⚡ ingeniería eléctrica

Airflow and Energy Optimization in the turbine-aided data center using Entransy approaches

Este estudio investiga numéricamente una solución de enfriamiento asistida por turbina para centros de datos utilizando Dinámica de Fluidos Computacional y análisis basado en la entransía para optimizar la distribución del flujo de aire, mejorar la eficiencia energética y potenciar la disipación de calor mediante la manipulación estratégica de flujos turbulentos de impacto y el posicionamiento del rotor.

Autores originales: Zhihang Song, Qiang Yue

Publicado 2026-10-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Zhihang Song, Qiang Yue

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Los centros de datos son los vastos y zumbantes almacenes del mundo moderno, que albergan los servidores que impulsan nuestras vidas digitales. Dentro de estas salas, miles de computadoras generan un calor inmenso, lo que requiere un flujo constante y potente de aire frío para evitar que se derritan. El método estándar consiste en elevar el suelo para crear un pleno oculto, un espacio hueco donde las unidades de aire acondicionado empujan aire frío hacia arriba a través de baldosas perforadas. Este aire viaja hacia los pasillos fríos entre las filas de bastidores de servidores, absorbe el calor y regresa a la parte superior de la sala para ser enfriado de nuevo. Sin embargo, este sistema suele ser ineficiente. A veces, el aire se mueve demasiado rápido, chocando contra el suelo y creando una turbulencia de energía desperdiciada, o no logra llegar a los puntos más calientes, dejando que los servidores se sobrecalienten mientras otras áreas permanecen innecesariamente frías. El desafío para los ingenieros es domar este flujo caótico, asegurando que el aire de refrigeración se mueva exactamente hacia donde se necesita sin desperdiciar energía.

Un equipo de investigadores se propuso resolver este problema introduciendo un nuevo elemento en el espacio bajo el suelo: una pequeña turbina eólica. En lugar de ver el aire que corre como un problema a combatir, lo trataron como un recurso para ser aprovechado. Construyeron una simulación computarizada detallada de una sala típica de un centro de datos, de 8.75 metros de largo y 6.4 metros de ancho, llena de dos filas de bastidores de servidores. En su modelo, colocaron un rotor de turbina en la trayectoria del aire de refrigeración mientras este desciende desde la parte inferior de la unidad CRAC hacia el pleno bajo el suelo. El objetivo era ver si esta turbina podía hacer dos cosas a la vez: frenar el aire lo suficiente como para evitar que choque contra el suelo y desperdicie energía, y simultáneamente capturar parte de la potencia de ese aire en movimiento para generar electricidad. Probaron diferentes posiciones para la turbina y ajustaron cuánta resistencia ofrecía la turbina al flujo de aire, sintonizando esencialmente cuánto tenía que empujar el aire contra las palas.

Los resultados de sus simulaciones revelaron que la turbina actúa como un regulador suave para el aire. Sin la turbina, el aire de alta velocidad de la unidad de refrigeración golpearía el suelo, creando un choque caótico de presión que desperdiciaría el impulso. Cuando se añadió la turbina, esta absorbió parte de esa fuerza, suavizando el flujo y reduciendo la presión que golpea el suelo. Esto fue particularmente efectivo cuando la turbina se posicionó más arriba en el espacio bajo el suelo y cuando se configuró para ofrecer una cantidad moderada de resistencia al aire. Los investigadores descubrieron que este arreglo no solo ahorraba energía al reducir la turbulencia, sino que también permitía a la turbina cosechar una pequeña cantidad de potencia del propio flujo de aire. La configuración más eficiente para generar energía ocurrió cuando la turbina se colocó a 0.73 metros de la losa y la resistencia del flujo de aire se sintonizó a un nivel específico, creando un punto ideal donde el aire se movía de manera constante a través de las palas.

