机械与能源工程学院 答辩人：张量 学号：1232943 导师：许鹏 教授
BBRT
数据中心热工环境指标和
热点预测控制
专业硕士研究生毕业答辩
汇报内容 ?背景和意义
?数据中心热工环境评价指标 ?数据中心热点预测和送风温度优化 ?热点预测和送风温度优化实例 ?成果和总结
?背景和意义 ?数据中心的定义
数据中心（IDC）是容纳能够对数据和信息进行存储、管理、处理和交换中的一种或更多操作的集中处理仪器的建筑设施。 ?数据中心能耗高
数据中心能耗密度高：120～940W/m2；
总能耗高且增长迅速：2009年中国IDC总耗电量364亿kWh（占当年中国电力消耗总量的1%）；2015年将达到1000亿kWh； 空调能耗占数据中心总能耗50%左右。 ?数据中心室内环境的特点
环境控制要求严格：工业级安全要求 ANSI/TIA-942, ASHRAE TC 9.9 GB50174-2008 气流组织复杂：能耗密度高冷量分配复杂、空气短路、再循环、负压、热点问题普遍存在
?问题一：数据中心环境评价指标在实际应用中的困难
学者提出诸多指标，但实际应用困难，且没有进行系统的总结和分类； 综合评价指标的匮乏
?背景和意义 ?问题二：传统数据中心温度控制的局限
传统的数据中心制冷系统以数据中心全局温度作为控制的依据：无法兼顾所有设备的温度，以至于机房管理人员出于安全的考虑设置过低的设定温度。如果能准确监测数据中心的热点情况，并根据热点温度确定空调送风温度，将会在保证安全的前提下节约空调能耗。
?问题三：数据中心精确环境监测的窘境
传感器的缺点：（1）供电方式的限制（2）大量使用传感器的成本问题 CFD模拟的缺点：（1）精确性（2）实现在线实时运行的困难
?人工神经网络（ANN）的发展以及与CFD技术的结合应用的现状和前景
Why CFD? 和传感器监测相比，更加详尽、清晰、直观。成本。指标。 Why CFD-ANN? 实现对离线CFD结果的在线应用，克服CFD的缺点（2） 人工神经网络与CFD结合应用的工程案例：[74] [75] [76]
人工神经网络与CFD结合应用于室内气流组织的研究：[77] [78] [79]
其中，[79]: CFD-ANN用于数据中心温度预测，但是[79]的模型中并没有考虑IT设备功率变化的因素，模型没有突出重点不够简化。而且没有进一步根据温度场计算出优化的空调送风温度。
?背景和意义 技术路线：
机械与能源工程学院 - 图文
