当前位置:主页 > 查看内容

数据中心制冷的再思考

发布时间:2021-04-08 00:00| 位朋友查看

简介:近年来,全球数据使用量呈指数级增长,数据中心对人们生活和工作的重要性越来越高。无论是在线游戏、远程教育、虚拟会议还是购物,每天都有数十亿人访问互联网。研究机构估计,到2020年,全球互联网覆盖了全球人口的59%。 所有这些应用都需要占用大量的数据……

近年来,全球数据使用量呈指数级增长,数据中心对人们生活和工作的重要性越来越高。无论是在线游戏、远程教育、虚拟会议还是购物,每天都有数十亿人访问互联网。研究机构估计,到2020年,全球互联网覆盖了全球人口的59%。

所有这些应用都需要占用大量的数据中心容量,大量服务器全天候运行以路由互联网流量并处理无数事务。近年来,数据中心设计服务器技术和软件开发方面的进步都为提高能源效率做出了贡献,有人认为全球能源使用量的增长速度要比三四年前的预期要慢得多。但是全球的数据中心仍然消耗着大量的能源,因此需要采用更节能的方法来运营未来的数据中心。

寻找新的冷却方式

多年来,数据中心已经采用了许多有效消除热量的方法。随着服务器技术的发展,使用直接膨胀制冷的传统机房空调(CRAC)演变为更节能的制冷方法,其中包括直接或间接地使用室外空气来冷却数据中心的冷却方法。

这些解决方案都使用大量资源,尽管蒸发冷却可以显著提高节能效率,但由于世界许多地区的水资源日益短缺,用水已成为各行业面临的主要问题。许多科技公司(例如微软公司)已经开始采取广泛的举措来实现“水中和”,以降低包括数据中心在内的所有设施的总体用水量。

使用室外冷空气和水等自然资源可以提高能源效率,但这些资源也给数据中心运营商带来了一些挑战。因此,数据中心设计人员一直在重新考虑其制冷策略,通常默认使用风冷式制冷机等更传统的方法。冷却技术进步和发展可以节省能源,但是这些方法是否有效?安装这些冷却设备的成本是否更高?也许,可以利用物理学找到更有效的方法来自然排除数据中心的热量,而无需用水或将室外空气引入数据中心。

为数据中心降温完全是为了传热,服务器等IT设备产生热量,这些热量必须通过流体(空气或液体)从服务器中排出,以使服务器正常运行。这可以通过几种制冷方法来实现,但是否可以简单地使用自然资源来实现呢?例如,热传输介质是否可以在不使用耗电设备的情况下流向在外部安装的散热装置?

采用热虹吸管

可以通过相变和重力作为驱动力,这种技术名称为热虹吸管。自然对流是一种传热,其中流体的运动不是由外部源产生的,而是由流体的某些部分比其他部分重而产生的。在大多数情况下,这会导致自然循环,或制冷系统中的流体在从蒸汽变为液体的流体相变和重力的推动下连续循环散热的能力。

热虹吸管提供了一种基于自然对流的被动热交换方法,该方法可以使流体循环而无需机械水泵。换句话说,万有引力起到重要作用。热虹吸管并不是冷却的新概念。作为一种制冷方式,太阳能热水器和制冷机在许多领域得到了广泛的应用。

那么,为什么不在数据中心中使用热虹吸管呢?

利用热虹吸管

事实证明,在过去的几年中,一些机构针对数据中心开展了热虹吸冷却实验,其中最著名的是美国国家可再生能源实验室(NREL)。该实验室在2020年2月发布的一份报告表明,通过在科罗拉多州Golden的数据中心使用热虹吸冷却技术,一年节省了115万加仑的水。但是直到现在,数据中心冷却解决方案提供商并没有利用热虹吸管带来的好处。

2018年,Munters公司首次将热虹吸管技术引入数据中心冷却的成套空气处理系统SyCool。从那时起,Munters通过数千小时的测试,在一个用于部署到数据中心的分体式系统中进一步开发了这项技术。与传统的机械冷却系统相比,Munters SyCool提供了同类最佳的节能效果,证明了热虹吸管可以有效地用于减少在不使用水的情况下消除数据中心热量所需的电能。

未来将如何发展?

随着数据中心日益成为世界关键基础设施的一部分,数据中心行业领导者将努力寻找提高数据中心运行效率的方法。随着服务器技术的发展,功率密度将会继续增长,并且冷却方法可能会更多地转向液体冷却而不是空气冷却。随着液体冷却在工业中变得越来越普遍,热虹吸管技术可以作为一种实现高效散热的方法。这可以通过制冷剂-液体热交换器将液体冷却系统与热虹吸系统耦合来实现。

有时候答案很简单,通过运用基本的技术和原理,可以创造出新的创新来解决最主要的挑战。在冷却数据中心时,热虹吸管提供了驱动力,以开启数据中心可持续发展的新篇章。


本文转载自网络,原文链接:http://www.d1net.com/datacenter/tech/569217.html
本站部分内容转载于网络,版权归原作者所有,转载之目的在于传播更多优秀技术内容,如有侵权请联系QQ/微信:153890879删除,谢谢!

推荐图文

  • 周排行
  • 月排行
  • 总排行

随机推荐