刘仁云,朱少东,王恩娜,罗雷鸣,李亚瑞
(长春师范大学数学学院,吉林长春 130032)
仿真机房系统的优化设计
刘仁云,朱少东,王恩娜,罗雷鸣,李亚瑞
(长春师范大学数学学院,吉林长春 130032)
本文选择具有普适性的机房作为研究对象,首先对机房内的温度、位置、风速等参数进行搜集和处理,建立了基于插值拟合方法的机房热分布数学模型,得到了服务器最优任务分配方案,并根据方案对出风槽的风速和温度等参数进行调节,以达到降低机房内的温度极值点的目的,最后实现了机房散热系统的优化设计。
建立模型;样条插值;热分布;最优任务
对于多任务、高性能计算处理的数据中心或互联网中心(DC、IDC)的基础设施经常依据经验来部署安排,这样的方法具有随意性和非科学性,经常导致机房温度过高、机房设备不能健康运行等问题,使得数据中心将大量资金用于系统冷却的设备上。因此,有必要对数据中心的散热系统进行仿真优化设计,以达到节能目的,实现最佳能源利用效率。本文以常见的计算机机房系统为例进行仿真优化设计。
机房的温度分布主要受到服务器所产生的热量及其摆放位置的影响,服务器产生的热量又由其承担的工作量(或任务)决定。因此,首先要了解机房内温度的分布情况;其次寻找最优任务分配方案;最后根据分配方案调节仪器设备的位置和影响温度的相应参数。具体步骤如下:(1)对机房内的温度和风速的数据进行采集和处理;(2)绘制冷、热通道的流场分布图和热分布图,求出温度极值点;(3)建立热分布模型,确定不同任务量下的最优任务分配方案;(4)根据分配方案调节出风槽的温度与风速等参数以满足设计规范要求,从而实现仿真机房的优化设计。
1.1 测量数据
根据机房内部设施的尺寸数据做出机房的示意图(图1),采集温度、风速、位置等数据,并对数据进行分析处理。
图1 机房示意图
其中,X为通道位置,m;Y为机柜距离空调的位置,m;Z为机柜距地板的高度,m;T为机房温度,℃;Ri为任务量,0≤Ri≤1,i=1,2,3,4;V:风速,m·s-1。
1.2 计算温度最高位置
对实验数据进行样条插值计算,并运用数学软件Matlab绘制冷、热通道的热分布即T(Y,Z)及流场分布图。
图2 冷通道的热分布图
图3 热通道的热分布图
图4 冷通道的流场分布图
图5 热通道的流场分布图
从图2至图5可见,最高温度发生在热通道内。利用Matlab可求出曲面的极值点为T(6.8,2.1)=56.043,即温度最高点为热通道在距空调6.8m、距地板2.1m处,最高温度为56.0436℃。
设每个机柜(服务器)任务量相同,利用Matlab研究温度T与机柜摆放位置X、Y、Z之间的关系。根据4个机柜任务量R的不同,绘制R=0.2、R=0.3、R=0.5时,温度T与机柜距空调位置Y的关系曲线图(图6),温度T与机柜距地板高度Z的关系图(图7)。
图6 温度与机柜距空调位置的关系图
图7 温度与机柜距地板高度的关系图
根据所收集的数据,拟合相同任务量R下,机柜距空调位置Y、机柜距地板高度Z与温度T的函数关系,经过程序调试,得到热分布的数学模型为
T=m+nY+pZ+qY2+kZ2.
(1)
设模型误差小于等于0.01时模型符合要求精度,其各项参数为
m=19.5004-6.155X-23.8023R+0.6569X2+22.8186R2,
n=2.0474+2.0937X+18.8778R-0.2250X2+17.6572R2,
p=-3.6337+1.0113X-9.358R-0.1118X2-7.7347R2,
q=-0.233-0.228X-2.0545R+0.0246X2+1.9136R2,
k=1.2342-0.2427X+3.3913R+0.0272X2-2.7986R2.
