CN117412555A - 一种数据中心机房的空调控温系统 - Google Patents
一种数据中心机房的空调控温系统 Download PDFInfo
- Publication number
- CN117412555A CN117412555A CN202311338775.5A CN202311338775A CN117412555A CN 117412555 A CN117412555 A CN 117412555A CN 202311338775 A CN202311338775 A CN 202311338775A CN 117412555 A CN117412555 A CN 117412555A
- Authority
- CN
- China
- Prior art keywords
- model
- temperature
- machine room
- subunit
- unit
- 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
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 75
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 230000020169 heat generation Effects 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000013500 data storage Methods 0.000 claims abstract description 6
- 238000010801 machine learning Methods 0.000 claims abstract description 5
- 238000012546 transfer Methods 0.000 claims description 189
- 238000004364 calculation method Methods 0.000 claims description 104
- 239000011148 porous material Substances 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 30
- 238000010168 coupling process Methods 0.000 claims description 19
- 238000004378 air conditioning Methods 0.000 claims description 18
- 238000010079 rubber tapping Methods 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 15
- 238000005859 coupling reaction Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 description 52
- 230000017525 heat dissipation Effects 0.000 description 41
- 230000000694 effects Effects 0.000 description 39
- 238000013461 design Methods 0.000 description 22
- 238000007726 management method Methods 0.000 description 16
- 239000012530 fluid Substances 0.000 description 15
- 230000006399 behavior Effects 0.000 description 8
- 238000001816 cooling Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 239000007787 solid Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 108010001267 Protein Subunits Proteins 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003306 harvesting Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
- 230000001052 transient effect 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
- H05K7/20836—Thermal management, e.g. server temperature control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- H05K7/20718—Forced ventilation of a gaseous coolant
- H05K7/20745—Forced ventilation of a gaseous coolant within rooms for removing heat from cabinets, e.g. by air conditioning device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Thermal Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开了一种数据中心机房的空调控温系统,涉及数据中心机房控制技术领域,包括:温度采集模块,采集设备温度数据和机柜内温湿度数据;数据通信模块,传输温度采集模块采集的温湿度数据;数据存储模块,存储接收到的温湿度数据;设备功率采集模块,采集设备的功率数据,并预测设备的热量产生;温度建模模块,建立数据中心机房的三维温度场分布模型;温控算法模块,根据三维温度场分布模型,计算空调的制冷量分配方案;空调控制模块,根据制冷量分配方案控制空调;优化学习模块,使用机器学习算法优化温控算法。针对现有技术中数据中心机房温控精度低的问题,本发明提高了机房温度控制的精度。
Description
技术领域
本发明涉及数据中心机房控制技术领域,特别涉及一种数据中心机房的空调控温系统。
背景技术
随着云计算、大数据等新型IT技术的发展,数据中心呈现高密度和大规模发展,其中的服务器、网络设备产生的热量巨大。而服务器的稳定运行对温度变化非常敏感,过热会导致硬件故障率增加,影响数据中心的可靠性。因此,精确控制数据中心机房内的温度对确保设备安全运行至关重要。
传统的数据中心空调系统一般依靠布置在机房内的第二传感器反馈采集温度,根据温度调节供冷量。但是,传感器采集温度存在滞后,而服务器等设备的热分布具有明显的不均匀性。这导致传统控制方式无法对机房内部的热点区域进行有针对性的精确控温。
在相关技术中,比如中国专利文献CN115903945A中提供了一种机房的空调控制系统、控制方法、控制装置及存储介质,空调控制系统包括:采集模块,用于采集设备的器件温度信息;数据处理模块,用于将获取的器件温度信息转换为设备的设备温度信息,并确定目标设备所在的目标机柜的机柜温度信息;控制模块,与数据处理模块及列间空调电连接,控制模块用于基于目标机柜的机柜温度信息控制目标列间空调。但是该方案至少存在如下技术问题:
通过对设备的器件温度求加权平均,获取设备级别的温度信息,设备级别的温度信息无法反映设备内部组件的精确温度分布;根据机柜内多台设备的温度得到机柜级别的温度信息,机柜级别的温度同样无法反映机柜内部前后位置的温差;使用机柜的温度信息控制相邻的列间空调,取代该空调本身的第一传感器采集,直接用机柜温度控制相邻空调,没有考虑空调吹流覆盖范围与机柜位置的匹配性;从而导致机房温控精度无法有效提高。
发明内容
1.要解决的技术问题
针对现有技术中存在的数据中心机房温控精度低的问题,本发明提供了一种数据中心机房的空调控温系统,它可以实现高精度的机房温度控制。
2.技术方案
本发明的目的通过以下技术方案实现。
本说明书实施例提供一种数据中心机房的空调控温系统,包括:温度采集模块,采集设备温度数据和机柜内温湿度数据;数据通信模块,传输温度采集模块采集的温湿度数据;数据存储模块,存储接收到的温湿度数据;设备功率采集模块,采集设备的功率数据,并预测设备的热量产生;温度建模模块,建立数据中心机房的三维温度场分布模型;温控算法模块,根据三维温度场分布模型,计算空调的制冷量分配方案;空调控制模块,根据制冷量分配方案控制空调;优化学习模块,使用机器学习算法优化温控算法。
进一步地,温度采集模块包括:第一传感器,设置在设备上,向采集频率控制单元发送检测到的设备温度数据;第二传感器,设置在机柜内不同位点,向采集频率控制单元发送检测到的机柜内各个位点的温湿度数据;采集频率控制单元,控制第一传感器和第二传感器的采样频率;数据预处理单元,连接到采集频率控制单元,接收采集的数据,并进行去噪滤波处理,将处理后的数据发送到数据通信模块;优化算法单元,连接到数据预处理单元,分析预处理后的采集数据,生成优化后的传感器布置方案;
进一步地,优化算法单元包括:采集矩阵子单元,接收每一个传感器的位置信息和每个采集点的信息,生成传感器数据m和采集点数量n之间的关系矩阵X;权重子单元,与采集矩阵子单元连接,从关系矩阵X中提取每个采集点的信息,并设置每个采集点的权重Wi;误差计算子单元,与权重子单元连接,接收关系矩阵X、权重Wi、每个采集点的实际温度Ti和所有传感器的采集温度Tij,计算每个采集点的温度采集误差ei,
其中,m为传感器的数量;χij表示第i个采集点与第j个传感器的关系;
优化子单元,与误差计算子单元连接,接收关系矩阵X、权重Wi和误差ei,按最小化目标函数Q对关系矩阵X中的传感器布置方案进行优化,得到优化后的关系矩阵X′,
