CN113835460A - 一种基于流体力学模拟数字孪生的数据机房智能环境控制*** - Google Patents
一种基于流体力学模拟数字孪生的数据机房智能环境控制*** Download PDFInfo
- Publication number
- CN113835460A CN113835460A CN202111389988.1A CN202111389988A CN113835460A CN 113835460 A CN113835460 A CN 113835460A CN 202111389988 A CN202111389988 A CN 202111389988A CN 113835460 A CN113835460 A CN 113835460A
- Authority
- CN
- China
- Prior art keywords
- air
- sensor
- channel
- server
- outdoor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于流体力学模拟数字孪生的数据机房智能环境控制***,包括机房、室外传感器组、新风机组、热通道、冷通道。本发明的有益效果是:本发明可使用实时模拟服务器能够精确的探测到各服务器所处位置,可使用各类分布式可移动空气传感器和多传感器移动测量无人机获得空气质量参数,然后经模拟预测,并控制专用空调定向提供需要的冷量,营造局部制冷量大、空气质量优良的微环境,相较在房间全面提供相同的冷量,室内空气质量更好且显著节约能源。
Description
技术领域
本发明涉及一种制冷***,具体为一种基于流体力学模拟数字孪生的数据机房智能环境控制***,属于机房智能制冷***技术领域。
背景技术
数据机房是指内置有多组服务器的数据处理中心,为了保障数据机房的正常运行,需要对机房的运行环境进行维护,而对机房的制冷散热属于重要的维护措施之一。
现有的数据机房制冷控制***存在以下问题:
1)室内的温湿度传感器或回风口的温湿度传感器无法准确反映各种工况下室内的最不利点的温湿度情况,无法根据温湿度传感器的控制制冷***启停;
2) 室内温度控制存在延迟,从发现温度升高到及时处置需要的时间较长,容易在增加制冷输入、降温过程中发生宕机;
3)没有考虑由于机柜算力占用情况变化、室外气象参数变化等导致的室内空气参数动态变化的预测性控制,PUE存在进一步降低的空间;
4)没有考虑由于气流组织、机柜算力占用不同等导致的室内空气参数分布不均的问题、且分布不均的情况会实时发生变化的问题,现有技术无法实时反映室内温度场的分布,并进行更加节能的控制,PUE存在进一步降低的空间;
5)针对数据中心CPU占用波动的情况,空调***无法进行自适应调节,导致大马拉小车,浪费能源。
发明内容
本发明的目的就在于为了解决问题而提供的智能化程度高,节能效果好的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,可对室内流体分布进行实时监测与***,通过监测数据与构建模型的结合,实时反映室内温度场的分布,进行精准调控,可显著提升数据机房环境与节能效果的基于实时流体力学模拟的数据机房智能制冷***。
本发明通过以下技术方案来实现上述目的:一种基于流体力学模拟数字孪生的数据机房智能环境控制***,包括
机房,设置为空调区域与IT设备机架区域;
其中,所述空调区域的墙边处独立设置有加湿器、算力分配服务器、负荷预测服务器以及实时模拟服务器,所述算力分配服务器与负荷预测服务器相连;所述负荷预测服务器及机房专用空调所连接的地下送风管道内的瞬爆降温高压干冰球均与所述实时模拟服务器相连;所述实时模拟服务器分别与机房专用空调和加湿器相连;
室外传感器组,由分别用于监测室外环境条件的室外空气质量传感器、室外太阳辐射传感器、室外温度传感器以及室外湿度传感器构成,且所述室外传感器组的各个传感器依次排列安装在机房所开设的新风进风口处;
新风机组,其前端通过设置有新风电动阀的连接管道与所述新风进风口相连通,其后端与开设有送风口的连接管道相连通,且所述新风机组后端所连接的管道上设置有新风调节阀以及位于新风调节阀后侧的送风电动阀,且所述新风机组以及送风电动阀均与实时模拟服务器相连;
热通道,由位于IT设备机架区域后侧的热空气所形成,且所述热通道内设置有分别用于监测通道环境条件的热通道内分布式可移动湿度传感器、热通道内分布式可移动温度传感器、热通道内分布式可移动黑球温度传感器以及热通道内分布式可移动风速传感器,且所述热通道内的各个传感器均与实时模拟服务器相连接;
