用制冷剂的自然冷却数据中心冷却技术获加州官方认可

简介:

据国外媒体报道,使用制冷剂进行自然冷却的数据中心冷却技术得到加州建筑监管机构批准,这项技术可节约大量的水,也变成美国国家建筑标准的一部分,来提高建筑物的能源效率。数据中心运营商在加州现在可以安装节能系统,使用专门的制冷剂液体作为介质与外部环境交换热量,而不是水。在这之前,加州建筑标准的一份文件(代码为24号文件)要求,需要在数据中心中使用节能制冷,要么抽取空气进入大楼(空气侧节能)或室外系统用水转移热量(水侧节能)。

加州政府被说服

这是某国际网络能源公司游说加州能源委员会做出的改变,因为它有数据中心冷却系统的产品,使用制冷剂系统对数据中心运营商来说是可以节能的。

该能源公司北美营销副总裁表示,在收到申请的情况下,监管机构会审慎评估拟议中的改革技术,不过处在极端干旱地理环境的数据中心表示对该技术的支持。不过,加州对高节水的数据中心冷却解决方案需求预计可能会有更多,这也意味着巨大的利益,他们已经有十年以上的经验,很多相关的新技术很快就会脱颖而出。他还例举了在加州的16个气候区中有14个使用制冷剂的系统不仅能完全避免用水进行自然冷却,而且使用比水系统更少的能源。

节能原理

当外面的空气足够冷时,节能装置与机械冷却可以一同补充冷量。根据条件,自然冷却技术系统完全可以在冷却时间替代机械制冷机或提供负载的一部分冷量。它的主要组件包括一个传统的直接蒸发冷却系统,室内机房空调和外部冷凝器。不同的是它有一个不同寻常的制冷剂泵。它还有有两个制冷剂回路:一个泵和一个冷凝器。当系统切换到制冷剂冷却,有两个压缩机就可分别单独关闭。通过测量外部实时温度和数据中心地板上温度来选择工作模式,如果温度够低,它将关闭一个压缩机,依靠循环节能。如果外面空气变得更冷,第二个压缩机也会关闭。

水系统曾经被认为是大型数据中心的首选节能系统,因为推动很多外部空气进入数据中心需要大量污染物的过滤和更多的努力来控制湿度。使用水系统的话,每年要用高达1515万升的水来冷却容量1兆瓦级数据中心。而如今,制冷剂系统有着更好的节水效果。

绿色网格自2011年便开始对数据中心用水进行有效性的度量工作,虽然数据中心一直在控制工业用水,但由于近年来低端气候频发,这个问题变得越来越严重。由于在未来没有明确水的可用性状态是否能改善,数据中心运营商只能越来越多地寻求替代技术解决方案以减少冷却对水的依赖。

本文转自d1net(转载)

相关文章
|
5月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
【5月更文挑战第20天】 在数据中心运营成本中,冷却系统占据了一大块。随着能源价格的上涨和环境保护意识的增强,如何降低数据中心的能耗成为行业关注的重点。本文通过引入机器学习技术来优化数据中心冷却系统,旨在减少不必要的能源消耗,同时保持适宜的操作温度。通过收集历史温度数据、服务器负载信息以及外部气象条件,构建了一个预测模型,该模型能够实时调整冷却策略,实现动态节能。实验结果表明,与传统冷却系统相比,应用机器学习优化后的系统在不影响性能的前提下,能够节约高达20%的能源消耗。
|
2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。
|
5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。
|
5月前
|
机器学习/深度学习 存储 传感器
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】 在数据中心的运行中,冷却系统的能效对整体运营成本有着显著的影响。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来优化数据中心的能源使用效率。本文将探讨如何通过机器学习模型预测数据中心的热负荷,并据此动态调整冷却策略,以实现能耗最小化。我们将介绍所采用的数据集、预处理方法、模型选择、训练过程以及最终实施的策略。结果表明,基于机器学习的预测系统能够有效降低数据中心的能源消耗,并为可持续运营提供支持。
|
5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。
|
5月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】在数据中心的运营成本中,冷却系统占据了相当一部分。为了提高能效和降低成本,本文提出了一种基于机器学习的方法来优化数据中心的冷却系统。通过对大量历史数据的分析和挖掘,我们设计了一个预测模型,用于实时监控和调整数据中心的温度。实验结果表明,该方法可以有效降低能耗,提高数据中心的运行效率。
|
5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。
|
5月前
|
存储 大数据 数据中心
探索现代数据中心的冷却革新
【5月更文挑战第29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,其稳定性与效率至关重要。随着处理能力的提升,散热问题日益凸显,成为限制数据中心性能的关键因素之一。本文将深入探讨现代数据中心面临的热管理挑战,并分享一系列前沿的冷却技术与实践,旨在为构建更为高效、环保的计算环境提供参考。
|
5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。
|
5月前
|
机器学习/深度学习 数据采集 存储
提升数据中心能效:采用机器学习优化冷却系统
【5月更文挑战第28天】在数据中心的运营成本中,冷却系统的能源消耗占据了显著比例。随着能源价格的不断上涨和可持续发展的需求日益增长,如何降低这一开支成为业界关注的焦点。本文将探讨利用机器学习技术对数据中心冷却系统进行优化的方法。通过分析历史数据和实时监控,机器学习模型能够预测冷却需求并动态调整系统设置,以实现最佳的能效比。这种方法不仅能减少能源消耗,还能提高系统的可靠性和稳定性。