基于能量图的风冷数据中心冷却效能评估¶
基于能量图的风冷数据中心冷却效能评估
这篇发表于《Applied Energy》（IF 高分区顶刊）的研究，恰好精准破解了这一痛点！论文首次提出无量纲指标 “有效冷却率（ECR）”，创新性构建能量分析图，实现了对数据中心 “第一冷却系统”（直接作用于 IT 设备的冷却过程）效率的直观量化；同时通过 CFD 模拟验证了开放通道、封闭冷通道、封闭热通道三种布局的性能，用实测数据证明封闭通道可使 ECR 高达 89% 以上，为工程实践提供了明确指导。
数据中心是全球最大的能源消耗体之一，冷却系统占其总能耗的主要份额。尽管已有部分评估指标，但风冷数据中心机房内的冷却容量利用率仍无法直接量化。本文首次提出无量纲指标 “有效冷却率（ECR）”，用于评估风冷数据中心冷却过程的能效。通过解耦机房冷却过程，构建能量分析图以解析各阶段热能变化，并结合计算流体动力学（CFD）模拟进行验证。研究模拟了开放通道、封闭冷通道、封闭热通道三种数据中心模型，结果表明：封闭通道布局具有更高的 ECR 值，冷却效率更优。该指标不仅填补了数据中心能效评估体系的空白，实现了从 IT 设备冷却、冷却系统电效率到数据中心整体能效的全链路评估，还为三维 CFD 模拟与一维能耗模型的耦合提供了新路径，为数据中心节能优化提供了重要工具与方向。
数据中心随着信息技术行业的蓬勃发展应运而生，为大数据、云计算、人工智能等领域提供物理支撑。在计算能力加速增长的推动下，数据中心的能耗正持续攀升。Masanet 等人 [1] 估计，2018 年全球数据中心能耗达 205 太瓦时（TWh）；国际能源署（IEA）指出，2022 年这一数值已增至 240-340 太瓦时，约占全球总能耗的 1%-1.3%，且预计到 2026 年数据中心能耗将翻倍 [3]。
数据中心的能耗主要用于 IT 设备和基础设施支持系统。前者是数据中心的核心生产力，后者为 IT 设备提供所需的运行条件，例如冷却、照明、供电等。其中，冷却系统被公认为是能耗占比最高的部分 [4]。
数据中心冷却的核心目标是为电子设备降温。以风冷数据中心为例，IT 设备运行时产生的热量由气流带走：热空气将热量传递给换热器盘管内的冷却介质，最终受热后的冷却介质将热量排放至环境中 [5]。上述冷却过程由两个冷却系统构成，如图 1 所示：第一冷却系统是数据中心特有的冷却环节，主要发生在高温电子设备与空气之间的对流换热；第二冷却系统则是热介质向环境的热量传递，这一过程在大型耗能建筑中普遍存在。两个冷却系统相互作用，其效率共同决定了冷却系统的整体能耗 [6]。
因此，深入理解第一冷却系统的能量利用机制至关重要。要揭示这一问题，需要获取数据中心内部的风速和温度分布信息。但数据中心的访问受到严格限制，任何可能存在风险的活动均不被允许，这实际上排除了研究人员对机房内风速和温度进行详细测量的可能性。因此，计算流体动力学（CFD）建模已成为开展此类研究的主要方法，并在过去几十年中得到广泛应用。以下是相关研究的简要综述。
Schmidt 等人 [7] 对 IBM 架空地板数据中心的一个小区域进行了模拟，研究了穿孔地板的不同开孔率对气流均匀性的影响。Karki 等人 [8] 利用商业 CFD 软件 TileFlow，探究了静压箱高度和地板下隔断的作用。Shrivastava 等人 [9] 对天花板、散流器、侧壁和地板的多种送回风布局进行了建模分析。Nada 和 Said [10] 通过改变机房空调（CRAC）的位置，研究了与冷通道平行和垂直的地板下气流温度分布，发现垂直布局的效果更优。Gondipalli 等人 [11] 采用专业模拟软件 FloTHERM，将多种冷通道封闭方案与无封闭的基准方案进行对比，发现 “实心门 + 屋顶偏移缝隙” 是优化数据中心气流组织的最佳选择。Shrivastava 等人 [12] 针对一个高功率密度数据中心展开研究，该机房尺寸为 23.2 米 ×29.9 米，共设有 135 个机柜，分为 6.7 千瓦和 19 千瓦两种功率规格，其研究结果已通过实验验证。