冷通道,通过高架地板分配冷空气,由上升的空气通过IT设备机架区域前侧地板所开设的穿孔部分所形成,且所述冷通道内设置有分别用于监测通道环境条件的冷通道内分布式可移动湿度传感器、冷通道内分布式可移动温度传感器、冷通道内分布式可移动黑球温度传感器以及冷通道内分布式可移动风速传感器,且所述冷通道内的各个传感器均与实时模拟服务器相连接。
作为本发明再进一步的方案:所述室外空气质量传感器、室外太阳辐射传感器、室外温度传感器以及室外湿度传感器均与新风电动阀相连。
作为本发明再进一步的方案:所述新风机组的前端管道处连接有化学过滤器。
作为本发明再进一步的方案:所述加湿器将湿气送入机房的地板下方,通过地板下方设置的下送风通道与机房专用空调送风混合后送到冷通道内。
作为本发明再进一步的方案:所述算力分配服务器与IT设备机架区域的服务器相连,且所述算力分配服务器在该数据机房内部进行算力分配。
作为本发明再进一步的方案:所述负荷预测服务器通过负荷预测算法对未来时刻机房专用空调所需要的冷量进行短期预测,负荷预测算法综合考虑历史负荷变化趋势以及实时负荷变化趋势。
作为本发明再进一步的方案:所述实时模拟服务器根据负荷预测提前进行CFD模拟,在CFD模拟结果反映出的房间内空气参数最不利位置预先布置多传感器移动测量无人机,并预先调节机房专用空调。
作为本发明再进一步的方案:所述瞬爆降温高压干冰球利用干冰升华过程中吸收大量热量为数据中心机房补足冷量缺口。
作为本发明再进一步的方案:所述热通道与冷通道内的各个传感器均具有感知、计算和通信功能。
作为本发明再进一步的方案:将无人机与物联网技术相结合的所述多传感器移动测量无人机由机体、机载通信设备、地面设备、机载环境检测设备和信息处理***组成,可检测参数包括:温度、湿度、风速、黑球温度。
本发明的有益效果是:
1、合理利用室外空气:目前数据机房制冷***没有考虑室外气象参数变化对室内空调***的影响,在新风入口处设置室外空气参数传感器,根据室外气象参数自动调节室内新风量的大小,可以在最大程度上合理利用室外新风的同时,保证节能效果最佳;
2、设有实时模拟服务器,可将各类分布式可移动空气传感器和多传感器移动测量无人机预先布置在根据CFD模拟结果反映出的房间内空气参数最不利的位置,通过对最不利点的参数的检测和最不利点空气的处理,整体提高室内空气分布均匀性,并提高***反应速度;可根据各类分布式可移动空气传感器和多传感器移动测量无人机所检测的参数与CFD模拟结果进行比对后对CFD模拟进行修正,提升整个***的模拟精度;
3、控制精度高:不再粗放式控制,营造局部良好环境。室内空气环境一般因服务器的不同使用而出现不均匀现象,因此提出移动式参数检测和测量无人机的概念。无人机随动进行参数测量,检测出服务器所处小范围内“小环境的参数”,进而控制新风机和空调机随动送风,营造“小环境”内的良好空气环境;
4、瞬爆降温高压干冰球利用干冰升华过程中吸收大量热量为数据中心机房提供冷量,使用干冰降温,不仅制冷速度非常快,而且使用方便灵活,可通过数据中心的温度调节***来调节干冰球的汽化量,因而能在较短时间内使室内温度达到要求温度;
5、节能效果好:因室内放热源的不均匀,空调供冷会出现冷热分布不均的情况,导致冷量利用率不高,因此将一定的冷量分比例送到各个需要不同冷量的地方有利于提高能源的利用率,符合节能环保的理念。本发明可使用实时模拟服务器能够精确的探测到各服务器所处位置,可使用各类分布式可移动空气传感器和多传感器移动测量无人机获得空气质量参数,然后经模拟预测,并控制专用空调定向提供需要的冷量,营造局部制冷量大、空气质量优良的微环境,相较在房间全面提供相同的冷量,室内空气质量更好且显著节约能源。
附图说明
图1 为本发明实施例的结构示意图;
图2为机房空调区安装剖面图。
图中:1、室外空气质量传感器,2、室外太阳辐射传感器,3、室外传温度感器,4、室外湿度传感器,5、新风进风口,6、新风电动阀,7、化学过滤器,8、新风机组,9、新风调节阀,10、送风电动阀,11、送风口,12、加湿器,13、算力分配服务器,14、负荷预测服务器,15、实时模拟服务器,16、机房专用空调,17、瞬爆降温高压干冰球,18、热通道,19、热通道内分布式可移动湿度传感器,20、热通道内分布式可移动温度传感器,21、热通道内分布式可移动黑球温度传感器,22、热通道内分布式可移动风速传感器,23、冷通道,24、冷通道内分布式可移动湿度传感器,25、冷通道内分布式可移动温度传感器,26、冷通道内分布式可移动黑球温度传感器,27、冷通道内分布式可移动风速传感器,28、多传感器移动测量无人机。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
请参阅图1~2,一种基于流体力学模拟数字孪生的数据机房智能环境控制***,包括