目标函数Q通过如下公式计算:
其中,n为采集点数量;优化后的关系矩阵X′输出优化后的传感器布置方案。
进一步地,设备功率采集模块包括:设备功率采集单元,采集设备的功率数据;设备参数设置单元,连接到设备功率采集单元,设置设备的热负荷参数;模型算法单元,连接到设备参数设置单元,按预设的热负荷模型算法计算设备的热量产生;设备热量计算单元,连接到模型算法单元,获取设备的热量输出值;其中,模型算法单元包含设备变更布局调整的算法。
进一步地,温度建模模块包括:机房结构建模单元,建立机房的三维结构模型;热源分布单元,连接到机房结构建模单元,确定机房内所有热源的位置和热功率;传热模型单元,连接热源分布单元,建立机房内空气流动和热量传播的传热模型;开孔模型单元,连接到传热模型单元,建立机房内所有开孔的开孔模型;温度场计算单元,连接所有单元,集成各个单元的模型进行温度场的全局计算。
进一步地,传热模型单元包括:热源信息获取子单元,连接热源分布单元,获取机房内所有热源的位置和热功率信息;机房空气流动子单元,连接热源信息获取子单元,根据获取的热源位置和热功率信息,建立机房内的空气流动模型;机房热量传递子单元,连接空气流动模型子单元,根据空气流动模型,建立机房内的热量传递模型;机房新风子单元,连接热量传递模型子单元,根据热量传递模型,建立新风系统模型;模型集成子单元,集成空气流动模型、热量传递模型和新风系统模型,建立机房内多变量耦合的传热模型;模型输出子单元,将集成后的传热模型输出给温度场计算单元。
进一步地,开孔模型单元包括:开孔信息获取子单元,获取机房内所有开孔信息,开孔信息包含开孔的位置和形状;开孔参数设置子单元,根据开孔信息设置开孔参数;开孔空气流动子单元,根据设置的开孔参数,建立开孔空气流动模型;开孔热量传递子单元,根据开孔空气流动模型,建立开孔热量传递模型;开孔模型子单元,集成开孔空气流动模型和开孔热量传递模型,建立开孔模型,并将开孔模型输出给传热模型单元。
进一步地,温度场计算单元包括:模型集成子单元,连接机房结构建模单元、热源分布单元、传热模型单元和开孔模型单元,构建机房的三维温度场分布模型;计算网格生成子单元,连接模型集成子单元,生成三维温度场分布模型的三维网格;边界条件设置子单元,连接计算网格生成子单元,根据不同的运行条件,生成三维网格的边界条件;并行计算子单元,连接到边界条件设置子单元,在设置了边界条件的三维网格上,并行计算三维温度场分布模型,获取三维温度场的分布结果。
进一步地,构建机房的三维温度场分布模型包括:热源分布单元在机房的三维结构模型上,为每个热源添加热功率参数,标注各热源的位置和热功率;热传播模型单元根据热源的位置和热功率,在三维网格上建立传热方程组,模拟热量在不同区域的传播,建立传热模型;开孔模型单元在三维结构模型中标注出所有开孔的位置,建立开孔模型;利用传热模型和开孔模型进行传热方程组的计算;通过传热方程组的耦合计算,模拟机房内温度的动态分布和传播过程,生成三维温度场分布模型。
进一步地,并行计算子单元包括:模型存储子单元,存储不同运行条件下预先建立的温度场计算模型;计算模型子单元,根据接收到的边界条件,在模型存储子单元中确定采用对应的温度场计算模型;网格分配子单元,连接计算模型子单元,将三维网格分配到多个计算节点;并行计算子单元,分别连接计算模型子单元和网格分配子单元,调用确定的温度场计算模型,在多个计算节点上进行并行计算,得到三维温度场的分布结果;其中,温度场计算模型是指根据传热模型和开孔模型建立的计算温度场分布的模型。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)直接采集设备级别温度,实时准确获取热源端精细化温度信息,消除了通过空气传热导致的检测滞后,提高了对机房内部温度分布和热点区域判断的时间敏感性和精细程度;
(2)建立机房三维温度场模型,结合热源分布、传热规律、新风系统等因素进行数学模拟,可以预测机房内部区域间的温度梯度变化,进行针对性制冷量优化,有效提高热点区域的降温效果;
(3)引入温控优化算法模块,可以根据机房内部温度分布变化和设备布局调整,持续优化温控策略,实现精确的闭环控温,大幅提升温控系统的适应性和鲁棒性;
综上所述,温度采集模块获取精细化热源数据、温度场建模模块进行数学预测模拟,以及优化学习模块持续优化控制策略的技术手段对应,形成了监测、建模、控制的系统协同效应,综合提升了数据中心机房的温控精度和稳定性。
附图说明
本说明书将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书的一些实施例所示的一种数据中心机房的空调控温系统的示例性模块图;
图2是根据本说明书一些实施例所示的温度采集模块示意图;
图3是根据本说明书一些实施例所示的设备功率采集模块示意图;
图4是根据本说明书一些实施例所示的温度建模模块示意图;
图5是根据本说明书的一些实施例所示的一种数据中心机房的空调控温方法的流程示意图。
图中标号说明:100、一种数据中心机房的空调控温系统;110、温度采集模块;120、数据通信模块;130、数据存储模块;140、设备功率采集模块;150、温度建模模块;160、温控算法模块;170、空调控制模块;180、优化学习模块;111、第一传感器;112、第二传感器;113、采集频率控制单元;114、数据预处理单元;115、优化算法单元;141、设备功率采集单元;142、设备参数设置单元;143、模型算法单元;144、设备热量计算单元;151、机房结构建模单元;152、热源分布单元;153、传热模型单元;154、开孔模型单元;155、温度场计算单元。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应其他类似情景。除非从语言环境中显而易见或另作说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”“装置”“单元”和/或“模块”是区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
下面结合附图对本说明书实施例提供的方法和系统进行详细说明。
图1是根据本说明书的一些实施例所示的一种数据中心机房的空调控温系统100的示例性模块图,如图1所示,一种数据中心机房的空调控温系统100包括:温度采集模块110,采集设备温度数据和机柜内温湿度数据。采用直接设置在设备与机柜上的第二传感器112,可以实时获取精确的热源端温度信息,避免通过空气传热造成的采集滞后,是实现精确控温的基础。数据通信模块120,传输温度采集模块110采集的温湿度数据。通过有线或无线网络的方式实时传输采集的数据。数据存储模块130,存储接收到的温湿度数据。将采集的数据存储以进行后续分析计算。设备功率采集模块140,采集设备的功率数据,根据设备的热负荷特性计算热量产生,是建立温度场模型的重要参数之一。温度建模模块150,结合机房结构、热源分布、传热规律等多种因素,建立机房内部的三维温度场分布模型。可以预测温度的空间分布与时序演变情况。温控算法模块160,用于根据三维温度场分布模型,专门针对预测的热点区域计算制定优化的制冷量分配方案。可以进行有针对性的准确降温。空调控制模块170,用于根据温控算法模块160计算出的最佳制冷量分配方案,对空调进行精确地控制,实现对机房内不同区域的差异化精确控温。优化学习模块180,使用机器学习算法持续优化温控策略,使系统可以不断自我完善,适应机房环境的变化。
其中,温度采集模块110通过设置大量传感器直接采集设备端温度,确保了采集的实时性和精细粒度,解决了温度检测滞后的问题。设备功率采集模块140获取各设备实时功率参数,准确反映热量产生源,为建模提供关键输入条件。温度建模模块150充分考虑了机房内部的三维结构参数、设备功率参数、传热规律参数等,建立精细的温度场模型,可以预测热点区域,找到问题的本质所在。温控算法模块160根植温度场模型结果,以热点预测参数为目标,专门确定其增大制冷量参数,进行有针对性控制,直接解决过热问题。空调控制模块170获取温控算法模块160输出的精确制冷量控制参数,转化为对空调的精确执行控制,最终实现问题的物理解决。优化学习模块180以机房温度监测参数为反馈,不断更新控制策略模型参数,持续优化控制效果,解决控制健壮性问题。
综上,每个模块通过输入和输出参数精确匹配,最终形成闭环,使控温系统可以自主、精确、稳定地解决机房过热问题;该系统通过温度的精确采集、机房内部建模、针对性控制以及持续优化,可以有效提升数据中心机房的空调控温精度与稳定性。
图2是根据本说明书一些实施例所示的温度采集模块110示意图,如图2所示,温度采集模块110包括:第一传感器111,第一传感器111被设置在设备上,用于检测和测量设备的温度。传感器将检测到的温度数据发送给采集频率控制单元113。第二传感器112,第二传感器112被设置在机柜内的不同位点,用于检测和测量机柜内各个位点的温度和湿度。传感器将检测到的温湿度数据发送给采集频率控制单元113。采集频率控制单元113,采集频率控制单元113用于控制第一传感器111和第二传感器112的采样频率。它接收传感器发送的数据,并确定数据采样的频率和时间间隔。数据预处理单元114,数据预处理单元114与采集频率控制单元113相连,用于接收采集的数据并进行去噪滤波处理。该单元将处理后的数据发送到数据通信模块120,以备后续处理和分析。优化算法单元115,优化算法单元115连接到数据预处理单元114,用于分析预处理后的采集数据并生成优化后的传感器布置方案。通过结合具体的技术特征和提高数据中心温控精度的目标,该单元利用优化算法来确定最佳的传感器布局,以获得更精准的温度数据。
其中,采集频率控制单元113,采集频率控制单元113与第一传感器111和第二传感器112配合协同工作。它控制传感器的采样频率,可以根据实际需求动态调整采样频率,以平衡数据采集的准确性和资源消耗。数据预处理单元114,数据预处理单元114接收采集频率控制单元113发送的数据,并进行去噪滤波处理。通过去除噪声和滤波处理,该单元提高了数据的质量和可靠性,减少了误差,为后续的数据分析和优化提供了可靠的基础。优化算法单元115,优化算法单元115连接到数据预处理单元114,接收预处理后的采集数据。它根据具体的技术特征和提高温控精度的目标,利用优化算法来分析数据并生成优化的传感器布置方案。通过最小化目标函数Q,优化算法单元115可以优化传感器与采集点之间的关系,提高温度数据的准确性和采集效率。第一传感器111和第二传感器112,第一传感器111和第二传感器112负责检测和测量设备和机柜内各个位点的温度和湿度。它们将检测到的数据发送给采集频率控制单元113,并通过采集频率控制单元113确定数据的采样频率和时间间隔。这些传感器在整个系统中起到了关键的作用,提供了温度和湿度数据的基础。
其中,优化算法单元115包括:采集矩阵子单元,采集矩阵子单元接收每个传感器的位置信息和每个采集点的信息,并生成传感器数据m和采集点数量n之间的关系矩阵X。该矩阵描述了每个采集点与每个传感器之间的关系。权重子单元,权重子单元与采集矩阵子单元相连,从关系矩阵X中提取每个采集点的信息,并为每个采集点设置权重。权重的设置可以基于各种因素,如采集点的重要性、距离传感器的远近等。误差计算子单元,误差计算子单元与权重子单元连接,接收关系矩阵X、权重Wi、每个采集点的实际温度和所有传感器的采集温度。它计算每个采集点的温度采集误差,用于评估当前传感器布置方案的性能。优化子单元,优化子单元与误差计算子单元相连,接收关系矩阵X、权重和误差。它利用优化算法按照最小化目标函数Q的原则对关系矩阵X中的传感器布置方案进行优化。优化算法可以选择不同的方法,如遗传算法、蚁群算法等,以找到最优的传感器布置方案。
具体地,根据关系矩阵X、权重Wi、每个采集点的实际温度Ti和所有传感器的采集温度Tij,计算每个采集点的温度采集误差ei,
其中,m为传感器的数量;χij表示第i个采集点与第j个传感器的关系;表示第i个采集点与第j个传感器的关系,如果传感器j布置在采集点i上,则χij=1,否则为xij=0;表示对所有传感器进行遍历,如果传感器j布置在点i上,就把该传感器的采集温度Tij累加求和。
例如,如果有3个传感器,其布置关系为:xi1=1,xi2=0,χi3=1;对应温度采集值为:Ti1=25°,Ti2=30°,Ti3=28°;
则即对布置在该点的传感器采集温度求和。这样可以计算出每个采集点的“综合采集温度”,然后与真实温度比较得到采集误差ei。
具体地,根据关系矩阵X、权重Wi和误差ei,按最小化目标函数Q对关系矩阵X中的传感器布置方案进行优化,得到优化后的关系矩阵x′,
目标函数Q通过如下公式计算:
其中,n为采集点数量;优化后的关系矩阵X′用于输出优化后的传感器布置方案,优化后的传感器布置方案,它确定了每个传感器与各个采集点之间的关系。目标函数Q表示整个传感器网络的误差,初始化关系矩阵X,例如可以采用随机初始化;迭代优化,对当前关系矩阵X,计算目标函数Q,修改关系矩阵X中的一个或几个元素,重新计算目标函数Q',如果Q'<Q,则接受此修改;否则保留原矩阵X,重复上述步骤,直到达到迭代终止条件(目标函数Q不再变化或达到设定次数);
得到优化后的关系矩阵X′,其中Xij=1表示第i个传感器与第j个采集点相关,从而确定了优化后的传感器布置方案。根据优化后的关系矩阵X输出传感器布置方案。通过迭代优化关系矩阵X,使目标函数Q最小化,就可以得到优化后的传感器布置方案。
具体地,综合采集,利用第一传感器111和第二传感器112综合采集设备和机柜内部各个位点的温度和湿度数据,全面监测数据中心的热环境。动态控制,采集频率控制单元113可以根据实际需求动态调整采样频率,实现数据的灵活采集和资源的有效利用。数据处理,数据预处理单元114对采集的数据进行去噪滤波处理,提高数据的质量和可靠性,为后续的数据分析和优化提供可靠的基础。优化设计,优化算法单元115基于预处理后的数据,利用优化算法分析数据并生成优化的传感器布置方案,提高温度采集的精确度和效率。
综上所述,通过优化算法单元115的工作,结合具体的技术特征和提高数据中心温控精度的目标,可以得到更优的传感器布置方案,提高温度采集的准确性和数据中心的温控性能。通过综合采集方案,数据中心可以实现高精度的温控,从而提高设备的稳定性和可靠性,减少能源消耗,并增强对温度异常的预警和调控能力。整个系统的协同工作可以大大提高数据中心的温控性能和运行效率。
图3是根据本说明书一些实施例所示的设备功率采集模块140示意图,如图3所示,设备功率采集模块140包括:设备功率采集单元141,设备功率采集单元141用于采集并监测设备的功率数据。该单元连接到各个设备,实时采集并发送设备的功率信息。设备参数设置单元142,设备参数设置单元142连接到设备功率采集单元141,用于设置设备的热负荷参数。通过设备参数设置单元142,可以配置每个设备的热负荷特性,如功率耗散曲线、热散发系数等。模型算法单元143,模型算法单元143连接到设备参数设置单元142,按预设的热负荷模型算法计算设备的热量产生情况。该单元利用设备的功率数据和设备参数设置信息,进行计算并生成设备的热量输出值。热传导模型单元,热传导模型单元连接到模型算法单元143,用于建立机房内部的热传导模型。该模型考虑机房内部的空气流动、散热设备、机柜布局等因素,预测热量在机房内的传导和分布情况。设备热量计算单元144,设备热量计算单元144分别连接到模型算法单元143和热传导模型单元,获取设备的热量输出值。它将模型算法单元143计算得出的设备热量数据和热传导模型单元计算得出的传导热量数据综合考虑,得到更准确的设备热量值。
其中,根据热负荷模型算法计算设备的热量产生是数据中心机房中重要的技术方案之一。下面是一些常用的热负荷模型算法,可以用于计算设备的热量产生:
服务器功耗模型,该模型基于服务器的功耗参数来计算热量产生。通过获取服务器的功耗信息(如功率、负载率等),结合服务器的数量和运行状态,可以计算出整个机房的热量产生。这个模型特别适用于服务器密集型数据中心。
设备负荷系数模型,该模型考虑不同类型设备的特点和负荷系数,根据设备类型和数量,以及负荷系数来计算热量产生。设备负荷系数是根据历史数据和经验统计得出的,反映了不同类型设备产生热量的能力。这个模型适用于综合型数据中心,涵盖了各种类型的设备。
负荷密度模型,该模型基于设备的布局和密度来计算热量产生。通过分析机房的布局和设备的密度分布,计算区域或机柜的设备数量和功耗,从而得到相应区域的热量产生。这个模型适用于大型数据中心,能够针对不同区域进行热量分析和优化布局。
传感器监测模型,该模型基于实时传感器数据来计算热量产生。通过安装第一传感器111和功率监测设备,实时监测设备的温度和功率数据,将这些数据输入模型中进行计算,得到热量产生的结果。这个模型提供了实时的热负荷信息,可以进行即时的温控和能效管理。
其中,设备变更布局调整的算法根据需求和约束条件进行设计,以下是一个基本的算法框架:
定义目标函数,根据具体需求,定义一个目标函数来衡量布局调整的优劣。目标函数可以包括多项指标,如热量均衡性、散热效率、能耗等。根据具体情况设定权重,将这些指标综合考虑为一个综合性的目标函数。初始布局,在开始算法之前,获取当前的设备布局情况作为初始布局。初始布局可以是按照既定规则或算法进行的布局,也可以是实际运行中已经存在的布局。生成新布局,通过一系列的操作和算法生成新的布局方案。根据需求,可以考虑交换设备的位置、调整设备的密度和分布等操作。可以采用启发式算法、元启发式算法、遗传算法等进行寻找新的优化布局。在生成新布局过程中,需要考虑约束条件,如设备连接、散热要求、布线限制等。计算目标函数值,根据目标函数,计算新布局的目标函数值。根据设定的权重,综合考虑布局的多项指标,得到目标函数值。判断是否满足停止条件,在每次生成新布局之后,判断目标函数值是否满足设定的停止条件。停止条件可以是算法迭代次数、目标函数值的收敛性等。如果满足停止条件,则停止算法,并输出当前的最优布局。更新当前布局,如果新布局未满足停止条件,将新布局更新为当前布局,然后返回布局生成步骤,继续生成新布局。输出最优布局,当停止条件满足后,输出得到的最优布局作为最终结果。这个最优布局应该在目标函数值上具有较好的性能,并满足约束条件。
具体地,通过设备功率采集单元141,对各个设备的功率进行实时采集监测,获取设备的功率数据。设备参数设置单元142可根据实际情况设置设备的热负荷参数,如热量输出特性和散热特性等。模型算法单元143利用设备的功率数据和设备参数设置信息,计算设备的热量产生情况,考虑设备功率与热量之间的关系。热传导模型单元建立机房内部的热传导模型,考虑机房内部的空气流动和各个设备的位置布局等因素,预测热量在机房内的传导和分布情况。温度建模,通过综合考虑设备热量计算单元144获取的设备热量数据和热传导模型单元计算得出的传导热量数据,进行温度建模,预测机房内各个位置的温度分布情况。
综上所述,通过整合以上功能,温度建模模块150能够实时获取设备的功率和热量数据,并考虑热传导特性进行温度建模,从而提供更准确的机房温度分布信息,为数据中心的温控系统提供准确的参考数据,进一步提高数据中心的温控精度和能源效率。
图4是根据本说明书一些实施例所示的温度建模模块150示意图,如图4所示,温度建模模块150包括:
机房结构建模单元151,机房结构建模单元151用于建立机房的三维结构模型。通过该单元,将机房的物理结构、机柜布局、通风孔等因素转化为可供计算机处理的模型形式,为后续的温度计算提供基础。
具体地,建立机房的三维结构模型是进行温度计算和热管理的基础之一。以下是一个常用的技术方案来构建机房的三维结构模型:
获取机房结构信息,收集机房的实际结构信息,包括墙壁、地板、天花板、设备架子、机柜等的几何形状和尺寸。这些信息可以通过实地测量、设计文档、CAD图纸等方式获取。选择建模工具,选择合适的三维建模工具,如AutoCAD、Blender、SolidWorks等,用于构建机房的三维结构模型。根据实际情况和工具的使用经验,选择最适合的建模工具。创建基础几何形状,利用建模工具,根据机房的结构信息,逐步创建机房的基础几何形状。包括墙壁、地板、天花板等的平面绘制和拉伸,以及机柜、设备架子等的建模。导入纹理和材质,根据实际情况,导入机房内部构件的纹理和材质,使模型更加真实,并增加视觉效果。可以根据设备的外观和材料特性,设置相应的纹理、颜色和反射效果等。添加细节和装饰,在模型中添加细节和装饰,如设备连线、通风孔、门窗、标识等。这些细节可以提高模型的真实感,同时也有助于后续的温度计算和热管理。对模型进行优化,优化模型以提高计算效率和准确性。可以进行模型简化、部件合并、网格优化等操作,以减少模型的复杂性,并提高计算速度和稳定性。导出模型,将完成的机房三维结构模型导出为通用的格式,如OBJ、STL等。这样的格式可以被其他软件或系统导入和处理,如进行温度计算、仿真分析等。通过以上技术方案,可以构建完整的机房三维结构模型,为后续的温度计算和热管理提供准确的基础。这个模型可以用于进行温度分布分析、散热优化、风流仿真等,从而提高数据中心的温控精度和能效。
热源分布单元152,热源分布单元152连接到机房结构建模单元151,用于确定机房内所有热源的位置和热功率。该单元识别机房中的各种热源,包括服务器、网络设备、UPS等,根据其位置和功率信息确定热源的分布情况。
具体地,热源的位置和热功率是确定机房内热分布和进行热管理的关键因素。通过确定热源的位置,可以了解到热量在机房内的分布情况。不同位置的热源会对周围的空间产生不同程度的热效应,可能形成热点区域。了解热源位置地分布,可以进行热分布分析,识别热量集中的区域,并进行热管理优化。热源的热功率决定了热量的产生量。通过确定热源的热功率,可以了解到热量在机房内的传导程度。高功率的热源会产生更多的热量,可能导致热量累积和温度升高。因此,热功率是评估热传导的重要参数,为优化热管理提供依据。确定热源的位置和热功率是进行热量平衡计算的基础。热量平衡计算是通过分析热源的热功率和热传导情况,计算机房内的热量分布和总热量产生。根据热量平衡计算得到的结果,可以调整设备布局、改善散热设计,以实现热量均衡和温度控制。确定热源的位置和热功率可以为热管理策略的制定提供依据。根据热源的分布情况和热功率大小,可以制定散热方案、通风设计、设备布局等热管理策略,以提高数据中心的散热效果和能效。
通过确定热源的位置和热功率,可以全面了解机房内热量的分布情况,有助于评估热分布、热传导、热量平衡等问题,并制定相应的热管理策略。这些技术原理的应用可以提高数据中心的温控精度、降低能耗,并确保设备的正常运行和稳定性。
传热模型单元153,传热模型单元153连接到热源分布单元152,用于建立机房内空气流动和热量传播的传热模型。该单元考虑机房内空气流动、散热设备、机柜排列等因素,通过传热模型计算热量在机房内的传导和分布情况。
其中,传热模型单元153是数据中心机房空调控温方法中的关键组成部分,它通过建立机房内空气流动和热量传递的传热模型,实现对机房温度分布的模拟和预测。该单元包括以下子单元:热源信息获取子单元,热源信息获取子单元连接热源分布单元152,用于获取机房内所有热源的位置和热功率信息。通过与热源分布单元152的连接,该子单元能够获取到机房内各个热源设备的准确位置和热功率数据,为后续的传热模型建立提供必要的输入。
机房空气流动子单元,机房空气流动子单元连接热源信息获取子单元,用于根据获取的热源位置和热功率信息,建立机房内的空气流动模型。该子单元考虑机房内的通风设备、散热设备以及热源产生的气流等因素,通过建立合适的流体动力学模型,预测机房内空气的流动情况。
具体地,建立机房内整体的空气流动模型是分析机房内空气流动行为和优化散热设计的关键环节。以下是一个常用的技术方案来构建机房内的空气流动模型:
收集机房结构和通风设备信息,收集机房的结构信息,包括墙壁、地板、天花板等的几何形状和特性。同时,搜集机房内的通风设备信息,如风扇、空调系统、散热器等。这些信息将用于构建机房的整体空气流动模型。获取热源位置和热功率信息,通过热源信息获取子单元获取机房内各个热源的位置和热功率信息。这些信息是空气流动模型中考虑热源效应时的必要数据,用于建立热源产生的气流区域。确定流体动力学模型,基于所需精度和计算资源的考虑,选择适当的流体动力学模型。常用的模型包括计算流体力学(CFD)模型、可调和模型等。针对机房内整体的空气流动,通常可以采用三维稳态或非稳态,可压缩或不可压缩的流体动力学模型。设定边界条件,根据实际情况设定空气流动模型的边界条件。边界条件包括通风设备的进出口条件、机房外部空气的温度和湿度、通风孔的阻力等。这些条件将影响着空气流动的方向、速度和温度分布等。设置网格划分,利用流体动力学模型所需的网格划分方法,将机房的几何结构划分为多个离散的网格单元。网格划分的精度和密度会影响计算结果的准确性和计算时间。需要根据实际情况和计算资源进行合理的网格划分。数值计算和求解,利用流体动力学模型和边界条件,使用数值计算方法(如有限元法、有限差分法等)对空气流动模型进行求解。通过对网格单元上施加合适的初始和边界条件,计算空气流动的速度、压力和温度分布等。模型验证和调整,将计算结果与实际测量数据进行比较,验证空气流动模型的准确性。如果存在差异,可以根据实际情况调整模型参数或修正网格划分,以提高模型的准确性和可靠性。通过以上技术方案,可以建立机房内的整体空气流动模型,并基于该模型进行空气流动分析、散热优化和热管理策略的制定。这有助于评估机房内的空气流动效果、热点分布、通风效率等,并优化散热设计,提高数据中心的温控精度、能效和设备的稳定性。
机房热量传递子单元,机房热量传递子单元连接空气流动模型子单元,用于根据空气流动模型,建立机房内的热量传递模型。该子单元考虑机房内各个热源设备的位置、热功率以及空气流动的影响,建立适当的热传导和对流传热模型,模拟热量在机房内的传递过程。
具体地,建立机房内的整体热量传递模型是分析热管理和温度分布的关键步骤。以下是一个常用的技术方案来构建机房内的热量传递模型:
获取空气流动模型结果,利用空气流动模型子单元的计算结果,包括空气流速、温度分布等信息作为热量传递模型的输入。确定热传导模型,考虑机房内各个热源设备的位置和热功率,选择适当的热传导模型。常用的热传导模型有热传导方程、瞬态热传导方程等。这些模型可用于描述热量在固体结构(如机柜、设备架子、墙壁等)中的传导行为。建立对流传热模型,考虑机房内的空气流动,建立适当的对流传热模型。对流传热模型可以基于自然对流或强制对流的假设,通过对流传热系数来描述热量在空气中的传递。对流传热模型可以包括自由对流和强制对流的组合,根据实际情况确定。考虑边界条件,根据机房内不同区域和设备的特殊性,设定适当的边界条件。边界条件包括机房墙壁和天花板的温度、通风设备的风速和风温等。这些条件将影响热量传递过程中的边界热流。数值计算和求解,利用热传导模型和对流传热模型,结合边界条件,使用数值计算方法对机房内的热量传递模型进行求解。可以使用有限元法、有限差分法等数值方法进行计算。通过对网格单元上施加合适的初始和边界条件,计算热量的分布和传递情况。模型验证和调整,将计算结果与实际测量数据进行比较,验证热量传递模型的准确性和可靠性。如果存在差异,可以根据实际情况进行模型参数的调整,以提高模型的精度和可靠性。通过以上技术方案,可以建立机房内的整体热量传递模型,并预测热量的传递过程、热点分布和散热效果。这有助于评估热管理效果、优化设备布局和散热设计,提高数据中心的温控精度和能效,确保设备的正常运行和稳定性。
机房新风子单元,机房新风子单元连接热量传递模型子单元,用于根据热量传递模型,建立机房内的新风系统模型。该子单元考虑机房内的通风孔、冷通道和热通道等因素,根据热量传递模型分析空气流动对温度分布的影响,并建立相应的新风系统模型。
具体地,建立机房内的新风系统模型是优化通风和温度分布的重要步骤。以下是一个常用的技术方案来构建机房内的新风系统模型:
获取热量传递模型结果,利用热量传递模型子单元的计算结果,包括热量传递和温度分布等信息作为新风系统模型的输入。确定通风孔和通道模型,考虑机房内的通风孔、冷通道和热通道等因素,根据实际情况建立合适的通风系统模型。通风孔可以包括机房的进风口、排风口和散热设备的通风孔等。冷通道和热通道可以模拟空气的流动路径,考虑空气的进出方式和通道的形状。考虑风机和空调系统,考虑机房内的风机和空调系统,根据实际情况将其纳入新风系统模型中。风机和空调系统的风量、风速和风温等参数将对空气流动和温度分布产生影响。根据风机的性能曲线和空调系统的工作方式,建立相应的模型。确定边界条件,设定新风系统模型的边界条件,包括进风口和排风口的风量、温度和湿度等。这些条件将影响新风系统中的空气流动情况和温度调节效果。数值计算和求解,利用通风孔和通道模型、风机和空调系统模型以及边界条件,使用数值计算方法对新风系统模型进行求解,得到空气流动和温度分布的结果。可以使用有限元法、有限差分法等数值方法进行计算。模型验证和调整,将计算结果与实际测量数据进行比较,验证新风系统模型的准确性和可靠性。如果存在差异,可以根据实际情况进行模型参数的调整,以提高模型的精度和可靠性。通过以上技术方案,可以建立机房内的新风系统模型,并分析空气流动对温度分布的影响,优化通风设计和温度分布,提高数据中心的温控精度、能效和设备的稳定性。这有助于合理调节机房的通风环境,提供合适的新鲜空气供应,保持良好的温度和湿度条件,确保设备的正常运行和可靠性。
模型集成子单元,模型集成子单元集成空气流动模型、热量传递模型和新风系统模型,建立机房内多变量耦合的传热模型。通过将各个子模型进行集成和耦合,综合考虑机房内的空气流动、热传导和新风系统等因素,建立更为准确的机房传热模型。
具体地,建立机房内多变量耦合的传热模型是综合考虑空气流动、热传导和新风系统等因素,分析机房内的综合传热行为的重要步骤。以下是一个常用的技术方案来构建多变量耦合的传热模型:
整合空气流动模型、热量传递模型和新风系统模型结果,收集、整合空气流动模型子单元、热量传递模型子单元和新风系统模型子单元的计算结果。包括空气流速、温度分布、热传导效应、通风效果等关键参数作为多变量耦合传热模型的输入。选择耦合方法,根据实际情况,选择适当的耦合方法进行各个子模型的集成。常见的耦合方法包括直接耦合、迭代耦合和分步耦合等。选择合适的耦合方法可以确保模型的稳定性和计算效率。确定传热模型的基本方程,基于多变量耦合的传热模型的目标和要求,确定传热模型的基本方程。基本方程可以包括能量守恒方程、动量守恒方程、热传导方程、流体连续性方程等,根据实际情况进行选择和拓展。设置边界条件,设定传热模型的边界条件,包括通风设备的风速和风温、墙壁和设备的温度、通风孔的阻力等。这些条件将影响传热模型中的热量传递和空气流动行为。数值计算和求解,利用基本方程和边界条件,使用数值计算方法进行传热模型的求解。可以使用有限元法、有限差分法、计算流体力学(CFD)等数值方法进行计算。通过对网格单元上施加合适的初始和边界条件,计算多变量耦合的传热行为。模型验证和调整,将计算结果与实际测量数据进行比较,验证多变量耦合的传热模型的准确性和可靠性。如果存在差异,可以根据实际情况进行模型参数的调整和优化,以提高模型的精度和可靠性。通过以上技术方案,可以建立机房内的多变量耦合的传热模型,综合考虑空气流动、热传导和新风系统等多个因素的影响。这有助于更准确地分析机房内的传热行为、优化通风和散热设计,提高数据中心的温控精度、能效和设备的稳定性。
模型输出子单元,模型输出子单元用于将集成后的传热模型输出给温度场计算单元。155该子单元将传热模型计算得到的温度分布信息传递给温度场计算单元,为全局的温度场计算提供必要的数据依据。通过整合以上子单元的功能和特性,传热模型单元153能够准确地模拟机房内的空气流动和热量传递过程,为数据中心机房的温控提供准确的预测和调整依据。该单元的设计和功能的综合应用,有助于提高数据中心温控精度和能效,同时优化机房的运行效率和稳定性。
更具体地,建立机房空气流动模型和开孔空气流动模型的技术效果主要体现在对机房内空气流动特性和通风效果的预测和评估。通过这些模型,可以更好地理解和优化机房的通风系统设计,以提高空气质量、降低能耗,并确保热量传递和散热效果的有效实现。
机房空气流动模型是基于流体力学原理建立的数学模型,通过对质量守恒、动量守恒和能量守恒等方程的求解,预测机房内空气的运动和分布情况。该模型考虑了机房内的通风设备、散热设备和其他可能影响空气流动的因素,如障碍物、空气泄漏等。通过模拟空气流动,可以评估机房内的温度分布、湿度分布以及气流速度等参数,从而指导合理的机房布局和通风系统设计。提供机房内部空气流动的可视化和定量描述,帮助了解空气流动路径、速度和湍流特性,从而准确评估通风效果和热量传递效率。能够分析和优化机房的通风系统设计,包括通风孔、进出风口的位置和布局,减少热点区域的存在,提高整个机房的空气质量和温度均匀性。通过模型的预测和优化,可以减少通风设备的能耗,降低机房运行成本,提高能源利用效率。
开孔空气流动模型是针对机房中存在的开孔(如通风孔、散热孔等)建立的模型,通过流体力学原理和传热学原理,描述开孔处空气流动和热量传递的规律。该模型考虑了开孔形状、尺寸、位置以及周围环境条件等因素对空气流动和传热的影响。分析开孔的通风效果,评估开孔处的流速、压力分布和温度分布,确定通风效率和热交换效果。优化开孔的布置和尺寸,以提高通风效果和热量传递效率,减少冷热空气的混合并降低热点的温度。通过模型预测和优化,可以减少开孔区域的杂散热量损失,提高散热设备的工作效率,降低能耗和运行成本。
通过建立机房空气流动模型和开孔空气流动模型,可以实现对机房内的气流参数、热量传递和通风效果的准确预测和优化。
更具体地,建立机房热量传递模型和开孔热量传递模型的技术效果主要体现在对机房内热量传递过程的预测和评估。通过这些模型,可以更好地理解和优化机房的散热效果,减少热点的存在,提高热量分布的均匀性,从而保持设备的正常工作温度和提升整体能效。
机房热量传递模型是基于传热学原理建立的数学模型,通过对热传导、对流和辐射等热量传递机制的考虑和计算,预测机房内的热量传递过程。该模型以机房内部的散热设备、热源和其他可能影响热量传递的因素为基础,结合机房的空气流动模型,计算热量在机房内的传递和分布情况。通过模拟热量传递,可以评估机房内的温度分布、热点区域以及散热设备的工作效率等参数,为优化机房的散热设计提供指导。提供机房内部热量传递过程的可视化和定量描述,帮助了解热量的传递路径、分布情况以及热量损失的情况。能够分析和优化机房的散热系统设计,包括散热设备的布局、散热器材料的选择和散热介质的流动方式等,提高整个机房的热量分散性和热量传递效率。通过模型的预测和优化,可以减少热点区域的存在,降低设备的温度,提高设备的可靠性和寿命,降低设备的故障率。
开孔热量传递模型是针对机房中的开孔(如散热孔、通风孔等)建立的模型,通过传热学原理和流体力学原理,描述开孔处热量传递的规律。该模型考虑了开孔形状、尺寸、位置以及周围环境和气流流动等因素对热量传递的影响。分析开孔的热量传递效果,评估开孔处的传热速率、温度分布和热量损失情况,确定开孔对整个机房热量平衡的影响。优化开孔的布置和尺寸,以提高散热效果和热量传递效率,减少热量的积聚和散失,并降低设备的工作温度。通过模型预测和优化,可以减少开孔区域的热量损失,在保证热量传递的同时,提高机房的能效和散热效果。
通过建立机房热量传递模型和开孔热量传递模型,可以实现对机房内的热量分布和传递过程的准确预测和优化。这些模型为机房的热管理和能效优化提供了科学的依据和技术支持,有助于提高机房的散热效果,降低运行成本,并保证设备的稳定工作温度。
更具体地,建立机房新风模型的技术效果主要体现在对机房内新风系统的预测和评估。通过这个模型,可以更好地理解和优化机房的通风效果,确保新鲜空气的充足供应,调节机房内的温度、湿度和空气质量,从而提高工作环境的舒适性和整体能效。
机房新风模型是基于通风学原理建立的数学模型,通过对质量守恒、动量守恒和能量守恒等方程的求解,预测机房内新风系统的运行和效果。该模型考虑了机房内的通风设备、新风孔及其位置、空气流动尺寸和速度、气体的热湿变化等因素,以及外界环境的影响。确保充足地新鲜空气供应,通过建立新风模型,可以评估新风系统在不同输入条件下的供风量、换气频率和新风质量。这有助于确定适当的通风参数,确保机房内的新风充足,满足人员健康和设备工作的需求。调节机房内的温度和湿度,新风模型还可预测新风系统对机房内温度和湿度的调节效果。通过调整新风量和进风条件,可以控制机房内的空气温湿度水平,提供舒适的工作环境,减少设备故障和人员不适。优化通风系统设计,通过新风模型,可以分析和优化机房的通风孔、风道布局和进风口位置,以提高通风效果和新风质量。这有助于减少新风系统的能耗,降低供风设备的负荷,提高能源利用效率。评估污染物扩散,新风模型能够根据机房内外的风速、风向和气体扩散特性,预测污染物在机房内的分布情况。这有助于评估机房内的空气质量,并规划适当的通风措施来改善室内环境。
通过建立机房新风模型,可以准确预测和评估新风系统的运行效果,为机房的通风设计和优化提供科学的依据。这有助于提高机房的舒适性、能效和环境质量,满足数据中心运行的需求,并降低运营成本。
开孔模型单元154,开孔模型单元154连接到传热模型单元153,用于建立机房内所有开孔的开孔模型。该单元考虑机房内的通风孔、冷通道、热通道等开孔结构,根据其位置和尺寸建立相应的通风模型。
其中,开孔模型单元154是传热模型单元153中的重要组成部分,用于建立机房内开孔的空气流动和热量传递模型。该单元包括以下子单元:开孔信息获取子单元,开孔信息获取子单元用于获取机房内所有开孔的相关信息,包括开孔的位置和形状。通过该子单元,可以准确获取到机房内各个开孔的具体位置和开孔形状等关键参数,为后续的开孔模型建立提供必要的输入。开孔参数设置子单元,开孔参数设置子单元根据获取到的开孔信息,设置相应的开孔参数。这些参数可能包括开孔的尺寸、形状、数量等,可以根据具体情况进行合理的设置。开孔空气流动子单元,开孔空气流动子单元根据设置的开孔参数,建立机房内开孔的空气流动模型。该子单元考虑了开孔形状、尺寸、位置和周围环境因素对空气流动的影响,通过建立合适的流体动力学模型,预测开孔处的气流速度、压力分布和湍流特性等。开孔热量传递子单元,开孔热量传递子单元根据开孔空气流动模型,建立开孔的热量传递模型。考虑到开孔处空气流动的影响,该子单元可以预测开孔处的传热速率、温度分布和热量传递效果等。开孔模型子单元,开孔模型子单元集成开孔空气流动模型和开孔热量传递模型,建立完整的开孔模型,并将模型输出给传热模型单元153。该子单元综合考虑了空气流动和热量传递的相互作用,提供机房内开孔的综合预测和评估。开孔空气流动模型的技术方案同机房内的空气流动模型,开孔热量传递模型的技术方案同机房内的热量传递模型,开孔模型的技术方案同传热模型,在此不再赘述。
通过整合以上子单元的功能和特性,开孔模型单元154能够准确建立机房内开孔的空气流动和热量传递模型。这些模型为数据中心的温度控制和能效优化提供了重要的参考和指导。通过合理设置开孔参数和优化开孔模型,可以改善机房的通风效果、降低热点的存在,并提高整体的能效和稳定性。
温度场计算单元,温度场计算单元连接所有单元,用于集成各个单元的模型进行温度场的全局计算。该单元综合考虑机房结构、热源分布、传热模型和开孔模型等信息,进行全局的温度场计算,预测机房内各个位置的温度分布情况。
其中,温度场计算单元是传热模型单元153中的关键组成部分,用于建立机房的三维温度场分布模型并进行计算。该单元包括以下子单元:模型集成子单元,模型集成子单元连接机房结构建模单元151、热源分布单元152、传热模型单元153和开孔模型单元154,实现这些模型的集成和协同工作。通过连接不同的模型单元,可以构建完整的机房三维温度场分布模型,并为计算提供必要的输入数据。计算网格生成子单元,计算网格生成子单元连接模型集成子单元,用于生成三维温度场分布模型的三维网格。根据机房的几何形状和结构,以及模型集成子单元提供的数据,该子单元可以生成适合计算的三维网格结构。边界条件设置子单元,边界条件设置子单元连接计算网格生成子单元,根据不同的运行条件设置三维网格的边界条件。这些边界条件可能包括外部温度、湿度,设备的热源和进出口风口的温度、速度等。通过设置准确的边界条件,可以模拟机房内不同区域和设备的温度分布情况。并行计算子单元,并行计算子单元连接到边界条件设置子单元,用于在设置了边界条件的三维网格上进行并行计算。通过利用并行计算的能力,可以快速高效地求解复杂的三维温度场分布模型。该子单元利用计算资源的并行处理能力,提高计算速度和效率。
