数据中心设备发热密度高,要求全年连续运行,具有高能耗的特点。有研究推算,数据中心的全球用电量将从2010年的2.38×1011kW·h/a增加到2030年的2.97×1012kW·h/a,占全球电力供应的19%[1]。数据中心能耗主要由信息技术设备(Information Technology Equipment,ITE)能耗、空调系统能耗及其他辅助系统能耗构成,其中空调系统能耗约占数据中心总能耗的40%[2],具有相当大的节能潜力。由于数据中心全年供冷的特点,所以在冬季或过渡季节利用自然冷却能够实现良好的节能效果,并且室内环境参数要求的放宽更是大大增加了自然冷却的可利用小时数[3]。风侧直接自然冷却没有中间换热环节,减少了换热损失,冷量利用率高。Lui[4]研究了数据中心中不同自然冷却技术的使用情况,发现风侧直接自然冷却技术最节能。高景等[5]在贵州信息园数据中心采用风侧直接自然冷却,年运行节能率约为16.26%。目前,风侧直接自然冷却应用在数据中心的节能效果在世界很多地区得到了研究和验证,包括美国、澳大利亚、欧洲和韩国等[6]。然而,这些研究主要讨论的是如何利用风侧直接自然冷却最大限度地节约能源,鲜少关注风侧直接自然冷却可能存在的风险。
对于采用风侧直接自然冷却的数据中心,由于大量地引入室外新风,可能导致室内污染物浓度的提升以及湿度的扰动,这给ITE的正常运行带来了威胁。颗粒物和污染气体都可能对ITE造成腐蚀。当颗粒物落在ITE上并吸收水分变湿,便可能会造成离子迁移[7]。气体腐蚀的本质是印刷电路板上的活泼金属失去电子被氧化,特别是存在H2S、SO2等酸性气体时,会加剧腐蚀过程[8]。另外,湿度对于ITE的正常运行也十分重要。高相对湿度会加剧污染物对ITE的腐蚀,而低相对湿度可能增加静电放电的风险[9]。王泽青[10]分析了我国不同地区数据中心风侧直接自然冷却的节能潜力,但并未考虑其带来的风险。尹华等[10]研究了我国不同地区数据中心通风冷却的可行性,结果表明,哈尔滨和北京地区的空气污染严重,不宜采用室外新风冷却。
上述研究结果表明,风侧直接自然冷却的合理利用需要充分考虑到室外空气的温湿度及洁净度。为研究数据中心风侧直接自然冷却技术在全国不同地区的利用潜力及其风险,本文根据全国各省市气象参数及近五年由中国环境监测总站发布的全国城市空气质量报告,基于风侧直接自然冷却技术的应用时长及空气污染物浓度对全国进行气候分区,分析不同区域数据中心应用该技术的节能潜力及其利用风险。
根据是否直接引入室外新风冷却,可以将风侧自然冷却分为间接式和直接式。风侧直接自然冷却是指室外空气温湿度及洁净度适宜的情况下,直接引入室外新风进行供冷。如图1所示,由于直接引入新风,风侧直接自然冷却的运行条件与室外空气条件有着密切关系,在考察某地区是否适合应用风侧直接自然冷却时,应综合考虑该地区的室外空气温湿度与污染物浓度,确保服务器能够安全可靠地运行。
图1 风侧直接自然冷却示意图
1.2 利用潜力指标
室外空气干球温度Tout是数据中心能否使用风侧直接自然冷却的决定性因素。ASHREA[9]于2021年发布的最新版《数据处理环境热指南》(Thermal Guideline for Data Processing Environments)中推荐的IT设备进风温度的范围为18~27℃,露点温度(Dew point temperature,DPT)的范围为-9~15℃,该推荐范围适用于所有级别的数据中心。干球温度的上限是ITE运行的重要的控制参数。大多数电子元件的失效机制都会随着其运行温度的升高而加剧,而干球温度下限往往是为了保证机械制冷时的高效运行[12],故本文在评估风侧直接自然冷却利用潜力时仅考虑干球温度上限。湿度对ITE的运行也十分重要,它可以分为相对湿度和绝对含湿量,而绝对含湿量可以用露点温度来表示。相对湿度相较于露点温度更难控制,因为它不仅与空气的水蒸气分压力有关,还与干球温度有关,而露点温度只与水蒸气分压力有关,是一个更稳定的参数。Swenson[13]研究发现在数据中心内部露点温度的分布非常均匀,而由于数据中心复杂的温度场,相对湿度的分布并不均匀,这导致采用相对湿度作为控制参数不能有效地控制数据中心的湿度水平。目前数据中心对于湿度的控制参数一般是露点温度[9]。因此,在评估风侧直接自然冷却的利用潜力时,湿度方面采用露点温度的限值。美国绿色网格组织[3](The Green Grid,TGG)以全年Tout≤27℃且DPT≤15(℃·h)数为指标评估了世界各地区风侧直接自然冷却的利用潜力,并给出了世界各地区的风侧直接自然冷却的利用地图。然而,LeeK P[14]认为TGG在评估风侧直接自然冷却利用潜力时,忽略了湿度下限所产生的加湿能耗,而这一部分能耗会在很大程度上抵消甚至超过压缩机减少运行所带来的节能量。在我国严寒地区以及寒冷地区,存在大量的时间露点温度低于-9℃。如果不考虑露点温度下限,一方面有可能由于空气湿度过低而导致ITE故障,另一方面,由于对加湿能耗的预计不足而高估了自然冷却的利用潜力。因此本文将以Tout≤27℃且-9℃≤DPT≤15(℃·h)数作为风侧直接自然冷却技术利用潜力的判断标准,并与TGG的分区方法进行对比,分析露点温度下限对风侧直接自然冷却在不同地区的应用所带来的影响。
