⚡ engenharia elétrica

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

Este estudo investiga numericamente uma solução de resfriamento auxiliada por turbina para centros de dados utilizando Dinâmica de Fluidos Computacional e análise baseada em entransia para otimizar a distribuição do fluxo de ar, aumentar a eficiência energética e melhorar a dissipação de calor através da manipulação estratégica de fluxos turbulentos de impacto e do posicionamento do rotor.

Autores originais: Zhihang Song, Qiang Yue

Publicado 2026-10-01

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Zhihang Song, Qiang Yue

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Os centros de dados são os vastos e ruidosos armazéns do mundo moderno, abrigando os servidores que alimentam nossas vidas digitais. Dentro dessas salas, milhares de computadores geram um calor imenso, exigindo um fluxo constante e poderoso de ar frio para evitar que eles derretam. O método padrão envolve elevar o piso para criar um plenum oculto, um espaço oco onde unidades de ar condicionado empurram o ar frio para cima através de placas perfuradas. Esse ar viaja para os corredores frios entre as fileiras de racks de servidores, absorve o calor e retorna ao topo da sala para ser resfriado novamente. No entanto, esse sistema é frequentemente ineficiente. Às vezes, o ar se move rápido demais, colidindo com o chão e criando uma turbulência que desperdiça energia, ou falha em alcançar os pontos mais quentes, deixando os servidores superaquecerem enquanto outras áreas permanecem desnecessariamente frias. O desafio para os engenheiros é domar esse fluxo caótico, garantindo que o ar de resfriamento se mova exatamente para onde é necessário sem desperdiçar potência.

Uma equipe de pesquisadores partiu para resolver este problema introduzindo um novo elemento no espaço sob o piso: uma pequena turbina eólica. Em vez de ver o ar corrente como um problema a ser combatido, eles o trataram como um recurso a ser aproveitado. Eles construíram uma simulação computacional detalhada de uma sala típica de centro de dados, medindo 8,75 metros de comprimento por 6,4 metros de largura, preenchida com duas fileiras de racks de servidores. Em seu modelo, eles colocaram um rotor de turbina no caminho do ar de resfriamento conforme ele desce da parte inferior da unidade CRAC para o plenum sob o piso. O objetivo era ver se essa turbina poderia fazer duas coisas ao mesmo tempo: reduzir a velocidade do ar o suficiente para impedir que ele colida com o chão e desperdice energia e, simultaneamente, capturar parte da potência desse ar em movimento para gerar eletricidade. Eles testaram diferentes posições para a turbina e ajustaram o quanto a turbina oferecia de resistência ao fluxo de ar, essencialmente sintonizando o quanto o ar teria que empurrar contra as pás.

Os resultados de suas simulações revelaram que a turbina atua como um regulador suave para o ar. Sem a turbina, o ar de alta velocidade da unidade de resfriamento colidiria com o chão, criando uma explosão caótica de pressão que desperdiçaria o momento. Quando a turbina foi adicionada, ela absorveu parte dessa força, suavizando o fluxo e reduzindo a pressão que atinge o chão. Isso foi particularmente eficaz quando a turbina foi posicionada mais alta no espaço sob o piso e quando foi configurada para oferecer uma resistência moderada ao ar. Os pesquisadores descobriram que esse arranjo não apenas economizou energia ao reduzir a turbulência, mas também permitiu que a turbina colhesse uma pequena quantidade de potência do próprio fluxo de ar. A configuração mais eficiente para gerar energia ocorreu quando a turbina foi colocada a 0,73 metros da laje e a resistência do fluxo de ar foi sintonizada em um nível específico, criando um ponto ideal onde o ar se movia de forma constante através das pás.