具体地,生成三维网格是建立三维温度场分布模型的重要步骤。以下是一个常用的技术方案来生成三维网格:网格生成方法选择,根据模型需求和计算资源的限制,选择适当的网格生成方法。常见的网格生成方法包括结构化网格生成方法和非结构化网格生成方法。结构化网格生成方法适用于规则几何结构,而非结构化网格生成方法适用于复杂几何结构。几何模型导入,将建模软件中设计好的几何模型导入到网格生成软件中。几何模型可以是机房的结构、设备的布局和通道的形状等。导入几何模型后,可以进行后续的网格划分操作。网格划分参数设置,根据实际情况,设置网格划分的参数。包括网格划分的精度、单元尺寸、单元类型等。可以根据模型需求和计算资源进行合理的参数设置。网格划分操作,使用网格生成软件进行网格划分操作。根据前面设置的参数,自动生成三维网格。划分的方式可以是正交结构化网格、非结构化网格或者混合网格,具体方式根据实际情况选择。网格质量检查和优化,对生成的网格进行质量检查和优化操作,确保网格质量良好。质量检查可以包括网格单元的大小、形状、变形度等指标。如有必要,可以通过网格调整和优化操作提升网格质量。网格输出,将生成的三维网格导出到模型集成子单元中,用于建立三维温度场分布模型。导出的网格数据通常包括节点坐标、单元连接关系和边界条件等。通过以上技术方案,可以生成用于建立三维温度场分布模型的三维网格。良好的网格质量和合理的网格划分参数将有助于提高模型的准确性和计算效率,从而更精确地分析机房内的温度分布、热量传递行为和通风效果。
具体地,生成边界条件是根据不同的运行条件为三维网格设置适当的边界条件,用于建立三维温度场分布模型的重要步骤。以下是一个常用的技术方案来生成边界条件:
确定边界条件类型,根据实际情况和模型需求,确定需要设置的边界条件类型。常见的边界条件类型包括固体表面的温度和热通量、进出口处的流体速度和温度等。边界条件参数设置,根据具体的边界条件类型,设置相应的参数。例如,固体表面的温度边界条件可以指定固体表面的温度值,进出口处的流体速度和温度边界条件可以指定流体的速度和温度值。划分边界区域,根据几何模型和网格生成子单元生成的三维网格,划分边界区域。将网络的外边界作为整体边界区域,然后根据不同的边界条件类型将内部划分为各个具体边界区域。边界条件设置,针对划分好的边界区域,将各个区域与相应的边界条件进行关联。根据模型需求,可以逐个边界区域设置其相应的边界条件,包括温度、热通量、流体速度和温度等。边界条件插值,如果边界条件在已知位置有限,则需要进行插值操作以确定整个边界区域的边界条件。可以使用合适的插值方法,如线性插值或基于物理模型的插值方法,来推导边界条件在整个区域上的分布。检查和修正,对生成的边界条件进行检查和修正,确保其符合物理规律和预期要求。如有必要,可以根据实际情况对部分边界条件进行调整和优化,以获得更准确的模拟结果。通过以上技术方案,可以生成适用于三维温度场分布模型的边界条件。准确设置边界条件有助于更真实地模拟机房内的热传导和流动行为,从而提供准确的温度分布和热量传递分析。
综上,通过整合以上子单元的功能和特性,温度场计算单元能够构建机房的三维温度场分布模型,并进行快速准确地温度场计算。该单元可以考虑机房内的结构形状、热源分布、传热过程、新风进出口以及开孔对热量传递的影响。通过计算得到的三维温度场分布结果,可以提供数据中心温控精度的指导,优化设备布局、散热系统设计,提高机房的热管理效率和能效水平。
具体地,构建机房的三维温度场分布模型的过程如下:热源分布单元152在机房的三维结构模型上,为每个热源添加热功率参数,并标注各热源的位置和热功率。这些热源可以是服务器、网络设备、电源设备等产生热量的设备。通过标注热源的位置和热功率参数,为后续的传热模型提供热源的信息。热传播模型单元根据热源的位置和热功率,在三维网格上建立传热方程组,模拟热量在不同区域的传播。该模型可以考虑传热的方式,如传导、对流和辐射等,并结合材料的热特性进行模拟和计算。通过建立合适的传热模型和方程组,可以评估热量在机房内的传递和分布情况。开孔模型单元154在三维结构模型中标注出所有开孔的位置,并建立开孔模型。开孔可以包括散热孔、通风孔等用于改善机房通风散热的开口部分。通过标注开孔的位置,可以在后续的传热计算中考虑开孔对热量传递的影响。利用传热模型和开孔模型,进行传热方程组的计算。该计算将传热模型、热源分布以及开孔模型结合起来,考虑热源的热辐射、传导和对流,以及开孔对通风散热的影响。通过求解传热方程组,可以得到机房内各个区域的温度分布和热量传递情况。通过传热方程组的耦合计算,模拟机房内温度的动态分布和传播过程,生成三维温度场分布模型。这个模型可以提供机房内不同区域的温度分布情况,帮助评估热点的发生和热量分布的均匀性。根据该模型的结果,可以优化机房的散热设计,调整设备的布局,提高数据中心的温控精度和能效。通过以上步骤,构建机房的三维温度场分布模型可以提供对机房内部温度分布和热量传递的全面理解。这有助于优化散热设计、降低热点温度、提高温控精度,从而保持设备的正常工作温度和提升数据中心的整体能效。
具体地,并行计算子单元是温度场计算单元中的关键组成部分,用于并行计算机房的三维温度场分布模型。该单元包括以下子单元:模型存储子单元,模型存储子单元用于存储不同运行条件下预先建立的温度场计算模型。这些模型根据传热模型和开孔模型建立,包含了机房的几何结构、热源分布、传热方程组等信息。通过预先建立和存储不同情况下的模型,可以快速获取相应的温度场计算模型,提高计算效率。计算模型子单元,计算模型子单元根据接收到的边界条件,在模型存储子单元中确定采用的温度场计算模型。根据实际运行条件的不同,该子单元可以选择合适的温度场计算模型,以满足特定需求。这些边界条件可能包括外部温度、设备功耗、新风量等。网格分配子单元,网格分配子单元连接计算模型子单元,用于将三维网格分配到多个计算节点。由于温度场计算是计算密集型任务,通过将网格分割为多个子网格并分配到多个计算节点,可以实现并行计算,提高计算效率。并行计算子单元,并行计算子单元分别连接计算模型子单元和网格分配子单元,在多个计算节点上进行并行计算。该子单元调用确定的温度场计算模型,并将分配好的子网格发送到各个计算节点上进行并行计算。每个计算节点独立计算自己负责的子网格的温度场,并最终将计算结果进行合并,得到整体的三维温度场分布结果。通过以上子单元的协同工作,并行计算子单元能够实现温度场计算的并行化。利用多个计算节点的并行计算能力,可以加速计算过程,提高温度场计算的效率和准确性。这有助于实现更精确的数据中心温控,优化设备散热和布局,提高数据中心的能效和稳定性。
更具体地,温度场计算模型是一个用于计算温度场分布的模型,它结合了传热模型和开孔模型的原理,并考虑了机房结构、热源分布和传热效应等因素。该模型可以用来预测机房内各个位置的温度分布情况。三维温度场分布模型是通过模型集成子单元构建的机房温度场模型,它利用温度场计算模型连接机房结构建模单元151、热源分布单元152、传热模型单元153和开孔模型单元154。它考虑了机房内部的几何形状、热源分布和空气流动以及传热效应等因素,以建立一个综合的三维温度场分布模型。三维温度场的分布结果是通过并行计算子单元利用确定的温度场计算模型,在多个计算节点上进行并行计算后得到的。这些计算节点可同时计算不同网格上的温度分布,并将计算的结果组合形成完整的三维温度场分布结果。这样可以加快计算速度,同时提供更准确的温度分布信息。因此,温度场计算模型适用于单个位置的温度计算,而三维温度场分布模型结合了多个位置的温度计算,以获得整个机房内的温度分布情况。三维温度场的分布结果是通过对该模型进行并行计算而得到的,它提供了机房内不同位置的温度分布信息,可以用于优化设计、温控管理和设备布局等方面的决策。
综上所述,结构建模,通过机房结构建模单元151,将机房的物理结构转化为计算机可处理的三维模型,为后续温度计算提供基础。热源分布,热源分布单元152确定机房内所有热源的位置和热功率,考虑到不同设备的热量产生情况,为温度模拟提供准确的输入数据。传热模拟,传热模型单元153建立机房内的传热模型,考虑机房内的空气流动和各个设备的散热特性,预测热量在机房内的传导和分布情况。开孔模拟,开孔模型单元154建立机房内所有开孔的开孔模型,考虑通风孔、冷通道、热通道等因素,模拟开孔结构对温度分布的影响。温度场计算,温度场计算单元集成各个单元的模型进行全局的温度场计算,考虑机房结构、热源分布、传热模型和开孔模型等因素,预测机房内各个位置的温度分布情况。通过整合以上功能,该空调控温方法能够基于综合建模和计算,提供更精确的数据中心机房温度分布信息,为空调系统的控制和调整提供准确的依据,从而提高数据中心的温控精度和能效。
图5是根据本说明书的一些实施例所示的一种数据中心机房的空调控温方法的流程示意图,如图5所示,一种数据中心机房的空调控温方法如下:S210温度采集:使用第一传感器和第二传感器采集设备温度数据和机柜内温湿度数据。采集频率控制单元控制传感器的采样频率。采集的数据经过数据预处理单元进行去噪滤波处理,并发送给数据通信模块。S220数据传输与存储,数据通信模块传输温湿度数据到数据存储模块,将接收到的数据进行存储,以备后续分析和处理。S230设备功率采集,设备功率采集模块采集设备的功率数据,并预测设备的热量产生。该模块包括设备功率采集单元、设备参数设置单元和模型算法单元。模型算法单元使用预设的热负荷模型算法计算设备的热量产生,并输出热量值。S240温度建模,温度建模模块用于建立数据中心机房的三维温度场分布模型。它包括机房结构建模单元、热源分布单元、传热模型单元、开孔模型单元和温度场计算单元。机房结构建模单元,建立机房的三维结构模型,包括机柜、走廊、墙壁等元素的几何信息。热源分布单元,确定机房内所有热源的位置和热功率,包括设备、空调设备、UPS等产生热量的设备。传热模型单元,建立机房内空气流动和热量传播的传热模型,考虑机房内部的热对流、传导和辐射过程。开孔模型单元,建立机房内所有开孔(通风口、散热孔等)的开孔模型,考虑开孔对流和传热效应。温度场计算单元,集成各个单元的模型进行温度场的全局计算,根据机房结构、热源分布、传热模型和开孔模型等因素计算机房内的温度分布情况。S250温控算法:温控算法模块利用温度建模模块得到的机房温度场分布模型,计算空调的制冷量分配方案。根据温度场分布模型和设备功率采集的信息,温控算法模块可以计算出每个区域或机柜所需的制冷量。S260空调控制,空调控制模块根据温控算法模块提供的制冷量分配方案,控制空调设备的运行,调节机房内的温度。优化学习,优化学习模块使用机器学习算法,通过分析历史数据和温度场分布模型的反馈信息来优化温控算法。优化学习模块可以自动调整温度控制策略,提高空调控温系统的性能和能效。
通过S210至S260步骤,该空调控温方法可以实现对数据中心机房的温度控制,提高机房的温度均衡性、节能性和稳定性,确保设备的正常运行和数据中心的稳定性。
以上示意性地对本发明创造及其实施方式进行了描述,该描述没有限制性,在不背离本发明的精神或者基本特征的情况下,能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一,实际的结构并不局限于此,权利要求中的任何附图标记不应限制所涉及的权利要求。所以,如果本领域的普通技术人员受其启示,在不脱离本创造宗旨的情况下,不经创造性地设计出与该技术方案相似的结构方式及实施例,均应属于本专利的保护范围。此外,“包括”一词不排除其他元件或步骤,在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种数据中心机房的空调控温系统,包括:
温度采集模块,用于采集设备温度数据和机柜内温湿度数据;
数据通信模块,用于传输温度采集模块采集的温湿度数据;
数据存储模块,存储接收到的温湿度数据;
设备功率采集模块,用于采集设备的功率数据,并预测设备的热量产生;
温度建模模块,用于建立数据中心机房的三维温度场分布模型;
温控算法模块,用于根据三维温度场分布模型,计算空调的制冷量分配方案;
空调控制模块,用于根据制冷量分配方案控制空调;
优化学习模块,使用机器学习算法优化温控算法。
2.根据权利要求1所述的空调控温系统,其特征在于:
温度采集模块包括:
第一传感器,设置在设备上,向采集频率控制单元发送检测到的设备温度数据;
第二传感器,设置在机柜内不同位点,向采集频率控制单元发送检测到的机柜内各个位点的温湿度数据;
采集频率控制单元,用于控制第一传感器和第二传感器的采样频率;
数据预处理单元,连接到采集频率控制单元,用于接收采集的数据,并进行去噪滤波处理,将处理后的数据发送到数据通信模块;
优化算法单元,连接到数据预处理单元,用于分析预处理后的采集数据,生成优化后的传感器布置方案。
3.根据权利要求2所述的空调控温系统,其特征在于:
优化算法单元包括:
采集矩阵子单元,接收每一个传感器的位置信息和每个采集点的信息,生成传感器数据m和采集点数量n之间的关系矩阵X;
权重子单元,与采集矩阵子单元连接,从关系矩阵X中提取每个采集点的信息,并设置每个采集点的权重Wi;
误差计算子单元,与权重子单元连接,接收关系矩阵X、权重Wi、每个采集点的实际温度Ti和所有传感器的采集温度Tij,计算每个采集点的温度采集误差ei,
其中,m为传感器的数量;xij表示第i个采集点与第j个传感器的关系;
优化子单元,与误差计算子单元连接,接收关系矩阵X、权重Wi和误差ei,按最小化目标函数Q对关系矩阵X中的传感器布置方案进行优化,得到优化后的关系矩阵X′,
目标函数Q通过如下公式计算:
其中,n为采集点数量;
优化后的关系矩阵X′用于输出优化后的传感器布置方案。
4.根据权利要求1所述的空调控温系统,其特征在于:
设备功率采集模块包括:
设备功率采集单元,采集设备的功率数据;
设备参数设置单元,连接到设备功率采集单元,设置设备的热负荷参数;
模型算法单元,连接到设备参数设置单元,按预设的热负荷模型算法计算设备的热量产生;
设备热量计算单元,连接到模型算法单元,获取设备的热量输出值;
其中,模型算法单元包含设备变更布局调整的算法。
5.根据权利要求1所述的空调控温系统,其特征在于:
温度建模模块包括:
机房结构建模单元,建立机房的三维结构模型;
热源分布单元,连接到机房结构建模单元,用于确定机房内所有热源的位置和热功率;
传热模型单元,连接热源分布单元,用于建立机房内空气流动和热量传播的传热模型;
开孔模型单元,连接到传热模型单元,用于建立机房内所有开孔的开孔模型;
温度场计算单元,连接所有单元,用于集成各个单元的模型进行温度场的全局计算。
6.根据权利要求5所述的空调控温系统,其特征在于:
传热模型单元包括:
热源信息获取子单元,连接热源分布单元,用于获取机房内所有热源的位置和热功率信息;
机房空气流动子单元,连接热源信息获取子单元,用于根据获取的热源位置和热功率信息,建立机房内的空气流动模型;
机房热量传递子单元,连接空气流动模型子单元,用于根据空气流动模型,建立机房内的热量传递模型;
机房新风子单元,连接热量传递模型子单元,用于根据热量传递模型,建立新风系统模型;
模型集成子单元,集成空气流动模型、热量传递模型和新风系统模型,建立机房内多变量耦合的传热模型;
模型输出子单元,用于将集成后的传热模型输出给温度场计算单元。
7.根据权利要求5所述的空调控温系统,其特征在于:
开孔模型单元包括:
开孔信息获取子单元,用于获取机房内所有开孔信息,开孔信息包含开孔的位置和形状;
开孔参数设置子单元,用于根据开孔信息设置开孔参数;
开孔空气流动子单元,用于根据设置的开孔参数,建立开孔空气流动模型;
开孔热量传递子单元,用于根据开孔空气流动模型,建立开孔热量传递模型;
开孔模型子单元,集成开孔空气流动模型和开孔热量传递模型,建立开孔模型,并将开孔模型输出给传热模型单元。
8.根据权利要求5所述的空调控温系统,其特征在于:
温度场计算单元包括:
模型集成子单元,用于连接机房结构建模单元、热源分布单元、传热模型单元和开孔模型单元,构建机房的三维温度场分布模型;
计算网格生成子单元,连接模型集成子单元,用于生成三维温度场分布模型的三维网格;
边界条件设置子单元,连接计算网格生成子单元,用于根据不同的运行条件,生成三维网格的边界条件;
并行计算子单元,连接到边界条件设置子单元,用于在设置了边界条件的三维网格上,并行计算三维温度场分布模型,获取三维温度场的分布结果。
9.根据权利要求8所述的空调控温系统,其特征在于:
构建机房的三维温度场分布模型包括:
热源分布单元在机房的三维结构模型上,为每个热源添加热功率参数,标注各热源的位置和热功率;
热传播模型单元根据热源的位置和热功率,在三维网格上建立传热方程组,模拟热量在不同区域的传播,建立传热模型;
开孔模型单元在三维结构模型中标注出所有开孔的位置,建立开孔模型;
利用传热模型和开孔模型进行传热方程组的计算;
通过传热方程组的耦合计算,模拟机房内温度的动态分布和传播过程,生成三维温度场分布模型。
10.根据权利要求8所述的空调控温系统,其特征在于:
并行计算子单元包括:
模型存储子单元,用于存储不同运行条件下预先建立的温度场计算模型;
计算模型子单元,用于根据接收到的边界条件,在模型存储子单元中确定采用对应的温度场计算模型;
网格分配子单元,连接计算模型子单元,用于将三维网格分配到多个计算节点;
并行计算子单元,分别连接计算模型子单元和网格分配子单元,用于调用确定的温度场计算模型,在多个计算节点上进行并行计算,得到三维温度场的分布结果;
其中,温度场计算模型是指根据传热模型和开孔模型建立的用于计算温度场分布的模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338775.5A CN117412555B (zh) | 2023-10-13 | 2023-10-13 | 一种数据中心机房的空调控温系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338775.5A CN117412555B (zh) | 2023-10-13 | 2023-10-13 | 一种数据中心机房的空调控温系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117412555A true CN117412555A (zh) | 2024-01-16 |
CN117412555B CN117412555B (zh) | 2024-06-18 |
Family
ID=89488270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311338775.5A Active CN117412555B (zh) | 2023-10-13 | 2023-10-13 | 一种数据中心机房的空调控温系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117412555B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118051083A (zh) * | 2024-04-16 | 2024-05-17 | 托伦斯半导体设备启东有限公司 | 一种加热丝的智能温控方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631237A (zh) * | 2018-12-12 | 2019-04-16 | 珠海格力电器股份有限公司 | 一种数据中心群控系统及方法 |
CN109948297A (zh) * | 2019-04-09 | 2019-06-28 | 深圳市赛为智能股份有限公司 | 微模块温度场模拟方法、装置、计算机设备及存储介质 |
CN111787768A (zh) * | 2020-07-16 | 2020-10-16 | 捷通智慧科技股份有限公司 | 一种数据中心风机及其控制方法 |
CN112616292A (zh) * | 2020-11-27 | 2021-04-06 | 湖南大学 | 一种基于神经网络模型的数据中心能效优化控制方法 |
WO2023010556A1 (zh) * | 2021-08-06 | 2023-02-09 | 西门子瑞士有限公司 | 精密空调的动态预测控制方法、装置和系统 |
WO2023145996A1 (ko) * | 2022-01-26 | 2023-08-03 | 녹원정보기술(주) | 에너지 다소비 건물의 에너지 관리 및 최적화를 지원하는 디지털 트윈 플랫폼 |
CN116600528A (zh) * | 2023-03-28 | 2023-08-15 | 国网湖北省电力有限公司信息通信公司 | 一种基于温度分布场的通信机房制冷监控方法及系统 |
-
2023
- 2023-10-13 CN CN202311338775.5A patent/CN117412555B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631237A (zh) * | 2018-12-12 | 2019-04-16 | 珠海格力电器股份有限公司 | 一种数据中心群控系统及方法 |
CN109948297A (zh) * | 2019-04-09 | 2019-06-28 | 深圳市赛为智能股份有限公司 | 微模块温度场模拟方法、装置、计算机设备及存储介质 |
CN111787768A (zh) * | 2020-07-16 | 2020-10-16 | 捷通智慧科技股份有限公司 | 一种数据中心风机及其控制方法 |
CN112616292A (zh) * | 2020-11-27 | 2021-04-06 | 湖南大学 | 一种基于神经网络模型的数据中心能效优化控制方法 |
WO2023010556A1 (zh) * | 2021-08-06 | 2023-02-09 | 西门子瑞士有限公司 | 精密空调的动态预测控制方法、装置和系统 |
WO2023145996A1 (ko) * | 2022-01-26 | 2023-08-03 | 녹원정보기술(주) | 에너지 다소비 건물의 에너지 관리 및 최적화를 지원하는 디지털 트윈 플랫폼 |
CN116600528A (zh) * | 2023-03-28 | 2023-08-15 | 国网湖北省电力有限公司信息通信公司 | 一种基于温度分布场的通信机房制冷监控方法及系统 |
Non-Patent Citations (2)
Title |
---|
XIAO SHICHAO: "Energy Saving Analysis of refrigeration room Group Control Based on Kernel Ridge Regression Algorithm", 《 INTERNATIONAL JOURNAL OF REFRIGERATION》, 1 September 2023 (2023-09-01), pages 345 - 355 * |
金萍: "双碳背景下的小型机房温控系统节能技术研究", 《江苏通信》, 15 August 2023 (2023-08-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118051083A (zh) * | 2024-04-16 | 2024-05-17 | 托伦斯半导体设备启东有限公司 | 一种加热丝的智能温控方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117412555B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8346398B2 (en) | Data center thermal performance optimization using distributed cooling systems | |
Shan et al. | Coupling CFD and building energy modelling to optimize the operation of a large open office space for occupant comfort | |
US8825451B2 (en) | System and methods for rack cooling analysis | |
Sun et al. | A CFD-based test method for control of indoor environment and space ventilation | |
US9291358B2 (en) | Accuracy-optimal control decisions for systems | |
EP2820488B1 (en) | Multi-dimensional optimization for controlling environmental maintenance modules | |
DK2915080T3 (en) | System and method for predicting fluid dynamics with an improved potential-flow model | |
CN103210708B (zh) | 用于预测数据中心的多孔砖气流的系统和方法 | |
US8744818B2 (en) | Thermal-fluid-simulation analyzing apparatus | |
CN117412555B (zh) | 一种数据中心机房的空调控温系统 | |
Song et al. | Airflow and temperature distribution optimization in data centers using artificial neural networks | |
CA2891802A1 (en) | Predictive monitoring and control of an environment using cfd | |
Song et al. | A dynamic compact thermal model for data center analysis and control using the zonal method and artificial neural networks | |
EP4375585A1 (en) | Dynamic prediction control method, apparatus and system for precision air conditioner | |
Khalaj et al. | Multi-objective efficiency enhancement using workload spreading in an operational data center | |
Hu et al. | Multi-zone building control with thermal comfort constraints under disjunctive uncertainty using data-driven robust model predictive control | |
Wang et al. | Air supply parameter optimization of a custom nonuniform temperature field based on the POD method | |
Yang et al. | Coupling occupancy information with HVAC energy simulation: A systematic review of simulation programs | |
Abedi et al. | Smart HVAC systems—Adjustable airflow direction | |
Tong et al. | A time-varying state-space model for real-time temperature predictions in rack-based cooling data centers | |
CN116954329A (zh) | 制冷系统的状态调节方法、装置、设备、介质及程序产品 | |
CN115344919A (zh) | 建筑内部环境分析方法、装置、设备及介质 | |
Lan et al. | Optimal zoning for building zonal model of large-scale indoor space | |
Ismail et al. | A comprehensive optimization study of personal cooling radiant desks integrated to HVAC system for energy efficiency and thermal comfort in office buildings | |
CN117413273A (zh) | 用于监控封闭空间环境的方法、装置和计算机存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240528 Address after: 213000 No. 1 Kele Road, Xinbei District, Changzhou City, Jiangsu Province Applicant after: SATURN (CHANGZHOU) TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 518000, Room 515, Building B, Nanfang Building, No. 122 Luofang Road, Huangbei Street, Luohu District, Shenzhen, Guangdong Province Applicant before: Jinyongyuan Technology (Shenzhen) Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant |