WO2014147691A1 - 温度管理システム - Google Patents

温度管理システム Download PDF

Info

Publication number
WO2014147691A1
WO2014147691A1 PCT/JP2013/057595 JP2013057595W WO2014147691A1 WO 2014147691 A1 WO2014147691 A1 WO 2014147691A1 JP 2013057595 W JP2013057595 W JP 2013057595W WO 2014147691 A1 WO2014147691 A1 WO 2014147691A1
Authority
WO
WIPO (PCT)
Prior art keywords
temperature
unit
power consumption
electronic device
operation amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2013/057595
Other languages
English (en)
French (fr)
Inventor
雅俊 小川
浩史 遠藤
裕幸 福田
近藤　正雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to PCT/JP2013/057595 priority Critical patent/WO2014147691A1/ja
Priority to JP2015506379A priority patent/JP5994927B2/ja
Priority to EP13878781.7A priority patent/EP2977852B1/en
Publication of WO2014147691A1 publication Critical patent/WO2014147691A1/ja
Priority to US14/849,953 priority patent/US9958916B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/20—Cooling means
    • G06F1/206—Cooling means comprising thermal management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
    • G05D23/193—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces
    • G05D23/1931—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces to control the temperature of one space
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/325—Power saving in peripheral device
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20718—Forced ventilation of a gaseous coolant
    • H05K7/20745—Forced ventilation of a gaseous coolant within rooms for removing heat from cabinets, e.g. by air conditioning device
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20836—Thermal management, e.g. server temperature control
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10W—GENERIC PACKAGES, INTERCONNECTIONS, CONNECTORS OR OTHER CONSTRUCTIONAL DETAILS OF DEVICES COVERED BY CLASS H10
    • H10W40/00—Arrangements for thermal protection or thermal control
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10W—GENERIC PACKAGES, INTERCONNECTIONS, CONNECTORS OR OTHER CONSTRUCTIONAL DETAILS OF DEVICES COVERED BY CLASS H10
    • H10W40/00—Arrangements for thermal protection or thermal control
    • H10W40/40—Arrangements for thermal protection or thermal control involving heat exchange by flowing fluids
    • H10W40/43—Arrangements for thermal protection or thermal control involving heat exchange by flowing fluids by flowing gases, e.g. forced air cooling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Definitions

