在互联网时代背景下, 数据中心作为实现大数据运算、5G通信以及人工智能等各类新兴技术的物理基础, 其耗电量自2015年约1 000亿kWh始, 于2020年实现了翻倍^[1], 而空调系统能耗占比近40%^[2], 节能空间较大。中央空调系统可分为前端系统和冷源系统两大部分, 其中: 前端系统由风机盘管、新风机组和变频风机等设备组成, 该系统能耗占空调系统总能耗约40%^[3]; 冷源系统包含冷水机组、冷却塔、冷冻水泵和冷却水泵等设备, 该系统能耗占空调系统总能耗近60%。现有研究更多的是将两个系统分开进行, 前端系统则侧重于风机机组的节能^[4-6]; 冷源系统则侧重于冷水机组的节能^[7-9]。由于空调系统的强耦合性, 前端系统和冷源系统内部各个设备会对整个空调系统的性能产生不同程度的影响, 节能优化涉及的因素复杂多样, 并且各个因素之间还会相互影响, 相对于仅优化一部分设备或参数, 所以全面对其进行优化能够更有效地挖掘空调系统的节能潜力。针对该问题, 本文提出了一种大小群控相结合的策略对数据中心空调系统进行优化。首先, 在大群控方面, 通过增减冷源系统冷水机组台数和冷却塔台数, 继而进行负荷分配, 以确定最优工况; 然后, 在小群控方面, 通过系统参数优化和PID控制变频风机和水泵, 达到节能目的; 最后, 将大群控策略和小群控策略耦合, 并与实际运行工况进行对比, 分析大小群控相结合策略的节能表现。

本文以上海某公司数据中心机房作为研究对象。该公司标准机房共投运20间, 每间面积约300 m², 层高5.5 m, 分为3层。该数据中心空调系统具体设备及参数如表 1所示。

该数据中心机房空调系统运行方式如图 1所示。其中: 前端系统控制风机等, 用于提高机房空气质量和调节机房室内温度; 冷源系统则对与机房内部热空气换热后的工质进行降温处理。

新风机能耗由风扇额定功率、风扇电机效率和电机损耗等决定。其能耗模型如下:

$ P_{\mathrm{FAV}}=P_{\text {rated }}\left\{1-\left[\eta_{\mathrm{m}}+\left(1-\eta_{\mathrm{m}}\right) f_{\mathrm{ml}}\right]\right\} $

(1)

式中:P_FAV——新风机能耗;

P_rated——风扇额定功率, kW;

η_m——风扇电机效率;

f_ml——电机损耗。

变频风机模型在新风机模型基础上加入了通过PID控制的变频功能。其能耗模型如下:

$ \begin{aligned} P_{\text {Vent }}= & P_{\text {rated }}\left(a_0+a_1 \gamma+a_2 \gamma^2+\cdots\right) \\ & \left\{1-\left[\eta_{\mathrm{m}}+\left(1-\eta_{\mathrm{m}}\right) f_{\mathrm{ml}}\right]\right\} \end{aligned} $

(2)

式中:P_Vent——变频风机能耗;

a₀、a₁、a₂…——PID控制设置与风机消耗的多项式系数;

γ——控制信号。

离心式冷水机组的能耗模型如下:

$ P_{\text {Chiller }}=\frac{C_{\mathrm{WC}}}{K_{\mathrm{COP}_{\mathrm{n}}}} \eta_{\mathrm{FFLP}} $

(3)

式中:P_Chiller——冷水机组能耗;

C_WC——冷水机组实时容量, kJ/h;

K_COPn——冷水机组实时性能系数;

η_FFLP——机组满载功率分数。

冷水机组负荷率、冷冻水出口温度和冷却水出口温度的公式分别为

$ \xi_{\mathrm{PLR}}=\frac{\nu C_{\mathrm{p}_{\mathrm{WC}}}\left(T_{\mathrm{wC}, \text { in }}-T_{\mathrm{wC}, \text { set }}\right)}{C_{\mathrm{wC}}} $

(4)

$ T_{\mathrm{WC}, \text { out }}=T_{\mathrm{WC}, \text { in }}-\frac{Q_{\mathrm{m}}}{v C_{\mathrm{pwC}}} $

(5)

$ T_{\mathrm{W}, \text { out }}=T_{\mathrm{W}, \text { in }}-\frac{Q_{\mathrm{WC}, \tau}}{\nu C_{\mathrm{p}_{\mathrm{W}}}} $

(6)

式中:ξ_PLR——冷水机组负荷率;

ν——冷冻水流量, kg/h;

C_pWC——冷冻水比热, kJ/(kg·K);

T_{WC, in}——冷冻水进口温度, ℃;

T_{WC, set}——冷冻水设定出口温度, ℃;

T_{WC, out}——冷冻水出口温度;

Q_m——离心式冷水机组实时冷负荷, kW;

υ——冷却水流量, kg/h;

T_{W, out}、T_{W, in}——冷却水出口和进口温度;

Q_{WC, τ}——实时排热, kW。

由N_c个塔室组成的冷却塔功率计算公式如下

$ P_{\mathrm{CT}}=\sum\limits_{k=1}^{N_{\mathrm{c}}} \gamma_k^3 P_{\max , k} $

(7)

式中:P_CT——冷却塔功率;

γ_k——第k个塔室相对风扇转速比;

P_{max, k}——第k个塔室最大功率, kW。

本文的冷冻水泵和冷却水泵均采用变频水泵^[10], 变频泵能耗模型如下:

$ P_{\text {pump }}=\frac{P_{\mathrm{e}}}{\eta}\left(\frac{f}{f_0}\right)^3+P_{\mathrm{n}} $

(8)

$ P_{\mathrm{e}}=\frac{\rho g q h}{3.6 \times 10^6} $

(9)

$ \eta=b_1 q^3+b_2 q^2+b_3 q+b_4 $

(10)

式中:P_pump——变频泵能耗;

P_e——水泵有效功率, kW;

η——水泵运行效率;

f——电源频率, Hz;

f₀——电源工频频率, Hz;

P_n——变频器功率, kW;

ρ——水密度, kg/m³;

g——重力加速度, m/s²;

q——流量, kg/h;

h——管网阻力, m;

b₁、b₂、b₃、b₄——变频泵流量-效率曲线所拟合的多项式方程系数。

系统仿真模型如图 2所示。为确认其可靠性, 将通过模拟实验对该仿真模型与实际情况进行对比验证。

通过调节冷水机组和冷却塔的拟合系数, 使仿真模型与实际运行效果相近, 并选取夏季典型日作为模拟时间, 此时的现场运行方式为3台冷水机组, 4台冷却塔。冷冻水、冷却水出口温度的仿真值与实测值对比如图 3所示。

由图 3可知, 模拟温度与实测温度的误差基本控制在5%以内, 仿真模型有一定的可靠性。

数据中心对机房环境的高标准规定使得其对空调系统的精确性和稳定性要求严格。由于数据中心空调系统设计时预留的机组额定冷量过大, 与机柜实际所需冷负荷不一致, 以及工作人员基于满足最大冷量需求的原则调节设备而引起的所供远大于所需的问题, 使得有些设备远超实际所需的功率在运行。为了尽可能利用这些问题引起的冗余裕度进行节能, 本文针对整个空调系统采用了大小群控相结合的策略, 在保证正常运行工况下, 进一步降低空调系统的能耗。

大群控策略主要针对冷源系统内的冷水机组、冷却塔和水泵提出, 即在维持系统运行参数不变、不改换设备的情况下, 通过调节冷水机组和冷却塔及相应水泵的运行台数, 减少系统冗余, 达到节能目的。

当前针对冷水机组的主流群控策略分为运行台数控制和负荷分配两种方法^[11]。本文以机房需要的实时冷负荷量为判断依据, 通过将以上两种方法相结合对冷水机组进行群控, 使其在可控范围内尽可能处于高效运行模式。控制逻辑如下: 将给定的实时冷负荷量与机组的最小制冷量、最大制冷量进行比较, 决定开启台数, 再通过比较开启不同台数的能耗, 选用最低能耗方案; 然后对负荷进行分配。由于本文研究对象采用的冷水机组均为同一类机组, 故此处负荷分配采用平均分配方式。其控制流程如图 4所示。其中, Q_c为冷负荷量, Q₁、Q₂、Q₃分别表示1、2、3台机组开启时的能耗, L_1min、L_2min、L_3min分别表示1、2、3台机组的最小制冷量, L_1max、L_2max、L_3max分别表示1、2、3台机组的最大制冷量。

在冷源系统的所有设备中, 冷却塔受气象因素影响最大, 因此在空调系统实际运行过程中, 冷却塔开启台数随季节变化而变化。如何在保证其余各设备正常运行的情况下, 尽可能少地开启冷却塔是该策略节能的关键。冷却塔系统运行时, 若冷却塔风机实时能耗达到其额定功率后, 进出口温度无法达到设计温度, 此时为不良工况, 对冷水机组的正常运行具有不可忽视的影响, 故需要根据情况调整冷却塔台数来保持系统的稳定运行并维持正常工况。冷却塔群控策略的反馈参数设置为冷却塔实时风机功率Q_v, 对照参数为风机额定功率Q_vn, 留取5%的裕度, 具体控制流程如图 5所示。其中, N_t为冷却塔实时开启台数, 虚线循环用于验证冷却塔台数不冗余的步骤。

小群控策略主要针对冷源系统内的冷冻水泵、冷却水泵以及前端系统内的风机进行控制。该策略分为3个部分: 第1部分是通过模拟不同系统参数, 分析最优参数组合; 第2部分和第3部分则是在冷水机组、冷却塔以及水泵运行台数不变的情况下, 利用基于PID控制的变频风机和变频水泵, 保证系统在最优参数下运行。

空调系统运行时, 机房所需冷负荷实时变化, 当冷源系统供冷量一定时, 风机通过调节风量控制室内热量的交换, 从而控制室内温度。该策略首先监测实时机房回风温度T₀, 当T₀超出机房设定温度范围(22~24 ℃)时, 表明送风量不能满足需求, 需要通过PID模块输出控制信号对风机运行频率进行调节, 从而使机房温度维持在要求的温度范围内。该控制策略整体以机房进风温度为输入, 以控制信号为输出。

本文冷冻水供回水初始温差设为3 K, 并留取5%的裕度。冷冻水温度会随着机房所需冷负荷量的变化而变化, 此处采用定温差控制, 为维持冷冻水供回水温差, 当其超出温度范围(2.85~3.15 K)时, 冷源系统将通过PID控制对冷冻水泵进行变频控制。监测实时冷冻水供水温度, 以其为输入, 结合前端系统与冷源系统内相关参数进行分析处理, 输出控制信号对水泵的电机进行调节。

整个空调系统是一个强耦合性的系统, 主要体现在前端系统与冷源系统的配合以及两种系统内部各设备的配合上, 两种系统中的关键参数为前端系统中的机房进风温度、冷源系统内的冷冻水供水温度和冷冻水供回水温差这3个参数。本文通过穷举法, 以系统能耗量最低为目标, 考虑到系统负荷、气象因素以及设备参数等环节, 并结合应用PID控制的变频风机和变频水泵, 对这3个参数进行最优化计算。

通过TRNSYS软件中的TRNBuild平台对数据中心机房建筑进行模型搭建, 通过收集机房内机柜的额定功率、实时功率和相应负载率, 对其一年内的冷负荷进行模拟计算, 计算结果如图 6所示。

由图 6可知, 数据中心机房冷负荷范围为2 011~2 965 kW, 平均冷负荷为2 579 kW。由于数据中心机房24 h不间断运行的特点以及机房内部设备的高散热量, 使得其区别于一般商业建筑, 负荷量较大且波动较小。

大群控策略主要通过调节冷水机组和冷却塔的台数来使冷源系统达到高效的运行状态。在其余设备及参数条件不变的情况下, 将实际运行工况与应用大群控策略优化后的工况进行对比, 结果如图 7所示。

由图 7可知: 应用大群控策略优化后, 冷水机组在6、7、8、9月运行台数从2台变至3台, 其他月份运行台数与优化前一致; 冷却塔投运台数除夏季7、8月优化前后均为4台外, 其他月份运行台数较优化前减少1~2台。

图 8展示了实际运行与大群控策略下系统总能耗量的对比。

由图 8可知, 应用大群控策略后系统能耗量明显降低, 系统全年节省能耗量约3.8×10⁵ kWh, 能耗量降低5.17%, 按照电价0.7元/kWh计算, 每年减少运行成本约26.8万元。

小群控策略的核心为系统参数优化策略, 机房进风温度、冷冻水供水温度和冷冻水供回水温差的调节及这3个参数与风机和水泵的PID控制变频策略的耦合对节能起着不可忽视的作用。考虑到相关技术要求^[12]和实际运行需求, 机房进风温度选取范围为18~20 ℃、冷冻水供水温度选取范围为8~12 ℃、供回水温差取3~4 K。小群控策略涉及设备几乎不受天气影响, 故本文实例验证选取一个典型日对该策略的节能效果进行模拟分析。初始参数设定为: 机房进风温度20 ℃、冷冻水供水温度8 ℃、冷冻水供回水温差为3 K。

图 9为3种不同参数时的典型日系统总能耗量对比, 其中T₁为冷冻水供回水温差, T₂为机房进风温度, 横坐标为冷冻水供水温度。

由图 9可知:

(1) 当机房进风温度下降, 能耗显著降低, 当机房进风温度为18 ℃时, 系统能耗最低。这是因为随着进风温度的下降, 所需送风量相应减少, 此时变频风机自动降低频率减少能耗。

(2) 当冷冻水供水温度升高, 能耗逐渐降低, 当冷冻水供水温度在10 ℃时, 节能效果最好。这是因为当冷冻水供水温度升高时, 由于换热条件变差, 输配冷量的能耗虽然会变大, 但是由于冷水机组的蒸发温度上升, 蒸发器的功率会随之下降, 因此冷水机组的功率降低, 并且由于空调系统中, 冷水机组所占能耗较大, 相较于输配冷量涉及的水泵、冷却塔风机等设备来说, 冷水机组降低的能耗要比输配冷量设备提升的能耗更多, 所以整个系统的能耗会降低, 从而达到节能的效果。

(3) 当供回水温差升高, 能耗变低, 温差由3 K升至4 K时, 变频水泵随之进行调节, 水泵的流量降低, 水泵功率也随之降低, 而且由于水泵有最低转速比要求, 故温差最高仅能达到4 K。

制冷系数(Coefficient Of Performance, COP)作为空调系统的性能系数, 能够很好地体现策略的节能效果。借鉴此概念, 提出系统COP概念, 即系统制冷量与系统能耗量之比, 以此来对整个系统的节能效果进行更好的评估。将大小群控结合后进行全年模拟, 实际运行与大小群控相结合的策略优化后的系统总能耗和系统COP对比如图 10所示。

由图 10可知: 大小群控相结合的策略使系统总能耗量降低了约23.56%;应用大小群控相结合的策略后, 系统COP明显增长, 涨幅在10.22%。这说明采用大小群控相结合的策略后, 数据机房空调系统运行节能效果明显。

(1) 大群控策略通过与实际运行系统不同的反馈参数, 对冷水机组和冷却塔的台数进行调节, 全年节省能耗量约3.8×10⁵ kWh。

(2) 小群控策略通过对前端系统的风机以及冷源系统的水泵及相关参数进行了策略上的优化, 以典型日作为参考, 当冷冻水供水温度升高, 能耗逐渐降低。

(3) 大小群控相结合的策略能起到较好的节能效果, 系统能耗量降低了约23.56%。