，计算散热级数的方法包括：
从所述产热分布模型中计算所有具有相邻关系的节点之间的热差向量，所述热差向量的方向为节点相邻关系方向，所述热差向量的模长为节点之间预测产热均值的差值；
对所有所述热差向量进行求和，以获得产热特征向量：；
通过产热特征向量和每一热差向量计算向量偏差：；
根据产热温度计算每一节点的有效热量值：，其中，C为预设的基准比热值，M为预设的基准质量值，/>为预测产热均值对应的产热温度，/>为预设的基准温度；
配置基准热量，并对高于所述基准热量的预测产热均值进行求和：，其中，/>为高于所述基准热量的预测产热均值；
计算所述产热分布模型的模型热密度：，其中，/>为预设的转换系数；
根据模型热密度和环境散热安全值查表获得散热级数。
可选的，在所述的基于液冷的数据中心散热方法中，所述能耗需求包括用电需求、辅助散热需求和储能散热需求；所述用电需求根据数据中心用电计划生成；所述辅助散热需求根据数据中心监测温度生成；所述储能散热需求根据储能电源的温度生成。
可选的，在所述的基于液冷的数据中心散热方法中，所述利用所述最大阻尼值、能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值筛选散热控制方案的方法包括：
利用能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值生成多个散热控制方案；
筛选出阻尼值之和小于最大阻尼值的散热控制方案；
计算筛选后的每一散热控制方案的控制差值：
其中，为预设的用电需求权重，/>为预设的辅助散热需求权重，/>为预设的储能需求权重，/>；X为用电需求值，Y为辅助散热需求值，Z为储能散热需求值；/>为第n个蓄能支路的响应值，/>为第n个机械阻尼支路的响应值；/>为第n个储能阻尼支路的响应值；
选择所述控制差值最小的所述散热控制方案。
本发明提供的基于液冷的数据中心散热系统及方法，包括：液冷散热模块，用于以液冷的方式对数据中心散热；散热预测模块，用于监测数据中心的产热温度，并根据所述产热温度生成散热控制方案；能源配置模块，用于计算所述散热预测模块生成的散热控制方案中制冷所需的能耗需求，并按照预设能耗限制条件选择散热控制方案以控制所述液冷散热模块的制冷工作。通过散热预测模块预测数据中心可能的产热量，并通过能源配置模块生成散热控制方案以控制液冷散热模块工作，使得散热系统能够根据数据中心的实际产热动态调整散热策略，避免了散热系统持续工作所造成的能耗浪费，解决了如何在保证制冷效果的同时降低能耗的问题。
附图说明
图1为本实施例提供的液冷散热模块的结构示意图；
图2为本实施例提供的蓄能支路的结构示意图；
图3为本实施例提供的储能阻尼支路的结构示意图；
图4为本实施例提供的机械阻尼支路的结构示意图；
图5为本实施例提供的基于液冷的数据中心散热方法的流程图；
其中，各附图标记说明如下：
100-势能池；200-阻尼管网；210-蓄能支路；211-蓄能阻尼件；212-蓄能控制阀；213-发电组件；220-储能阻尼支路；221-储能控制阀；230-机械阻尼支路；231-机械阻尼件；232-机械控制阀；300-散热腔室；310-液冷架构；400-数据中心；410-储能电池；420-散热风机。
具体实施方式
以下结合附图和具体实施例对本发明提出的基于液冷的数据中心散热系统及方法作进一步详细说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
需要说明的是，本发明的说明书和权利要求书及附图说明中的“第一”、“第二”等是用于区别类似的对象，以便描述本发明的实施例，而不用于描述特定的顺序或先后次序，应该理解这样使用的结构在适当情况下可以互换。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本实施例提供一种基于液冷的数据中心散热系统，包括：液冷散热模块，用于以液冷的方式对数据中心散热；散热预测模块，用于监测数据中心的产热温度，并根据所述产热温度生成散热控制方案；能源配置模块，用于计算所述散热预测模块生成的散热控制方案中制冷所需的能耗需求，并按照预设能耗限制条件选择散热控制方案以控制所述液冷散热模块的制冷工作。
其中，液冷散热模块是对数据中心进行液冷制冷的物理模块；散热预测模块和能源配置模块为实现控制液冷散热模块的虚拟模块，其可以设置在任何具有控制功能的终端上，如电能、控制器、操作手柄等，以及，其功能可以通过多种程序方式实现。在不违背本申请主旨前提下的任何程序实现方式及终端的使用应当在本申请的保护范围之内。此外，为了实现对液冷散热模块的控制，液冷散热模块、散热预测模块和能源配置模块之间需具有一定的连接关系，包括但不限于电性连接和通信连接等。
