数据中心发电机组的选择及控制

简介:
典型的数据中心供电系统由中压配电、变压器、低压配电、不间断电源、末端配电以及发电机组等设备组成,其中UPS的主要作用是在市电电源中断、发电机启动之前,确保所带负载的持续供电。

1 数据中心不间断电源系统架构及等级分类

典型的数据中心供电系统由中压配电、变压器、低压配电、不间断电源、末端配电以及发电机组等设备组成,其中UPS的主要作用是在市电电源中断、发电机启动之前,确保所带负载的持续供电。

发电机组的主要作用是市电中断时立即启动为负载提供持续、稳定的电力供应。Uptime Institute是一个国际公认的组织,它对如何设计数据中心设施进行了规定和认证。它根据数据中心的可用性分为四个等级:TierⅠ(基本型)、TierⅡ(部分冗余型)、Tier Ⅲ(可同时维护型)和Tier Ⅳ(故障容错型)。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。具体分类如表1所示。

数据中心发电机组的选择及控制

  2 数据中心对发电机组的要求

数据中心持续功率(DCC)在柴油发电机组行业内的应用持续增长。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。

Uptime Institute规定应急电源需满足TierⅠ或TierⅡ,替代电源需满足Tier Ⅲ或Tier Ⅳ要求。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能在要求的负荷水平下提供持续电力而不受时间限制。可以从以下几个方面来选择最适合

数据中心项目的发电机组:

(1)主电网的可靠性、数据中心所存数据的敏感度

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。

(2)发动机及发电机的选择

作为电力供应的动力源,发动机的重要性不言而喻;不但要考虑通用的环境因素(温度、海拔)、启动冗余(双启动马达、双启动蓄电池,或气动、弹簧启动)、通风散热、发动机水加热等;还要结合数据中心的要求来选择发动机及发电机。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)。

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。发电机组的连续负载能力、可靠性、突加载能力是最核心的要求。

(3)智能冗余控制系统

控制系统作为发电机组运行的大脑,肩负着自动开关机、同步并联带载、负载分配(有功、无功功率均分)、功率管理、保护、数据传输等功能。所以控制系统要做到充分可靠及冗余控制(控制冗余、通讯冗余)。

3 发电机组冗余控制及案例分析

冗余控制器是一种热备份的应用,防止系统崩溃导致机组不能正常运行,在实际应用中当用主控制器出现故障时备份控制器可以无缝接替主用控制器的当前工作状态,确保系统高可靠运行。

冗余控制的重点在输出信号、输入信号以及参数设定;冗余系统中的主、备用控制器通过CAN总线通讯;备用控制器通过CAN总线周期性的向主用控制器发送信息,以评估主用控制器的状态。当主用控制器出现问题时,备用控制器会通过二进制输出点来控制外接继电器,瞬间将主用控制器的输出信号切换到备用控制器的输出口上,主用控制器故障到备用控制器投入时间最多200ms.

图1是冗余系统中主、备控制器间的接线举例,当备用控制器通过CAN总线接收不到主控制器的应答信号,BO输出,控制K-FD继电器动作,触发“应急手动”输入口状态切换,实现主用、备用控制器之间的转换。

数据中心发电机组的选择及控制1

图2所示是某数据中心发电机组冗余控制的典型系统框图,主、备控制器(HGM8151发电机组并联控制器)通过CAN总线交互信息。信号部分需要独立接线的有:开关量输入、继电器输出、交流电压、交流电流、转速传感器。需要通过切换的I/O信号有:转速调节(GOV)控制信号输出、电压调节(AVR)控制信号输出、模拟量输入等。鉴于模拟量信号是两个控制器间切换监控的,所以模拟量信号的保护需要在主、备控制器中设置保护时间延时。

数据中心发电机组的选择及控制2

  4 结束语

数据中心处理的数据越敏感,就越需要可靠的电力设施为设备提供持续电力。由于发电机组是构成这类设施的一个基础部分,所以在选择数据中心发电机组时要依据Uptime Institute制定的标准来选择,依据备用功率来设计容量大小时,需满足Tier I和Tier II要求;满足Tier III和Tier IV的要求,发电机组则必须依据它的DCC功率来选择容量。同时发电机组智能控制系统需具有热备份、冗余控制功能,确保供电系统的可靠性、稳定性。


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。