机房,设置为空调区域与IT设备机架区域;
其中,所述空调区域的墙边处独立设置有加湿器12、算力分配服务器13、负荷预测服务器14以及实时模拟服务器15,所述算力分配服务器13与负荷预测服务器14相连;所述负荷预测服务器14及机房专用空调16所连接的地下送风管道内的瞬爆降温高压干冰球17均与所述实时模拟服务器15相连;所述实时模拟服务器15分别与机房专用空调16和加湿器12相连;
室外传感器组,由分别用于监测室外环境条件的室外空气质量传感器1、室外太阳辐射传感器2、室外温度传感器3以及室外湿度传感器4构成,且所述室外传感器组的各个传感器依次排列安装在机房所开设的新风进风口5处;
新风机组8,其前端通过设置有新风电动阀6的连接管道与所述新风进风口5相连通,其后端与开设有送风口11的连接管道相连通,且所述新风机组8后端所连接的管道上设置有新风调节阀9以及位于新风调节阀9后侧的送风电动阀10,且所述新风机组8以及送风电动阀10均与实时模拟服务器15相连;
热通道18,由位于IT设备机架区域后侧的热空气所形成,且所述热通道18内设置有分别用于监测通道环境条件的热通道内分布式可移动湿度传感器19、热通道内分布式可移动温度传感器20、热通道内分布式可移动黑球温度传感器21以及热通道内分布式可移动风速传感器22,且所述热通道18内的各个传感器均与实时模拟服务器15相连接;
冷通道23,通过高架地板分配冷空气,由上升的空气通过IT设备机架区域前侧地板所开设的穿孔部分所形成,且所述冷通道23内设置有分别用于监测通道环境条件的冷通道内分布式可移动湿度传感器24、冷通道内分布式可移动温度传感器25、冷通道内分布式可移动黑球温度传感器26以及冷通道内分布式可移动风速传感器27,且所述冷通道23内的各个传感器均与实时模拟服务器15相连接。
在本发明实施例中,所述室外空气质量传感器1、室外太阳辐射传感器2、室外温度传感器3以及室外湿度传感器4均与新风电动阀6相连,通过传感器检测,输出信号到控制器,自动控制新风电动阀6的开度。
在本发明实施例中,所述新风机组8的前端管道处连接有化学过滤器7,保证进入室内新风的洁净度,从而控制室内空气中的含尘量。良好的洁净度是数据中心机房的一个重要因素,一旦内部的灰尘过多,可能会导致静电放电的问题,从而损坏元器件。灰尘落在电路板上,还可能导致组件腐蚀或临近的相隔功能部件短路、电路板中的铜蠕变腐蚀和小型表面安装组件中的银腐蚀等常见的化学故障。化学过滤器7能减少尘埃粒子的入侵,减少机房故障的发生,使机房内的各种信息设备及服务器发挥出最大的作用。
在本发明实施例中,所述加湿器12将湿气送入机房的地板下方,通过地板下方设置的下送风通道与机房专用空调16送风混合后送到冷通道23内,可保证机房湿度保持在恰当水平,低湿度冷空气在数据中心内流动是导致静电的潜在危险源,适当的加湿,可以让空气本身稍微提高导电性并让空气的接触面略微“湿润”,从而可以减少可能导致静电释放的“电荷”效应。
实施例二
请参阅图1~2,一种基于流体力学模拟数字孪生的数据机房智能环境控制***,包括
机房,设置为空调区域与IT设备机架区域;
其中,所述空调区域的墙边处独立设置有加湿器12、算力分配服务器13、负荷预测服务器14以及实时模拟服务器15,所述算力分配服务器13与负荷预测服务器14相连;所述负荷预测服务器14及机房专用空调16所连接的地下送风管道内的瞬爆降温高压干冰球17均与所述实时模拟服务器15相连;所述实时模拟服务器15分别与机房专用空调16和加湿器12相连;
室外传感器组,由分别用于监测室外环境条件的室外空气质量传感器1、室外太阳辐射传感器2、室外温度传感器3以及室外湿度传感器4构成,且所述室外传感器组的各个传感器依次排列安装在机房所开设的新风进风口5处;
新风机组8,其前端通过设置有新风电动阀6的连接管道与所述新风进风口5相连通,其后端与开设有送风口11的连接管道相连通,且所述新风机组8后端所连接的管道上设置有新风调节阀9以及位于新风调节阀9后侧的送风电动阀10,且所述新风机组8以及送风电动阀10均与实时模拟服务器15相连;
热通道18,由位于IT设备机架区域后侧的热空气所形成,且所述热通道18内设置有分别用于监测通道环境条件的热通道内分布式可移动湿度传感器19、热通道内分布式可移动温度传感器20、热通道内分布式可移动黑球温度传感器21以及热通道内分布式可移动风速传感器22,且所述热通道18内的各个传感器均与实时模拟服务器15相连接;
冷通道23,通过高架地板分配冷空气,由上升的空气通过IT设备机架区域前侧地板所开设的穿孔部分所形成,且所述冷通道23内设置有分别用于监测通道环境条件的冷通道内分布式可移动湿度传感器24、冷通道内分布式可移动温度传感器25、冷通道内分布式可移动黑球温度传感器26以及冷通道内分布式可移动风速传感器27,且所述冷通道23内的各个传感器均与实时模拟服务器15相连接。
在本发明实施例中,所述算力分配服务器13与IT设备机架区域的服务器相连,且所述算力分配服务器13在该数据机房内部进行算力分配,不断地将全部算力以不同的比例分布在移动客户端和服务器之间,以便适应两端算力需求,实现算力的及时分配,避免了服务器堵塞或故障,也可节约大量能源,并能够将用户发送的计算需求优先启动温度不高的服务器进行计算,而对于有超温风险的服务器则适度降低其CPU占用率。
在本发明实施例中,所述负荷预测服务器14通过负荷预测算法对未来时刻机房专用空调16所需要的冷量进行短期预测,负荷预测算法综合考虑历史负荷变化趋势以及实时负荷变化趋势,算法具备学习能力,跟踪时间越长,数据量越大,预测越准确,以预测的负荷分布为基础,确定最优的运行工况或设定点,制定最佳的空调运行策略,保证空调运行的高效性和节能性。
在本发明实施例中,所述实时模拟服务器15根据负荷预测提前进行CFD模拟,在CFD模拟结果反映出的房间内空气参数最不利位置预先布置多传感器移动测量无人机28,并预先调节机房专用空调16;能通过数值模拟计算,观察最不利位置等关键位置的空气质量参数以及对空气颗粒的流线追踪情况;能根据各类分布式可移动传感器等设备反映室内空气质量等情况,实时进行CFD模拟,补充多传感器移动测量无人机28的检测盲区,获得整个室内空气参数;能根据多传感器移动测量无人机28的参数与CFD模拟结果进行对比,再对CFD模拟进行修正。
在本发明实施例中,所述瞬爆降温高压干冰球17利用干冰升华过程中吸收大量热量为数据中心机房补足冷量缺口,用于应对数据中心制冷***在极端情况下发生的制冷不足或中断现象,当机房专用空调16制冷不足或出现其他紧急情况,实时模拟服务器15控制该装置,瞬爆降温高压干冰球17将通过外置减压装置将高压液态二氧化碳迅速蒸发凝结为固体干冰球,通过升华吸热再降低送风管内空气温度。
在本发明实施例中,所述热通道18与冷通道23内的各个传感器均具有感知、计算和通信功能,除了可以独立地处理其自身检测的参数信息,之后将其决策结果送至数据融合中心进行融合以外,还拥有移动功能,可以具有更好的环境覆盖能力、更快速的变化反应能力以及更主动的信息获取能力。
在本发明实施例中,将无人机与物联网技术相结合的所述多传感器移动测量无人机28由机体、机载通信设备、地面设备、机载环境检测设备和信息处理***组成,可检测参数包括:温度、湿度、风速、黑球温度。该设备,实现集飞行、操控、信息传输与数据处理等为一体的功能。机载环境检测设备一般由传感器、摄像机、GPS 和嵌入式***等组成,完成室内空气环境参数、图像、地理位置等信息的采集、汇集和预处理。环境参数经通信设备发送到地面设备,最后由信息处理***进行处理,充分发挥无人机不受空间、时间等因素影响的优点,可实现安全高效、精心准确、机动灵活的检测环境。
工作原理:室外的各类传感器,获得室外空气质量参数,生成对应的一路或多路当前环境参数信号;室内冷热通道内的各类分布式可移动传感器和多传感器移动测量无人机28可精准探测室内各处位置的空气质量,并生成室内空气的实时环境参数信号和位置信息信号;多传感器移动测量无人机28可通过无人机的飞行走位实现检测到机房内任何一点空气的目的;算力分配服务器13接收不同用户发来的用能需求和计算需求,对接受的需求数据进行处理与分类,进而协同优化调度***按照供需平衡的原则,对数据中心的算力进行分配;此外,负荷预测服务器14根据算力分配,对机房专用空调16所需要的冷量进行短期预测,将数据传递给实时模拟服务器15进行实时CFD模拟预测温升,进而控制空调***预先增加冷量供给;而实时模拟服务器15作为整个***的控制核心,是***运行的大脑,可以收集上述空气质量信息与位置信息,通过CFD在线实时模拟其他各个点的空气质量参数,判定营造空调环境的范围和所需风量,控制新风机和空调机风机的启停和风量的大小,并控制加湿器12对室内空气的加湿。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:包括
机房,设置为空调区域与IT设备机架区域;
其中,所述空调区域的墙边处独立设置有加湿器(12)、算力分配服务器(13)、负荷预测服务器(14)以及实时模拟服务器(15),所述算力分配服务器(13)与负荷预测服务器(14)相连;所述负荷预测服务器(14)及机房专用空调(16)所连接的地下送风管道内的瞬爆降温高压干冰球(17)均与所述实时模拟服务器(15)相连;所述实时模拟服务器(15)分别与机房专用空调(16)和加湿器(12)相连;
室外传感器组,由分别用于监测室外环境条件的室外空气质量传感器(1)、室外太阳辐射传感器(2)、室外温度传感器(3)以及室外湿度传感器(4)构成,且所述室外传感器组的各个传感器依次排列安装在机房所开设的新风进风口(5)处;
新风机组(8),其前端通过设置有新风电动阀(6)的连接管道与所述新风进风口(5)相连通,其后端与开设有送风口(11)的连接管道相连通,且所述新风机组(8)后端所连接的管道上设置有新风调节阀(9)以及位于新风调节阀(9)后侧的送风电动阀(10),且所述新风机组(8)以及送风电动阀(10)均与实时模拟服务器(15)相连;
热通道(18),由位于IT设备机架区域后侧的热空气所形成,且所述热通道(18)内设置有分别用于监测通道环境条件的热通道内分布式可移动湿度传感器(19)、热通道内分布式可移动温度传感器(20)、热通道内分布式可移动黑球温度传感器(21)以及热通道内分布式可移动风速传感器(22),且所述热通道(18)内的各个传感器均与实时模拟服务器(15)相连接;
冷通道(23),通过高架地板分配冷空气,由上升的空气通过IT设备机架区域前侧地板所开设的穿孔部分所形成,且所述冷通道(23)内设置有分别用于监测通道环境条件的冷通道内分布式可移动湿度传感器(24)、冷通道内分布式可移动温度传感器(25)、冷通道内分布式可移动黑球温度传感器(26)以及冷通道内分布式可移动风速传感器(27),且所述冷通道(23)内的各个传感器均与实时模拟服务器(15)相连接。
2.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述室外空气质量传感器(1)、室外太阳辐射传感器(2)、室外温度传感器(3)以及室外湿度传感器(4)均与新风电动阀(6)相连。
3.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述新风机组(8)的前端管道处连接有化学过滤器(7)。
4.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述加湿器(12)将湿气送入机房的地板下方,通过地板下方设置的下送风通道与机房专用空调(16)送风混合后送到冷通道(23)内。
5.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述算力分配服务器(13)与IT设备机架区域的服务器相连,且所述算力分配服务器(13)在该数据机房内部进行算力分配。
6.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述负荷预测服务器(14)通过负荷预测算法对未来时刻机房专用空调(16)所需要的冷量进行短期预测,负荷预测算法综合考虑历史负荷变化趋势以及实时负荷变化趋势。
7.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述实时模拟服务器(15)根据负荷预测提前进行CFD模拟,在CFD模拟结果反映出的房间内空气参数最不利位置预先布置多传感器移动测量无人机(28),并预先调节机房专用空调(16)。
8.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述瞬爆降温高压干冰球(17)利用干冰升华过程中吸收大量热量为数据中心机房补足冷量缺口。
9.根据权利要求1所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:所述热通道(18)与冷通道(23)内的各个传感器均具有感知、计算和通信功能。
10.根据权利要求7所述的一种基于流体力学模拟数字孪生的数据机房智能环境控制***,其特征在于:将无人机与物联网技术相结合的所述多传感器移动测量无人机(28)由机体、机载通信设备、地面设备、机载环境检测设备和信息处理***组成,可检测参数包括:温度、湿度、风速、黑球温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111389988.1A CN113835460B (zh) | 2021-11-23 | 2021-11-23 | 一种基于流体力学模拟数字孪生的数据机房智能环境控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111389988.1A CN113835460B (zh) | 2021-11-23 | 2021-11-23 | 一种基于流体力学模拟数字孪生的数据机房智能环境控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113835460A true CN113835460A (zh) | 2021-12-24 |
CN113835460B CN113835460B (zh) | 2022-05-03 |
Family
ID=78971518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111389988.1A Active CN113835460B (zh) | 2021-11-23 | 2021-11-23 | 一种基于流体力学模拟数字孪生的数据机房智能环境控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113835460B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114845523A (zh) * | 2022-04-11 | 2022-08-02 | 广东云下汇金科技有限公司 | 一种数据中心精密空调的制冷控制方法及装置 |
CN116705211A (zh) * | 2023-08-04 | 2023-09-05 | 昆明理工大学 | 基于数字孪生的富氧铜熔池铜损失率在线预测方法及*** |
WO2024058709A1 (en) * | 2022-09-16 | 2024-03-21 | Hitachi, Ltd. | Method and system for facility management for identifying actionable event in relation to a building |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6079255A (ja) * | 1983-10-06 | 1985-05-07 | Unitika Ltd | 温度湿度熱流量等の測定装置 |
CN102625643A (zh) * | 2012-03-27 | 2012-08-01 | 合肥通用制冷设备有限公司 | 数据中心冷却***及其冷却方法 |
CN105046445A (zh) * | 2015-08-13 | 2015-11-11 | 上海市城市排水有限公司 | 一种防汛调度决策支持*** |
CN205227675U (zh) * | 2015-11-30 | 2016-05-11 | 南京工业大学 | 一种数据机房热环境的动态预测控制*** |
CN207881045U (zh) * | 2017-12-26 | 2018-09-18 | 天津城建大学 | 基于热舒适性的地板辐射供冷送风*** |
CN109800066A (zh) * | 2018-12-13 | 2019-05-24 | 中国科学院信息工程研究所 | 一种数据中心节能调度方法及*** |
CN109869866A (zh) * | 2019-01-16 | 2019-06-11 | 中铁建设集团有限公司 | 一种基于室内精确定位和自动模拟的智能环境控制*** |
CN109948297A (zh) * | 2019-04-09 | 2019-06-28 | 深圳市赛为智能股份有限公司 | 微模块温度场模拟方法、装置、计算机设备及存储介质 |
CN110083119A (zh) * | 2019-05-08 | 2019-08-02 | 国网江苏省电力有限公司信息通信分公司 | 一种基于数字孪生的可视化电力***机房监控***和方法 |
WO2020143328A1 (zh) * | 2019-01-11 | 2020-07-16 | 平安科技(深圳)有限公司 | 一种基于大数据的机房环境监控方法及相关设备 |
CN111615309A (zh) * | 2020-06-03 | 2020-09-01 | 广州远正智能科技股份有限公司 | 数据中心机房精密空调风道规划及变风量调节方法、*** |
CN112594817A (zh) * | 2020-12-24 | 2021-04-02 | 武汉工程大学 | 节能型数据机房的冷却***及方法 |
CN112859789A (zh) * | 2021-01-29 | 2021-05-28 | 重庆邮电大学 | 一种基于cfd构建数据中心数字孪生体的方法及*** |
CN113091262A (zh) * | 2021-04-12 | 2021-07-09 | 国家计算机网络信息与安全管理中心 | 一种基于模型预测控制的数据中心温湿度设定值确定方法 |
CN113111606A (zh) * | 2021-04-15 | 2021-07-13 | 苏州黑盾环境股份有限公司 | 一种间接蒸发冷却空调对数据中心冷却效果的计算方法 |
CN113125675A (zh) * | 2021-04-19 | 2021-07-16 | 北京物资学院 | 边缘计算架构的堆场煤炭自燃预警装置和预警方法 |
CN113356916A (zh) * | 2021-07-08 | 2021-09-07 | 长安大学 | 一种基于数字孪生技术的矿井风流调控虚拟***及智能调控方法 |
CN113446713A (zh) * | 2021-06-23 | 2021-09-28 | 苏州东吴智控科技有限公司 | 基于数字孪生的数据智能优控及节能方法及*** |
-
2021
- 2021-11-23 CN CN202111389988.1A patent/CN113835460B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6079255A (ja) * | 1983-10-06 | 1985-05-07 | Unitika Ltd | 温度湿度熱流量等の測定装置 |
CN102625643A (zh) * | 2012-03-27 | 2012-08-01 | 合肥通用制冷设备有限公司 | 数据中心冷却***及其冷却方法 |
CN105046445A (zh) * | 2015-08-13 | 2015-11-11 | 上海市城市排水有限公司 | 一种防汛调度决策支持*** |
CN205227675U (zh) * | 2015-11-30 | 2016-05-11 | 南京工业大学 | 一种数据机房热环境的动态预测控制*** |
CN207881045U (zh) * | 2017-12-26 | 2018-09-18 | 天津城建大学 | 基于热舒适性的地板辐射供冷送风*** |
CN109800066A (zh) * | 2018-12-13 | 2019-05-24 | 中国科学院信息工程研究所 | 一种数据中心节能调度方法及*** |
WO2020143328A1 (zh) * | 2019-01-11 | 2020-07-16 | 平安科技(深圳)有限公司 | 一种基于大数据的机房环境监控方法及相关设备 |
CN109869866A (zh) * | 2019-01-16 | 2019-06-11 | 中铁建设集团有限公司 | 一种基于室内精确定位和自动模拟的智能环境控制*** |
CN109948297A (zh) * | 2019-04-09 | 2019-06-28 | 深圳市赛为智能股份有限公司 | 微模块温度场模拟方法、装置、计算机设备及存储介质 |
CN110083119A (zh) * | 2019-05-08 | 2019-08-02 | 国网江苏省电力有限公司信息通信分公司 | 一种基于数字孪生的可视化电力***机房监控***和方法 |
CN111615309A (zh) * | 2020-06-03 | 2020-09-01 | 广州远正智能科技股份有限公司 | 数据中心机房精密空调风道规划及变风量调节方法、*** |
CN112594817A (zh) * | 2020-12-24 | 2021-04-02 | 武汉工程大学 | 节能型数据机房的冷却***及方法 |
CN112859789A (zh) * | 2021-01-29 | 2021-05-28 | 重庆邮电大学 | 一种基于cfd构建数据中心数字孪生体的方法及*** |
CN113091262A (zh) * | 2021-04-12 | 2021-07-09 | 国家计算机网络信息与安全管理中心 | 一种基于模型预测控制的数据中心温湿度设定值确定方法 |
CN113111606A (zh) * | 2021-04-15 | 2021-07-13 | 苏州黑盾环境股份有限公司 | 一种间接蒸发冷却空调对数据中心冷却效果的计算方法 |
CN113125675A (zh) * | 2021-04-19 | 2021-07-16 | 北京物资学院 | 边缘计算架构的堆场煤炭自燃预警装置和预警方法 |
CN113446713A (zh) * | 2021-06-23 | 2021-09-28 | 苏州东吴智控科技有限公司 | 基于数字孪生的数据智能优控及节能方法及*** |
CN113356916A (zh) * | 2021-07-08 | 2021-09-07 | 长安大学 | 一种基于数字孪生技术的矿井风流调控虚拟***及智能调控方法 |
Non-Patent Citations (3)
Title |
---|
刘政: "BIM技术在机电安装工程深化设计中的应用", 《安装》 * |
杨国伟等: "数字孪生在地铁环控***中的应用", 《科技与创新》 * |
陈庆: "数字孪生在数据中心基础设施领域的应用探索", 《中国金融电脑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114845523A (zh) * | 2022-04-11 | 2022-08-02 | 广东云下汇金科技有限公司 | 一种数据中心精密空调的制冷控制方法及装置 |
WO2024058709A1 (en) * | 2022-09-16 | 2024-03-21 | Hitachi, Ltd. | Method and system for facility management for identifying actionable event in relation to a building |
CN116705211A (zh) * | 2023-08-04 | 2023-09-05 | 昆明理工大学 | 基于数字孪生的富氧铜熔池铜损失率在线预测方法及*** |
CN116705211B (zh) * | 2023-08-04 | 2023-10-10 | 昆明理工大学 | 基于数字孪生的富氧铜熔池铜损失率在线预测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113835460B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113835460B (zh) | 一种基于流体力学模拟数字孪生的数据机房智能环境控制*** | |
CN100523635C (zh) | 中央空调智能群控*** | |
CN107797581B (zh) | 一种暖通大数据节能*** | |
EP3037738B1 (en) | Method of operation of a conditioning system of the free cooling type for environments and particularly for computing centers | |
CN102878639A (zh) | 一种基于水冷空调内机自动控制方法 | |
CN110986198A (zh) | 一种适用于设备机房的vrv空调*** | |
CN106288167A (zh) | 一种机房空调控制方法及*** | |
CN205137786U (zh) | 一种建筑能源控制及分项计量*** | |
CN203349433U (zh) | 小型机房定点精确送风节能控制装置 | |
CN113446683B (zh) | 一种地铁车站设备及管理用房智能空调 | |
CN207702671U (zh) | 一种中央空调水泵节能*** | |
CN110986297A (zh) | 一种基于uwb定位的实验室空调节能控制方法及*** | |
CN206449766U (zh) | 一种具有冷却水高温保护装置的中央空调节能*** | |
CN206648205U (zh) | 一种中央空调*** | |
CN102374614A (zh) | 制冷设备的控制方法和装置、以及制冷*** | |
CN112781184A (zh) | 一种空调***智能降耗方法和*** | |
CN105318500A (zh) | 一种建筑能源控制及分项计量*** | |
CN207065815U (zh) | 一种整装式中央空调用智能控制*** | |
CN105240993A (zh) | 一种中央空调的精细化节能控制***及其实现方法 | |
CN206291420U (zh) | 一种冷却塔智能控制*** | |
CN214332878U (zh) | 一种风冷空调及其外机降噪及预冷的控制*** | |
CN108917100A (zh) | 一种精密空调集中监控管理*** | |
CN207963049U (zh) | 一种高效冷却水变频控制器 | |
Chen et al. | Design of energy-saving optimized remote control system of chiller based on improved particle swarm optimization | |
CN112747626A (zh) | 一种变参量冷却塔组节能自动控制***及控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |