?数据中心热点预测和送风温度优化 3. 精确性验证
第一列机柜功率负荷% 第二列机柜功率负荷% 第三列机柜功率负荷% 第四列机柜功率负荷% 允许的最高温度℃ 人工神经网络得到的最高送风温度℃ CFD模拟出的最高送风温度℃ 偏差℃ 人工神经网络运算时间s CFD运算时间s 工况1：高允许工况2：低允许工况3：高允许工况4：高允许工况5：中等允温度、高负荷 温度、低负荷 温度，负荷不均 温度，高负荷 许温度，低负荷 88 92 89 95 40 33 29 23 21 32 93 91 34 20 40 96 87 87 94 40 38 35 42 39 35 16.40 16.44 0.04 23.56 23.20 -0.36 24.27 24.25 -0.02 14.65 14.64 -0.01 20.26 20.30 0.04 <1 912 <1 901 <1 900 <1 903 <1 898 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
?热点预测和送风温度优化实例和运行结果 苏州某银行数据中心热点预测和送风温度优化实例
?与典型数据中心步骤类似
?苏州某银行数据中心的特殊性
1. 插座排线混乱，无法实测每列机柜的功率，通过实测数据的校验获得功率数据 2. 无冷热通道布置，所有的机柜都面朝一个方向 3. 有20个机柜闲置，没有放置IT设备
?热点预测和送风温度优化实例和运行结果 苏州某银行数据中心热点预测
CFD的模拟结果和人工神经网络模型预测的结果的比较
空调送风温度℃ 机房总功率kW CFD模拟的最高温度℃ 人工神经网络模型预测结果℃ 绝对误差℃ 相对误差 工况1 13.00 236.5 28.14 28.26 0.12 0.43% 工况2 17.00 236.5 31.47 31.48 0.01 0.03% 工况3 18.00 193.5 30.11 29.79 -0.32 -1.06% 工况4 14.00 193.5 26.40 26.78 0.38 1.44% 工况5 20.00 215.0 32.82 32.72 -0.1 -0.30% 苏州数据中心实测结果和人工神经网络模型预测结果的比较
空调送风温度℃ 机房总功率kW 实测温度℃ 人工神经网络模型预测结果℃ 绝对误差℃ 相对误差 工况1 工况2 17.68 18.01 214.6 246.3 30.54 32.94 30.75 32.92 0.21 -0.02 0.68% -0.06% 工况3 15.36 180.0 26.98 27.05 0.07 0.26% 工况4 工况5 17.81 16.50 254.0 218.0 32.94 29.83 33.21 29.98 0.27 0.15 0.82% 0.50% ?热点预测和送风温度优化实例和运行结果 苏州某银行数据中心送风温度优化
输入：
输入：最高允许温度
输入：当前送风温度送风温度优化的Simulink人工神经网络模型
IT设备总功率 输出：
优化后的送风温度送风温度优化模型精确性验证
工况1 工况2 工况3 工况4 工况5 工况6 空调送风温度℃ 13.02 16.88 17.94 14.00 19.89 19.94 机房总功率kW 236.5 236.5 193.5 193.5 215.0 236.5 假设机房允许最高温度℃ 40.00 35.00 35.00 30.00 35.00 30.00 优化后的空调送风温度℃ 25.11 19.46 22.48 16.22 21.03 13.80 优化后送风温度下的机房最高温度℃ 38.02 33.57 33.78 28.50 33.75 28.63 优化后机房最高温度与机房允许最高温度差值℃ 1.98 1.43 1.22 1.50 1.25 1.37
机械与能源工程学院 - 图文