  • the present invention relates to a temperature management system.
  • the computer By the way, the computer generates a large amount of heat during operation. If the temperature inside the computer rises, it may cause malfunction, failure, or performance degradation. Therefore, cooling air is taken into the rack using a cooling fan, and the heat generated inside the computer is discharged outside the rack.
  • the purpose is to provide a temperature management system that can achieve further power saving compared to conventional systems by predicting changes in the outside air temperature and changes in the operating state of heat-generating components and appropriately controlling the cooling device. .
  • a first temperature detection unit that detects the temperature of the heat generating component in the electronic device, a cooling device that cools the heat generating component by flowing air into the electronic device,
  • a second temperature detecting unit for detecting a temperature of air flowing into the electronic device;
  • a parameter setting unit for setting a target value of the temperature of the heat generating component; the first temperature detecting unit and the second temperature;
  • Control that calculates a predicted value of the future temperature of the heat generating component based on the output of the detection unit and the power consumption of the electronic device, and determines the operation amount of the cooling device based on the predicted value and the target value
  • a temperature management system is provided.
  • the predicted value of the future temperature of the heat-generating component is calculated, and the operation amount of the cooling device is determined based on the predicted value and the target value. Power consumption can be reduced.
  • FIG. 1 is a schematic top view showing an example of a data center to which the temperature management system according to the first embodiment is applied.
  • FIG. 2 is a schematic side view illustrating an example of a data center to which the temperature management system according to the first embodiment is applied.
  • FIG. 3 is a schematic top view showing the air flow when outside air is introduced into the container via the vaporization type cooling device.
  • FIG. 4 is a block diagram of the temperature management system according to the first embodiment.
  • FIG. 5 is a functional block diagram illustrating the configuration of the control unit of the temperature management system according to the first embodiment.
  • FIG. 6 is a flowchart showing the operation of the temperature management system according to the first embodiment.
  • FIG. 7 is a schematic diagram showing a prediction model.
  • FIG. 1 is a schematic top view showing an example of a data center to which the temperature management system according to the first embodiment is applied.
  • FIG. 2 is a schematic side view illustrating an example of a data center to which the temperature management system according to the first embodiment is
  • FIG. 8 is a diagram illustrating a temporal change in power consumption according to the comparative example and the embodiment.
  • FIG. 9 is a diagram illustrating power consumption according to the embodiment and the comparative example.
  • FIG. 10 is a block diagram of a temperature management system according to the second embodiment.
  • FIG. 11 is a functional block diagram illustrating the configuration of the control unit of the temperature management system according to the second embodiment.
  • FIG. 12 is a flowchart showing the operation of the temperature management system according to the second embodiment.
  • FIG. 13 is a block diagram of a temperature management system according to the third embodiment.
  • FIG. 14 is a functional block diagram illustrating the configuration of the control unit of the temperature management system according to the third embodiment.
  • FIG. 15 is a flowchart showing the operation of the temperature management system according to the third embodiment.
  • a temperature sensor is used to detect the temperature of a part that generates a large amount of heat (hereinafter referred to as “heat-generating part”) such as a CPU (Central Processing Unit) so that the temperature of the heat-generating part falls below a set temperature.
  • heat-generating part such as a CPU (Central Processing Unit)
  • a control method for controlling the rotation of the cooling fan may be employed.
  • a control method may be employed in which the temperature difference between the air before and after the rack is detected using a temperature sensor and the number of rotations of the cooling fan is controlled so that the temperature difference is equal to or lower than a set temperature.
  • the above control method does not take into account the effects of slow changes in the outside air temperature and sudden changes in the operating state of the heat generating components. Therefore, a change in the outside air temperature or a change in the operating state of the heat generating component affects the control amount, and feedback control is performed so as to cancel the influence.
  • the control amount is changed after the temperature difference between the air before and after the rack changes or the operating state of the heat generating component changes. Cannot follow up properly. For this reason, excessive cooling is performed so that the temperature of the computer does not exceed the set temperature, and power may be wasted.
  • FIG. 1 is a schematic top view showing an example of a data center to which the temperature management system according to the first embodiment is applied
  • FIG. 2 is a schematic side view of the data center.
  • a modular data center that cools a computer (server) using outside air is described as an example.
  • the 1 and 2 includes a rectangular parallelepiped container (structure) 10, a cooling fan unit 12 arranged in the container 10, and a plurality of racks 13. Each rack 13 stores a plurality of computers 14.
  • the cooling fan unit 12 is provided with a plurality of cooling fans 12a.
  • One of the two wall surfaces of the container 10 facing each other is provided with an intake port 11a, and the other is provided with an exhaust port 11b.
  • a partition plate 15 is disposed on the space between the cooling fan unit 12 and the rack 13.
  • the space in the container 10 is divided into an outside air introduction section 21, a cold aisle 22, a hot aisle 23, and a warm air circulation path 24 by a cooling fan unit 12, a rack 13, and a partition plate 15.
  • the outside air introduction portion 21 is a space between the intake port 11a and the cooling fan unit 12
  • the cold aisle 22 is a space between the cooling fan unit 12 and the rack 13
  • the hot aisle 23 is the rack 13 and the exhaust port 11b. It is a space between.
  • the rack 13 is arranged such that the cold aisle 22 side surface is the intake surface and the hot aisle 23 side surface is the exhaust surface.
  • the warm air circulation path 24 is a space above the rack 13 and the partition plate 15, and communicates between the hot aisle 23 and the outside air introduction unit 21.
  • the warm air circulation path 24 is provided with a damper 17 for adjusting the circulation amount of the warm air.
  • a vaporization type cooling device that lowers the temperature of the air introduced into the external introduction part 21 using the heat of vaporization of water when the outside air temperature is high. 16 is provided.
  • the cooling fan 12a of the cooling fan unit 12 rotates, and air (outside air) is introduced into the outside air introduction part 21 through the intake port 11a. Then, the air introduced into the outside air introduction unit 21 moves to the cold aisle 22 via the cooling fan unit 12 and further enters the rack 13 from the intake surface of the rack 13 to cool each computer 14.
  • the air (warm air) whose temperature has been increased by cooling the computer 14 is discharged from the exhaust surface of the rack 13 to the hot aisle 23 and discharged from the exhaust port 11b to the outdoors.
  • the damper 17 When the outside air temperature is high, the damper 17 is closed so that warm air does not move from the hot aisle 23 to the outside air introduction section 21.
  • the outside air temperature When the outside air temperature is higher, water is supplied to the vaporization type cooling device 16, and the outside air is introduced into the outside air introduction unit 21 via the vaporization type cooling device 16 as shown in FIG.
  • the outside air passes through the evaporative cooling device 16, the water evaporates and takes heat of vaporization, so that air having a temperature lower than the outside air temperature is introduced into the outside air introduction unit 21.
  • the damper 17 is opened. As a result, part of the warm air returns from the hot aisle 23 to the outside air introduction portion 21 via the warm air circulation path 24, and the temperature of the air introduced into the rack 13 rises.
  • FIG. 4 is a block diagram of the temperature management system according to the present embodiment.
  • the temperature management system includes a temperature sensor 32, a power consumption sensor 34, a temperature sensor 33, a control unit 30, a parameter setting unit 31, and a cooling fan unit 12.
  • the temperature sensor 32 is formed in the same chip as the CPU 14 a and transmits the temperature of the CPU 14 a to the control unit 30 via a communication device (not shown) provided in the computer 14.
  • transmission / reception of signals between the control unit 30 and the computer 14 is performed via UDP (User Datagram Protocol) communication.
  • UDP User Datagram Protocol
  • communication between the control unit 30 and the computer 14 is not limited to UDP communication.
  • a temperature sensor arranged in the same chip as the CPU 14a is used as the temperature sensor 32.
  • a temperature sensor arranged in close contact with the package of the CPU 14a may be used.
  • the temperature sensor 33 is disposed on the intake surface side of the rack 13 and detects the temperature of the air supplied into the rack 13.
  • a plurality of temperature sensors 33 may be arranged on the intake surface side of the rack 13.
  • the power consumption sensor 34 detects the power consumption of each computer 14. Outputs of the temperature sensor 33 and the power consumption sensor 34 are also transmitted to the control unit 30.
  • the control unit 30 includes, for example, a microcomputer, an FPGA (Field-Programmable Gate Array) or a PLC (Programmable Logic Controller).
  • a dedicated program may be read into a specific computer 14 in the rack 13 and used as the control unit 30.
  • the parameter setting unit 31 is set with parameters necessary for control.
  • the parameters set in the parameter setting unit 31 in the present embodiment are a CPU temperature target value, a target value follow-up parameter, an operation amount reduction parameter, and an operation amount fluctuation range parameter. These parameters will be described later.
  • the control unit 30 determines an operation amount according to the outputs of the temperature sensors 32 and 33, the output of the power consumption sensor 34, and the parameters set in the parameter setting unit 31, and controls the cooling fan unit 12 based on the operation amount. To do.
  • the temperature sensor 32 is an example of a first temperature detection unit, and the temperature sensor 33 is an example of a second temperature detection unit.
  • the CPU 14a is an example of a heat generating component, and the cooling fan unit 12 is an example of a cooling device.
  • FIG. 5 is a functional block diagram illustrating the configuration of the control unit 30.
  • the control unit 30 includes a high level temperature calculation unit 41, an average temperature calculation unit 42, a high level power consumption calculation unit 43, a CPU temperature prediction model unit 44, a correction unit 45, and a cost function.
  • the high level temperature calculation unit 41 acquires the CPU temperature data of each computer 14 from the temperature sensor 32, determines the high level temperature to be evaluated, and outputs it to the cost function unit 46 and the correction unit 45.
  • the highest CPU temperature among the CPU temperatures acquired from the temperature sensor 32 is set as the high level temperature.
  • the average temperature calculation unit 42 acquires data on the temperature of the air supplied to the rack 13 from the temperature sensor 33. Then, the average value (hereinafter referred to as “intake air temperature”) is calculated, and the calculation result is output to the CPU temperature prediction model 44.
  • the high-level power consumption calculation unit 43 acquires the power consumption data of each computer 14 from the power consumption sensor 34, determines the high-level power consumption to be evaluated from those data, and determines the CPU temperature prediction model unit 44.
  • the largest power consumption among the power consumption of each computer 14 acquired from the power consumption sensor 34 is set as the high level power consumption.
  • the CPU temperature prediction model unit 44 predicts the future CPU temperature from the intake air temperature, the high level power consumption, and the operation amount of the cooling fan 12a using the prediction model.
  • the correction unit 45 corrects the CPU temperature predicted by the temperature prediction model unit 44 (hereinafter referred to as “predicted CPU temperature”) using past data.
  • a cost function is set in the cost function unit 46, and the cost is calculated by weighting the deviation between the predicted CPU temperature and the target value of the CPU temperature, the fluctuation range of the manipulated variable, and the magnitude of the manipulated variable.
  • the optimization unit 47 calculates an operation amount that satisfies preset constraint conditions and minimizes the cost based on the optimization algorithm.
  • the control signal generation unit 48 generates a pulse signal for controlling the cooling fan unit 12 based on the operation amount obtained by the optimization unit 47.
  • FIG. 6 is a flowchart showing the operation of the temperature management system according to the present embodiment.
  • the control unit 30 executes a series of processes shown in FIG. 6 at regular intervals (control cycles).
  • step S ⁇ b> 11 the control unit 30 acquires CPU temperature data of each computer 14 from the temperature sensor 32.
  • the control unit 30 acquires the temperature data of the air on the intake surface side of the rack 13 from the temperature sensor 33, and acquires the power consumption data of each computer 14 from the power consumption sensor 34.
  • step S12 the control unit 30 determines the high level temperature, the intake air temperature, and the high level power consumption.
  • the high level temperature calculation unit 41 extracts the highest temperature from the CPU temperatures detected by the temperature sensor 32 and sets it as the high level temperature.
  • the average temperature calculator 42 calculates the average value of the air temperature on the intake surface side of the rack 13 acquired from the temperature sensor 33, and sets the average value as the intake air temperature.
  • the high level power consumption calculation unit 43 extracts the largest power consumption from the power consumption of each computer 14 detected by the power consumption sensor 34 and sets it as the high level power consumption.
  • step S13 the control unit 30 acquires from the parameter setting unit 31 a CPU temperature target value, a target value follow-up parameter, an operation amount reduction parameter, and an operation amount fluctuation range parameter.
  • the target value of the CPU temperature may be a temperature lower than the allowable upper limit temperature of the CPU 14a, and is set to 90 ° C., for example.
  • the target value follow-up parameter is a weighting parameter for bringing the value of the cost function described later close to the target value.
  • the operation amount reduction parameter is a weighting parameter for making the amount of operation of the cost function close to zero.
  • the manipulated variable variation parameter is a weighting parameter for reducing the manipulated variable variation of the cost function.
  • step S14 the control unit 30 calculates the current operation amount that satisfies the constraint condition and minimizes the value of the cost function for a predetermined section from the present to the future.
  • the CPU temperature prediction model unit 44 uses the prediction model, and the operation amount (rotation speed command value) u (k) of the cooling fan 12a, the intake air temperature v 1 (k), and the high level power consumption v 2 ( k) CPU temperature is predicted.
  • k indicates the current cycle.
  • the prediction model is based on the high level power consumption v 2 (k), the intake air temperature v 1 (k), and the operation amount u (k) of the cooling fan 12a.
  • the maximum value of the CPU temperature (temperature of the heat generating component) is predicted.
  • the influence of the change in the operating state of the computer 14 is taken into the high level power consumption, and the influence of the change in the outside air temperature is taken into the intake air temperature.
  • the prediction model is expressed by the following formula (1).
  • k) is called a state variable.
  • v (k) [v 1 (k), v 2 (k)] T.
  • A is an n ⁇ n matrix
  • B u is an n-dimensional vector
  • B v is an n ⁇ 2 matrix
  • C is a scalar.
  • A, B u , B v , and C can be obtained by conducting an experiment in advance and identifying the system.
  • Examples of system identification methods include a prediction error method and a subspace identification method.
  • A, B u , B v and C can be derived by linearizing the differential equation (Taylor expansion) when a physical model differential equation expressing the dynamic characteristics of the CPU temperature can be derived. It is.
  • the dead time dt is 12 seconds.
  • a state space model is used.
  • the model expression method may be a multiple regression model or data such as a map function.
  • the correction unit 45 corrects the CPU temperature predicted value tilde ⁇ y ⁇ (k + 1
  • control unit 30 uses the optimization unit 47 to calculate the current operation amount that satisfies the constraint condition and minimizes the value of the cost function for the section p extending from the present to the future.
  • the notation of the dead time d t of the operation amount u (kd t ) is omitted.
  • the manipulated variable u one cycle ahead in the future section can be expressed as the following equation (5) by the manipulated variable variation ⁇ u.
  • i is an index expressing the time of the future section.
  • the index i is added to the expressions (2), (3), and (4), and the following expressions (6), (7), and (8) ).
  • control unit 30 uses these expressions (5) to (8) to satisfy the constraint condition of the following expression (9) and minimize the value of the cost function J of the following expression (10).
  • An input string of the change amount ⁇ u is calculated by the following equation (11).
  • p is a future interval considering the prediction.
  • m is a future section that takes into account changes in the manipulated variable, and p ⁇ m.
  • p is 100 and m is 1.
  • Q, R ⁇ u, and R u are weight matrices.
  • the first term of the equation (10) is an operation for bringing the control amount y closer to the target value r, and Q is a weight of the operation, that is, a target value follow-up parameter.
  • the second term of the equation (10) is an operation for bringing the change amount ⁇ u of the operation amount close to 0, and R ⁇ u is a weight of the operation, that is, an operation amount reduction parameter.
  • R ⁇ u is small, the change amount ⁇ u is large, and when R ⁇ u is large, the change amount ⁇ u is small.
  • the third term of Expression (10) is an operation for bringing the operation amount close to the target operation amount u target .
  • u target is 0.
  • R u is an operation weight for bringing the operation amount close to the target operation amount u target , that is, an operation amount fluctuation width parameter.
  • Optimization solvers that minimize the value of the cost function may use meta-heuristic numerical methods that search for approximate solutions such as genetic algorithms (GA) and particle swarm optimization (PSO). it can.
  • GA genetic algorithms
  • PSO particle swarm optimization
  • a KWIK algorithm for solving a quadratic programming problem is used.
  • step S15 the control signal generation unit 48 generates a signal for controlling the rotation of the cooling fan 12a from the current operation amount u (k) obtained by the optimization unit 47.
  • the prediction model that predicts the temperature of the heat generating component from the fan rotation speed, the intake air temperature, and the power consumption is used, and the optimum in consideration of the influence of the intake air temperature and the power consumption from the present to the future is considered.
  • a simple operation amount u (k) is calculated. Then, by controlling the cooling fan unit 12 using the operation amount u (k), the power consumed by the cooling fan unit 12 can be reduced while appropriately cooling the heat generating components.
  • cooling fan unit 12 cooling fan 12a
  • the cooling fan unit 12 was controlled so as to maintain the CPU temperature at 90 ° C. or lower while operating the computer 14 so that the CPU usage rate alternately changed between 60% and 50% every 600 seconds.
  • FIG. 8A shows a change in CPU temperature with time when the cooling fan 12a is controlled according to the comparative example.
  • the CPU temperature is maintained at 90 ° C. or lower.
  • the CPU temperature may be about 80 ° C., which is overcooling. That is, in the comparative example, the control of the rotation speed of the cooling fan 12a is not sufficiently optimized, and power is wasted.
  • FIG. 8B shows a change in CPU temperature over time when the cooling fan unit 12 is controlled according to this embodiment.
  • the CPU temperature can be maintained at 90 ° C. or lower, and the CPU temperature hardly changes even when the operating state of the CPU changes. Is maintained. From this, it can be seen that the cooling fan unit 12 can always be appropriately controlled in the embodiment.
  • FIG. 9 shows the power consumption of the cooling fan unit 12 when the cooling fan unit 12 is controlled according to the embodiment and the comparative example. It is a figure showing the result.
  • the manipulated variable u (k) is calculated from the difference between the intake side temperature T front (k) and the exhaust side temperature T back (k) of the rack 13 as shown in Expression (13). This is power consumption in the case of FF control.
  • Comparative Example 2 shows power consumption when the cooling fan unit 12 is PI (proportional integral) controlled based on the difference between the air temperature on the rack intake surface side and the air temperature on the exhaust surface side.
  • the power consumption was about 2.17 kW, while in Comparative Example 1, the power consumption was about 2.64 kW, and in Comparative Example 2, the power consumption was about 2.71 kW. That is, in this embodiment, the power consumption can be reduced by a little less than 20% compared to Comparative Examples 1 and 2.
  • FIG. 10 is a block diagram of a temperature management system according to the second embodiment.
  • FIG. 11 is a functional block diagram illustrating the configuration of the control unit of the temperature management system according to the second embodiment. 10 and 11, the same components as those in FIGS. 4 and 5 are denoted by the same reference numerals, and detailed description thereof is omitted.
  • the temperature management system of this embodiment is basically the same as that of the first embodiment except that the power consumption sensor 34 (see FIG. 4) is not provided. Further, as can be seen from FIG. 11, the control unit 30a of the temperature management system of the present embodiment does not have the high-level power consumption calculation unit 43 (see FIG. 5) described in the first embodiment, and a power consumption disturbance model. A unit 51 and a state estimation unit 52 are provided.
  • high-level power consumption is treated as an unobservable disturbance
  • a disturbance model that expresses a change in power consumption from a change in high-level temperature is set in the disturbance model unit 51.
  • the state estimation unit 52 estimates the operating state of the CPU using the prediction model and the disturbance model.
  • FIG. 12 is a flowchart showing the operation of the temperature management system according to the present embodiment.
  • step S21 the control unit 30a acquires the CPU temperature data of each computer 14 from the temperature sensor 32, and acquires the temperature of the air on the intake surface side of the rack 13 from the temperature sensor 33.
  • step S22 the control unit 30a determines the high level temperature and the intake air temperature.
  • the high level temperature calculation unit 41 extracts the highest temperature from the CPU temperatures detected by the temperature sensor 32 and sets it as the high level temperature.
  • the average temperature calculator 42 calculates the average value of the air temperature on the intake surface side of the rack 13 acquired from the temperature sensor 33, and sets the average value as the intake air temperature.
  • step S23 the control unit 30a acquires from the parameter setting unit 31 a CPU temperature target value, a target value follow-up parameter, an operation amount reduction parameter, and an operation amount fluctuation range parameter.
  • step S24 the control unit 30a calculates the current operation amount that satisfies the constraint condition and minimizes the value of the cost function for a predetermined section extending from the present to the future.
  • the CPU temperature prediction model unit 44 uses the prediction model and the disturbance model, and manipulates the cooling fan 12a (rotation speed command value) u (k), intake air temperature v 1 (k), and high level consumption.
  • the CPU temperature is predicted from the power v 2 (k).
  • the prediction model is expressed by the above formula (1).
  • y ′ (k + 1) is a future CPU temperature one cycle ahead.
  • the state space model represented by the above-described equations (2) and (3) is used.
  • the disturbance model set in the power consumption disturbance model unit 51 is expressed by the equations (14) and (15).
  • the high-level power consumption d (k) is a random step-like disturbance, and the integrated output is output. It is a model.
  • k) is a state variable of the unobservable disturbance d (k).
  • the state estimation unit 52 converts the state variable x (k
  • k) is a state variable of the predicted model after compensation
  • k) is a state variable of the disturbance model after compensation.
  • M is a Kalman gain designed by a Kalman filter, which is a two-dimensional vector.
  • the correction unit 45 based on the available information obtained up to time k obtained from the equations (17) and (18), the CPU temperature predicted value hat ⁇ y ⁇ (k + 1
  • the optimization unit 47 calculates a current operation amount that satisfies the constraint condition and minimizes the value of the cost function for the section p from the present to the future.
  • the notation of the dead time d t of the operation amount u (kd t ) is omitted.
  • the operation amount u one cycle ahead of the future section can be expressed as the above-described equation (5) by the operation amount change ⁇ u.
  • the formula (17) and the formula (18) are used as a prediction model, the index i is added to the correction unit of the formula (4), and the following formulas (20) and (21 ) And Expression (22).
  • control unit 30a satisfies the constraint condition of the expression (9) and minimizes the value of the cost function J of the expression (10) by using these expressions (5) and (20) to (22).
  • An input string of the manipulated variable variation ⁇ u to be calculated is calculated by Expression (11).
  • step S25 the control signal unit 48 generates a signal for controlling the rotation of the cooling fan 12a from the current operation amount u (k) obtained by the optimization unit 47.
  • the prediction model that predicts the temperature of the heat generating component from the fan rotation speed, the intake air temperature, and the power consumption is used, and the optimum considering the influence of the intake air temperature and the power consumption from the present to the future is considered. Calculate the amount of manipulation. Then, by controlling the cooling fan unit 12 using the operation amount u (k), the power consumed by the cooling fan unit 12 can be reduced while appropriately cooling the heat generating components.
  • FIG. 13 is a block diagram of a temperature management system according to the third embodiment.
  • FIG. 14 is a functional block diagram illustrating the configuration of the control unit of the temperature management system according to the third embodiment. 13 and 14, the same components as those in FIGS. 4 and 5 are denoted by the same reference numerals, and detailed description thereof is omitted.
  • the temperature management system of the present embodiment includes a differential pressure sensor 35 that detects a differential pressure before and after the rack 13. Further, as can be seen from FIG. 13, in the control unit 30 b of the temperature management system of this embodiment, a signal output from the differential pressure sensor 35 is input to the CPU temperature prediction model unit 44.
  • the differential pressure sensor 35 is an example of a pressure difference detection unit.
  • FIG. 15 is a flowchart showing the operation of the temperature management system according to the present embodiment.
  • step S31 the control unit 30b acquires CPU temperature data of each computer 14 from the temperature sensor 32, and acquires temperature data of air on the intake surface side of the rack 13 from the temperature sensor 33. Further, the control unit 330b acquires the power consumption data of each computer 14 from the power consumption sensor 34, and the differential pressure from the differential pressure sensor 35 (difference between the pressure on the intake surface side and the pressure on the exhaust surface side of the rack 13). Get the data.
  • step S32 the control unit 30b determines the high level temperature, the intake air temperature, and the high level power consumption.
  • the high level temperature calculation unit 41 extracts the highest temperature from the CPU temperatures detected by the temperature sensor 32 and sets it as the high level temperature.
  • the average temperature calculator 42 calculates the average value of the air temperature on the intake surface side of the rack 13 acquired from the temperature sensor 33, and sets the average value as the intake air temperature.
  • the high level power consumption calculation unit 43 extracts the largest power consumption from the power consumption of each computer 14 detected by the power consumption sensor 34 and sets it as the high level power consumption.
  • step S33 the control unit 30b obtains a CPU temperature target value, a target follow-up parameter, an operation amount reduction parameter, and an operation amount fluctuation range parameter from the parameter setting unit 31.
  • step S34 the control unit 30b calculates the current operation amount that satisfies the constraint condition and minimizes the value of the cost function for a predetermined section extending from the present to the future.
  • the CPU temperature prediction model unit 44 uses the prediction model, and operates the cooling fan 12a by operating amount (rotation speed command value) u (k), intake air temperature v 1 (k), high level power consumption v 2 (k ) And the differential pressure v 3 (k) before and after the rack 14, the CPU temperature is predicted.
  • the prediction model is expressed by the following equation (23).
  • y (k + 1) is the future CPU temperature one cycle ahead. Also in this embodiment, one period is set to 1 second.
  • a state space model represented by the following expressions (24) and (25) is used.
  • k) is called a state function.
  • v (k) [v 1 (k), v 2 (k), v 3 (k)] T.
  • A is an n ⁇ n matrix
  • B u is an n-dimensional vector
  • B v is an n ⁇ 2 matrix
  • C is a scalar.
  • B u , B v , and C can be obtained by conducting an experiment in advance and identifying the system.
  • the correction unit 45 corrects the CPU temperature predicted value tilde ⁇ y ⁇ (k + 1
  • the optimization unit 47 calculates a current operation amount that satisfies the constraint condition and minimizes the value of the cost function for the section p from the present to the future.
  • the notation of the dead time d t of the operation amount u (kd t ) is omitted.
  • the operation amount u one cycle ahead of the future section can be expressed as the above-described equation (5) by the operation amount change ⁇ u.
  • the index i is added to the expressions (2), (3), and (4), and the expressions (6), (7), and (8) are added. Express like this.
  • control unit 30b uses these equations (5) to (8) to satisfy the constraint condition of equation (9) and change the manipulated variable that minimizes the value of the cost function J of equation (10).
  • the input sequence of the quantity ⁇ u is calculated by the equation (11).
  • step S35 the control signal generation unit 48 generates a signal for controlling the rotation of the cooling fan 12a from the current operation amount u (k) obtained by the optimization unit 47.
  • the optimum operation amount u (k) is calculated from the fan rotation speed, the intake air temperature, the power consumption, and the differential pressure between the intake surface side and the exhaust surface side of the rack 13. Then, by controlling the cooling fan unit 12 using the operation amount u (k), the power consumed by the cooling fan unit 12 can be reduced while appropriately cooling the heat generating components.
  • the operation amount of the cooling fan unit 12 is determined in consideration of the change in the differential pressure before and after the rack 14, an optimum operation amount including the influence of filter clogging and the like can be obtained.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Thermal Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Remote Sensing (AREA)
  • Cooling Or The Like Of Electrical Apparatus (AREA)

