基于CFD与统计优化的Al2O3–水纳米流体多热服务器机柜数据中心冷却性能研究：Richardson数、机柜尺寸与体积分数的影响

《Nanoenergy Advances》：CFD-Based Design of Experimental Analysis of Al2O3–Water Nanofluid Performance in Data Center Cooling Applications

　　

受传统水基冷却的局限性和日益加剧的稀缺性驱动，本研究探索纳米流体作为有前景的高性能替代方案，因为其具有优越的热性能。本研究提出对数据中心环境中具有热服务器机柜的Al₂O₃/水纳米流体冷却进行计算流体动力学（CFD）研究，采用SIMPLE算法（SIMPLE algorithm）模拟。采用方差分析（ANOVA）、全因子设计（full-factorial design）和响应面法（RSM）系统分析Richardson数（Ri）、机柜尺寸（BR）和纳米颗粒体积分数（Φ）对平均Nusselt数（average Nusselt number）的影响。模型显示高精度（R²=99.32%，调整R²=98.40%）。ANOVA识别Richardson数为主导因素（75%），其次为机柜尺寸（25%），体积分数影响很小。结果突出浮力和几何在优化高效纳米流体数据中心冷却中的关键作用。支持包括ChatGPT等先进平台的大规模数据中心的快速增长，已推动显著冷却需求并加剧对水消耗的担忧。为应对传统水基冷却的局限性和稀缺性，纳米流体因其增强的热性能而成为有前景的替代方案。本工作的原创性在于将基于CFD的纳米流体冷却与先进统计优化技术相结合，并专门应用于具有热服务器机柜的数据中心环境。此外，本研究为可持续数据中心冷却提供经过实践优化的运行条件，应对水稀缺和节能热管理的现实挑战。

研究背景与问题：随着大规模数据中心，包括支持ChatGPT等先进平台、云计算和高性能计算系统的数据中心快速扩张，冷却需求显著增加，水消耗问题受到关注；传统水基冷却存在局限性和稀缺性。已有研究多集中于纳米流体热质传递、熵产及统计优化，且多采用单热源或较简单腔体，对多热机柜腔体中Richardson数（Ri；浮力与惯性力之比）、机柜尺寸/阻塞比（BR；机柜尺寸相对计算域的比例）和纳米颗粒体积分数（Φ；纳米颗粒体积占纳米流体体积比例）的联合影响及相对重要性定量不足。因此，研究人员开展计算流体动力学（CFD；数值求解流动与传热方程的方法）研究，以四个加热块模拟服务器机柜，以Al₂O₃–水纳米流体为冷却介质，分析Ri、BR、Φ对平均Nusselt数（Nu_avg；无量纲对流换热强度指标）的影响，并结合方差分析（ANOVA；检验因素显著性并分解贡献的统计方法）、全因子设计（full-factorial design；考察所有因素水平组合的实验设计）和响应面法（RSM；拟合因素与响应关系以优化响应的方法）进行优化。结论表明Ri主导传热，BR次之，Φ影响有限；最优工况为BR=0.25、Ri=5.0、Φ=0.05，确认仿真Nu_avg=21.456。该研究为浸没冷却提供优化运行条件，对数据中心节水节能热管理具有意义。

关键技术方法概括：采用二维稳态不可压缩CFD模型，有限体积法（FVM；将守恒方程在控制体积上离散的数值方法）离散质量、动量和能量方程，SIMPLE算法（SIMPLE algorithm；压力-速度耦合迭代算法）处理压力-速度耦合，对流项采用QUICK格式、扩散项采用中心差分，Boussinesq近似（Boussinesq approximation；仅考虑密度随温度变化以模拟浮力）模拟浮力；Re=100层流，Ri=0.01–10，BR=0.25、0.17、0.13、0.10，Φ=0–0.06；采用201×201网格并经网格独立性检验，与Koruk?u、Islam et al.、Mehmood et al.结果验证，最大偏差1.74%。统计采用三因素四水平全因子设计、广义线性模型（GLM；ANOVA所用线性建模框架）、ANOVA、RSM和信噪比（S/N；越大越优的稳健性指标）；不涉及样本队列来源。

研究结果：6. 纳米颗粒体积分数对数据中心热效率的影响：在Re=100、Ri=1.0下，通过等温线与流线分析发现，Φ增加时等温线变化很小，主循环位于右垂直壁中区且尺寸近乎不变；Φ=0.04出现二次循环，0.06更明显，归因于有效黏度和密度增加改变局部动量平衡；低Φ无二次涡。结论是纳米流体主要影响水动力结构，对热场影响较弱，但高Φ增强混合可能有利于对流换热。7. 对流类型对数据中心热效率的影响：在Re=100、Φ=0.04下，通过不同Ri的等温线和流线分析发现，Ri=0.01–1.0温度分布相近，高温集中在机柜附近；Ri=10高温区明显扩大并向顶壁延伸，浮力驱动增强。流线显示低Ri以移动壁剪切驱动强制对流为主，Ri=1为混合，Ri=10浮力主导。平均Nu由9.987（Ri=0.01）升至10.071（0.1）、11.2838（1.0）和20.582（10.0）。结论：Ri升高不降低整体传热，而是改变主导机制。8. 机柜尺寸对数据中心热效率的影响：在Re=100、Ri=1、Φ=0.04下，通过等温线和流线分析发现BR增大使高温区向中心扩展、热梯度增强；平均Nu随BR增大由10.3645（0.10）升至11.2839（0.13）、13.7388（0.17）和15.5283（0.25）。结论：较大机柜提高对流换热强度，其影响依赖流态，不能仅凭高温区表观范围判断。9. 数据中心冷却用纳米流体热性能的定量分析：通过平均Nu随BR、Φ、Ri的变化分析，发现增大机柜尺寸通过增加有效换热面积、反向移动壁剪切、间隙减小加速流动和热边界层减薄提高Nu；BR=0.17时Φ=0.03处Nu下降与黏性效应抑制循环有关，超过后导热增强克服黏阻；Φ增加提高Nu；Ri增加增强浮力驱动和组织化循环，提高Nu。10. 基于ANOVA和DOE的数据驱动分析：通过三因素四水平全因子设计、GLM ANOVA、S/N、主效应/残差图和RSM分析，模型拟合R²=99.32%、调整R²=98.40%；Ri贡献约75%，BR约24%–25%，Φ约1%；Ri的delta=7.93、Rank1，BR delta=4.86、Rank2，Φ delta=0.72、Rank3；两因素交互不显著（p=0.052、0.813、0.837）。最优组合为BR=0.25、Ri=5.0、Φ=0.05，确认仿真Nu_avg=21.456。

讨论部分总结：作者指出CFD模型为理想化简化配置，不是完整数据中心设施，结果是在受控条件下对Al₂O₃–水纳米流体热行为的基础评估；未重复全因子设计使纯误差无法独立估计，三因子交互并入残差，两因子交互在95%水平不显著，其中一项呈边缘效应。

研究结论翻译：第一，ANOVA模型拟合良好，R²=99.32%、调整R²=98.40%，对平均Nu具高预测精度。第二，R²与调整R²差异小，表明所选因素显著且模型无过拟合。第三，ANOVA显示Ri贡献75%，机柜尺寸24%，体积分数仅1%。第四，Ri是最有影响参数，delta最高7.93、Rank1；机柜尺寸第二（delta=4.86），体积分数影响最小（delta=0.720）。第五，主效应图显示Ri=5时S/N比急剧提高，浮力效应主导；残差图表明模型充分，残差正态且方差恒定。第六，最优参数组合为三因素均取水平4，即BR=0.25、Φ=0.05、Ri=5.0。第七，Al₂O₃–水纳米流体是数据中心浸没冷却有前景的冷却剂，相较传统水基冷却具有增强热性能，可提高冷却效率并降低总体水耗，为下一代数据中心热管理提供可持续替代方案。