本实施例提供的基于液冷的数据中心散热系统，通过散热预测模块预测数据中心可能的产热量，并通过能源配置模块生成散热控制方案以控制液冷散热模块工作，使得散热系统能够根据数据中心的实际产热动态调整散热策略，避免了散热系统持续工作所造成的能耗浪费，解决了如何在保证制冷效果的同时降低能耗的问题。
具体的，在本实施例中，如图1所示，所述液冷散热模块包括依次管道连通的势能池100、阻尼管网200和散热腔室300；所述势能池100用于存储制冷液；所述阻尼管网200用于在所述能源配置模块的控制下调节制冷液的流量；所述散热腔室300位于数据中心400，以利用制冷液对数据中心400进行制冷。
较佳的，为了充分利用制冷液的势能，在本实施例中，势能池100、阻尼管网200和散热腔室300的高度逐步降低，如此，制冷液可以利用自身重力势能产生一定的流速，从而能够节约势能池100将制冷液输入阻尼管网200时所需的能耗。
此外，为了节能环保，本实施例的制冷液可以采用大自然中湖泊、河流中的水，并在制冷循环结束后排入大自然中。
进一步的，在本实施例中，所述阻尼管网200包括多个蓄能支路210，如图2所示，每一所述蓄能支路210上设置有蓄能阻尼件211，不同蓄能支路210上的蓄能阻尼件211的阻尼效率不完全相同，以控制所述蓄能支路210上制冷液的流量。如此，通过组合不同的蓄能支路210，便可以提供不同流量/流速的制冷液，进而可以调整散热系统的制冷效率。
较佳的，在本实施例中，每一所述蓄能支路210上还设置有蓄能控制阀212，通过控制蓄能控制阀212的开启或关闭，可以调整对应蓄能支路210上制冷液的流速或流量以及对该蓄能支路210进行开启（连通）或关闭（截断）。
具体的，蓄能阻尼件211可以设置为蓄能叶片，蓄能叶片的转轴安装磁铁或线圈。当蓄能阻尼件211为蓄能叶片时，每一蓄能阻尼件211上还设置有发电组件213，发电组件213通过电磁感应的原理生成感应电流，此处生成的电能可以直接供给至数据中心用于数据中心的照明、散热或数据中心本身的运行，也可以输送至储能电池，利用储能电池将电能存储，以在需要的时候进行应急使用，从而提高了制冷液的势能的利用率，进而能够节约数据中心整体的能耗。
进一步的，在本实施例中，所述阻尼管网200还包括储能阻尼支路220和机械阻尼支路230。
具体的，如图3所示，所述储能阻尼支路220流经储能电池410，以对所述储能电池410进行散热。由于储能电池410的数量可以为多个，且多个储能电池410的产热量不完全相同，因此，在本实施例中，储能阻尼支路220的数量为多个，每一储能阻尼支路220流过一储能电池410，且每一储能阻尼支路220上设有储能控制阀221，以控制储能阻尼支路220的开启（连通）或关闭（截断），从而控制储能阻尼支路220上制冷液的流量/流速，进而能够根据储能电池410的实际产热量的不同动态的调整对应的储能阻尼支路220的制冷效率，达到节能的目的。
以及，如图4所示，所述机械阻尼支路230上设置有机械阻尼件231，所述机械阻尼件231与散热风机420相连，以在控制所述机械阻尼支路230上制冷液的流量的同时为所述散热风机420提供电能。在本实施例中，机械阻尼件231可以设置为阻尼叶片，阻尼叶片的转轴通过密封轴承伸出机械阻尼支路230，并通过驱动组件连接至散热风机420的转轴从而带动散热风机420的叶片转动，其中，驱动组件可以包括单向啮合件，散热风机420的转轴通过单向啮合件连接；散热风机420还包括励磁驱动部，励磁驱动部与外部电源连接以驱动散热风机420工作。当水流通过机械阻尼件231时，机械阻尼件231工作以驱动散热风机420。
较佳的，单向啮合件可以选择为单向齿条、单向齿轮或者单向齿圈，这样不仅机械阻尼件231可以驱动散热风机420，励磁驱动部也可以对散热风机420进行励磁驱动，励磁驱动方向和机械阻尼件231驱动方向相同，在励磁驱动下，散热风机420的转轴转动不会带动单向啮合件反向驱动，使得机械阻尼件231不会产生励磁负担，实现根据不同供能需求进行供能；此外，当制冷液经过机械阻尼件231时，机械阻尼件231能够对制冷液起到减缓流速的作用，驱动的叶片可以对整个数据中心空气进行流动散热，或者引入新风，根据不同的需求通过驱动散热风机420以实现节约能源的目的。
在本实施例中，与蓄能支路210和储能阻尼支路类似的，机械阻尼支路230上设置有机械控制阀232。通过机械控制阀232可以实现机械阻尼支路230的开启（连通）或关闭（截断），从而控制机械阻尼支路230上制冷液的流量/流速，进而能够根据数据中心的实际产热量的不同动态的调整对应的机械阻尼支路230的制冷效率，达到节能的目的。
除了上述示例的储能阻尼支路和机械阻尼支路外，还可以设置其他支路，从而实现对数据中心的散热、供能等。需要说明的是，在不违背本申请主旨前提下的其他支路的设计也应当属于本申请的保护范围，上述示例仅以说明阻尼管网200可能的一种或多种设计方案，并不因此限定其保护范围。
本实施例还提供一种基于液冷的数据中心散热方法，应用于如上所述的基于液冷的数据中心散热系统，所述基于液冷的数据中心散热方法包括：