Más allá de solo ahorrar energía, la turbina mejoró la refrigeración real de los servidores. En la simulación, la presencia de la turbina ayudó a distribuir el aire frío de manera más uniforme a través de las baldosas del suelo. Esto condujo a una temperatura más uniforme en los pasillos, reduciendo la cantidad de aire caliente que de otro modo sería succionado hacia la parte frontal de los servidores. El equipo observó una caída de temperatura de aproximadamente 2 grados Celsius en las entradas de los servidores en comparación con una sala sin la turbina. Esto significa que los servidores pueden funcionar de manera más fresca y eficiente, potencialmente extendiendo su vida útil y reduciendo la carga en las unidades principales de aire acondicionado. Los investigadores utilizaron un método de análisis específico, conocido como el enfoque de Entransy, para medir qué tan bien se movía el calor a través del sistema. Este método les ayudó a cuantificar las mejoras en la organización del flujo de aire, confirmando que la turbina ayudó a organizar el aire caótico en una corriente más ordenada y efectiva.

Para asegurar que sus hallazgos fueran robustos, los investigadores utilizaron una técnica estadística llamada Metodología de Superficie de Respuesta. Esto les permitió mapear la relación entre la posición de la turbina, su resistencia al aire y el rendimiento general del sistema de refrigeración. Descubrieron que los mejores resultados provenían de una combinación específica de factores: un nivel moderado de resistencia de aire y una altura de turbina de aproximadamente 0.21 metros desde la losa para una eficiencia de refrigeración óptima, o 0.73 metros para la máxima generación de energía. El modelo computarizado predijo estos resultados con alta precisión, mostrando un margen de error muy pequeño en comparación con sus cálculos detallados. El estudio sugiere que añadir una simple turbina al espacio bajo el suelo de un centro de datos es una forma viable de mejorar tanto la eficiencia energética como el rendimiento de la refrigeración. Convierte una fuerza desperdiciada —el aire que corre— en una herramienta útil, ofreciendo una nueva forma de gestionar el complejo entorno térmico de las instalaciones de computación modernas.

Resumen Técnico: Flujo de Aire y Optimización de la Energía en el Centro de Datos Asistido por Turbina mediante Enfoques de Entransía

Planteamiento del Problema
Los centros de datos modernos enfrentan desafíos significativos relacionados con la distribución desigual de la turbulencia de enfriamiento y el gasto energético asociado. Específicamente, el flujo de masa de enfriamiento sobredimensionado proveniente de las unidades de Aire Acondicionado de Sala de Cómputo (CRAC) a menudo conduce a condiciones de contorno de flujo ineficientes y un transporte de flujo de calor impredecible a nivel de rack. Aunque las configuraciones de piso falso son el estándar, estas frecuentemente sufren de puntos calientes y pérdidas de energía debido a una organización deficiente del flujo de aire. Las métricas de evaluación existentes, como la Eficiencia del Uso de la Energía (PUE) o los índices de calor (RHI/SHI), a menudo proporcionan evaluaciones cualitativas de bypass y recirculación, pero carecen de la magnitud física cuantitativa requerida para optimizar la compleja física multivariante del enfriamiento. Además, el potencial de recolectar energía del propio flujo de enfriamiento sobredimensionado permanece poco explorado en el contexto de los entornos bajo el piso de los centros de datos.

Metodología
El estudio emplea un enfoque numérico multifacético para investigar una infraestructura de enfriamiento propuesta como "asistida por turbina" dentro de un entorno de centro de datos de un solo CRAC y piso falso.