从任务量相同的测量中验证热分布模型(1),得其绝对误差为η=0.005≤0.01,说明该数学模型建立符合要求。
在Matlab中绘制任务量R1=0.2,R2=0.3,R3=0.5时不同高度4个机柜的温度关于X,Y,Z的分布图T(X,Y,Z) (由于篇幅问题,只给出R1=0.2时的分布图)。
图8 h=0.2的温度分布图
图9 温度与机柜距地板的高度的关系图
图10 h=1.3的温度分布图
图11 h=2.6的温度分布图
用imregionalmax 函数找出R1=0.2,R2=0.3,R3=0.5时的温度极值分别为T(2.4162,4.1261,1.7758),T(4.0889,4.1261,1.7758),T(7.2485,4.1222,1.7758)。
由于我们测量的数据中没有极值点这3个数据,所以通过点A1(2.4,4.1,1.8),A2(4.1,4.1,1.8),A3(7.2,4.1,1.8)进行模拟,结合上述热分布模型得不同任务量下极值点处温度分布表(表1)。
表1 温度极值点分布表
结合表1可知,当机柜一任务量增加到0.8时,只有点A温度发生较大的变化;机柜二任务量增加到0.8时,只有点B温度发生较大的变化;机柜四任务量增大到0.8时,只有点C发生较大的变化;机柜三任务量增加时3个点的温度几乎都没有变化。由此推断点A、B、C三点的最高温度只与机柜一、二、四相关。根据A、B、C三点的位置数据,利用指数函数拟合得到与位置相关的最优任务分配模型:
T1=26.7333×1.4483R1,T2=26.0368×1.5055R2,T3=26.4856×1.4760R3.
(2)
其中,Ri为第i个机柜的任务量,Ti为由第i个机柜得出的温度的极值点。
根据模型分配任务量,求出在此方案下的机房最高温度(表2)。
表2 任务量分配表及机房温度状态
根据《电子信息系统机房设计规范》C级要求,机房温度应控制在35℃之下,仿真模拟所得的最高温度符合要求,即服务器所分配的任务量为最优分配。
机房内温度的调节是通过出风槽的温度及风速来实现的。冷气由出风槽通过冷通道向机房内输入,从机柜边缘进入热通道,从而达到降低机房内热点温度的目的。而风速V与Y、Z、T的关系可由公式(3)确定。
V=0.5654+0.0867Z+0.045Y+0.0044T0+0.03V0.
(3)
其中,V0为出风槽的风速(m·s-1),T0为出风槽的温度(℃)。
应用多元线性函数回归建立机房内某点的温度与该点距空调距离、距地板高度、风速的函数关系。
T=11.0669+3.8224Z+0.8356Y+8.2268V.
(4)
V=(T-11.0669-3.8224Z-0.8356Y)/8.2268.
(5)
根据《电子信息系统机房设计规范》C级要求,控制机房温度在35℃以下。在机房中若热点温度T大于35℃,则将该点需要降至的合理温度值及相应的Y、Z数据带入函数式(5),求出相应风速V,将V带入函数式(3),进而求出空调的送风速度。
对不符合信息系统布置C级要求的热点,进行相应的最优任务分配,计算出风口的送风风速及温度,调节之后再对该热点进行测量,会发现该热点的温度已经达到我们的要求,由此可确定此热分布模型适用于普通机房的优化设计。
本文根据机房的基础设施状态,对相应的实验数据进行分析处理,建立了基于插值拟合的关于机房的热分布数学模型,并给出了服务器的最佳任务分配方案,按照该方案对涉及机房温度的仪器设备的参数进行调整。实现了机房热分布仿真优化设计。经过实际应用的初步检验,该模型具有较好的实用性与合理性。
[1]Robinson D F,Hassan Hassan H A.Further Development of the (Enstrophy) Turbulence Closure Model[J].Journal of AIAA,1998(36):1825-1833.
[2]Pratap,V.S.,Spalding,D.B.Numerical Computions of the Flow in Curved Ducts[J].The Aeronautical Quarterly,1975,Aug.
[3]Eiseman,P.Retal.Development of a Three-Dimensional Turbulent Duct Flow Analysis[J].NASA CR3029,1978.
[4]董大校.基于MATLAB的多元非线性回归模型[J].云南师范大学学报:自然科学版,2009(2):45-48.
[5]姜启源,谢金星,叶俊.数学模型[M].3版.北京:高等教育出版社,2003.
[6]尹贞勤.程控交换机房空调设计探讨[J].安徽建筑,1999(4):29-31.
[7]刘圣庆.解决数据中心散热难点问题的方案探讨[C].通信技术与标准,2008专刊.
[8]贾琼,孙颡,郭永昊.模糊预测控制在VAV空调系统中的应用[J].建筑电气,2008(6):42-44.
2014-04-12
刘仁云(1969- ),女,辽宁大连人,长春师范大学数学学院教授,博士,从事智能优化研究。
TP311.52
A
2095-7602(2014)04-0053-05