Abstract

　本発明の温度管理システムは、電子機器１４内の発熱部品１４ａの温度を検出する第１の温度検出部３２と、電子機器１４内にエアーを通流させて発熱部品１４ａを冷却する冷却装置１２と、電子機器１４に流入するエアーの温度を検出する第２の温度検出部３３と、発熱部品１４ａの温度の目標値が設定されるパラメータ設定部３１と、制御部３０とを有する。制御部３０は、第１の温度検出部３２及び第２の温度検出部３３の出力と電子機器１４の消費電力とに基づいて発熱部品１４ａの将来の温度の予測値を演算し、予測値と目標値とに基づいて冷却装置１２の操作量を決定する。

Description

温度管理システム
　本発明は、温度管理システムに関する。
　近年、高度情報化社会の到来にともなって計算機で多量のデータが扱われるようになり、データセンター等の施設において多数の計算機を同一室内に設置して一括管理することが多くなっている。例えば、データセンターでは、計算機室内に多数のラック（サーバラック）を設置し、各ラック内にそれぞれ複数の計算機（サーバ）を収納している。そして、それらの計算機の稼動状態に応じて各計算機にジョブを有機的に配分し、大量のジョブを効率的に処理している。
　ところで、計算機は稼働にともなって多量の熱を発生する。計算機内の温度が高くなると誤動作や故障又は性能低下の原因となるため、冷却ファンを使用してラック内に冷気を取り込み、計算機内で発生した熱をラックの外に排出している。
　一方、データセンターでは多量の電力を消費しており、省エネルギーの観点から消費電力の削減が要求されている。計算機の熱による故障や誤動作を防止するために、冷却ファンを常に最大回転数で回転させることも考えられる。しかし、データセンターには多数の冷却ファンが設置されているので、それらの冷却ファンを常に最大回転数で回転させると消費電力が増大し、消費電力の削減が達成できなくなる。
　従って、データセンター等の施設で消費する電力を削減するためには、計算機の稼働状態に応じて、冷却設備を効率的に稼働させることが重要となる。
特開２０１１－２５７１１６号公報 特開２００２－２６８７７５号公報
　外気温の変化や発熱部品の稼働状態の変化を予測して冷却装置を適切に制御することにより、従来に比べてより一層の省電力化を達成できる温度管理システムを提供することを目的とする。
　開示の技術の一観点によれば、電子機器内の発熱部品の温度を検出する第１の温度検出部と、前記電子機器内にエアーを通流させて前記発熱部品を冷却する冷却装置と、前記電子機器に流入するエアーの温度を検出する第２の温度検出部と、前記発熱部品の温度の目標値が設定されるパラメータ設定部と、前記第１の温度検出部及び前記第２の温度検出部の出力と前記電子機器の消費電力とに基づいて前記発熱部品の将来の温度の予測値を演算し、前記予測値と前記目標値とに基づいて前記冷却装置の操作量を決定する制御部とを有する温度管理システムが提供される。
　上記一観点に係る温度管理システムによれば、発熱部品の将来の温度の予測値を演算し、予測値と目標値とに基づいて冷却装置の操作量を決定するので、冷却装置を無駄なく稼働させることができ、消費電力を削減できる。
図１は、第１の実施形態に係る温度管理システムが適用されるデータセンターの一例を示す模式上面図である。 図２は、第１の実施形態に係る温度管理システムが適用されるデータセンターの一例を示す模式側面図である。 図３は、気化式冷却装置を介してコンテナ内に外気を導入したときのエアーの流れを示す模式上面図である。 図４は、第１の実施形態に係る温度管理システムのブロック図である。 図５は、第１の実施形態に係る温度管理システムの制御部の構成を説明する機能ブロック図である。 図６は、第１の実施形態に係る温度管理システムの動作を示すフローチャートである。 図７は、予測モデルを表した模式図である。 図８は、比較例及び実施形態による消費電力の経時変化を示す図である。 図９は、実施形態及び比較例による消費電力を示す図である。 図１０は、第２の実施形態に係る温度管理システムのブロック図である。 図１１は、第２の実施形態に係る温度管理システムの制御部の構成を説明する機能ブロック図である。 図１２は、第２の実施形態に係る温度管理システムの動作を示すフローチャートである。 図１３は、第３の実施形態に係る温度管理システムのブロック図である。 図１４は、第３の実施形態に係る温度管理システムの制御部の構成を説明する機能ブロック図である。 図１５は、第３の実施形態に係る温度管理システムの動作を示すフローチャートである。
　以下、実施形態について説明する前に、実施形態の理解を容易にするための予備的事項について説明する。
　前述したように、データセンター等の施設で消費する電力を削減するためには、計算機の稼働状態に応じて冷却設備を効率的に稼働させることが重要である。
　そのために、例えば、温度センサを用いてＣＰＵ（Central Processing Unit）等の発熱量が大きい部品（以下、「発熱部品」という）の温度を検出し、発熱部品の温度が設定温度以下になるように冷却ファンの回転を制御する制御方法が採用されることがある。また、温度センサを用いてラックの前後のエアーの温度差を検出し、その温度差が設定温度以下となるように冷却ファンの回転数を制御する制御方法が採用されることもある。
　上述の制御方法では、外気温の緩慢な変化や、発熱部品の稼働状態の急激な変化の影響は考慮されていない。そのため、外気温の変化や発熱部品の稼働状態の変化が制御量に影響し、その影響を打ち消すようにフィードバック制御がなされる。
　しかし、フィードバック制御では、ラックの前後のエアーの温度差が変化してから、又は発熱部品の稼働状態が変化してから制御量を変化させるので、温度差の変化や発熱部品の稼働状態の変化に適切に追従することができない。そのため、計算機の温度が設定温度を超えないように過剰な冷却が行われて、電力を無駄に消費することがある。
　外気温の変化や発熱部品の稼働状態の変化はシステム全体に与える影響が大きい。そのため、より一層の省電力化を実現するには、外気温の変化や発熱部品の稼働状態の変化の将来にわたる影響を考慮した適切な対応が要求される。
　以下の実施形態では、外気温の変化や発熱部品の稼働状態の変化を予測して冷却装置を適切に制御することにより、従来に比べてより一層の省電力化を達成できる温度管理システムについて説明する。
　（第１の実施形態）
　図１は第１の実施形態に係る温度管理システムが適用されるデータセンターの一例を示す模式上面図、図２は同じくそのデータセンターの模式側面図である。なお、本実施形態では、外気を利用して計算機（サーバ）を冷却するモジュール型データセンターを例として説明している。
　図１，図２に例示したモジュール型データセンターは、直方体形状のコンテナ（構造物）１０と、コンテナ１０内に配置された冷却ファンユニット１２と、複数のラック１３とを有する。各ラック１３には、それぞれ複数の計算機１４が収納されている。また、冷却ファンユニット１２には複数の冷却ファン１２ａが設けられている。
　コンテナ１０の相互に対向する２つの壁面のうちの一方には吸気口１１ａが設けられており、他方には排気口１１ｂが設けられている。また、冷却ファンユニット１２とラック１３との間の空間の上には仕切り板１５が配置されている。
　コンテナ１０内の空間は、冷却ファンユニット１２、ラック１３及び仕切り板１５により、外気導入部２１、コールドアイル２２、ホットアイル２３及び暖気循環路２４に分割されている。外気導入部２１は吸気口１１ａと冷却ファンユニット１２との間の空間であり、コールドアイル２２は冷却ファンユニット１２とラック１３との間の空間であり、ホットアイル２３はラック１３と排気口１１ｂとの間の空間である。
　ラック１３は、コールドアイル２２側の面が吸気面、ホットアイル２３側の面が排気面となるように配置される。
　暖気循環路２４はラック１３及び仕切り板１５の上方の空間であり、ホットアイル２３と外気導入部２１との間を連絡している。暖気循環路２４には、暖気の循環量を調整するためのダンパー１７が設けられている。
　図１，図２に例示したモジュール型データセンターでは、外気導入部２１に、外気温が高いときに水の気化熱を利用して外部導入部２１に導入するエアーの温度を下げる気化式冷却装置１６が設けられている。
　このようなモジュール型データセンターにおいて、冷却ファンユニット１２の冷却ファン１２ａが回転し、吸気口１１ａを介して外気導入部２１にエアー（外気）が導入される。そして、外気導入部２１内に導入されたエアーは、冷却ファンユニット１２を介してコールドアイル２２に移動し、更にラック１３の吸気面からラック１３内に入って各計算機１４を冷却する。
　計算機１４を冷却することにより温度が上昇したエアー（暖気）は、ラック１３の排気面からホットアイル２３に排出され、排気口１１ｂから屋外に排出される。
　外気温が高いときにはダンパー１７を閉状態とし、ホットアイル２３から外気導入部２１に暖気が移動しないようにする。外気温が更に高いときには気化式冷却装置１６に水を供給し、図３に示すように気化式冷却装置１６を介して外気導入部２１内に外気を導入する。外気が気化式冷却装置１６を通過する際に水が気化して気化熱を奪うため、外気導入部２１には外気温よりも低温のエアーが導入される。
　一方、外気温が低く、ラック１３内に導入されるエアーの温度が予め設定された許容下限温度よりも低くなるおそれがあるときには、ダンパー１７を開状態とする。これにより、ホットアイル２３から暖気循環路２４を介して外気導入部２１に暖気の一部が戻り、ラック１３内に導入されるエアーの温度が上昇する。
　図４は、本実施形態に係る温度管理システムのブロック図である。
　本実施形態に係る温度管理システムは、温度センサ３２と、消費電力センサ３４と、温度センサ３３と、制御部３０と、パラメータ設定部３１と、冷却ファンユニット１２とを有する。
　温度センサ３２は、ＣＰＵ１４ａと同一チップ内に形成されており、計算機１４内に設けられた通信器（図示せず）を介してＣＰＵ１４ａの温度を制御部３０に伝達する。
　本実施形態では、制御部３０と計算機１４との間の信号の送受信は、ＵＤＰ（User Datagram Protocol）通信を介して行うものとする。但し、制御部３０と計算機１４との間の通信はＵＤＰ通信に限定するものではない。また、本実施形態では、温度センサ３２としてＣＰＵ１４ａと同一チップ内に配置された温度センサを使用しているが、ＣＰＵ１４ａのパッケージに密着して配置した温度センサを使用してもよい。
　温度センサ３３はラック１３の吸気面側に配置されて、ラック１３内に供給されるエアーの温度を検出する。ラック１３の吸気面側に複数の温度センサ３３が配置されていてもよい。消費電力センサ３４は各計算機１４の消費電力を検出する。これらの温度センサ３３及び消費電力センサ３４の出力も、制御部３０に伝達される。
　制御部３０は、例えばマイクロコンピュータ、ＦＰＧＡ（Field-Programmable Gate Array）又はＰＬＣ（Programmable logic controller）等を含んで構成される。ラック１３内の特定の計算機１４に専用プログラムを読み込ませ、制御部３０として使用してもよい。
　パラメータ設定部３１には制御に必要なパラメータが設定される。本実施形態においてパラメータ設定部３１に設定されるパラメータは、ＣＰＵ温度の目標値、目標値追従パラメータ、操作量低減パラメータ、及び操作量変動幅パラメータである。これらのパラメータについては後述する。
　制御部３０は、温度センサ３２，３３の出力、消費電力センサ３４の出力及びパラメータ設定部３１に設定されたパラメータに応じて操作量を決定し、その操作量に基づいて冷却ファンユニット１２を制御する。
　温度センサ３２は第１の温度検出部の一例であり、温度センサ３３は第２の温度検出部の一例である。また、ＣＰＵ１４ａは発熱部品の一例であり、冷却ファンユニット１２は冷却装置の一例である。