Dinámica de Fluidos Computacional (CFD): El dominio físico (8.75 m × 6.4 m × 5.15 m) que contiene dos filas de racks de servidores y un pleno de piso falso de 0.914 m de altura fue modelado utilizando el software FLOTHERM. Las simulaciones utilizaron el modelo de Turbulencia LVEL K-Epsilon con cálculos de Navier-Stokes promediados por Reynolds (RANS). Un estudio de independencia de malla confirmó que una malla de 356,402 celdas proporcionaba un equilibrio entre precisión y eficiencia.
Modelado Asistido por Turbina: Se introdujo un modelo de turbina compacta en el pleno bajo el piso para interactuar con el flujo descendente del CRAC. La turbina se caracterizó mediante una condición de contorno de salto poroso que representa la resistencia del rotor. Los parámetros clave incluyeron el factor de inducción axial ( $a$ ) y la distancia turbina-losa ( $h$ ). El modelo calculó la potencia recolectada ( $P_t$ ), los coeficientes de empuje ( $C_T$ ) y las caídas de presión basándose en la teoría del disco actuador y las curvas de Glauert.
Análisis Basado en Entransía: Para evaluar la transferibilidad de calor de manera más rigurosa que los índices tradicionales, el estudio aplicó el enfoque de Entransía. Esto implicó el cálculo de la disipación de Entransía al nivel de la sala ( $\Delta J_{E,rm}$ ), al nivel del rack ( $\Delta J_{E,rk}$ ) y, específicamente, la pérdida por "falta de organización" ( $\Delta J_{E,u0}$ ), la cual cuantifica la ineficiencia causada por la mezcla de aire de pasillos fríos/calientes y el flujo no uniforme.
Metodología de Superficie de Respuesta (RSM): Se implementó un Diseño Compuesto Central (CCD) para optimizar la interacción entre el factor de inducción axial ( $a$ ) y el posicionamiento del rotor ( $h$ ). Se ajustó un modelo polinómico de segundo orden a los datos de pérdida de Entransía para identificar las condiciones operativas óptimas.

Resultos Clave

Reducción del Impacto del Flujo: La introducción de la estructura asistida por turbina redujo efectivamente la presión del flujo de impacto sobre el límite de la losa del pleno. El aumento del factor de inducción axial ( $a$ ) y el ajuste de la altura del rotor ( $h$ ) atenuaron significativamente el momento del flujo de masa provisto por el CRAC, particularmente en la región central.
Recolección de Energía: Se encontró que la potencia recolectada por la turbina depende tanto del factor de inducción axial como de la posición del rotor. La potencia máxima se logró cuando $0.6 < a < 0.7$ con una altura de rotor de $h=0.73$ m. Sin embargo, con factores de inducción muy altos ( $a=0.8$ ) y distancias grandes, el flujo tiende a pasar al lado del rotor en lugar de a través de él debido a un proceso de impedimento sobre la superficie de resistencia del rotor, lo que reduce la recolección de energía.
Desempeño Térmico: En la configuración óptima ( $a=0.5, h=0.55$ m), el sistema asistido por turbina demostró una reducción de 2 °C en las temperaturas de entrada de los servidores en comparación con la línea base sin la turbina. Esta mejora se atribuyó a un momento más uniforme del flujo de las losas en la dirección z y a una reducción de la recirculación de aire caliente en la parte superior de los racks.
Precisión de la Optimización: La optimización de RSM basada en Entransía identificó una pérdida mínima de Entransía ( $\Delta J_{E,u0}$ ) de 136,523 W·K en $h=0.21$ m y $a=0.5$ . Este resultado mostró un alto grado de concordancia (dentro de un error relativo de 0.6%) con los cálculos directos de CFD, validando el enfoque de RSM para esta aplicación.

Significancia y Reivindicaciones
El artículo sostiene que la infraestructura propuesta asistida por turbina ofrece un doble beneficio: mejora la eficiencia energética del centro de datos al recolectar el momento del flujo de enfriamiento y mejora la gestión térmica al organizar el flujo de aire de manera más efectiva. Al tratar la inducción axial del flujo de masa provisto por el CRAC y la posición de la resistencia del rotor como componentes factoriales primarios, el estudio revela que estas interacciones pueden reducir significativamente el desperdicio de momento del flujo en el fondo del pleno.

Los autores enfatizan el valor del enfoque basado en Entransía como una herramienta más robusta para evaluar el transporte de flujo de calor en comparación con los índices empíricos, ya que proporciona una medida cuantitativa de las pérdidas de energía por "falta de organización". La integración exitosa de la teoría de la Entransía con la Metodología de Superficie de Respuesta se presenta como un método científico válido para visualizar y mejorar las interdependencias entre los mecanismos multivariantes de transferencia de calor y masa. En última instancia, la investigación sugiere que las soluciones asistidas por turbina, cuando se optimizan mediante estos métodos, pueden ofrecer perspectivas creativas para futuros avances en el enfriamiento y la mejora de la energía en los centros de datos.

Más como este