S1，监测数据中心的产热温度，并调取数据中心的历史产热数据以计算数据中心的预测产热均值；
S2，根据所述预测产热均值和液冷散热模块的布局，生成产热分布模型；
S3，采集环境信息，以生成环境散热安全值；
S4，根据所述环境散热安全值和所述产热分布模型，计算散热级数；
S5，根据所述散热级数确定最大阻尼值；
S6，获取能耗需求和液冷散热模块中所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值；
S7，利用所述最大阻尼值、能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值筛选散热控制方案；
S8，根据所述散热控制方案对数据中心制冷。
本实施例提供的基于液冷的数据中心散热方法，其中上述步骤S1至步骤S4可以通过散热预测模块实现，步骤S5至步骤S8可以通过能源配置模块实现，如此，通过两个并行的模块分别处理部分数据，可以提高系统的运行效率。
具体的，在本实施例中，步骤S1，监测数据中心的产热温度，并调取数据中心的历史产热数据以计算数据中心的预测产热均值的方法包括：
S11，监测数据中心的产热温度。具体的，可以通过数据中心反馈的状态温度获取，也可以配置类似热图像监测、热检机器人检测等方式获取，只要能够实时获取每个服务器的产热温度即可，本申请对此不做限制。获取的产热温度可以存储到历史产热数据库中，以便及时调用。
S12，利用产热预测算法计算预测产热均值，所述产热预测算法为：
其中，为当前时刻监测获得的产热值，当前的产热值是根据产热温度值换算获得，与产热温度呈正相关；/>为第n个与当前产热预测时段相关的历史产热函数，由于数据中心一般在相同时刻执行的任务相似，所以在相同时间段产热温度一般会较为相近，而产热预测时段是根据阻尼管网调整时间、响应时间以及响应后的制冷效果等方面确定的，例如，如果认为阻尼管网响应效果较快，那么产热预测时间段可以设置为一天，也就是计算这一天的平均产热值，那么可以以年、月、周以及考虑节假日因素确定具有相似关系的曾经的历史产热函数；/>为与第/>个历史产热函数的历史产热权重，产热权重的设置目的是为了消除异常情况和极端情况对预测结果产生的影响，由于所有的历史产热函数的历史产热权重的总和为1，通过约束关系可以得知，如果该历史产热函数权重相关参数增加，会导致其他历史产热权重减小，所以约束关系是为了调整历史产热权重的数值关系，/>为预设的偏差权重，/>为预设的时差权重，这两个数据都是预设值，目的是为了调整权重的变化对数据异常或者是时间跨度的敏感度；/>为第n个历史产热函数的起始时刻，从上述公式可以看出，如果历史产热函数中的起始时刻的产热值和当前时刻获得的产热值偏差越大，则说明这个数据异常的可能性越高，这个历史产热函数相对于当前情况的可参照性差，也就是对应权重就会减小，另一方面，如果历史产热函数的时间跨度很大，则说明借鉴意义也就相对减小；k为与当前产热预测时段相关历史产热函数的总数；/>为目标预测时间范围，可以根据实际需求内容提前输入；/>为预测产热均值。
由于对应的历史产热函数通过历史产权权重进行叠加，因此，通过预测产热均值的设置可以预测出最可靠的波形，随着历史产热函数数目的增加，数据的准确度越高。
步骤S2，根据所述预测产热均值和液冷散热模块的布局，生成产热分布模型。具体的，根据数据中心的散热端于阻尼管网的位置分布以及计算获得的预测产热均值生成产热分布模型。由于每个数据中心的散热端的位置已知，将位置在同一个坐标系进行坐标化，然后对每个位置的预测产热均值标记赋值，就可以得到产热分布模型。本实施例提供的产热分布模型中的坐标不仅体现具体的位置距离关系还可以体现数据中心的散热端散热水冷时的关系。
步骤S3，采集环境信息，以生成环境散热安全值的方法包括：
利用环境散热算法计算环境散热安全值，所述环境散热算法为：
其中，为静态散热值，通过环境信息中的环境温度数据和环境湿度数据查表获得；/>为最大辅助散热值，通过环境信息中供电质量数据查表获得；/>为最大水冷散热值，通过环境信息中的水流温度以及最大有效流速查表获得。
在本实施例中，预先设置静态散热索引表，对应每个环境温度和环境湿度配置一个安全散热量，这个散热量是在静态的情况下，也就是不开启辅助制冷设备的情况下的一个散热效率，在实际每次获得环境信息时，就可以直接通过查表的方式得到量化的散热效率（静态散热值）。同样的，建立一个根据不同供能能力下，制冷设备最大启动时的散热效率，这样通过对供电质量进行分析，就能确定量化的散热效率（最大辅助散热值/>）。由于在本实施例汇中，制冷液采用大自然中的水，而水流的引入需要通过潮汐引流到蓄能池，且水流温度也存在区别，所以水流流量以及温度变化会影响到最大运转状态下的散热效率。计算环境的最大散热效率的目的是，当服务器产热出现突发情况时，此时环境能够提供的最大散热量，是数据中心的安全性是否可以保障的关键。同样可以通过上述方式对应获得量化的散热效率（最大水冷散热值/>）。