　図５は、制御部３０の構成を説明する機能ブロック図である。図５のように、制御部３０は、高水準温度演算部４１と、平均温度演算部４２と、高水準消費電力演算部４３と、ＣＰＵ温度予測モデル部４４と、補正部４５と、コスト関数部４６と、最適化部４７と、制御信号生成部４８とを有する。
　高水準温度演算部４１は、各計算機１４のＣＰＵ温度のデータを温度センサ３２から取得し、評価対象とする高水準温度を決定して、コスト関数部４６及び補正部４５に出力する。本実施形態では、温度センサ３２から取得したＣＰＵ温度のうち最も高温のＣＰＵ温度を高水準温度とする。
　平均温度演算部４２は、ラック１３に供給されるエアーの温度のデータを温度センサ３３から取得する。そして、その平均値（以下、「吸気エアー温度」という）を演算し、演算結果をＣＰＵ温度予測モデル４４に出力する。
　高水準消費電力演算部４３は、各計算機１４の消費電力のデータを消費電力センサ３４から取得し、それらのデータのうちから評価対象とする高水準消費電力を決定して、ＣＰＵ温度予測モデル部４４に出力する。本実施形態では、消費電力センサ３４から取得した各計算機１４の消費電力のうち最も大きい消費電力を高水準消費電力とする。
　ＣＰＵ温度予測モデル部４４は、予測モデルを用いて、吸気エアー温度と、高水準消費電力と、冷却ファン１２ａの操作量とから、将来のＣＰＵ温度を予測する。補正部４５は、温度予測モデル部４４で予測したＣＰＵ温度（以下、「予測ＣＰＵ温度」という）を、過去のデータを用いて補正する。
　コスト関数部４６にはコスト関数が設定されており、予測ＣＰＵ温度とＣＰＵ温度の目標値との偏差と、操作量の変動幅と、操作量の大きさとをそれぞれ重み付けしてコストを算出する。
　最適化部４７は、予め設定された制約条件を満たし、且つコストを最小とする操作量を、最適化アルゴリズムに基づいて計算する。
　制御信号生成部４８は、最適化部４７で求めた操作量に基づいて冷却ファンユニット１２を制御するためのパルス信号を生成する。
　図６は、本実施形態に係る温度管理システムの動作を示すフローチャートである。制御部３０は、一定の周期（制御周期）毎に、図６に示す一連の処理を実行する。
　なお、以下の説明において、文中のtilde{ｙ}、bar{Ａ}及びhat{ｘ}等の表記は、数式中において表１のように表記している。
Figure JPOXMLDOC01-appb-T000001
　まず、ステップＳ１１において、制御部３０は、温度センサ３２から各計算機１４のＣＰＵ温度のデータを取得する。また、制御部３０は、温度センサ３３からラック１３の吸気面側のエアーの温度のデータを取得し、消費電力センサ３４から各計算機１４の消費電力のデータを取得する。
　次に、ステップＳ１２に移行し、制御部３０は、高水準温度、吸気エアー温度、及び高水準消費電力を決定する。
　すなわち、高水準温度演算部４１は、温度センサ３２で検出したＣＰＵ温度のうちから最も高い温度を抽出し、高水準温度とする。また、平均温度演算部４２は、温度センサ３３から取得したラック１３の吸気面側のエアーの温度の平均値を演算し、その平均値を吸気エアー温度とする。更に、高水準消費電力演算部４３は、消費電力センサ３４により検出した各計算機１４の消費電力のうちから最も大きな消費電力を抽出し、高水準消費電力とする。
　次に、ステップＳ１３に移行し、制御部３０は、パラメータ設定部３１から、ＣＰＵ温度の目標値と、目標値追従パラメータと、操作量低減パラメータと、操作量変動幅パラメータとを取得する。ＣＰＵ温度の目標値はＣＰＵ１４ａの許容上限温度よりも低い温度であればよく、例えば９０℃に設定される。
　目標値追従パラメータは、後述するコスト関数の値を目標値に近づけるための重み付けパラメータである。また、操作量低減パラメータは、コスト関数の操作量の大きさを０に近づけるための重み付けパラメータである。更に、操作量変動幅パラメータは、コスト関数の操作量の変動幅を小さくするための重み付けパラメータである。
　次に、ステップＳ１４に移行し、制御部３０は、現在から将来にわたる所定の区間について、制約条件を満たし、コスト関数の値を最小とする現在の操作量を計算する。
　すなわち、ＣＰＵ温度予測モデル部４４は、予測モデルを使用し、冷却ファン１２ａの操作量（回転数指令値）ｕ(k)、吸気エアー温度ｖ1(k)、及び高水準消費電力ｖ2(k)から、ＣＰＵ温度を予測する。ここで、ｋは現在の周期を示す。
　予測モデルは、図７に模式的に示すように、高水準消費電力ｖ2(k)と、吸気エアー温度ｖ1(k)と、冷却ファン１２ａの操作量ｕ(k)とから、将来のＣＰＵ温度（発熱部品の温度）の最大値を予測するものである。この予測モデルでは、計算機１４の稼働状態の変化の影響を高水準消費電力に取り込み、外気温の変化の影響を吸気エアー温度に取り込んでいる。
　予測モデルは、下記式（１）で表現される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｙ(k+1)は１周期先の将来のＣＰＵ温度である。本実施形態では、１周期を１秒としている。また、本実施形態では、下記式（２）及び式（３）で表わされる状態空間モデルを用いる。
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　ｎ次元ベクトルのｘ(k+1|k)は状態変数と呼ばれる。また、ｖ(k)＝[ｖ1(k),ｖ2(k)]Tである。更に、Ａはｎ×ｎの行列、Ｂuはｎ次元ベクトル、Ｂvはｎ×２の行列、Ｃはスカラである。Ａ、Ｂu、Ｂv、及びＣは、事前に実験を行ってシステム同定することにより求まる。
　システム同定の手法としては、予測誤差法や部分空間同定法などがある。また、Ａ、Ｂu、Ｂv及びＣは、ＣＰＵ温度の動的特性を表現する物理モデルの微分方程式が導出できる場合、微分方程式の線形化（テーラー展開）を行うことで導出することも可能である。
　ｎはモデルの次数ｎdと冷却ファン１２ａの回転数のむだ時間（dead time）ｄtとで決まり、ｎ＝ｎd＋ｄtである。本実施形態では、むだ時間ｄtを１２秒とする。
　なお、本実施形態では、状態空間モデルを用いているが、モデルの表現方法は重回帰式モデルであってもよいし、マップ関数のようなデータであってもよい。
　次に、補正部４５では、ｋ時点までの利用可能情報に基づいて、ｋ＋１の時点におけるＣＰＵ温度予測値tilde{ｙ}(k+1|k)を補正する、すなわち、tilde{ｙ}(k+1|k)を、１周期前（過去）の実測値ｙreal(k)と１周期前の予測値ｙ(k|k-1)との差を用いて、下記式（４）のように補正する。
Figure JPOXMLDOC01-appb-M000005
　次に、制御部３０は、最適化部４７を用いて、現在から将来にわたる区間ｐについて、制約条件を満足し、且つコスト関数の値を最小にする現在の操作量を計算する。以下、説明を簡単にするために、操作量ｕ(k-dt)のむだ時間ｄtの表記を省略する。
　将来区間の１周期先の操作量ｕは、操作量の変化量Δｕによって下記式（５）のように表現できる。
Figure JPOXMLDOC01-appb-M000006
　ここで、ｉは将来区間の時刻を表現するインデックスである。将来区間の予測値ｙを評価するために、式（２）、式（３）、及び式（４）にインデックスｉを追加して、下記式（６）、式（７）、及び式（８）のように表現する。
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
Figure JPOXMLDOC01-appb-M000009
　次いで、制御部３０は、これらの式（５）～式（８）を用いて、下記式（９）の制約条件を満たし、下記式（１０）のコスト関数Ｊの値を最小とする操作量の変化量Δｕの入力列を、下記式（１１）により計算する。
Figure JPOXMLDOC01-appb-M000010
Figure JPOXMLDOC01-appb-M000011
Figure JPOXMLDOC01-appb-M000012
　ここで、ｐは予測を考慮する将来区間である。また、ｍは操作量の変化を考慮する将来区間であり、ｐ≧ｍである。本実施形態では、ｐは１００、ｍは１とする。
　更に、Ｑ，ＲΔｕ，Ｒuは重み行列である。式（１０）の第一項は、制御量ｙを目標値ｒに近づける操作であり、Ｑはその操作の重み、すなわち目標値追従パラメータである。
　式（１０）の第二項は、操作量の変化量Δｕを０に近づける操作であり、ＲΔｕはその操作の重み、すなわち操作量低減パラメータである。ＲΔｕが小さいと変化量Δｕは大きく、ＲΔｕが大きいと変化量Δｕは小さくなる。
　式（１０）の第三項は、操作量を目標操作量ｕtargetに近づける操作である。本実施形態では、ｕtargetは０とする。Ｒuは操作量を目標操作量ｕtargetに近づける操作の重み、すなわち操作量変動幅パラメータである。
　式（１１）によって、式（１０）のコスト関数Ｊ（ｋ）の値を最小とする最適入力列{Δｕopt(k|k),...,Δｕopt(m-1+k|k)}が求まる。
　次に、式（１１）より求まった最適入力列の先頭要素Δｕopt(k|k)を抽出し、下記式（１２）により現在の操作量ｕ(k)を計算する。
Figure JPOXMLDOC01-appb-M000013
　コスト関数の値を最小にする最適化ソルバーは、遺伝的アルゴリズム（ＧＡ:Genetic Algorithm）や粒子群最適化（ＰＳＯ：Particle Swarm Optimization）などの近似解を探索するメタヒューリスティックな数値解法を用いることもできる。本実施形態では、２次計画問題を解くためのＫＷＩＫアルゴリズムを用いる。
　このようにして現在の操作量ｕ(k)を計算した後、ステップＳ１５に移行する。ステップＳ１５において、制御信号生成部４８は、最適化部４７で得た現在の操作量ｕ(k)から冷却ファン１２ａの回転を制御するための信号を生成する。
　本実施形態では、上述したようにファン回転数と吸気エアー温度と消費電力とから発熱部品の温度を予測する予測モデルを用いて、吸気エアー温度及び消費電力の現在から将来にわたる影響を考慮した最適な操作量ｕ(k)を計算する。そして、その操作量ｕ(k)を用いて冷却ファンユニット１２を制御することにより、発熱部品を適切に冷却しつつ、冷却ファンユニット１２で消費する電力を削減できる。
　以下、実施形態に開示した方法により冷却ファンユニット１２（冷却ファン１２ａ）を制御したときのＣＰＵ温度を調べた結果について、比較例と比較して説明する。ここでは、ＣＰＵ使用率が６００秒毎に６０％と５０％とに交互に変化するように計算機１４を稼働させながら、ＣＰＵ温度を９０℃以下に維持するように冷却ファンユニット１２を制御した。
　比較例は、ラック１３の吸気側温度Ｔfront(k)と排気側温度Ｔback(k)との差から、下記式（１３）に示すように操作量ｕ(k)を計算するフィードフォワード制御（以下、「ＦＦ制御」という）である。
Figure JPOXMLDOC01-appb-M000014
　図８（ａ）は、比較例により冷却ファン１２ａを制御した場合のＣＰＵ温度の経時的変化を表している。この図８（ａ）からわかるように、比較例では、ＣＰＵ温度を９０℃以下に維持しているが、ＣＰＵ温度が約８０℃になることもあり、過冷却となっている。すなわち、比較例では冷却ファン１２ａの回転数の制御が十分に最適化されてなく、電力を無駄に消費している。
　図８（ｂ）は、本実施形態により冷却ファンユニット１２を制御した場合のＣＰＵ温度の経時的変化を表している。この図８（ｂ）からわかるように、本実施形態では、ＣＰＵ温度を９０℃以下に維持できることは勿論、ＣＰＵの稼働状態が変化してもＣＰＵ温度は殆ど変化することなく、約８８℃前後に維持されている。このことから、実施形態では冷却ファンユニット１２を常に適切に制御できていることがわかる
　図９は、実施形態及び比較例により冷却ファンユニット１２を制御したときの冷却ファンユニット１２の消費電力を調べた結果を表わした図である。ここで、比較例１は、ラック１３の吸気側温度Ｔfront(k)と排気側温度Ｔback(k)との差から、式（１３）に示すように操作量ｕ(k)を計算するＦＦ制御の場合の消費電力である。また、比較例２は、ラック吸気面側のエアーの温度と排気面側のエアーの温度との差に基づいて冷却ファンユニット１２をＰＩ（比例積分）制御した場合の消費電力である。