Além de apenas economizar energia, a turbina melhorou o resfriamento real dos servidores. Na simulação, a presença da turbina ajudou a distribuir o ar frio de forma mais uniforme pelas placas do piso. Isso levou a uma temperatura mais uniforme nos corredores, reduzindo a quantidade de ar quente que de outra forma seria sugada de volta para a frente dos servidores. A equipe observou uma queda de temperatura de cerca de 2 graus Celsius nas entradas dos servidores em comparação com uma sala sem a turbina. Isso significa que os servidores podem operar de forma mais fria e eficiente, potencialmente estendendo sua vida útil e reduzindo a carga nas unidades principais de ar condicionado. Os pesquisadores usaram um método específico de análise, conhecido como abordagem de Entransia, para medir o quão bem o calor estava se movendo através do sistema. Este método ajudou a quantificar as melhorias na organização do fluxo de ar, confirmando que a turbina ajudou a organizar o ar caótico em um fluxo mais ordenado e eficaz.

Para garantir que suas descobertas fossem robustas, os pesquisadores utilizaram uma técnica estatística chamada Metodologia de Superfície de Resposta. Isso permitiu mapear a relação entre a posição da turbina, sua resistência ao ar e o desempenho geral do sistema de resfriamento. Eles descobriram que os melhores resultados vinham de uma combinação específica de fatores: um nível moderado de resistência do ar e uma altura de turbina de cerca de 0,21 metros da laje para eficiência máxima de resfriamento, ou 0,73 metros para máxima geração de energia. O modelo computacional previu esses resultados com alta precisão, mostrando uma margem de erro muito pequena quando comparado aos seus cálculos detalhados. O estudo sugere que adicionar uma turbina simples ao espaço sob o piso de um centro de dados é uma forma viável de melhorar tanto a eficiência energética quanto o desempenho de resfriamento. Isso transforma uma força desperdiçada — o ar corrente — em uma ferramenta útil, oferecendo uma nova maneira de gerenciar o complexo ambiente térmico das instalações de computação modernas.

Resumo Técnico: Fluxo de Ar e Otimização de Energia em Data Centers Auxiliados por Turbinas Utilizando Abordagens de Entransia

Definição do Problema
Os data centers modernos enfrentam desafios significativos relacionados à má distribuição da turbulência de resfriamento e ao consequente desperdício de energia. Especificamente, o fluxo de massa de resfriamento superdimensionado das unidades de Ar Condicionado de Sala de Computadores (CRAC) frequentemente leva a condições de contorno de fluxo ineficientes e transporte de fluxo de calor imprevisível no nível do rack. Embora as configurações de piso elevado sejam o padrão, elas frequentemente sofrem com pontos quentes (hot spots) e perdas de energia devido à organização deficiente do fluxo de ar. Métricas de avaliação existentes, como a Eficiência de Uso de Energia (PUE) ou índices de calor (RHI/SHI), muitas vezes fornecem avaliações qualitativas de bypass e recirculação, mas carecem da magnitude física quantitativa necessária para otimizar a física complexa e multivariada do resfriamento. Além disso, o potencial de colher energia do próprio fluxo de resfriamento superdimensionado permanece subexplorado no contexto dos ambientes de subpiso de data centers.

Metodologia
O estudo emprega uma abordagem numérica multifacetada para investigar uma infraestrutura de resfriamento "auxiliada por turbina" recém-proposta dentro de um ambiente de data center de piso elevado com um único CRAC.

