数据中心发电机组的选择标准

简介:

数据中心持续功率(DCC)在柴油发电机组行业内的应用在持续增长。DCC应用作为数据处理中心(DPCs)电源的一种可替代电源,它的特性使它能满足数据中心设施对可靠性和可用性的需求。

那么,DCC功率与现在的备用功率或应急功率有何区别?它对于选择最好的发电机组有何影响?该如何确定哪种发电机组最适数据中心项目?

一 数据中心对备用电源需求的持续增长

随着互联网技术的飞速发展,很多产业都与这项技术接轨。网络信息的流量也随之越来越大,存储、处理和分析如此海量的数据(即我们所指的“大数据”)成为必然。因此,发电行业也必须适应这种新的工作方式,并服务于这种不同于银行、贸易、休闲娱乐或政府机构的新产业,协助其数据存储需求。

数据中心能让企业和用户快速读取数据,但维持数据中心正常运转及给机房散热都需要消耗大量的电力。这些设施的温度维持在20 ℃左右,是服务器的理想工作环境温度。

即使仅仅几分钟的电力中断,都可能使整个企业的工作中断,造成重大经济损失。因此,这些设施不仅需要稳定的电力,它们的连续可用性还必须有备用电源提供保障。这正是专为数据中心设计的发电机组的用武之地。

多种因素共同决定着如何在市场上现有发电机组中进行选择:

  1. 主电网的可靠性;
  2. 发电机组整体预算;
  3. 数据中心所存数据的敏感度,决定着在出现电源中断时要求被保护程度的高低。

二 数据中心设计规定

可靠性和可用性是数据中心为客户提供优质、不间断服务的关键特性,尤其是涉及敏感数据时。这两个特性很大程度上都取决于电力供应。因此,且不说高质高效的设备,选择一个和所处理的数据相匹配的供电系统是至关重要的。

Uptime Institute是一个国际公认组织,它对如何设计数据中心设施进行规定和认证。它根据数据中心的可用性分为四个等级:Tier Ⅰ 、TierⅡ、Tier Ⅲ 和Tier Ⅳ 。数据中心所拥有的提供持续电源和应急电源的设备数量是决定它们属于哪一等级的重要因素。

Uptime Institute等级划分是如何影响所要安装的发电机组大小的呢?

要回答这个问题,首先要理解Uptime Institute是如何区分应急电源和替代电源的。

应急电源符合Uptime Institute所规定的Tier Ⅰ或Tier Ⅱ,替代电源需满足Tier Ⅲ或Tier Ⅳ要求。Uptime Institute对数据中心等级要求如表1所示。

image

要被认为是可替代电源,并满足Uptime Institute Tier Ⅲ和Tier Ⅳ的要求,则该发电机组必须在主电源发生故障时能提供持续电力。这意味着发电机组容量必须足够大,能在要求的负荷水平下提供持续电力而不受时间限制。

依据ISO 8528 - 1:2005《Reciprocating internal combustion engine driven alternating currentgenerating sets —Part 1: Application,ratings and performance》,这种运行方式可归类为COP(ContinuousOperation Power,持续运行功率)。

三 不能按照COP选择发电机组容量的原因

既然已经有了COP(持续运行功率)定义,那为什么不用来选择发电机组容量呢?

发动机的COP功率是标定功率或常用功率的80 % ~ 90 %。根据它们的COP来选择发电机组容量,意味着需要选择容量更大的发动机,这会相应地增加发动机本身的成本,也需要更大的安装空间和更多的散热。

此外,发动机将不能在其最高效的负载点下工作,即100 % 功率左右。

因此,为了更具市场竞争力,也为了给终端客户节省不必要的成本,发电机组行业主要的发动机制造商新发布了一个新的功率定义—— 数据中心持续功率(DCC)。

大多数情况下,根据ISO8528 - 1:2005标准,这和它的PRP(Prime Power,主用功率)定义相符。换句话说,即100 % 功率。

但有一点不同:在这种情况下,它是持续供电的。在统计分析故障可能性,并考虑到现有设备的使用情况后,这些制造商认为:在有稳定电网的国家,应急机组实际投入运行的频次是很小的;而且,当真正投入使用时,也只需运行很短的一段时间。正因为如此,可以允许发动机以更高的负载率运行。

四 DCC功率定义如何符合Uptime Institute的要求

尽管发动机不能无限时地维持PRP功率(由于它需要承受机械和热负荷),发动机生产商用DCC定义来保证发动机运行不受时间和平均功率百分比限制。因此,发电机组的大小依据此DCC功率来设计,便能达到Uptime Institute Tier III和Tier IV的要求,因为它们满足作为替代电源的条件。

正如前面提到的,这必须在主电源故障概率较小的情况下,所以发动机生产商限定它们在电网稳定的国家使用。甚至在某些情况下,要依据被它们认为拥有稳定电网的国家名单。

如果主电网足够可靠,或数据中心处理的数据敏感性要求较低,或不严格要求数据的实时可读取性,那么数据中心设施的有效性百分比将降低,它们会被归类为Uptime Institute Tier I或Tier II。这时会根据发电机组的备用功率来选择发电机组作为备用电源,以减少安装费用。各等级发动机的功率标定如图1所示。

image

  五 为数据中心提供电源的发电机组的关键特性

用于数据中心项目的发电机组及其部件的特性与用于其它设施的备用机组的特性大都相同,尽管DCC机组对某些部件的选择要求会更严。

所有部件中最重要的是发动机,因为发电机组电力产生来源于它。用于DCC项目的发动机必须带有电子调速器,这样无论何时电网发生故障,要求它启动时都能快速调到合适的电压和频率。这些参数一旦确立,发动机能在以后的运行中维持不变。决定选用的发动机容量大小时,不仅要考虑以上提到的数据中心应用的这些因素,同时也要考虑其他所有项目通用的环境因素,如环境温度和海拔。

为有严格可靠性要求的数据中心项目选择发动机,启动系统是非常重要的。如HIMOINSA公司可以通过2台带独立电池系统的电动马达组成的冗余启动系统或1台电动马达加1台气动或液压马达的组合提高发电机标配启动系统的可靠性。

选择能给启动系统提供足够电能的免维护电池也很关键。此外,与所有备用电源应用相同,为了保证快速启动并迅速带负荷,使用电阻加热器对发动机缸体内的冷却液加热很重要。这样,当发生电网故障时,发动机才能处于最合适的温度。加热电阻可加装一个泵来帮助冷却液循环,让发动机机体冷却液温度更加均衡一致。最后,利用油泵进行预润滑也会提升启动速度。

发电机是发电机组另一个关键部件。一个高效的AVR(自动电压调节)能保持电压变化值低于0. 5 %;一个设计合理的绕组能维持低谐波失真率和电信干扰值。使用PMG永久励磁可为AVR提供独立于主绕组的电源,在突然加载时也能可靠运行,以此保证调节器保持良好的励磁输出。绕组高质量的浸漆、IP23防护等级、防潮加热器,对于发电机组的持续运行至关重要,尤其是在环境湿度高的地方。

在数据中心设施里,发电机组有时安装在底层或地下,让外面的空气自由进入的通道很少,冷却装置的选择也很重要。因此发电机组生产商必须有一个经验丰富的工程团队,设计通过中间冷却器和二次回路的方法,在更高的楼层或屋顶安装远程冷却系统。如在阿里巴巴集团数据中心,HIMOINSA公司提供24 MW备用电源,设计有一个远程冷却系统,卧式散热器安装在大楼顶层。

发电机组的控制器负责控制、监测和操作上述所有要素。市面上有不同品牌的控制器,用于不同的应用。HIMOINSA公司有专门控制自己生产的发电机组而设计的控制器,它们能检测到电网故障,通过指令启动发电机组。发电机组的运行参数及警报位于建筑物里的楼宇管理系统中,为使它们与发电机组实现一体化,HIMOINSA控制器支持不同的通信协议。

六 结论

数据中心处理的数据越敏感,能在任何时间及时读取数据的有效性就越重要,就越需要可靠的电力设施为设备提供持续电力,并应对突然停电的紧急情况。由于发电机组是构成这类设施的一个基础部分,机组的容量大小必须依据这些相同的标准。现阶段,根据这个功率定义来设计发电机组,能依据Uptime Institute制定的标准,可以看出它能提供电力的有效性。因此,当发电机组根据备用功率来设计容量大小时,能满足Tier I和Tier II要求;要达到Tier III和Tier IV要求,发电机组则必须依据它的DCC功率来选择容量。

本文转自d1net(转载)

相关文章
|
8月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
5月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
8月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
8月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
|
8月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
8月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
|
8月前
|
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。
|
7月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
8月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。