　図９からわかるように、実施形態では消費電力が約２．１７ｋＷであるのに対し、比較例１では消費電力が約２．６４ｋＷ、比較例２では消費電力が約２．７１ｋＷであった。すなわち、本実施形態では、比較例１，２に比べて消費電力を２０％弱削減することができた。
　（第２の実施形態）
　図１０は、第２の実施形態に係る温度管理システムのブロック図である。また、図１１は、第２の実施形態に係る温度管理システムの制御部の構成を説明する機能ブロック図である。なお、図１０，図１１において、図４，図５と同一物には同一符号を付して、その詳細な説明は省略する。
　図１０からわかるように、本実施形態の温度管理システムは、消費電力センサ３４（図４参照）がないことを除けば第１の実施形態と基本的に同じである。また、図１１からわかるように、本実施形態の温度管理システムの制御部３０ａには、第１の実施形態で説明した高水準消費電力演算部４３（図５参照）がなく、消費電力外乱モデル部５１及び状態推定部５２が設けられている。
　本実施形態では、高水準消費電力を不可観測外乱として扱い、外乱モデル部５１に高水準温度の変化から消費電力の変化を表現する外乱モデルを設定している。状態推定部５２は、予測モデルと外乱モデルとを使用して、ＣＰＵの稼働状態を推定する。
　図１２は、本実施形態に係る温度管理システムの動作を示すフローチャートである。
　まず、ステップＳ２１において、制御部３０ａは、温度センサ３２から各計算機１４のＣＰＵ温度のデータを取得し、温度センサ３３からラック１３の吸気面側のエアーの温度を取得する。
　次に、ステップＳ２２に移行し、制御部３０ａは、高水準温度及び吸気エアー温度を決定する。
　すなわち、高水準温度演算部４１は、温度センサ３２で検出したＣＰＵ温度のうちから最も高い温度を抽出し、高水準温度とする。また、平均温度演算部４２は、温度センサ３３から取得したラック１３の吸気面側のエアーの温度の平均値を演算し、その平均値を吸気エアー温度とする。
　次に、ステップＳ２３に移行し、制御部３０ａは、パラメータ設定部３１から、ＣＰＵ温度の目標値と、目標値追従パラメータと、操作量低減パラメータと、操作量変動幅パラメータとを取得する。
　次に、ステップＳ２４に移行し、制御部３０ａは、現在から将来にわたる所定の区間について、制約条件を満たし、コスト関数の値を最小とする現在の操作量を計算する。
　すなわち、ＣＰＵ温度予測モデル部４４は、予測モデルと外乱モデルとを使用し、冷却ファン１２ａの操作量（回転数指令値）ｕ(k)、吸気エアー温度ｖ1(k)、及び高水準消費電力ｖ2(k)から、ＣＰＵ温度を予測する。
　予測モデルは、前述の式（１）で表現される。ｙ'(k+1)は１周期先の将来のＣＰＵ温度である。また、本実施形態においても、前述の式（２）及び式（３）で表わされる状態空間モデルを用いる。
　消費電力外乱モデル部５１に設定される外乱モデルは式（１４），式（１５）で表わされ、高水準消費電力ｄ(k)をランダムなステップ状の外乱とし、積分出力を出力とするモデルである。
Figure JPOXMLDOC01-appb-M000015
Figure JPOXMLDOC01-appb-M000016
　ここで、bar{Ａ}＝１、bar{Ｂ}＝１、bar{Ｃ}＝１であり、ｎd(k)はランダムなノイズである。また、ｘd(k+1|k)は不可観測外乱ｄ(k)の状態変数である。
　状態推定部５２は、予測モデルの状態変数ｘ(k|k)、及び外乱モデルの状態変数ｘd(k+1|k)を、hat{ｘ}(k|k)とhat{ｘ}d(k|k)に置き換える。そして、ＣＰＵ温度の実測値ｙreal(k)の変化から、hat{ｘ}(k|k)とhat{ｘ}d(k|k)とを、次の式（１６）、式（１７）、式（１８）で表わされる状態観測器によってそれぞれ補償する。
Figure JPOXMLDOC01-appb-M000017
Figure JPOXMLDOC01-appb-M000018
Figure JPOXMLDOC01-appb-M000019
　ここで、hat{ｘ}(k+1|k)は補償後の予測モデルの状態変数であり、hat{ｘ}d(k+1|k)は補償後の外乱モデルの状態変数である。また、Ｍはカルマンフィルタによって設計されるカルマンゲインであり、２次元ベクトルである。
　次に、補正部４５では、式（１７）と式（１８）とから求められたｋ時点までの利用可能情報に基づいて、ｋ＋１の時点におけるＣＰＵ温度予測値hat{ｙ}(k+1|k)を補正する。すなわち、hat{ｙ}(k+1|k)を、１周期前（過去）の実測値ｙreal(k)と１周期前の予測値hat{ｙ}(k|k-1)との差を用いて、下記式（１９）のように補正する。
Figure JPOXMLDOC01-appb-M000020
　次に、最適化部４７は、現在から将来にわたる区間ｐについて、制約条件を満足し、且つコスト関数の値を最小にする現在の操作量を計算する。以下、説明を簡単にするために、操作量ｕ(k-dt)のむだ時間ｄtの表記を省略する。
　将来区間の１周期先の操作量ｕは、操作量の変化量Δｕによって前述の式（５）のように表現できる。
　将来区間の予測値ｙを評価するために、式（１７）及び式（１８）を予測モデルとし、式（４）の補正部にインデックスｉを追加して、下記式（２０）、式（２１）、及び式（２２）のように表現する。
Figure JPOXMLDOC01-appb-M000021
Figure JPOXMLDOC01-appb-M000022
Figure JPOXMLDOC01-appb-M000023
　次いで、制御部３０ａは、これらの式（５）及び式（２０）～式（２２）を用いて、式（９）の制約条件を満たし、式（１０）のコスト関数Ｊの値を最小にする操作量の変化量Δｕの入力列を、式（１１）により計算する。
　次に、式（１１）により求まった最適入力列の先頭要素Δｕopt(k|k)を抽出し、現在の操作量を式（１２）により計算する。
　次いで、ステップＳ２５において、制御信号部４８は、最適化部４７で得た現在の操作量ｕ(k)から冷却ファン１２ａの回転を制御するための信号を生成する。
　本実施形態では、上述したようにファン回転数、吸気エアー温度、及び消費電力から発熱部品の温度を予測する予測モデルを用いて、吸気エアー温度及び消費電力の現在から将来にわたる影響を考慮した最適な操作量を計算する。そして、その操作量ｕ(k)を用いて冷却ファンユニット１２を制御することにより、発熱部品を適切に冷却しつつ、冷却ファンユニット１２で消費する電力を削減できる。
　また、本実施形態では、消費電力センサが不要であるので、第１の実施形態に比べてシステムが簡略化されるという利点もある。
　（第３の実施形態）
　図１３は、第３の実施形態に係る温度管理システムのブロック図である。また、図１４は、第３の実施形態に係る温度管理システムの制御部の構成を説明する機能ブロック図である。なお、図１３，図１４において、図４，図５と同一物には同一符号を付して、その詳細な説明は省略する。
　図１３からわかるように、本実施形態の温度管理システムは、ラック１３の前後の差圧を検出する差圧センサ３５を有する。また、図１３からわかるように、本実施形態の温度管理システムの制御部３０ｂでは、差圧センサ３５から出力される信号がＣＰＵ温度予測モデル部４４に入力される。差圧センサ３５は圧力差検出部の一例である。
　図１５は、本実施形態に係る温度管理システムの動作を示すフローチャートである。
　まず、ステップＳ３１において、制御部３０ｂは、温度センサ３２から各計算機１４のＣＰＵ温度のデータを取得し、温度センサ３３からラック１３の吸気面側のエアーの温度のデータを取得する。また、制御部３３０ｂは、消費電力センサ３４から各計算機１４の消費電力のデータを取得し、差圧センサ３５から差圧（ラック１３の吸気面側の圧力と排気面側の圧力との差）のデータを取得する。
　次に、ステップＳ３２に移行し、制御部３０ｂは、高水準温度、吸気エアー温度、及び高水準消費電力を決定する。
　すなわち、高水準温度演算部４１は、温度センサ３２で検出したＣＰＵ温度のうちから最も高い温度を抽出し、高水準温度とする。また、平均温度演算部４２は、温度センサ３３から取得したラック１３の吸気面側のエアーの温度の平均値を演算し、その平均値を吸気エアー温度とする。更に、高水準消費電力演算部４３は、消費電力センサ３４により検出した各計算機１４の消費電力のうちから最も大きな消費電力を抽出し、高水準消費電力とする。
　次に、ステップＳ３３に移行し、制御部３０ｂは、パラメータ設定部３１から、ＣＰＵ温度の目標値と、目標追従パラメータと、操作量低減パラメータと、操作量変動幅パラメータとを取得する。
　次に、ステップＳ３４に移行し、制御部３０ｂは、現在から将来にわたる所定の区間について、制約条件を満たし、コスト関数の値を最小とする現在の操作量を計算する。
　すなわち、ＣＰＵ温度予測モデル部４４は、予測モデルを使用し、冷却ファン１２ａの操作量（回転数指令値）ｕ(k)、吸気エアー温度ｖ1(k)、高水準消費電力ｖ2(k)、及びラック１４の前後の差圧ｖ3(k)から、ＣＰＵ温度を予測する。
　予測モデルは、下記（２３）式で表現される。
Figure JPOXMLDOC01-appb-M000024
　ここで、ｙ(k+1)は１周期先の将来のＣＰＵ温度である。本実施形態においても、１周期を１秒とする。また、本実施形態では、下記式（２４）、式（２５）で表わされる状態空間モデルを使用する。
Figure JPOXMLDOC01-appb-M000025
Figure JPOXMLDOC01-appb-M000026
　ｎ次元のベクトルのｘ(k+1|k)は状態関数と呼ばれる。また、ｖ(k)＝[ｖ1(k),ｖ2(k),ｖ3(k)]Tである。更に、Ａはｎ×ｎの行列、Ｂuはｎ次元ベクトル、Ｂvはｎ×２の行列、Ｃはスカラである。Ａ、Ｂu、Ｂv、及びＣは、事前に実験を行ってシステム同定することにより求まる。
　次に、補正部４５では、式（２４）によって、ｋ時点までの利用可能情報に基づいてｋ＋１時点におけるＣＰＵ温度予測値tilde{ｙ}(k+1|k)を補正する。すなわち、tilde{ｙ}(k+1|k)を、１周期前（過去）の実測値ｙreal(k)と１周期前の予測値ｙ(k|k-1)との差を用いて、式（４）のように補正する。
　次に、最適化部４７は、現在から将来にわたる区間ｐについて、制約条件を満足し、且つコスト関数の値を最小にする現在の操作量を計算する。以下、説明を簡単にするために、操作量ｕ(k-dt)のむだ時間ｄtの表記を省略する。
　将来区間の１周期先の操作量ｕは、操作量の変化量Δｕによって前述の式（５）のように表現できる。
　将来区間の予測値ｙを評価するために、式（２）、式（３）、及び式（４）にインデックスｉを追加して、式（６）、式（７）、及び式（８）のように表現する。
　次いで、制御部３０ｂは、これらの式（５）～式（８）を用いて、式（９）の制約条件を満たし、式（１０）のコスト関数Ｊの値を最小とする操作量の変化量Δｕの入力列を、式（１１）により計算する。
　次に、式（１１）より求まった最適入力列の先頭要素Δｕopt(k|k)を抽出し、式（１２）により現在の操作量ｕ(k)を計算する。
　次いで、ステップＳ３５に移行し、制御信号生成部４８は、最適化部４７で得た現在の操作量ｕ(k)から冷却ファン１２ａの回転を制御するための信号を生成する。
　本実施形態では、上述したようにファン回転数、吸気エアー温度、消費電力、及びラック１３の吸気面側と排気面側との差圧から、最適な操作量ｕ(k)を計算する。そして、その操作量ｕ(k)を用いて冷却ファンユニット１２を制御することにより、発熱部品を適切に冷却しつつ、冷却ファンユニット１２で消費する電力を削減できる。本実施形態では、ラック１４の前後の差圧の変化を考慮して冷却ファンユニット１２の操作量を決定するので、フィルタの目詰まり等の影響を含めた最適操作量が得られる。

