Entropy analysis in data center chiller operation

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Background: Refrigeration system s are widely used in various industries. To achieve temperatures below the ambient temperature and remove excess heat, it is required to expend work (power). Such expenses often constitute a significant portion of energy consumed by the entire facility.

For example, refrigeration equipment used in a most fast-growing industry, construction of data centers (DCs), consume up to 40% of the total power consumption [1].

To reduce energy consumption, it is important to analyze the operation at all life cycle stages from design to operation. Theoretical results often lag far behind practice and require changing both the refrigeration system design and its control algorithms.

This paper presents an analysis of a data center liquid refrigeration unit and the actions aimed at improving the system performance.

Aim: To demonstrate the requirement in and possible uses of operational analysis of refrigeration system at the commissioning stage.

Methods: Chiller losses in the data center refrigeration system were analyzed using the entropy-statistical thermodynamic analysis [2]. Based on the analysis, actions were taken to improve the chiller performance.

Results: Entropy-statistical thermodynamic analysis at life cycle stages of a refrigeration unit allows to identify components that require intervention (adjustment, replacement, etc.). Deviation of the effective refrigeration coefficient from the design value was 13.67% after commissioning and 4.14% after evaporator replacement. As the design specification of the refrigeration unit indicated that the refrigeration coefficient not be lower than 5.4, the achieved value of 5.34 with 1.04% deviation from the specification is acceptable.

Conclusion: Entropy-statistical thermodynamic analysis at the design and commissioning stages allow to achieve the specified performance values. In addition, the distribution of losses allowed to identify a component with the highest losses, which was then adjusted.

About the authors

Maxim S. Talyzin

International Academy of Refrigeration

Author for correspondence.
Email: talyzin_maxim@mail.ru
ORCID iD: 0000-0001-7244-1946
SPIN-code: 6524-3085

Cand. Sci. (Tech.)

Russian Federation, 5 2 nd Baumanskaya st, Moscow, 105005

Andrey V. Skolov

LLC «Lekma Holod»

Email: skolov@lekmaholod.ru
Rostov-on-Don

References

  1. Chichyants AE. Improving energy efficiency of data center air conditioning systems. Vestnik Nauki. 2023; 3(5(62)):853–859. (In Russ.)
  2. Arkharov AM. Fundamentals of cryology. Entropy-statistical analysis of low-temperature systems. Moscow: MGTU im NE Baumana; 2014. (In Russ.)
  3. Arkharov AM, Shishov VV. Entropy-statistical analysis of low-temperature refrigeration cycles. Refrigeration Technology. 2014;8:50–53. (In Russ.)
  4. Arkharov AM, Shishov VV, Talyzin MS. Entropy-statistical analysis of low-temperature refrigeration cycles and choosing of optimal refrigeration system for retail. Refrigeration Technology. 2016;3:30–34. (In Russ.)
  5. Talyzin MS, Skolov AV. Selection of refrigerant for use in chillers. Refrigeration Technology. 2024;113(1):13–20. (In Russ.) doi: 10.17816/RF632560
  6. Shishov VV, Talyzin MS. Practical application of the entropic and statistical method of the analysis of refrigeration cycles. Refrigeration Technology. 2015;3:25–28. (In Russ.)

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Chiller (exterior view).

Download (321KB)
3. Fig. 2. Circuit diagram of the cycle. KM, compressor, Кд, condenser, И, evaporator, РВ, control valve.

Download (50KB)
4. Fig. 3. Distribution of losses throughout the components, kW.

Download (49KB)

Copyright (c) 2024 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».