본 연구는 하이브리드 공기원 데이터센터 냉방 시스템의 모드 전환 온도(MCT)를 증가시키고 자유냉방 운전 기간을 연장하기 위해 새로운 주변 공기 혼합 제어 전략의 사용을 제안한다. 본 연구는 제안된 시스템의 에너지 성능을 실험적으로 평가하고, EnergyPlus를 사용하여 기존의 하이브리드 공기원 데이터센터 냉방 시스템과의 비교 시뮬레이션을 수행한다. 시뮬레이션의 변수로는 외기 온도와 취입 공기량을 사용하였으며, 이는 대한민국 춘천시의 기후 조건에 따라 설정하였다. 연구 결과, 제안된 시스템의 MCT는 외기 온도가 감소하고 취입 공기량이 증가할수록 유의하게 증가하였다. 반면 기존 시스템의 MCT는 8.6 °C로 일정하게 유지된 반면, 제안된 시스템의 MCT는 외기 온도가 24 °C에서 15 °C로 감소하고 외기 공기 취입량이 5 %에서 30 %로 증가함에 따라 9.5 °C에서 12.5 °C로 증가하였다. 이는 제안된 시스템의 자유냉방 기간을 연장하여 기존 시스템과 비교했을 때 연간 에너지 절감률 37 %를 달성하게 하였다. 이는 공기 혼합 제어 전략이 데이터센터 냉방 시스템의 에너지 효율을 향상시키는 데 큰 잠재력이 있음을 보여준다.

본 연구는 하이브리드 공기원 데이터센터 냉방 시스템의 모드 전환 온도(MCT)를 증가시키고 자유냉방 운전 기간을 연장하기 위해 새로운 주변 공기 혼합 제어 전략의 사용을 제안한다. 본 연구는 제안된 시스템의 에너지 성능을 실험적으로 평가하고, EnergyPlus를 사용하여 기존의 하이브리드 공기원 데이터센터 냉방 시스템과의 비교 시뮬레이션을 수행한다. 시뮬레이션의 변수로는 외기 온도와 취입 공기량을 사용하였으며, 이는 대한민국 춘천시의 기후 조건에 따라 설정하였다. 연구 결과, 제안된 시스템의 MCT는 외기 온도가 감소하고 취입 공기량이 증가할수록 유의하게 증가하였다. 반면 기존 시스템의 MCT는 8.6 °C로 일정하게 유지된 반면, 제안된 시스템의 MCT는 외기 온도가 24 °C에서 15 °C로 감소하고 외기 공기 취입량이 5 %에서 30 %로 증가함에 따라 9.5 °C에서 12.5 °C로 증가하였다. 이는 제안된 시스템의 자유냉방 기간을 연장하여 기존 시스템과 비교했을 때 연간 에너지 절감률 37 %를 달성하게 하였다. 이는 공기 혼합 제어 전략이 데이터센터 냉방 시스템의 에너지 효율을 향상시키는 데 큰 잠재력이 있음을 보여준다.

본 연구에서는 냉수 냉각 시스템을 위한 ANN(인공신경망) 기반 실시간 최적화 제어 알고리즘을 개발하고 실제 건물에 적용하여 현장 적용과 실제 측정을 통해 냉각 에너지 절감 효과를 분석하였다. 이를 위해 냉각탑의 CndWT(응축수 온도)와 칠러의 ChWT(냉수 온도)를 시스템 제어 변수로 설정하였다. 알고리즘 성능을 평가하기 위해 ChWT와 CndWT를 관례적으로 제어한 경우와 ANN에 따라 제어한 경우를 비교·분석하였으며, 전기 소비량과 COP(coefficient of performance, 성적계수)를 관찰하였다. 분석 과정에서 훈련 데이터의 부족과 CndWT 설정점 결정 시 OWBT(outdoor air wet-bulb temperature, 실외 공기 습구온도)를 제한적으로 고려한 점으로 인해 예기치 않은 이상 데이터가 관찰되었다. 따라서 더 넓은 조건 범위에서 훈련 데이터를 추가로 구축하고, OWBT가 23 °C를 초과하는 경우 CndWT 설정점의 하한을 OWBT보다 최소 +3.6 °C 이상으로 설정하여 추가적인 에너지 절감이 가능하도록 할 필요가 있다.