1.3 利用风险指标
颗粒物和腐蚀性气体会给ITE带来很大的故障风险,对腐蚀作用考虑不足是目前风侧直接自然冷却的实际应用效果不佳的重要原因。为了解全国各地区污染物浓度分布情况,笔者统计了近五年(2016~2020)由中国环境监测总站发布的全国城市空气质量报告,其中主要污染物包括PM2.5、PM10、CO、O3、NO2和SO2。
PM2.5和PM10代表的是颗粒物污染,对全国各省会城市近五年平均的PM2.5和PM10月均质量浓度(表1)进行双变量Pearson检验显示,PM2.5的浓度与PM10浓度呈正相关(r=0.891,P=0.01<0.05),相关性显著。由于PM2.5相比PM10更难被过滤且控制成本更高,并综合二者的相关性,本文将以PM2.5浓度来评估颗粒物给数据中心风侧直接自然冷却带来的利用风险。
图2 NO2、SO2和O3的腐蚀机理
2、分区指标的确定与统计
目前我国数据中心主要围绕经济发达、人口密集的一线城市布局,绝大部分数据中心建立在省会城市或其周边。因此,在进行数据中心风侧直接自然冷却分区时,可以以省会城市代表其所在省份。
式中:Cv为分区指标的变异系数;s为分区指标的标准差;`x为分区指标的平均值;n为分区指标的样本个数;xi为分区指标第i个样本值。以各省份及自治区省会城市(未包括中国香港特别行政区、中国澳门特别行政区及中国台湾省)气象参数以及近5年空气质量月报作为代表,统计全年8760h中Tout≤27℃且-9℃≤DPT≤15℃和Tout≤27℃且DPT≤15℃的发生时间,以及5年平均PM2.5、PM10、NO2、SO2和O3月均质量浓度,并计算各指标的变异系数,结果如表1 所示。
由计算结果可知,除O3外所有指标的变异系数均大于20%,O3的变异系数为11.94%,可认为其浓度在各地区的差异不大,SO2的变异系数50.36%为各指标中最大,在不同地区有着较大的浓度差异。综上所述,筛选出Tout≤27℃且-9℃·h≤DPT≤15℃·h、Tout≤27℃且DPT≤15℃·h、近五年平均PM2.5、SO2、NO2月均浓度作为分区指标。
由分区结果可知,对于应用风侧直接自然冷却的数据中心,最佳的选址地区为气候1区,包括贵阳、昆明和拉萨,其利用潜力大且风险小;气候7、8区的利用风险大,风险控制成本较高,降低了风侧直接自然冷却的经济性。
3.2 与TGG判断标准的分区结果对比
为考察-9℃的露点下限对全国各地区数据中心风侧直接自然冷却利用潜力的影响,本文以Tout≤27℃DPT≤15℃·h及近5年平均PM2.5、SO2、NO2月均质量浓度,按照上文同样的方式进行分区。全国可以被划分为与上文相同的8个气候区,但每个气候区包含的城市有所不同,主要变化为哈尔滨、长春、沈阳、呼和浩特等干燥寒冷地区由气候4区转变为气候2区,即由风侧直接自然冷却的利用潜力一般转变为利用潜力大,而原本气候1区的贵阳、昆明转变成气候3区,风侧直接自然冷却利用潜力由大转变为一般。由表1可知,不考虑-9℃的露点下限时,哈尔滨、长春、沈阳、呼和浩特等干燥寒冷地区的风侧直接自然冷却可利用时长平均可提升3021h,而对于温和地区、夏热冬冷地区、夏热冬暖地区的一些城市全年几乎不存在露点温度低于-9℃。在干燥地区应用风侧直接自然冷却技术,会产生巨大的加湿能耗,这部分能耗甚至可能抵消其带来的节能效益,因此不考虑露点下限的分区方式不能合理地评估利用潜力。综上所述,-9℃的露点下限大大地限制了风侧直接自然冷却在寒冷干燥地区的应用,而对于处于夏热冬冷、夏热冬暖、温和地区的城市影响甚微。
4、结 论
数据中心风侧直接自然冷却是自然冷却技术中最节能的一种方式,但其由于直接引入新风,给IT设备的运行带来了威胁。本文通过分析温湿度及污染物对风侧直接自然冷却的影响,结合全国各省会城市室外温湿度及空气质量情况,建立了针对数据中心风侧直接自然冷却技术应用的气候分区,并对分区结果进行了分析,结论如下:
好文章,需要你的鼓励
串流技术正打破传统游戏边界,让"即点即玩"的畅快体验触手可及,不仅重塑了玩家的游戏方式,更将引领整个产业迈向云端加速迈进。
高通宣布收购越南 AI 研究公司 VinAI 的生成式 AI 部门,金额未披露。这标志着高通持续扩张 AI 工具领域。VinAI 由前 DeepMind 研究科学家 Hung Bui 创立,开发多种生成式 AI 技术。此次收购将增强高通在 AI 解决方案方面的能力,有望为多个行业和消费者带来创新。
GameForge AI 是一款基于人工智能的游戏开发平台,可帮助用户轻松创建自己的游戏世界。本文介绍了 GameForge AI 的功能和使用方法,包括创建角色、场景和任务等。虽然 AI 生成速度较慢,但平台对游戏设计师、桌游爱好者和学生等用户都很有吸引力。与其他 AI 创作工具相比,GameForge AI 更注重构建复杂的叙事驱动型世界。