Konesalin jäähdytysjärjestelmän mallinnus, simulointi ja optimointi To 4.6.2015 Merja Keski-Pere
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 4.6.2015 2
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. 4.6.2015 3
Jäähdytysjärjestelmä Kylminä päivinä jäähdytykseen riittää vapaajäähdytysjärjestelmä. 4.6.2015 4
Jäähdytysjärjestelmä Lämpiminä päivinä toimivat myös vedenjäähdytyskoneet. 4.6.2015 5
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. 4.6.2015 6
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. 4.6.2015 7
Simulaatiomalli 4.6.2015 8
Simulaatiomallin testaus 4.6.2015 9
Simulaatiomallin testaus 4.6.2015 10
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] 4.6.2015 11
Optimointi Optimointi aikavälin 19.8.-28.9.2014 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. 4.6.2015 12
Energiankulutus 4.6.2015 13
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] 4.6.2015 14
Optimointi Optimointi aikavälin 24.5.-3.7.2014 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. 4.6.2015 15
Energiankulutus 4.6.2015 16
Tuloksen tarkastelu Toukokuu Kesäkuu Elokuu Syyskuu Lähtötilannetta vastaava energiankulutus (kwh) 79723 103540 115450 79880 Optimitilannetta vastaava energiankulutus (kwh) 78741 100720 111990 78098 Erotus (kwh) 982 2820 3460 1782 4.6.2015 17
Konesalin lämpötilan nosto Optimoitu alkutilanne Lämpötilan nosto 0,4 C Lämpötilan nosto 0,8 C Lämpötilan nosto 1,2 C Energian kulutus (kwh) 24.5. - 3.7.2014 132830 129410 125940 122320 Lämpötilan nostolla saatu säästö (kwh) 3420 6890 10510 Energian kulutus (kwh) 19.8. - 28.9.2014 126990 123700 120310 116830 Lämpötilan nostolla saatu säästö (kwh) 3290 6680 10160 4.6.2015 18