本发明专利技术提出了一种浸没液冷散热调控优化方法、装置和一种数据中心，该方法包括获取液冷机柜内各待散热部件的当前温度和实时温度，计算各待散热部件的实时温度变化量；将温度变化量输入神经网络，以各待散热部件满足调控点温度且系统能耗最低为目标函数，通过神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速。基于该方法还提出了一种浸没液冷散热调控优化装置和一种数据中心。本发明专利技术在传统浸没系统的节点内在大功耗部件前方增加一个驱动泵，增加局部的流速，降低整机系统流量的过度反应。采用人工智能的方式进行控制，各个机器自动学习，在不断的总结学习中不断优化，计算出系统流量以及转速控制逻辑达到控制功耗最优的目的。功耗最优的目的。功耗最优的目的。
【技术实现步骤摘要】
一种浸没液冷散热调控优化方法、装置和一种数据中心
[0001]本专利技术属于服务器散热管理
，特别涉及一种浸没液冷散热调控优化方法、装置和一种数据中心。
技术介绍
[0002]随着云计算、大数据等新基建的发展，对数据计算速度要求越来越高，处理器的运算速度与运算量也越来越大，导致CPU等元器件的功耗不断飙升，温度spec也不断降低，尤其是CPU的功耗每年都在80％增幅大幅度提升，电子器件的散热成为目前一个相当灼手的问题，而且现在社会对系统散热风扇功耗的要求也越来越高，机房PUE不断要求降低，节能是目前的一个主流趋势。如何能有效的解决各个电子元器件的温度过高问题，浸没液冷应运而生，大大降低了机房的PUE。其中PUE为Power Usage Effectiveness的简写，是评价数据中心能源效率的指标，是数据中心消耗的所有能源与IT负载消耗的能源的比值。
[0003]但是现有技术中浸没液冷还是处在发展阶段，目前采取的方式单纯只靠外部泵进行整机系统的线性流量增加，对于散热调控而言相对单一。现有浸没系统是通过Tank外部的CDU系统来调整进入Tank的流量，一个tank内一般会12～24个节点server，也就是存会因某一个节点的部件过热导致整个tank系统的流量增加，造成流量的浪费，过大的流量，增加了泵的负担，增加了整个管路的压力，增加了泄露的风险，而且对于系统内节点造成更加严重的冲刷，加快了部件的冲刷腐蚀，降低了器件使用寿命。更为担忧的是，该管路系统流量的增加分配到单个节点的流量是有限的，可能并不足以解决掉相应的CPU等大功耗器件的散热问题。其中Tank为水箱；CDU为液冷分配装置。
[0004]传统的观念浸没液冷就是server内部不需要使用风扇等助力散热措施。随着高热流密度器件的热流密度不断增加，浸没液冷的局限性也不断显现，它的散热效果也不是无限大。浸没液冷的优势在于散热媒介的密度为空气1800多倍，比热容也明显高于空气所以散热效果明显，但是其流速也明显降低，所以其最终散热能力也是有限的。
技术实现思路
[0005]为了解决上述技术问题，本专利技术提出了一种浸没液冷散热调控优化方法、装置和一种数据中心。从服务器架构角度出发，采用人工智能学习的方式实现整个浸没系统温度控制的二级联调，实现最大程度的解决部件散热问题。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种浸没液冷散热调控优化方法，包括以下步骤：
[0008]获取液冷机柜内各待散热部件的当前温度和实时温度，计算各待散热部件的实时温度变化量；
[0009]将所述温度变化量输入神经网络，以各待散热部件满足调控点温度且系统能耗最低为目标函数，通过所述神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速。
[0010]进一步的，所述方法还包括根据所述各待散热部件相对应散热泵的转速计算液冷机柜内的流量变化。
[0011]进一步的，所述计算液冷机柜内的流量变化的方法为：Q＝cm
△
t；
[0012]其中Q为液冷机柜内的系统流量；C为冷媒比热容；
△
t：为温度变化量。
[0013]进一步的，所述神经网络包括输入层、隐含层和输出层；
[0014]所述输入层用于接收各待散热部件的实时温度变化量；
[0015]所述输出层用于输出各待散热部件相对应散热泵的转速；
[0016]所述隐含层位于输入层和输出层中间，以各待散热部件满足调控点温度且系统能耗最低为目标函数，用于将实时温度变化量转换为各待散热部件相对应散热泵的转速。
[0017]进一步的，所述方法还包括：
[0018]当神经网络输出层输出的各待散热部件相对应散热泵的转速与期望转速不相符时，将输出转速和期望转速之间的误差通过输出层，按误差梯度下降的方式修正各层权值，向隐含层、输入层逐层反传；
[0019]经过各层权值不断调整，直到误差满足散热要求。
[0020]进一步的，所述通过所述神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速的详细过程包括：
