数据中心的低温储能可以从冷却获取吗?

简介:

数据中心的低温储能是一个伟大的想法,但自从四年前提出之后,似乎并没有什么进展。然而日前,这个想法再次得到了人们的关注。

液态气体是储存能量的一种方式。气体可以保存在绝缘气缸中,直到需要时释放。而当其释放时,就会膨胀和蒸发,就可以驱动涡轮机,并产生机械能或电能。

这种技术是合理可行的的,英国自学成才的工程师彼得·迪尔曼40年前通过这种原理设计的发动机可以驱动汽车运行。其缺点是遵循波义耳(Boyle)定律,因为如果想让膨胀的气体变得更冷,将会有大量的能量以这种方式损失。

多年来,迪尔曼公司一直致力于能源和冷却都能兼顾的应用。它使电机驱动冷藏车,并同时冷却卡车。基本上,这些系统可以替代需要制冷设置中的柴油发动机。

迪尔曼公司与马来西亚一家电力和散热的初创厂商合作,进军数据中心,而数据中心部署了备用电源的柴油发电机,并需要去除热量。

该公司表示,现在得出任何结论还为时过早,但已经看到一些必须解决的问题。

首先,数据中心需要可靠稳定的电力和冷却能力。而在服务器运行时一直需要冷却,但在大多数情况下,除了炎热的天气,采用自然冷却就足够了。同时,数据中心的柴油发电机几乎从不运行,其主要用于备份。

迪尔曼公司合作伙伴是一家初创企业,其产品仍处于早期阶段。而在GDC网站上非常明确的一点是,该公司的Eco2系统使用浸没液体冷却技术。

这种性质的液体冷却技术的主要优点是消除了对其它类型冷却能力的需要。实际上,冷却流体最终的可用的温度下包含热量,因此采用冷却,实际上是一种浪费。

因此,迪尔曼公司的发动机最终可能很少运行,而其冷却对于其特定的合作伙伴可能是多余的。

迪尔曼公司表示,这个项目有很多角度可供探索,现在的问题是考虑如何使用这些技术实现互利。

本文转自d1net(转载)

目录
相关文章
|
SQL 存储 分布式计算
Hive数据仓库设计与优化策略:面试经验与必备知识点解析
本文深入探讨了Hive数据仓库设计原则(分区、分桶、存储格式选择)与优化策略(SQL优化、内置优化器、统计信息、配置参数调整),并分享了面试经验及常见问题,如Hive与RDBMS的区别、实际项目应用和与其他组件的集成。通过代码样例,帮助读者掌握Hive核心技术,为面试做好充分准备。
1155 0
|
9月前
|
前端开发 安全 JavaScript
2025年,Web3开发学习路线全指南
本文提供了一条针对Dapp应用开发的学习路线,涵盖了Web3领域的重要技术栈,如区块链基础、以太坊技术、Solidity编程、智能合约开发及安全、web3.js和ethers.js库的使用、Truffle框架等。文章首先分析了国内区块链企业的技术需求,随后详细介绍了每个技术点的学习资源和方法,旨在帮助初学者系统地掌握Dapp开发所需的知识和技能。
2025年,Web3开发学习路线全指南
|
7月前
|
开发者 索引
HarmonyOS使用系统图标
HarmonyOS图标符号是系统内置的图标资源库,开发者可通过SymbolGlyph和SymbolSpan组件高效引用图标资源,简化开发流程并确保应用与系统设计风格一致。通过`$r('sys.symbol.resource_name')`访问系统图标资源,支持调整大小、颜色、粗细、渲染策略及动效。更多示例和学习资料详见官方文档和教程。
329 2
HarmonyOS使用系统图标
|
12月前
|
存储 缓存 关系型数据库
MySQL 查询优化方法
在数据库应用中,高效的查询性能至关重要。本文探讨了常用的 MySQL 查询优化方法,包括索引优化(选择合适的索引字段、复合索引、定期维护索引)、查询语句优化(避免全表扫描、限制返回行数、避免使用不必要的函数)、表结构优化(选择合适的数据类型、分区表、定期清理无用数据)及数据库配置优化(调整缓存大小、优化存储引擎参数)。通过这些方法,可以显著提高 MySQL 的查询性能,为应用程序提供更好的用户体验。
995 4
|
9月前
|
存储 负载均衡 监控
揭秘 Elasticsearch 集群架构,解锁大数据处理神器
Elasticsearch 是一个强大的分布式搜索和分析引擎,广泛应用于大数据处理、实时搜索和分析。本文深入探讨了 Elasticsearch 集群的架构和特性,包括高可用性和负载均衡,以及主节点、数据节点、协调节点和 Ingest 节点的角色和功能。
367 0
|
存储 NoSQL API
【小小思考】Redis实现去重任务队列
【2月更文挑战第1天】思考一下如何用Redis实现去重的任务队列,主要有List 、List + Set/Hash/Bloom Filter、ZSet、Lua和开源库等方式。
461 1
|
机器学习/深度学习
"独家揭秘TPAMI 2024神作:ProCo魔法降临,无限对比对撞长尾困境,革命性学习浪潮来袭!"
【8月更文挑战第19天】《ProCo: 无限对比对的长尾对比学习》近期登上TPAMI 2024。针对现实世界图像数据中的长尾分布问题,该方法通过构建原型网络并生成无限对比对来增强模型学习,设计了新颖的对比损失函数及优化策略,显著提升了长尾识别准确性。实验显示,在CIFAR-10-LT等数据集上,ProCo方法的Acc@1达47.3%,优于现有技术。示例代码展示了模型训练流程,有助于快速上手实践。此成果有望推动长尾视觉识别领域的进一步发展。
286 2
|
Kubernetes 网络协议 应用服务中间件
必知的技术知识:helm持久化部署ingres
必知的技术知识:helm持久化部署ingres
183 0
|
消息中间件 中间件 测试技术
软件体系结构 - 遗留系统演化策略
【4月更文挑战第11天】软件体系结构 - 遗留系统演化策略
443 4
|
存储 编译器 C语言
C语言字符常量详解
C语言字符常量详解
860 0