Claims (11)

  1. 　電子機器内の発熱部品の温度を検出する第１の温度検出部と、
    　前記電子機器内にエアーを通流させて前記発熱部品を冷却する冷却装置と、
    　前記電子機器に流入するエアーの温度を検出する第２の温度検出部と、
    　前記発熱部品の温度の目標値が設定されるパラメータ設定部と、
    　前記第１の温度検出部及び前記第２の温度検出部の出力と前記電子機器の消費電力とに基づいて前記発熱部品の将来の温度の予測値を演算し、前記予測値と前記目標値とに基づいて前記冷却装置の操作量を決定する制御部と
    　を有することを特徴とする温度管理システム。
  2. 　前記制御部は、
    　前記電子機器に流入するエアーの温度と前記操作量と前記電子機器の消費電力とから前記発熱部品の将来の温度の予測値を算出する予測モデルが設定された予測モデル部と、
    　前記予測値を補正する補正部と、
    　前記補正部で補正した予測値と前記目標値との偏差を重み付けしてコストを算出するコスト関数が設定されたコスト関数部と、
    　現在から将来にわたる所定の範囲について、予め設定された制約条件を満たし、且つ前記コストを最小とする操作量を演算する最適化部と
    　を有することを特徴とする請求項１に記載の温度管理システム。
  3. 　前記電子機器の消費電力を検出する消費電力検出部を有し、当該消費電力検出部の出力は前記制御部の前記予測モデル部に伝達されることを特徴とする請求項２に記載の温度管理システム。
  4. 　前記制御部は、前記第１の温度検出部の出力から評価対象とする高水準温度を決定する高水準温度演算部と、前記消費電力検出部の出力から評価対象とする高水準消費電力を決定する高水準消費電力演算部とを有することを特徴とする請求項３に記載の温度管理システム。
  5. 　前記予測モデル部は、前記電子機器に流入するエアーの温度と、前記操作量と、前記高水準消費電力とから前記発熱部品の将来の温度の予測値を演算し、
    　前記補正部は、過去の高水準温度と過去の予測値との差を用いて現在の予測値を補正することを特徴とする請求項４に記載の温度管理システム。
  6. 　前記第１の温度検出部の出力から評価対象とする高水準温度を決定する高水準温度演算部を有し、
    　前記制御部は、前記高水準温度の変化から前記電子機器の消費電力を不可観測外乱として表現する外乱モデルが設定された外乱モデル部と、前記外乱モデル及び前記予測モデルを使用して前記電子機器の稼働状態を推定する状態推定部とを有し、
    　前記予測モデル部は、前記状態推定部で推定された稼働状態を用いて前記予測値を演算し、
    　前記補正部は、過去の高水準温度と過去の予測値との差を用いて現在の予測値を補正することを特徴とする請求項２に記載の温度管理システム。
  7. 　前記電子機器の吸気面側と排気面側との圧力差を検出する圧力差検出部を有し、前記予測モデル部は、前記電子部品の温度を予測する際に、前記圧力差検出部の出力を用いることを特徴とする請求項２に記載の温度管理システム。
  8. 　前記コスト関数は、制御量を目標値に近づける目標値追従パラメータと、操作量の変化量を０に近づける操作量低減パラメータと、操作量を目標操作量に近づける操作量変動幅パラメータとを含むことを特徴とする請求項２～７のいずれか１項に記載の温度管理システム。
  9. 　前記電子機器が、ラック内に収納された計算機であり、前記発熱部品がＣＰＵであることを特徴とする請求項１乃至８のいずれか１項に記載の温度管理システム。
  10. 　前記ラック内には前記電子機器が複数収納されていることを特徴とする請求項９に記載の温度管理システム。
  11. 　前記ラックは屋外に通じる吸気口及び排気口が設けられた構造物内に配置され、前記冷却装置は前記吸気口を介して前記構造物内に導入されたエアーを前記電子機器内に供給することを特徴とする請求項１０に記載の温度管理システム。
PCT/JP2013/057595 2013-03-18 2013-03-18 温度管理システム Ceased WO2014147691A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2013/057595 WO2014147691A1 (ja) 2013-03-18 2013-03-18 温度管理システム
JP2015506379A JP5994927B2 (ja) 2013-03-18 2013-03-18 温度管理システム
EP13878781.7A EP2977852B1 (en) 2013-03-18 2013-03-18 Temperature management system
US14/849,953 US9958916B2 (en) 2013-03-18 2015-09-10 Temperature management system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/057595 WO2014147691A1 (ja) 2013-03-18 2013-03-18 温度管理システム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/849,953 Continuation US9958916B2 (en) 2013-03-18 2015-09-10 Temperature management system

Publications (1)

Publication Number Publication Date
WO2014147691A1 true WO2014147691A1 (ja) 2014-09-25

Family

ID=51579431

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/057595 Ceased WO2014147691A1 (ja) 2013-03-18 2013-03-18 温度管理システム

Country Status (4)

Country Link
US (1) US9958916B2 (ja)
EP (1) EP2977852B1 (ja)
JP (1) JP5994927B2 (ja)
WO (1) WO2014147691A1 (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109032301A (zh) * 2018-08-02 2018-12-18 郑州云海信息技术有限公司 一种通用的服务器自动散热调控系统及方法
CN109189190A (zh) * 2018-10-16 2019-01-11 西安交通大学 一种基于温度预测的数据中心热量管理方法
US10613602B2 (en) 2017-12-06 2020-04-07 Fujitsu Limited Information processing apparatus, power saving transition program, and power saving transition method
JP2020077818A (ja) * 2018-11-09 2020-05-21 東芝三菱電機産業システム株式会社 半導体装置
WO2020189001A1 (ja) * 2019-03-18 2020-09-24 日本電気株式会社 データセンタの空調制御装置、方法、非一時的なコンピュータ可読媒体、および空調システム
US11162912B2 (en) 2015-09-11 2021-11-02 KABUSHI Kl KAISHA TOSHIBA Electronic apparatus, index calculating method, and computer program product
CN113853586A (zh) * 2019-03-28 2021-12-28 西门子股份公司 用于监视电子设备的健康的热管理系统、方法和设备
CN113993343A (zh) * 2021-10-11 2022-01-28 科华数据股份有限公司 制冷设备的节能控制方法、装置、终端及存储介质
CN118655928A (zh) * 2024-08-16 2024-09-17 安徽触威电子科技有限公司 一种防火电子显示屏智能温控控制方法及系统
WO2025203571A1 (ja) * 2024-03-29 2025-10-02 Ｎｔｔ株式会社 制御装置

