节能高效的数据中心多模UPS系统

简介:

随着政府部门和企业面临降低数据中心运营成本和相关能源使用的压力,不间断电源(UPS)生产制造商对其技术与产品进行了设计改进,以提高运营效率。

数据中心行业组织如绿色网格协会强烈建议企业使用新的多模式UPS系统技术,使其运行效率达到98%到99%,取代运行效率为93%至95%传统的单模式UPS。目前,大约50%的大型UPS系统制造商采用具有快速传输逻辑的多模技术。这种类型的UPS很可能在未来五年内得到显著增长。


image

什么是多模UPS系统?

多模UPS系统为数据中心运营商提供了在两种运行模式之间进行选择的能力:双变换模式可以提供优质的电源保护,而多模或“ecomode”(经济模式)提供高效的运行效率。当用户选择多模式作为默认运行模式以达到效率的98%到99%时,如果在UPS输入上检测到电源异常,则UPS系统将在不到两毫秒的时间内自动转移到高级保护模式。在美国,对IT关键负荷有害的电力异常通常只占业务运行时间的3%,因此全年的运营模式之间的转换机率很有可能是最小的。

双变换模式是数十年来在大型UPS系统中的典型的电源保护模式,但其也有显著的弱点,那就是运行效率始终在93%至95%的范围内。如今,用户要求更高的UPS运行效率和更低的总体拥有成本(TCO),并且不能影响足够的电力保护。这就是多模UPS的关键所在。

调研说明书构Frost&Sullivan的一项研究显示,企业的一个空间50,000平方英尺的数据中心在10年内使用多模UPS系统,并在大多数时间运行在多模方式下,可以节省310万美元的成本。这些成本主要来自UPS系统减少的能源消耗,以及用于克服UPS系统散热的通风和空调(HVAC)系统的能耗。随着电力成本的持续上涨,多模UPS的节省的电能将随着时间的推移而变大。

TCO以外的其他多模优点

多模UPS除TCO之外还提供了其他优点,并降低了能耗。该技术提供了一个“智能”输入功率监控高手,其中UPS将记录导致从多模转换到双变换模式的输入电源异常的数量和频率。过多或频繁的电源异常将使UPS“锁定”多模式一段时间,从而使电力在一段时间内保持稳定。因此,多模UPS系统可以对何时使用多模或双转换模式进行智能的实时逻辑决策,以最大限度地保护关键负载运行正常,而不牺牲运行效率。

多模UPS系统的第二个优点是延长了部件寿命。在多模操作期间,许多UPS模块组件在低电流和低热范围下工作,从而延长使用寿命。其他组件如风扇,可以不运行。多模UPS的制造商预计许多组件的最短寿命延长一至两年。

多模UPS系统的第三个优点是缓解输出故障。任何UPS输出短路或过载将很快通过上游的过流保护设备来处理,而UPS系统中没有任何内部的工作模式进行调剂。这些UPS输出故障将直接加载在电源的源阻抗上,而不是加载在UPS逆变电源,从而减少了故障损失。

一些UPS生产制造商,如通用电气公司的关键电源业务,在其多模系统中设计了额外的独特功能,通用电气公司称之为eBoost技术。这些特征包括在经济运行模式下电源路径中使用线路电抗器,在该高效率模式下提供功率调节级别;具体来说,它可以减轻高频“浪涌”事件和较低频率的“环波”,从而最大限度地减少转换为双转换模式。这种电抗器的设计还允许将多个UPS模块到并行输出总线的电缆长度差异高达±25%。该电缆长度差异还提供了增强的地板布局设计的灵活性。一些其他UPS生产制造商必须将电缆长度差值保持在±10%,否则可能导致UPS功率下降或并联的UPS运行不正常。

多模UPS系统的运营费用(opex)的减少以及上述额外的优点,为数据中心用户在可预见的将来采用这种UPS技术提供了许多令人信服的理由。对于其他任务关键型和/或关键过程应用,也应考虑多模式UPS技术,特别是对于225kVA及以上的大功率应用,因为其能源消耗是一个关键问题。

本文转自d1net(转载)

目录
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。