摘要
本文基于仿真数据，利用机器学习算法建立了数据中心机柜热点温度预测模型和冷却空气优化运行参数估计模型。首先，在Fluent2021R2中建立了典型机柜的仿真模型，并通过试验数据和文献数据对模型进行了准确性验证，误差小于3%。其次，利用CFD模型对典型机柜的热环境进行模拟，机柜发热功率在3.3kW~20.1kW之间、冷却空气入口速度在1.0m/s~3.0m/s之间、冷却空气入口温度在16℃~26℃之间的不同工况，并提取不同工况下机柜内的最高温度，即热点温度。然后，以机柜发热功率、冷却空气速度和送风温度为输入，以热点温度为输出，利用机器学习算法建立热点温度预测模型。接着，基于预测模型建立冷却空气优化运行参数估计模型，对送风温度和速度进行推荐，既能保证热点温度在安全值，又能最大程度节约能源。最后，开发机柜热点温度预测及送风参数估计软件，实现对送风参数的实时优化调控。
关键词：数据中心；CFD模拟；热点温度；机器学习算法；预测与估计
随着现代信息化技术的快速发展，数据中心的规模日益扩大，相应的能耗也显著增加。在运行过程中，数据中心服务器产生的热量若不及时排出则会在局部形成热点，影响服务器芯片的安全运行。如何在运行过程中实时且准确地预测热点温度，并在合理范围内对冷却空气送风参数进行调整，实现安全及节能运行，是当前研究的关键问题。
(1)本文建立的热点温度预测模型和送风参数估计模型，可以实现机柜热点温度的准确预测，并能基于给定的热点温度限值，对最节能的送风参数进行估计推荐；
(2)本文结合CFD数值模拟和机器学习算法提出了一种兼顾数据中心安全性和节能运行的调控方案，为数据中心空调系统调控提供了新思路和参考。
作者
Xianzhong Chen1, Rang Tu1*, Ming Li1, Xu Yang2, Kun Jia3
本文为北京科技大学涂壤教授课题组研究成果。涂壤教授课题组主要从事吸附式空气热湿传递及热力循环过程、相变蓄冷/热传过程优化、深地矿井热源特性及高能效热害控制方法及与自动化交叉的面向民用建筑和数据中心的高效暖通空调系统设计及机电系统智慧能源管控等方面的研究。
Chen, X., Tu, R., Li, M. et al. (2023). Hot spot temperature prediction and operating parameter estimation of racks in data center using machine learning algorithms based on simulation data. Building Simulation, 16: 2159–2176.
https://doi.org/10.1007/s12273-023-1022-4
相关阅读：
长按二维码或点击左下角“阅读原文”访问全文
数据中心机柜热点温度预测和优化运行参数估计算法及软件开发
期刊介绍
Building Simulation 2008年创刊，是世界上第一本有关建筑模拟领域最新研究成果的英文学术期刊，跨多种学科领域，涉及建筑技术、土木工程、建筑学、环境工程、能源及动力工程等，致力于为中外同行提供一个高水平的学术交流平台。被SCI、EI Compendex、Scopus、CSCD等数据库收录。2023年SCI影响因子5.5，在JCR两个学科领域均位于Q1区；位于中科院期刊分区，工程技术类1区。