[0021]如果任一待散热部件的升温超过10％，其余部件低于10％，系统流量不变，则提高所升温的待散热部件对应的散热泵转速增加局部流量；
[0022]当所有的散热部件的升温超过20％，则液冷机柜内整体流量增加20％，且每个待散热部件对应的散热泵的转速增加30％；
[0023]如果任一待散热部件的降温超过10％，其余部件低于10％，系统流量不变，则提高所降温的待散热部件对应的散热泵转速减少局部流量；
[0024]当所有的散热部件的降温超过20％，则液冷机柜内整体流量减少20％，且每个待散热部件对应的散热泵的转速减少30％。
[0025]本专利技术还提出了一种浸没液冷散热调控优化装置，包括基板管理控制器、待散热部件和在流体进入方向各待散热部件相对应散热泵；
[0026]所述基板管理控制器与各待散热部件通信连接；用于获取液冷机柜内各待散热部件的当前温度和实时温度，计算各待散热部件的实时温度变化量；并将所述温度变化量输入神经网络，以各待散热部件满足调控点温度且系统能耗最低为目标函数，通过所述神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速；
[0027]所述散热泵用于根据基板管理控制器计算出的转速进行调整。
[0028]根据权利要求7所述的一种浸没液冷散热调控优化装置，其特征在于，所述装置还包括冷液分配装置；所述基板管理控制器与冷液分配装置通信连接；所述冷液分配装置用于根据神经网络预测的转速控制系统的输出流量。
[0029]根据权利要求9所述的一种浸没液冷散热调控优化装置，其特征在于，所述冷液分配装置计算液冷机柜内的流量变化的方法为：Q＝cm
△
t；其中Q为液冷机柜内的系统流量；C为冷媒比热容；
△
t：为温度变化量。
[0030]本专利技术还提出了一种数据中心，包括一种浸没液冷散热调控优化装置。
[0031]
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述
技术方案中的一个技术方案具有如下优点或有益效果：
[0032]本专利技术提出了一种浸没液冷散热调控优化方法、装置和一种数据中心，该方法包括获取液冷机柜内各待散热部件的当前温度和实时温度，计算各待散热部件的实时温度变化量；将温度变化量输入神经网络，以各待散热部件满足调控点温度且系统能耗最低为目标函数，通过神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速。基于该方法还提出了一种浸没液冷散热调控优化装置和一种数据中心。本专利技术在原有的架构基础上从架构系统角度进行优化，对于浸没系统内散热瓶颈部件进行助理优化，及在CPU等大功耗，高热流密度的部件散热器前方增加散热泵进行散热。该散热泵与系统CDU对于整机系统进行联合二级智能调控，实现最大程度的解决部件散热问题，以及整机系统散热功耗比问题，更大限本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种浸没液冷散热调控优化方法，其特征在于，包括以下步骤：获取液冷机柜内各待散热部件的当前温度和实时温度，计算各待散热部件的实时温度变化量；将所述温度变化量输入神经网络，以各待散热部件满足调控点温度且系统能耗最低为目标函数，通过所述神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速。2.根据权利要求1所述的一种浸没液冷散热调控优化方法，其特征在于，所述方法还包括根据所述各待散热部件相对应散热泵的转速计算液冷机柜内的流量变化。3.根据权利要求2所述的一种浸没液冷散热调控优化方法，其特征在于，所述计算液冷机柜内的流量变化的方法为：Q＝cm
△
t；其中Q为液冷机柜内的系统流量；C为冷媒比热容；
△
t：为温度变化量。4.根据权利要求1所述的一种浸没液冷散热调控优化方法，其特征在于，所述神经网络包括输入层、隐含层和输出层；所述输入层用于接收各待散热部件的实时温度变化量；所述输出层用于输出各待散热部件相对应散热泵的转速；所述隐含层位于输入层和输出层中间，以各待散热部件满足调控点温度且系统能耗最低为目标函数，用于将实时温度变化量转换为各待散热部件相对应散热泵的转速。5.根据权利要求4所述的一种浸没液冷散热调控优化方法，其特征在于，所述方法还包括：当神经网络输出层输出的各待散热部件相对应散热泵的转速与期望转速不相符时，将输出转速和期望转速之间的误差通过输出层，按误差梯度下降的方式修正各层权值，向隐含层、输入层逐层反传；经过各层权值不断调整，直到误差满足散热要求。6.根据权利要求1至5任意一项所述的一种浸没液冷散热调控优化方法，其特征在于，所述通过所述神经网络运算预测在流体进入方向各待散热部件相对应散热泵的转速的详细过程包括：如...
【专利技术属性】
技术研发人员：宗斌，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。