Dinâmica de Fluidos Computacional (CFD): O domínio físico (8,75m × 6,4m × 5,15m) contendo duas fileiras de racks de servidores e um plenum de piso elevado de 0,914m de altura foi modelado utilizando o software FLOTHERM. As simulações utilizaram o modelo de Turbulência LVEL K-Epsilon com cálculos de Navier-Stokes de Reynolds (Reynolds-averaged Navier-Stokes - RANS). Um estudo de independência de malha confirmou que uma malha de 356.402 células proporcionava um equilíbrio entre precisão e eficiência.
Modelagem Auxiliada por Turbina: Um modelo de turbina compacta foi introduzido no plenum sob o piso elevado para interagir com o fluxo descendente do CRAC. A turbina foi caracterizada por uma condição de contorno de salto poroso (porous-jump) representando a resistência do rotor. Os parâmetros principais incluíram o fator de indução axial ( $a$ ) e a distância turbina-laje ( $h$ ). O modelo calculou a potência colhida ( $P_t$ ), coeficientes de empuxo ( $C_T$ ) e quedas de pressão baseados na teoria do disco atuador e curvas de Glauert.
Análise Baseada em Entransia: Para avaliar a transferibilidade de calor de forma mais rigorosa do que os índices tradicionais, o estudo aplicou a abordagem de Entransia. Isso envolveu o cálculo da dissipação de Entransia ao nível da sala ( $\Delta J_{E,rm}$ ), ao nível do rack ( $\Delta J_{E,rk}$ ) e, especificamente, a perda "sub-organizada" ( $\Delta J_{E,u0}$ ), que quantifica a ineficiência causada pela mistura de ar de corredores frios/quentes e pelo fluxo não uniforme.
Metodologia de Superfície de Resposta (RSM): Um Design Composto Central (CCD) foi implementado para otimizar a interação entre o fator de indução axial ( $a$ ) e o posicionamento do rotor ( $h$ ). Um modelo polinomial de segunda ordem foi ajustado aos dados de perda de Entransia para identificar as condições operacionais ideais.

Principais Resultados

Redução do Impacto do Fluxo: A introdução da estrutura auxiliada por turbina reduziu efetivamente a pressão do fluxo de impacto sobre a fronteira da laje do plenum. O aumento do fator de indução axial ( $a$ ) e o ajuste da altura do rotor ( $h$ ) atenuaram significamente o momento do fluxo de massa provido pelo CRAC, particularmente na região central.
Colheita de Energia: Verificou-se que a potência colhida pela turbina é dependente tanto do fator de indução axial quanto da posição do rotor. A potência máxima foi alcançada quando $0,6 < a < 0,7$ com uma altura de rotor de $h = 0,73$ m. No entanto, em fatores de indução muito altos ( $a = 0,8$ ) e grandes distâncias, o fluxo tendeu a passar pelo lado do rotor em vez de através dele, devido a um processo de impedimento sobre a superfície de resistência do rotor, o que reduziu a colheita de energia.
Desempenho Térmico: Na configuração ideal ( $a = 0,5, h = 0,55$ m), o sistema auxiliado por turbina demonstrou uma redução de 2°C nas temperaturas de entrada dos servidores em comparação com a linha de base sem a turbina. Essa melhoria foi atribuída a um momento mais uniforme do fluxo de azulejo na direção z e a uma redução na recirculação de ar quente no topo dos racks.
Precisão da Otimização: A otimização por RSM baseada em Entransia identificou uma perda mínima de Entransia ( $\Delta J_{E,u0}$ ) de 136.523 W·K em $h = 0,21$ m e $a = 0,5$ . Este resultado apresentou um alto grau de concordância (dentro de 0,6% de erro relativo) com os cálculos diretos de CFD, validando a abordagem RSM para esta aplicação.

Significância e Alegações
O artigo alega que a infraestrutura proposta auxiliada por turbina oferece um benefício duplo: melhora a eficiência energética do data center ao colher o momento do fluxo de resfriamento e melhora o gerenciamento térmico ao organizar o fluxo de ar de forma mais eficaz. Ao tratar a indução axial do fluxo de massa provido pelo CRAC e o posicionamento da resistência do rotor como componentes fatoriais primários, o estudo revela que essas interações podem reduzir significativamente o desperdício de momento do fluxo na base do plenum.

Os autores enfatizam o valor da abordagem baseada em Entransia como uma ferramenta mais robusta para avaliar o transporte de fluxo de calor em comparação com índices empíricos, pois fornece uma medida quantitativa de perdas de energia "sub-organizadas". A integração bem-sucedida da teoria de Entransia com a Metodologia de Superfície de Resposta é apresentada como um método científico válido para visualizar e aprimorar as interdependências entre mecanismos multivariados de transferência de calor e massa. Por fim, a pesquisa sugere que soluções auxiliadas por turbina, quando otimizadas por esses métodos, podem oferecer percepções criativas para futuros avanços em resfriamento e melhorias de energia em data centers.

Mais como este