Konesalin jäähdytysjärjestelmän mallinnus, simulointi ja optimointi. To Merja Keski-Pere

Transkriptio

1 Konesalin jäähdytysjärjestelmän mallinnus, simulointi ja optimointi To Merja Keski-Pere

2 Konesaleista Digitalisaation lisääntyminen palvelinkapasiteettia lisää Eurooppaan arviolta jopa 60 uutta konesalia seuraavan 5 vuoden aikana. Esimerkiksi pilvipalvelut, sähköpostipalvelut, IP-osoitteet, tietokantapalvelut, tietoturvapalvelut, internetyhteydet, virtuaalipalvelimet, laitetilapalvelut. Kasvava energiankulutus ja hiilidioksidipäästöt Tavoitteena energiatehokkuuden parantaminen. FDCF ry Suomen konesaliammattilaisten yhdistys

3 Tarkasteltu konesali Konesalin sisällä ilmajäähdytys ja konesalin ulkopuolella kylmä tuotetaan vapaajäähdyttimillä ja vedenjäähdytyskoneilla. Jäähdytysjärjestelmäkokonaisuuden hallinta ja järjestelmän optimaalisten asetusten löytäminen. Mallinnus MatLabin Simulink-ympäristössä. Järjestelmän simulointi. Optimointi simuloimalla

4 Jäähdytysjärjestelmä Kylminä päivinä jäähdytykseen riittää vapaajäähdytysjärjestelmä

5 Jäähdytysjärjestelmä Lämpiminä päivinä toimivat myös vedenjäähdytyskoneet

6 Simulaatiomalli Matemaattisena teoriana lämmönsiirtoon perustuva differentiaalilaskenta. Mallinnuksessa jäähdytysjärjestelmän laitteiden datalehtien lisäksi konesalin eri osista saatuja lämpötilan ja tehonkulutuksen mittaustuloksia eri ajanjaksoilta. Mallinnettiin järjestelmästä vapaajäähdyttimet, lämmönvaihdin, vedenjäähdytyskoneet ja tasaussäiliö. Lämmönsiirron mallinnus ε-ntu metodilla. Siirtyvä lämpövirta (W) on =,,. Differentiaaliyhtälöissä perustana energian säilyminen

7 Simulaatiomalli Esimerkiksi lämmönvaihtimessa kylmään liuokseen kertyvä lämpöenergia aiheuttaa muutoksen ulosvirtaavan liuoksen lämpötilassa. Differentiaaliyhtälö,,, =,,,, +,,,,, Simuloinnissa apuna eri lohkojen ulostulojen kuvaajat. Mallin testauksessa käytettiin vapaajäähdytysprosenttia ja tehonkulutusta. Vapaajäähdytykselle otolliset ajankohdat ovat syksyllä, talvella ja keväällä. Optimointi kohdistuu syksyyn ja kevääseen

8 Simulaatiomalli

9 Simulaatiomallin testaus

10 Simulaatiomallin testaus

11 Optimointi Toteutetaan kokeellisesti Aluksi kymmenen parametrin joukosta valittiin neljä parametria optimoitavaksi. Niille mietittiin tarkoitukseen sopivat vaihteluvälit. Parametri Parametrin määrittelyjoukko Glykolin lämpötila-asetus ( C) [8,0:9,0] Glykolin massavirta (kg/s) [60:70] Ylärajalämpötila ( C) [22:27] Alarajalämpötila ( C) [13,0:15,0]

12 Optimointi Optimointi aikavälin ulkolämpötiloja käyttäen. Energiankulutuksen minimi asettui kohtaan, jossa glykolin lämpötila-asetus on 8,0 C, massavirta 65 kg/s, ylärajalämpötila 24,0 C ja alarajalämpötila 13,8 C. Kuvassa on glykolin lämpötila-asetus 8,0 C ja alarajalämpötila 13,8 C

13 Energiankulutus

14 Optimointi Suoritettiin toinen optimointi simulaatiomallin avulla vaihtamalla neljättä parametria ja optimointiin käytettyjä ulkolämpötiloja Parametri Parametrin määrittelyjoukko Glykolin massavirta (kg/s) [60:70] Ylärajalämpötila ( C) [22:27] Alarajalämpötila ( C) [13,0:15,0] Puhaltimien maksimiteho (%) [40:85]

15 Optimointi Optimointi aikavälin ulkolämpötiloja käyttäen Energiankulutuksen minimi asettui kohtaan, jossa glykolin massavirta on 65 kg/s, puhaltimien maksimiteho 75 %, ylärajalämpötila 24,5 C ja alarajalämpötila 14,0 C. Kuva on tilanteesta, jossa alarajalämpötila on minimikohdassa

16 Energiankulutus

17 Tuloksen tarkastelu Toukokuu Kesäkuu Elokuu Syyskuu Lähtötilannetta vastaava energiankulutus (kwh) Optimitilannetta vastaava energiankulutus (kwh) Erotus (kwh)

18 Konesalin lämpötilan nosto Optimoitu alkutilanne Lämpötilan nosto 0,4 C Lämpötilan nosto 0,8 C Lämpötilan nosto 1,2 C Energian kulutus (kwh) Lämpötilan nostolla saatu säästö (kwh) Energian kulutus (kwh) Lämpötilan nostolla saatu säästö (kwh)