步骤S4，根据所述环境散热安全值和所述产热分布模型，计算散热级数的方法包括：
S41，从所述产热分布模型中计算所有具有相邻关系的节点之间的热差向量，所述热差向量的方向为节点相邻关系方向，所述热差向量的模长为节点之间预测产热均值的差值。产热分布模型能够根据不同的节点的关系计算对应的产热均值的差值，如果产热的数据中心越密集，则散热难度会增加，散热难度不是根据数据中心本身物理位置的位置关系确定的，而是需要考虑数据中心散热部分之间的位置关系，也就是说需要考虑液冷时，液冷管流经散热腔室的顺序，所以通过计算具有节点相邻关系的差值，生成热差向量，其中热差向量的方向为水流流经的顺序。
S42，对所有所述热差向量进行求和，以获得产热特征向量：；通过计算产热特征向量可以计算得到产热特征向量的整体方向，也就是基准方向。
S43，通过产热特征向量和每一热差向量计算向量偏差：；
S44，根据产热温度计算每一节点的有效热量值：，其中，C为预设的基准比热值，M为预设的基准质量值，/>为预测产热均值对应的产热温度，/>为预设的基准温度；如此，就可以计算有效热量值。此公式是参照热量计算公式变体获得，根据导电桥、导电板（液冷架构的具体部件）的比热、对应的产热源的质量，换算出等效的热量值，以此为每个节点的降温需求提供依据。
S45，配置基准热量，并对高于所述基准热量的预测产热均值进行求和：，其中，/>为高于所述基准热量的预测产热均值。通过基准热量的设置，保证有效热量值较低的节点无需考虑，因为在实际应用中，管道轨迹势必经过所有的节点，会对有效热量值较低的节点也起到一定的降温效果，且该热量不影响CPU运行和使用寿命以及安全性，所以只用考虑有效热量值较高的节点，将其进行集合运算。
S46，计算所述产热分布模型的模型热密度：，其中，/>为预设的转换系数。由于模型热密度反映了对应区域的热量分布情况，因此，通过计算产热分布模型的模型热密度就可以生成关于实际的热量分布的集中程度。
S47，根据模型热密度和环境散热安全值查表获得散热级数。具体的，可以预先配置散热级数索引表，通过最后计算的模型热密度和环境安全值在散热级数索引表中进行索引得到散热级数。
由于对于不同的散热级数，本实施例提供的散热系统会对应不同的控制方式。散热级数越高，则说明散热需求越大，此时提供的阻尼不应过大，也就是使水流以更快的流速和流量直接进入散热管网进行对服务器降温。反之，就需要对能源进行更合理，更多的利用。
在本实施例中，步骤S5，根据所述散热级数确定最大阻尼值。确定最大阻尼值之后就可以根据散热需求确定对应每个环节具体的导通的支路。
步骤S6，获取能耗需求和液冷散热模块中所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值，其中，能耗需求包括用电需求、辅助散热需求和储能散热需求；所述用电需求根据数据中心用电计划生成；所述辅助散热需求根据数据中心监测温度生成；所述储能散热需求根据储能电源的温度生成；响应值和阻尼值都是在各个支路中预先标记的。
较佳的，由于数据中心的用电计划包括计划用电量以及计划用电质量，因此，在本实施例中，还可以设置电能质量检测模块，所述电能质量检测模块用于检测发电部件的输出电能质量。对应的，基于液冷的数据中心散热方法还包括根据电能质量和计划用电质量的差值生成计划发电比例，根据计划用电量和计划发电比例计算所述用电需求值。
由于用电计划是包括用电量和电能质量，例如对电能质量要求较高的设备不适用于直接供能或蓄能方式供能，可能仍然需要外部电网用电接入，而对用电质量需求较低的设备，例如照明，则无需用电较高，所以根据用电计划可以判断出用电需求，如果计划用电量较高，计划发电比例也较高，那么用电需求较大，则更多的考虑通过蓄能支路的导通储蓄电能或直接产生电能供数据中心使用，反之则将势能利用在其他能源方面。
辅助散热需求根据数据中心监测温度生成。例如辅助散热需求通过监测数据中心环境温度进行调节，使数据中心的环境温度维持在一个安全的阈值，也是异常产热发生时提供更大的安全性的关键内容。
以及，储能散热需求根据储能电源的温度生成。储能需求则对应蓄能电源的散热需求，如果不通过水流进行散热就需要额外的制冷设备，同样会产生较大的能源损耗，所以要综合考虑上述三个需求。
步骤S7，利用所述最大阻尼值、能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值筛选散热控制方案的方法包括：
S71，利用能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值生成多个散热控制方案。具体的，通过数据中心的散热要求、供能要求等可以获得能耗需求，进而可以根据能耗需求选择对应的支路，使选择的方案中的支路之和能够满足能耗需求。
具体的，响应值表示该支路被导通时，该支路对对应类目的支持程度或价值，例如蓄能支路的响应值表示该支路导通时的发电效率，机械阻尼支路的响应值则反映对应的带动散热风机转动的机械效率，而储能阻尼支路的响应值表示对储能电源散热的制冷效率。阻尼值则表示该支路被导通时，该支路对流入数据中心的散热管网的总势能产生的影响或产生的机械能的损失的大小。
S72，筛选出阻尼值之和小于最大阻尼值的散热控制方案，如此可以保证散热系统的能耗处于较低水平。
S73，计算筛选后的每一散热控制方案的控制差值：
其中，为预设的用电需求权重，/>为预设的辅助散热需求权重，/>为预设的储能需求权重，/>；X为用电需求值，Y为辅助散热需求值，Z为储能散热需求值；/>为第n个蓄能支路的响应值，/>为第n个机械阻尼支路的响应值；/>为第n个储能阻尼支路的响应值。
通过为不同的需求预先配置不同的权重，并通过计算控制差值可以对不同的控制组合对数据中心能源利用的效率（解决需求的情况）进行量化，从而可以进行横向比较。
S74，选择所述控制差值最小的所述散热控制方案，如此保证在所有的散热控制方案中选择了能耗最低且最节能的方案。
最后，步骤S8，根据所述散热控制方案对数据中心制冷。具体的，确定控制差值最小的散热控制方案对应的各个支路的控制阀导通来实施散热控制方案，从而起到散热系统的动态调节。
本实施例提供的基于液冷的数据中心散热方法，能够根据环境情况和预测的产热情况生成对应的散热安全值，以散热安全值为基础并得到散热级数，根据散热级数动态地通过能源管理策略配置各个支路的控制阀的导通和截止，如此，多余的能源可以在蓄能或者其他的能源阻尼分支中被释放，动态地根据产热情况利用水流的势能以及水流的冷量，最大程度地为系统节能提供支持。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可，此外，各个实施例之间不同的部分也可互相组合使用，本发明对此不作限定。
本实施例提供的基于液冷的数据中心散热系统及方法，包括：液冷散热模块，用于以液冷的方式对数据中心散热；散热预测模块，用于监测数据中心的产热温度，并根据所述产热温度生成散热控制方案；能源配置模块，用于计算所述散热预测模块生成的散热控制方案中制冷所需的能耗需求，并按照预设能耗限制条件选择散热控制方案以控制所述液冷散热模块的制冷工作。通过散热预测模块预测数据中心可能的产热量，并通过能源配置模块生成散热控制方案以控制液冷散热模块工作，使得散热系统能够根据数据中心的实际产热动态调整散热策略，避免了散热系统持续工作所造成的能耗浪费，解决了如何在保证制冷效果的同时降低能耗的问题。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
Claims (10)
1.一种基于液冷的数据中心散热系统，其特征在于，包括：
液冷散热模块，用于以液冷的方式对数据中心散热；
散热预测模块，用于监测数据中心的产热温度，并根据所述产热温度生成散热控制方案；
能源配置模块，用于计算所述散热预测模块生成的散热控制方案中制冷所需的能耗需求，并按照预设能耗限制条件选择散热控制方案以控制所述液冷散热模块的制冷工作。
2.根据权利要求1所述的基于液冷的数据中心散热系统，其特征在于，所述液冷散热模块包括依次管道连通的势能池、阻尼管网和散热腔室；所述势能池用于存储制冷液；所述阻尼管网用于在所述能源配置模块的控制下调节制冷液的流量；所述散热腔室位于数据中心，以利用制冷液对数据中心进行制冷。
3.根据权利要求2所述的基于液冷的数据中心散热系统，其特征在于，所述阻尼管网包括多个蓄能支路，每一所述蓄能支路上设置有蓄能阻尼件，不同蓄能支路上的蓄能阻尼件的阻尼效率不完全相同，以控制所述蓄能支路上制冷液的流量。
4.根据权利要求2所述的基于液冷的数据中心散热系统，其特征在于，所述阻尼管网还包括储能阻尼支路和机械阻尼支路；所述储能阻尼支路流经储能电池，以对所述储能电池进行散热；所述机械阻尼支路上设置有机械阻尼件，所述机械阻尼件与散热风机相连，以在控制所述机械阻尼支路上制冷液的流量的同时为所述散热风机提供电能。
5.一种基于液冷的数据中心散热方法，应用于如权利要求1~4任一项所述的基于液冷的数据中心散热系统，其特征在于，所述基于液冷的数据中心散热方法包括：
监测数据中心的产热温度，并调取数据中心的历史产热数据以计算数据中心的预测产热均值；
根据所述预测产热均值和液冷散热模块的布局，生成产热分布模型；
采集环境信息，以生成环境散热安全值；
根据所述环境散热安全值和所述产热分布模型，计算散热级数；
根据所述散热级数确定最大阻尼值；
获取能耗需求和液冷散热模块中所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值；
利用所述最大阻尼值、能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值筛选散热控制方案；
根据所述散热控制方案对数据中心制冷。