基于模拟结果，如何评估冷却效果是当前的研究重点，这可为冷却系统的优化指明方向。表 1 总结了部分具有代表性的评估指标，这些指标大致可分为两类：温度与气流评估指标、能量评估指标。
（1）温度与气流评估指标：2002 年，Sharma 等人 [13] 提出了送风热指数（SHI）和回风热指数（RHI），用于评估冷热气流的混合程度。前者表示热空气渗入导致的焓升与机柜出口总焓升的比值，后者表示机房空调（CRAC）的总抽气量与机柜出口总焓升的比值，显然两者之和为 1。2005 年，Schmidt 等人 [14] 提出指标 β，用于衡量局部低效性，该指标通过温差评估自热循环的影响。Herrlin [15] 引入机柜冷却指数（RCI），将冷却效果与行业指南或产品标准进行对比，提供了温度上下限的推荐值和允许值，有助于判断冷却供给是否过量或不足。回风温度指数（RTI）用于反映温升利用率，通过判断是否存在旁通流和回流来评估气流管理效果。2007 年，Vangilder 和 Shrivastava [16] 提出捕获指数（CI），该指标仅聚焦于气流形态的性能表现。这些指标通过量化温度分布和气流组织，实现对数据中心冷却效果的评估。
（2）能量评估指标：2012 年，Fakhim 等人 [17] 提出火用性能指标（EPM），用于评估冷通道、热通道、天花板区域以及机柜与 CRAC 墙之间区域的火用损失。2013 年，Qian 等人 [18] 基于㶲耗散法提出空气混合指数（AMI），用于分析冷热空气混合的热阻。2019 年，Xie 等人 [19] 提出火用损失指数（ELI），用于评估火用损失占总火用的比例，该损失具有不可逆性，包括回流、旁通流和负压流等情况。这些评估方法采用不同的理论框架，旨在探究数据中心风冷系统的能量利用程度。
绿色网格（The Green Grid）提出了能源使用效率（PUE）[20]，用于评估数据中心的运行能效，目前已被多个国家和机构广泛采用。该指标定义为数据中心总能耗与 IT 设备能耗的比值，总能耗包括 IT 设备能耗、冷却系统能耗、电力系统损耗及其他能耗。除 PUE 外，部分能源使用效率（pPUE）用于评估单个组件的能量利用情况。由于冷却系统占基础设施能耗的绝大部分，数据中心的 PUE 值大致可近似为 1 加上冷却系统的部分能源使用效率（pPUE 冷却）。2020 年，Li 等人 [21] 提出一种新指标，可补偿气候差异带来的影响，实现数据中心能量性能的公平对比。2024 年，Li 等人 [22] 进一步基于数据中心的输出（即计算功耗）探究能效，提出了包含 IT 性能的可行评估指标，并建立了计算型数据中心的统一基准评估方法。这些评估方法均用于考察数据中心的整体性能，并根据不同的数据中心结构不断调整优化。
然而，尽管目前已提出超过 20 种评估数据中心风冷性能的指标 [23]，但尚无一种指标直接关联第一冷却系统的能效，通过现有指标仍难以实现对该系统的精准评估。据作者所知，现有指标无法满足这一需求，部分研究虽采用了现代数学理论，但所得结果仍与实际需求存在较大差距。
为此，本文创新性地提出了数据中心风冷过程的能量分析图表征方法，通过该图可获取数据中心冷却各阶段的温度、流量和能量变化及其相互作用关系。该能量分析图整合了温度（y 轴）、气流（x 轴）和能量（面积）三大评估维度，提供了直观可视化的分析工具。
基于该能量分析图，本文首次提出无量纲指标 —— 有效冷却率（ECR），实现对第一冷却系统能效的评估，即量化直接作用于 IT 设备机柜的冷却容量占比。ECR 指标填补了数据中心能效评估体系的空白，完善了从 IT 设备冷却评估、冷却系统电效率评估到数据中心整体能效评估的全链路体系。此外，该指标还为一维系统级能耗模拟与三维机房级环境模拟的耦合提供了新路径，有望为未来全尺度数据中心数字孪生模型的优化提供支持。
本文的剩余结构如下：第 2 节介绍研究所用的物理模型和数值模型；第 3 节开展网格独立性分析与模型验证；第 4 节详细探讨第一冷却系统的四个阶段，提出能量分析图和有效冷却率（ECR）；第 5 节描述三种气流组织结构的数值模拟结果；最后在第 6 节给出研究结论。
研究团队：李楠、陶文铨教授团队
如需合作洽谈，欢迎通过公众号后台留言联系我们