数据中心中UPS电源技术解析

简介:

摘要:GB50052---1995《供配电系统设计规范》中的强制性条文规定:"一级负荷中特别重要的负荷,除由两个电源供电外,尚应增设应急电源。"柴油发电机组可以作为应急电源,但其反应速度太慢,要15,才能恢复供电,这与现代化的通信及网络信息数据流无法匹配。因此,工程中的一些重要部门和系统必须考虑不间断电源UPS供电。

1.交流不间断电源系统供电

在下列情况下应设计并采用交流不间断电源系统供电:

(1)对供电可靠性要求较高,采用备用电源自动投人方式或柴油发电机组应急自启动方式等仍不能满足要求时。

(2)一般稳压稳频设备不能满足要求时。

(3)需要保证顺序断电安全停机时。

(4)电子计算机系统实时控制时。

(5)电子计算机系统联网运行时。

计算机设备对电源要求质量较高,不仅要求采用不间断供电系统,而且要求电源电压波动在一定范围以内才能正常工作。网络数据传输设备要求电源电压的波动在±5%以内。

2.UPS的特性

UPS是一种高质量、高可靠性的独立电源,是一种蓄电池静止型不间断供电装置。它由整流器、逆变器、交流静态开关和蓄电池组组成。平时,市电经整流器变为直流对蓄电池浮充电,同时经逆变器输出高质量的交流净化电源供重要负载,使其不受市电的电压、频率、谐波干扰。当市电因故停电时,系统自动切换到蓄电池组,蓄电池放电,经逆变器对重要负荷供电。

UPS的不间断特性体现在其"同步切换"工作程序上,当市电与逆变器进行切换时,其控制系统会适时地检测市电的同步范围,在市电不超限时,逆变器实现"先通后断"的供电,从而保证了供电系统的"无间断切换"。

市场上的UPS产品,其容量规格大致有0.25、0.4、0.6、1、2、3、4、5、10、15、20、40、60、80、100、120、160、200、300、400、500、600、800、1000kV A等,并巳形成系列化产品。一般都经IS0g00l国际质量标准认证、UL安全标准及CE抗电磁干扰认证和标记。多数采用了PWM脉宽调频技术、PIGBT高效功率器件、微处理器主/从控制技术等,可双机或多机并联。具备电池测试维护、微机监控元人值守、可远程通信等功能;在机器构成上,元器件标准化、模块化、互换性好;有宽电压输入、高效率输出、过载能力强等优良性能。

3.UPS的供电方式

UPS电源的工作方式根据用电设备对供电可靠性和连续性的要求可分为单一式、并联式、冗余式和并联冗余式等方式;根据用电设备对供电可靠性和管理方便的要求也可分为分散式、集中式、分散与集中相结合三种方式。分散式UPS供电采用的设备容量都比较小,支持时间较短,适合用于一些办公区和控制室;集中式UPS供电适合一些要求支持时间较长和较大型的计算机网络机房等。应当根据甲方需求来确定采用哪种UPS的供电方式和容量。集中设置的UPS电源容量的统计需由设计方与业主密切配合,并考虑所选UPS产品的转换效率。尤其是功率较大时,UPS转换效率非常重要,效率高就可节省初期投资和长期能源损耗的费用。

一般情况下,机房供电采用市电十UPS后备电池相结合的方式较多。正常情况下,市电通过UPS稳频稳压后给计算机设备供电,保证计算机设备的电能质量;当市电停电时,后备电池通过UPS逆变后给计算机设备供电,保证计算机设备的电源。市电与UPS后备电池间通过静电转换开关切换,确保计算机设备无瞬间断电。

UPS供电为集中方式时,还应充分考虑UPS机房的设备布置、馈线的铺设、主机柜的散热和整个机房的降噪措施等;对于分散式UPS供电,分散在各处的UPS容量都很小,上述问题可不予考虑。但是,UPS电源都应引自双电源末端互投配电柜(箱)的出线回路,不能从普通插座接引。

设计UPS供电方案时,针对分散在各处的重要控制室,在保证双电源末端自投的一级供电模式下,采用分散式小型UPS电源作为后备供电也很实用。

4.尽量避免过电流充电

过电流充电易造成电池内部的正负极板弯曲,使极板表面的活性物质脱落,造成电池可供使用容量下降,情况严重时会造成电池内部极板短路而损坏。

5.尽量避免蓄电池过电压充电

过电压充电往往会造成蓄电池电解液所含的水被电解分离成氢气和氧气而逸出,从而使电池使用寿命缩短。

6.更换活性下降、内阻过大的电池

(1)随着UPS电源使用时间的延长,总有部分电池的充放电特性会逐渐变坏,端电压明显下降,这种电池的性能不可能再依靠UPS电源内部的充电电路来解决,继续使用会存在隐患,应及时更换。

(2)由于蓄电池内阻增大,当用正常的充电电压对电池进行充电已不能使蓄电池恢复其充电特性时应及时更换。电池的内阻一般在10--30mn,如果电池的内阻超过200m巴则将不足以维持UPS的正常运行,对内阻偏大的电池必须更换。

7.避免新旧蓄电池混用或新旧电池混合充电

由于新电池的内阻都比较小,而旧电池的内阻都有不同程度的增大,当新旧电池混合在一起充电时,由于旧电池的内阻大,分压会相对偏大,极容易造成过电压充电现象;而对于新电池,内阻较小,充电电压小但电流偏大,又容易造成过电流现象,所以在充放电过程中应避免新旧电池混充。

8.蓄电池的使用环境

电池的使用寿命与环境温度密切相关,电池处于较低温度时,蓄电池中的锌板容易粉化,失去蓄电性能,造成永久性损坏;温度过高时,电池的容量也会下降,情况严重时会造成永久性损坏。根据电池生产厂家的技术规范,电池的最佳使用温度是2~25℃,在该温度范围使用,可延长电池的使用寿命。

总之,做好UPS蓄电池的维护工作,可以减少UPS的故障,提高系统运行的稳定性。通过对电池的维护可以提高电池的使用寿命。

本文转自d1net(转载)

相关文章
|
4天前
|
JSON 前端开发 JavaScript
【JavaScript技术专栏】JavaScript异步编程:Promise、async/await解析
【4月更文挑战第30天】JavaScript中的异步编程通过Promise和async/await来解决回调地狱问题。Promise代表可能完成或拒绝的异步操作,有pending、fulfilled和rejected三种状态。它支持链式调用和Promise.all()、Promise.race()等方法。async/await是ES8引入的语法糖,允许异步代码以同步风格编写,提高可读性和可维护性。两者结合使用能更高效地处理非阻塞操作。
|
19小时前
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
2天前
|
存储 并行计算 算法
大模型量化技术解析和应用
眼看人工智能含智能量越来越高含人量越来越低,是否开始担心自己要跟不上这趟高速列车了?内心是否也充满好奇:大模型背后的奥秘是什么?为何如此强大?它能为我所用吗?哪种技术最适合我的需求?
|
2天前
|
机器学习/深度学习 数据采集 算法
利用机器学习进行客户细分的技术解析
【5月更文挑战第17天】运用机器学习进行客户细分是提升企业精准营销和竞争力的关键。通过聚类分析、决策树、支持向量机和神经网络等算法,可深入理解客户需求和偏好。关键步骤包括数据收集预处理、特征选择、模型训练与优化,最终实现客户群体的精准划分,助力定制个性化营销策略。随着技术发展,机器学习在客户细分中的应用将更加广泛。
|
2天前
|
机器学习/深度学习 数据采集 算法
利用机器学习进行用户行为预测的技术解析
【5月更文挑战第17天】本文探讨了利用机器学习预测用户行为的技术,包括数据收集与处理、特征工程、模型选择与训练、评估预测。通过理解用户数据、提取有效特征,使用如RNN、LSTM等深度学习模型进行训练,评估模型性能后,可实现用户行为预测,助力企业决策,如个性化推荐和精准营销。随着技术发展,机器学习在该领域的应用将更加广泛。
|
2天前
|
JSON 搜索推荐 API
使用Elasticsearch进行全文搜索:技术深度解析
【5月更文挑战第16天】本文深入解析了使用Elasticsearch进行全文搜索的技术细节。Elasticsearch是一个基于Lucene的开源搜索引擎,支持全文、结构化搜索和数据分析,具备优秀的扩展性。文中介绍了其核心功能,包括全文搜索、结构化搜索、分析和可扩展性。详细步骤涉及安装配置、数据准备、创建索引、导入数据、构建查询及结果处理。Elasticsearch凭借其高效性能和灵活性,成为企业全文搜索的首选解决方案。
|
3天前
|
监控 Java 测试技术
【企业场景】常见技术场景解析
【企业场景】常见技术场景解析
11 0
|
4天前
|
安全 程序员 网络安全
解析编程中的技术迷题:常见挑战与应对策略
解析编程中的技术迷题:常见挑战与应对策略
6 1
|
4天前
|
人工智能 IDE Devops
通义灵码技术解析,打造 AI 原生开发新范式
本文第一部分先介绍 AIGC 对软件研发的根本性影响,从宏观上介绍当下的趋势;第二部分将介绍 Copilot 模式,第三部分是未来软件研发 Agent 产品的进展。
|
4天前
|
机器学习/深度学习 人工智能 算法
构建高效AI系统:深度学习优化技术解析
【5月更文挑战第12天】 随着人工智能技术的飞速发展,深度学习已成为推动创新的核心动力。本文将深入探讨在构建高效AI系统中,如何通过优化算法、调整网络结构及使用新型硬件资源等手段显著提升模型性能。我们将剖析先进的优化策略,如自适应学习率调整、梯度累积技巧以及正则化方法,并讨论其对模型训练稳定性和效率的影响。文中不仅提供理论分析,还结合实例说明如何在实际项目中应用这些优化技术。

推荐镜像

更多