6.根据权利要求5所述的基于液冷的数据中心散热方法，其特征在于，所述监测数据中心的产热温度，并调取数据中心的历史产热数据以计算数据中心的预测产热均值的方法包括：
利用产热预测算法计算预测产热均值，所述产热预测算法为：
其中，为当前时刻监测获得的产热值，/>为第n个与当前产热预测时段相关的历史产热函数，/>为与第/>个历史产热函数的历史产热权重，/>为预设的偏差权重，/>为预设的时差权重，/>为第n个历史产热函数的起始时刻，k为与当前产热预测时段相关历史产热函数的总数，/>为目标预测时间范围，/>为预测产热均值。
7.根据权利要求5所述的基于液冷的数据中心散热方法，其特征在于，所述采集环境信息，以生成环境散热安全值的方法包括：
利用环境散热算法计算环境散热安全值，所述环境散热算法为：
其中，为静态散热值，通过环境信息中的环境温度数据和环境湿度数据查表获得；/>为最大辅助散热值，通过环境信息中供电质量数据查表获得；/>为最大水冷散热值，通过环境信息中的水流温度以及最大有效流速查表获得。
8.根据权利要求5所述的基于液冷的数据中心散热方法，其特征在于，所述根据所述环境散热安全值和所述产热分布模型，计算散热级数的方法包括：
从所述产热分布模型中计算所有具有相邻关系的节点之间的热差向量，所述热差向量的方向为节点相邻关系方向，所述热差向量的模长为节点之间预测产热均值的差值；
对所有所述热差向量进行求和，以获得产热特征向量：；
通过产热特征向量和每一热差向量计算向量偏差：；
根据产热温度计算每一节点的有效热量值：，其中，C为预设的基准比热值，M为预设的基准质量值，/>为预测产热均值对应的产热温度，/>为预设的基准温度；
配置基准热量，并对高于所述基准热量的预测产热均值进行求和：，其中，/>为高于所述基准热量的预测产热均值；
计算所述产热分布模型的模型热密度：，其中，/>为预设的转换系数；
根据模型热密度和环境散热安全值查表获得散热级数。
9.根据权利要求5所述的基于液冷的数据中心散热方法，其特征在于，所述能耗需求包括用电需求、辅助散热需求和储能散热需求；所述用电需求根据数据中心用电计划生成；所述辅助散热需求根据数据中心监测温度生成；所述储能散热需求根据储能电源的温度生成。
10.根据权利要求5所述的基于液冷的数据中心散热方法，其特征在于，所述利用所述最大阻尼值、能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值筛选散热控制方案的方法包括：
利用能耗需求和所有蓄能支路、储能阻尼支路和机械阻尼支路的响应值和阻尼值生成多个散热控制方案；
筛选出阻尼值之和小于最大阻尼值的散热控制方案；
计算筛选后的每一散热控制方案的控制差值：
其中，为预设的用电需求权重，/>为预设的辅助散热需求权重，/>为预设的储能需求权重，/>；X为用电需求值，Y为辅助散热需求值，Z为储能散热需求值；/>为第n个蓄能支路的响应值，/>为第n个机械阻尼支路的响应值；/>为第n个储能阻尼支路的响应值；
选择所述控制差值最小的所述散热控制方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311422506.7A CN117156828B (zh) | 2023-10-31 | 2023-10-31 | 基于液冷的数据中心散热系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311422506.7A CN117156828B (zh) | 2023-10-31 | 2023-10-31 | 基于液冷的数据中心散热系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117156828A true CN117156828A (zh) | 2023-12-01 |
| CN117156828B CN117156828B (zh) | 2024-02-02 |
Family
ID=88899177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311422506.7A Active CN117156828B (zh) | 2023-10-31 | 2023-10-31 | 基于液冷的数据中心散热系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117156828B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113133277A (zh) * | 2021-03-08 | 2021-07-16 | 烽火通信科技股份有限公司 | 一种集装箱数据中心的温度控制方法和调节系统 |
| CN113300027A (zh) * | 2021-04-19 | 2021-08-24 | 江苏大学 | 一种基于预测控制的动力电池热管理系统及其控制方法 |
| CN114267889A (zh) * | 2021-12-28 | 2022-04-01 | 深圳库博能源科技有限公司 | 储能系统热管理装置及其控制方法和储能系统 |
| CN114625229A (zh) * | 2022-03-18 | 2022-06-14 | 苏州浪潮智能科技有限公司 | 一种浸没液冷散热调控优化方法、装置和一种数据中心 |
| CN114659195A (zh) * | 2022-03-24 | 2022-06-24 | 广东省电信规划设计院有限公司 | 一种热量回收再利用方法、装置和计算机存储介质 |
| CN115361841A (zh) * | 2022-08-04 | 2022-11-18 | 浙江理工大学 | 一种适应数据中心全工况操作的屏蔽泵控制系统及其方法 |
| CN115939583A (zh) * | 2023-01-03 | 2023-04-07 | 深圳市派沃新能源科技股份有限公司 | 一种储能液冷系统及其控制方法 |
| CN116501104A (zh) * | 2023-04-24 | 2023-07-28 | 中国船舶集团有限公司第七二三研究所 | 一种液冷散热系统温度控制装置及方法 |
-
2023
- 2023-10-31 CN CN202311422506.7A patent/CN117156828B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113133277A (zh) * | 2021-03-08 | 2021-07-16 | 烽火通信科技股份有限公司 | 一种集装箱数据中心的温度控制方法和调节系统 |
| CN113300027A (zh) * | 2021-04-19 | 2021-08-24 | 江苏大学 | 一种基于预测控制的动力电池热管理系统及其控制方法 |
| CN114267889A (zh) * | 2021-12-28 | 2022-04-01 | 深圳库博能源科技有限公司 | 储能系统热管理装置及其控制方法和储能系统 |
| US11670812B1 (en) * | 2021-12-28 | 2023-06-06 | Shenzhen Kubo Energy Technology Co., Ltd | Thermal management device for energy storage system, method for controlling the thermal management device for energy storage system, and energy storage system |
| CN114625229A (zh) * | 2022-03-18 | 2022-06-14 | 苏州浪潮智能科技有限公司 | 一种浸没液冷散热调控优化方法、装置和一种数据中心 |
| CN114659195A (zh) * | 2022-03-24 | 2022-06-24 | 广东省电信规划设计院有限公司 | 一种热量回收再利用方法、装置和计算机存储介质 |
| CN115361841A (zh) * | 2022-08-04 | 2022-11-18 | 浙江理工大学 | 一种适应数据中心全工况操作的屏蔽泵控制系统及其方法 |
| CN115939583A (zh) * | 2023-01-03 | 2023-04-07 | 深圳市派沃新能源科技股份有限公司 | 一种储能液冷系统及其控制方法 |
| CN116501104A (zh) * | 2023-04-24 | 2023-07-28 | 中国船舶集团有限公司第七二三研究所 | 一种液冷散热系统温度控制装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117156828B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11754984B2 (en) | HVAC system with predictive airside control | |
| Zhang et al. | A survey on data center cooling systems: Technology, power consumption modeling and control strategy optimization | |
| Thangavelu et al. | Energy optimization methodology of multi-chiller plant in commercial buildings | |
| US20180004172A1 (en) | Hvac system using model predictive control with distributed low-level airside optimization | |
| CN114267889B (zh) | 储能系统热管理装置及其控制方法和储能系统 | |
| US20210034024A1 (en) | Building hvac system with multi-level model predictive control | |
| Ling et al. | Energy saving analysis of the cooling plant using lake water source base on the optimized control strategy with set points change | |
| JP4347602B2 (ja) | 熱源運転支援制御方法、システムおよびプログラム | |
| HRP20170012T1 (hr) | Način reguliranja postrojenja koja sadrži kogeneracijski uređaj i termodinamičke sustave namijenjene za klima uređaj i/ili grijanje | |
| US20220268471A1 (en) | Building equipment with predictive control | |
| Goswami et al. | Device to device communication in 5G network using device-centric resource allocation algorithm | |
| US20230088808A1 (en) | Building hvac system with multi-level model predictive control | |
| Wang et al. | Online chiller loading strategy based on the near-optimal performance map for energy conservation | |
| Zhang et al. | Smart DC: an AI and digital twin-based energy-saving solution for data centers | |
| CN117156828B (zh) | 基于液冷的数据中心散热系统及方法 | |
| Cao et al. | Data Center sustainability: Revisits and outlooks | |
| JP2022046739A (ja) | 温度による自動調節冷却の強化 | |
| CN108702107A (zh) | 发电系统、管理装置以及基板处理装置 | |
| De Lorenzi et al. | Neural network-based prediction and control of air flow in a data center | |
| Torzhkov et al. | Chiller plant optimization-an integrated optimization approach for chiller sequencing and control | |
| JP7478792B2 (ja) | ビルディング機器のためのモデル予測的メンテナンスシステム、同メンテナンスを実施する方法及び非一時的コンピュータ可読媒体 | |
| JP7145766B2 (ja) | 建物の暖房・換気または空調（ｈｖａｃ）システム、および建物ｈｖａｃシステムのエネルギー費用を最適化する方法 | |
| Zhai et al. | Operating points as communication bridge between energy evaluation with air temperature and velocity based on extreme learning machine (ELM) models | |
| JP2022084840A (ja) | 電子ラックを冷却するための熱管理システム、情報技術部品冷却方法、非一時的な機械読み取り可能な媒体およびコンピュータプログラム | |
| Mousavi et al. | Energy efficient decision making in data centers with multiple cooling methods |
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 |