Decision Making Model of Data Center Chilled Water Cooling System

• Autorzy: Kowalski P. , Porowski M.

Identyfikatory

DOI

10.15199/9.2016.3.4

Warianty tytułu

PL

Model decyzyjny wyboru wodnego systemu chłodzenia centrum przetwarzania danych

• Języki publikacji: EN

Abstrakty

EN

The paper presents a decision model of data center chilled water cooling system for low and medium heat densities. Decision model is based on optimization procedure, which covers definition of technological and mathematical model of the system, its inequality constraints and optimization criterion. The criterion in this case is minimum annual power consumption and operating cost. System model is described by constant parameters and decision variables and consists of air cooled chiller, external water-side economizer (drycooler), computer room air-handler (CRAH) and constant flow hydraulic system with circulating pump. Influence of the rack architecture (open and closed - with separation between cold and hot aisle), coolant temperatures and temperature difference (mass flow) on system total power consumption and operating cost has been presented. The paper also shows calculation results for a case study with wide range of decision variables. Results cover annual power consumption of the cooling system, partial power usage efficiency ratio (pPUE) and operating cost of the allowable system variants and the optimum system.

PL

Publikacja prezentuje model decyzyjny wyboru wodnego systemu chłodzenia centrum przetwarzania danych dla niskiej i średniej gęstości obciążeń. Model decyzyjny bazuje na procedurze optymalizacyjnej, która obejmuje określenie technologicznego i matematycznego modelu systemu, warunków ograniczających oraz kryterium optymalizacji, którym w tym przypadku jest minimum rocznego zużycia energii elektrycznej oraz koszt eksploatacji systemu. Model systemu chłodzenia opisany przez parametry stałe i zmienne decyzyjne składa się z agregatu wody lodowej chłodzonego powietrzem, niezależnego, zewnętrznego wymiennika freecooling (drycooler), szafy klimatyzacji precyzyjnej (CRAH) oraz stałoprzepływowego systemu hydraulicznego z pompą obiegową. Wykazano wpływ architektury szaf serwerowych (architektura otwarta oraz zamknięta - wydzielenie korytarzy zimnych i gorących), temperatur chłodziwa oraz różnicy temperatur chłodziwa (strumienia masy chłodziwa) na całkowite zużycie energii elektrycznej oraz koszty eksploatacyjne systemu. Przedstawiono wyniki obliczeń dla szerokiego zakresu zmiennych decyzyjnych oraz studium przypadku. Wyniki te obejmują roczne zużycie energii elektrycznej, współczynnik efektywności energetycznej pPUE oraz koszt eksploatacyjny OPEX dla wariantów dopuszczalnych oraz systemu optymalnego.

Słowa kluczowe

EN

data center; cooling; energy efficiency; optimization; precision cooling; free cooling

PL

centrum danych; chłodzenie; efektywność energetyczna; optymalizacja; klimatyzacja precyzyjna; free cooling

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Ciepłownictwo, Ogrzewnictwo, Wentylacja
• Rocznik: 2016
• Tom: T. 47, nr 3
• Strony: 108--117
• Opis fizyczny: Bibliogr. 21 poz., rys., tab., wykr.

Twórcy

autor

Kowalski P.

• Wydział Budownictwa i Inżynierii Środowiska, Politechnika Poznańska

autor

Porowski M.

• Wydział Budownictwa i Inżynierii Środowiska, Politechnika Poznańska

Bibliografia

• [1] A.T.C. TC 9.9. 2011. Thermal Guidelines for Data Processing Environments - Expanded Data Center Classes and Usage Guidance, American Society of Heating, Refrigerating and Air-Conditioning Engineers, Inc.
• [2] AMS1X. 2015. Amsterdam Internet Exchange, [Online]. Available: https://ams-ix.net/technical/statistics/historical-trarric-data?vear=2014. [Accessed 04 01 2015].
• [3] Breen T. J., E. J. P. J. Walsh, A. J. Shah and C. E. Bash. 2010. From chip to cooling tower data center modeling: Part I Influence of server inlet temperature and temperature rise across cabinet, in Thermal and Thermomechanical Phenomena in Electronic Systems (ITherm), 2010 12th IEEE Intersociety Conference, Las Vegas, NV.
• [4] Breen T. J., E. J. Walsh, J. Punch, A. J. Shah and C. E. Bash. 2010. From chip to cooling tower data center modeling: Part II Influence of chip temperature control philosophy, in Thermal and Thermomechanical Phenomena in Electronic Systems (ITherm), 2010 12th IEEE Intersociety Conference , Las Vegas, NV.
• [5] Breen T. J., E. J. Walsh, J. Punch, A. J. Shah, N. Kumari, C. E. Bash and G. Lyon. 2012. From Chip to Cooling Tower Data Center Modeling: Validation of a Multi-Scale Energy Management Model, in 13th IEEE ITHERM Conference, Thermal and Thermomechanical Phenomena in Electronic Systems (ITherm), San Diego, CA.
• [6] Demetriou D. W. and H. E. Khalifa, Optimization of Enclosed Aisle Data Centers using Bypass Recirculation, Journal of Electronic Packaging, vol. 134, no. June, 2012.
• [7] Demetriou D. W., H. E. Khalifa, M. Iyengar and R. R. Schmidt. 2011. Development and experimental validation of a thermo-hydraulic model for data centers, HVAC&R Research, vol. 17:4, pp. 540-555.
• [8] Emerson Network Power. 2007. Energy Logic: Reducing Data Center Energy Consumption by Creating Savings that Cascade Across Systems.
• [9] Iyengar M. and R. R. Schmidt. 2009. Analytical Modeling for Thermo-dynamic Characterization of Data Center Cooling Systems, Journal of Electronic Packaging, vol. 131, no. June, pp. 021009-1 - 021009-9.
• [10] Khalifa H. E. and D. W. Demetriou. 2010. Energy Optimization of Air-Cooled Data Centers, Journal of Thermal Science and Engineering Applications, vol. 2, no. December, pp. 041005-1-041005-13.
• [11] Kowalski P., M. Porowski. 2014. Optimization of data center chilled water cooling system according to annual power consumption criterion, 35th AIVC Conference, 4th TighVent Conference, 2 nd venticool Conference: ventilation and airtightness in transforming the building stock to high performance.
• [12] Kowalski P., M. Porowski. 2015. „Wybór optymalnego systemu chłodzenia serwerowni według kryterium energetycznego, ekologicznego lub ekonomicznego", Ciepłownictwo Ogrzewnictwo Wentylacja, 46 (5): 182-187.
• [13] Lu L., W. Cai, L. Xie, S. Li and C. Soh. 2005b. HVAC system optimization - in-building section, Energy and Buildings, vol. 37, pp. 11-22.
• [14] Lu L., W. Cai, Y. S. Chai, L. Xie. 2005a. Global optimization for overall HVAC systems - Part I problem formulation and analysis, Energy Conversion & Management, vol. 46, pp. 999-1014.
• [15] Patel C. D. and A. H. Beitelmal. 2010. A steady-state model for the design and optimization of a centralized cooling system, International Journal of Energy Reasearch, vol. 34, pp. 1239-1248.
• [16] Porowski M. 2011. Selection strategy of low energy ventilating or air conditioning system, Poznań University of Technology Publishing House.
• [17] Sundaralingam V., V. K. Arghode and Y. Joshi. 2013. Experimental Characterization of Cold Aisle Containment for Data Centers, 29th IEEE SEMI-THERM Symposium.
• [18] The Green Grid, PUE™: A Comprehensive Examination Of The Metric, The Green Grid, 2012.
• [19] T-Systems. 2011. Data Center 2020: Delivering high density in the data center; efficiently and reliably, Intel Corporation and T-Systems International GmbH, Monachium.
• [20] T-Systems. INTEL. 2010. Data Center 2020: first results for energy-optimization at existing data centers, Intel Corporation and T-Systems International GmbH, Monachium.
• [21] U.S. Environmental Protection Agency. 2007. Report to Congress on Server and Data Center Energy Efficiency.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.