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6136596B2 (ja) * 2013-06-05 2017-05-31 富士通株式会社 監視制御装置、監視制御方法及び監視制御プログラム
US9820409B1 (en) * 2015-09-28 2017-11-14 Amazon Technologies, Inc. Rack cooling system
US10368466B1 (en) * 2015-10-06 2019-07-30 Amazon Technologies, Inc. Rack mountable cooling canister
TW201714042A (zh) * 2015-10-13 2017-04-16 鴻海精密工業股份有限公司 貨櫃型資料中心
US10222843B1 (en) * 2016-03-16 2019-03-05 ZT Group Int'l, Inc. Server platform thermal control system using component power
US10585466B1 (en) 2016-03-16 2020-03-10 ZT Group Int'l, Inc. Power saving fan control with anti fan-oscillation feature
US11216048B1 (en) 2016-03-16 2022-01-04 ZT Group Int'l, Inc. System and method for controlling computer cooling using ideal cooling system settings, actual cooling system settings, and computer component data
JP2017195494A (ja) * 2016-04-20 2017-10-26 富士通株式会社 ラインカード及びラインカード制御方法
US10303139B2 (en) * 2016-06-01 2019-05-28 Creative Esp Incorporated System and method for managing electrical components for energy usage
US10394294B2 (en) * 2016-08-25 2019-08-27 Microchip Technology Incorporated Predictive thermal control management using temperature and power sensors
JP2018060271A (ja) * 2016-10-03 2018-04-12 富士通株式会社 管理装置、管理装置の制御方法、管理装置の制御プログラム及び情報処理システム
US11076509B2 (en) 2017-01-24 2021-07-27 The Research Foundation for the State University Control systems and prediction methods for it cooling performance in containment
US10059215B1 (en) 2017-03-08 2018-08-28 A3 Labs, Llc Energy source supply systems, energy source supply devices, and related methods
KR102474460B1 (ko) * 2017-08-23 2022-12-07 삼성전자 주식회사 전자 장치 및 전자 장치의 동작 제어 방법
US10613600B2 (en) * 2017-11-02 2020-04-07 Microsoft Technology Licensing, Llc Advanced power based thermal control systems
EP3734413B1 (en) * 2019-04-30 2024-07-17 Ovh Method and system for supervising a health of a server infrastructure
CN110543196B (zh) * 2019-08-13 2021-02-12 华为技术有限公司 一种散热元件的控制方法及控制装置
CN112443507B (zh) * 2019-08-30 2022-06-28 宏碁股份有限公司 智能风扇转速调整方法、电脑装置及服务器
CN111026603B (zh) * 2019-10-25 2021-04-23 南京大学 片上网络温度预测方法及装置、设备、存储介质
CN111796647B (zh) * 2020-06-30 2022-11-18 联想(北京)有限公司 一种检测方法及电子设备
JP2022044506A (ja) * 2020-09-07 2022-03-17 株式会社日立製作所 電子機器、ファン制御方法及びプログラム
US11946661B2 (en) * 2021-01-29 2024-04-02 Robert M. Rohde Variable airflow energy efficient HVAC systems and methods
CN113534703B (zh) * 2021-07-07 2022-12-06 国网福建省电力有限公司检修分公司 一种暖通组合机节能系统及其控制方法
EP4403004A4 (en) * 2021-09-16 2026-01-07 Vertiv Corp SYSTEMS AND METHODS FOR ENVIRONMENTAL CONTROL OF AN ENCLOSURE
CN114355999B (zh) * 2021-12-24 2023-05-23 交控科技股份有限公司 应用于列车的智能温度控制机柜、控制方法、设备
US12086001B2 (en) 2022-05-19 2024-09-10 Honeywell International Inc. System and method for proactively controlling an environmental condition in a server rack of a data center based at least in part on server load
CN114777958B (zh) * 2022-06-20 2022-10-28 深圳比特微电子科技有限公司 芯片散热状况检测方法、装置、电子设备及存储介质
CN115266817B (zh) * 2022-07-05 2026-04-21 清华大学 高温热管性能的检测方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002268775A (ja) 2001-03-06 2002-09-20 Internatl Business Mach Corp <Ibm> 冷却ファンの制御方法および装置
WO2010106688A1 (ja) * 2009-03-19 2010-09-23 富士通株式会社 冷却装置を有する電子装置および冷却プログラム
JP2011013747A (ja) * 2009-06-30 2011-01-20 Fujitsu Ltd 空調制御装置、空調制御方法及び空調制御プログラム
JP2011257116A (ja) 2010-06-11 2011-12-22 Fujitsu Ltd 電算機室空調システム、その制御装置、プログラム
JP2012198736A (ja) * 2011-03-22 2012-10-18 Fujitsu Ltd 電子機器を搭載した装置、電子機器を搭載した装置の冷却プログラム及び電子機器を搭載した装置の冷却方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR910004393B1 (ko) * 1987-04-22 1991-06-27 미츠비시 덴키 가부시키가이샤 멀티 냉동사이클의 주파수 제어장치
US5486995A (en) * 1994-03-17 1996-01-23 Dow Benelux N.V. System for real time optimization
US6721672B2 (en) * 2002-01-02 2004-04-13 American Power Conversion Method and apparatus for preventing overloads of power distribution networks
JP4152348B2 (ja) * 2004-06-03 2008-09-17 株式会社ソニー・コンピュータエンタテインメント 電子デバイス冷却装置、電子デバイスシステムおよび電子デバイス冷却方法
US7347621B2 (en) * 2004-07-16 2008-03-25 International Business Machines Corporation Method and system for real-time estimation and prediction of the thermal state of a microprocessor unit
US7138781B2 (en) * 2004-11-24 2006-11-21 Standard Microsystems Corporation Adaptive controller for PC cooling fans
US7490479B2 (en) * 2005-03-30 2009-02-17 Intel Corporation Method and system of advanced fan speed control
US8374730B2 (en) * 2005-08-25 2013-02-12 Apple Inc. Methods and apparatuses for dynamic thermal control
US8762097B2 (en) * 2006-08-04 2014-06-24 Apple Inc. Method and apparatus for a thermal control system based on virtual temperature sensor
JP4807352B2 (ja) * 2007-12-25 2011-11-02 三菱電機株式会社 温度検出システム
WO2009137215A2 (en) * 2008-05-05 2009-11-12 Carrier Corporation Integrated computer equipment container and cooling unit
JP5189921B2 (ja) * 2008-08-02 2013-04-24 レノボ・シンガポール・プライベート・リミテッド コンピュータの放熱システム
US8190276B2 (en) * 2008-11-21 2012-05-29 Oracle America, Inc. Method and apparatus for controlling temperature variations in a computer system
US9069345B2 (en) * 2009-01-23 2015-06-30 Mks Instruments, Inc. Controlling a manufacturing process with a multivariate model
US8086359B2 (en) * 2009-02-23 2011-12-27 Novell, Inc. Dynamic thermal load balancing
GB0922095D0 (en) * 2009-12-17 2010-02-03 Bripco Bvba Data centre building and rack therefor
US8868250B2 (en) * 2010-09-28 2014-10-21 Cisco Technology, Inc. Fan speed control
US9195243B2 (en) * 2011-05-24 2015-11-24 Aten International Co., Ltd. System and method of safe and effective energy usage and conservation for data centers with rack power distribution units
US8600561B1 (en) * 2012-09-30 2013-12-03 Nest Labs, Inc. Radiant heating controls and methods for an environmental control system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002268775A (ja) 2001-03-06 2002-09-20 Internatl Business Mach Corp <Ibm> 冷却ファンの制御方法および装置
WO2010106688A1 (ja) * 2009-03-19 2010-09-23 富士通株式会社 冷却装置を有する電子装置および冷却プログラム
JP2011013747A (ja) * 2009-06-30 2011-01-20 Fujitsu Ltd 空調制御装置、空調制御方法及び空調制御プログラム
JP2011257116A (ja) 2010-06-11 2011-12-22 Fujitsu Ltd 電算機室空調システム、その制御装置、プログラム
JP2012198736A (ja) * 2011-03-22 2012-10-18 Fujitsu Ltd 電子機器を搭載した装置、電子機器を搭載した装置の冷却プログラム及び電子機器を搭載した装置の冷却方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11162912B2 (en) 2015-09-11 2021-11-02 KABUSHI Kl KAISHA TOSHIBA Electronic apparatus, index calculating method, and computer program product
US10613602B2 (en) 2017-12-06 2020-04-07 Fujitsu Limited Information processing apparatus, power saving transition program, and power saving transition method
CN109032301A (zh) * 2018-08-02 2018-12-18 郑州云海信息技术有限公司 一种通用的服务器自动散热调控系统及方法
CN109189190A (zh) * 2018-10-16 2019-01-11 西安交通大学 一种基于温度预测的数据中心热量管理方法
CN109189190B (zh) * 2018-10-16 2020-07-14 西安交通大学 一种基于温度预测的数据中心热量管理方法
JP2020077818A (ja) * 2018-11-09 2020-05-21 東芝三菱電機産業システム株式会社 半導体装置
JPWO2020189001A1 (ja) * 2019-03-18 2021-10-21 日本電気株式会社 データセンタの空調制御装置、方法、プログラム、および空調システム
WO2020189001A1 (ja) * 2019-03-18 2020-09-24 日本電気株式会社 データセンタの空調制御装置、方法、非一時的なコンピュータ可読媒体、および空調システム
JP7235099B2 (ja) 2019-03-18 2023-03-08 日本電気株式会社 データセンタの空調制御装置、方法、プログラム、および空調システム
CN113853586A (zh) * 2019-03-28 2021-12-28 西门子股份公司 用于监视电子设备的健康的热管理系统、方法和设备
US12123783B2 (en) 2019-03-28 2024-10-22 Siemens Aktiengesellschaft Thermal management system, method, and device for monitoring health of electronic devices
CN113993343A (zh) * 2021-10-11 2022-01-28 科华数据股份有限公司 制冷设备的节能控制方法、装置、终端及存储介质
WO2025203571A1 (ja) * 2024-03-29 2025-10-02 Ｎｔｔ株式会社 制御装置
CN118655928A (zh) * 2024-08-16 2024-09-17 安徽触威电子科技有限公司 一种防火电子显示屏智能温控控制方法及系统

Also Published As

Publication number Publication date
JP5994927B2 (ja) 2016-09-21
US20150378404A1 (en) 2015-12-31
EP2977852A4 (en) 2016-05-04
JPWO2014147691A1 (ja) 2017-02-16
EP2977852B1 (en) 2019-03-13
US9958916B2 (en) 2018-05-01
EP2977852A1 (en) 2016-01-27

Similar Documents

Publication Publication Date Title
JP5994927B2 (ja) 温度管理システム
JP5975105B2 (ja) 温度管理システム
JP6277912B2 (ja) 電子機器の温度管理システム、温度管理方法、および温度管理プログラム
US8978401B2 (en) Data center cooling system
US10439912B2 (en) Systems and methods for intelligent controls for optimal resource allocation for data center operations
JP7088323B2 (ja) サーバラック、制御装置、冷却方法、及びプログラム
US20120215373A1 (en) Performance optimization in computer component rack
KR20130098346A (ko) Ｈｖａｃ 시스템을 위한 에너지 최적화 제어 결정
Mirhoseininejad et al. A data-driven, multi-setpoint model predictive thermal control system for data centers
CN105371420A (zh) 一种制冷控制方法、装置及系统
JP6277777B2 (ja) 空調制御システム及び空調制御方法
CN114902154A (zh) 逆向流防止
JP6277776B2 (ja) 空調制御システム及び空調制御方法
JP6083305B2 (ja) 電子機器冷却システム
CN120743078A (zh) 一种温控供电协同方法及电子设备
WO2025090964A1 (en) Electronic device cooling system and related systems and methods
Yang et al. A Deep Reinforcement Learning Framework for Optimizing Data Center Cooling Systems
JP6020283B2 (ja) 電子機器冷却システム
CN120417333A (zh) 液冷系统的控制方法、液冷系统和服务器
CN121297355A (zh) 一种基于物联网的冷库冷量负荷的控制方法、装置、设备、介质以及产品
Song et al. Using power trend predicator to improve datacenter thermal management efficiency
Steffen et al. Two structures for resource constrained control systems with output feedback

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13878781

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015506379

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2013878781

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE