2. Outil numérique pour la simulation des salles informatiques
2.1. Modèle mathématique et équations
Les serveurs informatiques, hébergés dans des salles aux dimensions souvent importantes [7],
dissipent de grandes quantités d’énergie lors de leur fonctionnement. Des ventilateurs internes
refroidissent les composants en créant un courant d’air au travers des racks et en évacuant la chaleur
dans l’air ambiant. Un refroidissement permanent par air frais est donc nécessaire pour assurer une
bonne sécurité de fonctionnement. Munis de ventilateurs, des unités de soufflage de type CRAH
extraient l’air chaud depuis la salle, la reconditionnent, à l’aide d’échangeurs de chaleur et restitue
un air à basse température. D’autre part, dans certaines conceptions de type free-cooling à air, les
conditions d’hygrométrie peuvent créer de la condensation, ou de l’évaporation sur les parois du
serveur, et la qualité de l’air influence la quantité de poussière (particules solides en suspension) qui
risque d’encrasser les équipements.
Tous ces phénomènes sont couplés, mais n’ont pas le même degré d’importance sur l’efficacité
énergétique. Nous avons ainsi décidé de ne pas tenir compte de la présence de poussière, ni de
l’évolution du taux d’humidité. Le travail s’est focalisé sur les écoulements d’air dans la salle serveur
et et sur les échanges de chaleur associés.
Dans le cadre de la modélisation, les mouvements d’air seront décrits par les équations de
Navier-Stokes incompressibles et les transferts de chaleur par l’équation de l’énergie. D’autre part,
compte tenu des grands volumes d’air froid nécessaires au bon fonctionnement du système, les
vitesses d’air au niveau des grilles de ventilation sont importantes (de l’ordre de 0.5 m/s à 1m/s
[30]). En tenant compte des dimensions du domaine, le nombre de Reynolds calculé dans la salle
des serveurs est élevé. Ainsi Almolie et al. [6] estime 𝑅𝑒 ≈ 10
5, tandis que dans nos précédent
travaux [30], ce nombre sans dimension était de l’ordre de 𝑅𝑒 ≈ 10
4. D’après ces résultats, le
régime de l’écoulement sera turbulent et un modèle décrivant les effets de ce phénomène sur les
mouvements d’air et sur les transferts d’énergie doit être intégré.
Les centres de calcul présentent des géométries rendus complexes par la présence de nombreux
obstacles (cloisons, Rack informatique). Leur modélisation sera intégrée dans le code afin de tenir
compte des perturbations qu’ils provoquent sur l’écoulement.
2.1.1. Equation du mouvement
L’air est supposé newtonien incompressible, sa masse volumique est fonction de la
température. Les équations de conservation de la masse et de la quantité de mouvement s’écrivent :
∇ ∙ 𝑢 = 0 (2.1)
𝜌 (𝜕𝑢
𝜕𝑡 + 𝛻 ∙ 𝑢 ⊗ 𝑢) = 𝜌𝑔 − 𝛻𝑝 + 𝛻 ∙ (2𝜇𝑆) −
𝜇
𝑘𝑢 (2.2)
2.1 Modèle mathématique et équations
Les termes du second membre de l’équation (2.2) représentent la somme des forces appliquées au
fluide. Le premier terme ρg est l’action de la gravité. Le second terme est le gradient de pression
−∇p et le troisième ∇ ∙ (2μS) représente les contraintes de viscosité avec S le tenseur des taux de
déformation définit par 𝑆 =
12(
𝜕𝑢𝜕𝑥+
𝜕𝑢𝜕𝑥𝑇). Finalement le terme dit de Darcy Brinkman
𝜇𝑘𝑢 est
ajouté afin de prendre en compte les obstacles solides. Le paramètre 𝑘 représente la perméabilité.
Typiquement, une perméabilité élevée (par exemple 𝑘 = 10
20𝑚²) correspond à un milieu fluide,
et annule le terme
𝜇𝑘𝑢, alors qu’une très faible valeur (𝑘 = 10
−20𝑚²) pénalise la vitesse à une valeur
proche de 0. Cela correspond alors à un milieu à vitesse nulle, non perméable. La structure solide
des racks, des serveurs et des cloisons est ainsi modélisée.
2.1.2. Equation de l’énergie
La chaleur est transférée principalement par deux modes : la conduction dans les structures
solides, et surtout, la convection engendrée par les ventilateurs des unités de climatisation dans la
salle. Celle-ci étant de grandes dimensions, la compétition entre les effets de convection naturelle
et de convection forcée n’est pas négligeable et doit être prise en compte. On obtient ainsi un
régime de convection mixte. L’équation de l’énergie écrite en température est ainsi utilisée :
𝜌𝐶
𝑝(𝜕𝑇
𝜕𝑡 + 𝑢̅ ∙ ∇𝑇) = ∇. (𝜆∇𝑇) + 𝑃
𝑠(2.3)
Similairement à l’équation (2.2) le terme 𝑢̅ ∙ ∇𝑇 représente l’advection de la chaleur par le fluide.
Le terme source 𝑃
𝑠est ajouté pour simuler localement la dissipation volumique d’énergie des
serveurs, en pénalisant la chaleur.
2.1.3. Modélisation de la turbulence
Bien qu’il soit difficile de donner une définition précise de la turbulence, nous pouvons citer
ici la proposition de Chassaing [31] :
« La turbulence est un mode naturel d’écoulement d’un fluide visqueux où des mécanismes internes d’échange
d’énergie assurent la création et le maintien de toute une hiérarchie de mouvements chaotiques répartis continûment
sur une large gamme d’échelle macroscopique »
Un indicateur bien connu nous permet de déterminer le régime de l’écoulement : le nombre de
Reynolds. Il caractérise le rapport entre les forces d’inertie et les forces visqueuses et est défini par :
𝑅𝑒 = 𝑉
𝑐𝐿
𝑐𝜈 (2.4)
2 Outil numérique pour la simulation des salles informatiques
et des valeurs critiques (souvent fonction de la géométrie), un écoulement isotherme pourra
adopter un régime laminaire ou un régime turbulent.
Dans le cas des Datacenters le nombre de Reynolds est de l’ordre de 10
5[30] [6]. Le régime
d’écoulement est donc turbulent dans l’ensemble de la salle des serveurs et un modèle est nécessaire
pour prendre en compte les échanges d’énergie qui s’opèrent entre les différentes structures de
l’écoulement et modifient sont comportement ainsi que les transferts de chaleur. Dans le domaine
de la simulation numérique, trois approches principales se distinguent :
La méthode de résolution directe (DNS Direct Numerical Simulation)
L’essence de cette méthode est de résoudre les équations de Navier Stokes sur un domaine
discrétisé de manière à capter toutes les échelles de l’écoulement. La taille des mailles et leur nombre
doivent donc être suffisants pour pouvoir simuler le comportement des grandes structures qui
régissent l’écoulement, mais également des plus petits tourbillons qui dissipent l’énergie.
Or selon Archambeau [32] et d’après les travaux de Kolmogorov, l’étendue du spectre des
échelles est de l’ordre de 𝑅𝑒
3/4. Ainsi, lors d’une résolution en 3 dimensions, chaque axe devrait
posséder 𝑅𝑒
3/4mailles, le domaine entier devrait disposer de 𝑅𝑒
9/4mailles.
Dans le cas de la simulation de datacenters et selon les travaux d’Almolie [6] et les nôtres [30],
𝑅𝑒 est de l’ordre de 10
5. Le domaine serait donc discrétisé en 10
11mailles. Or compte tenu des
moyens de calcul actuels, ce type de solution n’est pas envisageable
La méthode statistique RANS (Reynolds Average Navier Stokes)
C’est une approche statistique ou l’on considère que les fonctions du champ de l’écoulement
(vitesse, pression, température) peuvent se décomposer en la somme d’une partie moyenne et d’une
partie fluctuante aléatoire. Ainsi tout champ ∅ peut s’écrire ∅ = 〈∅〉 + ∅′ ou 〈∅〉 est le champ
moyen et ∅′ une grandeur fluctuante aléatoire tel que 〈∅′〉 = 0. L’équation sous forme RANS de
Navier Stokes s’obtient en remplaçant les variables de vitesse et de pression par la somme d’une
composante moyenne et d’une composante aléatoire. Cette opération fait apparaitre le tenseur de
contrainte de Reynolds 𝜌𝑢′ ⊗ 𝑢′ qui caractérise l’action de la turbulence sur l’écoulement.
Plusieurs méthodes existent pour modéliser ce terme, la plus utilisé étant surement la méthode
𝑘−∈. Elle consiste à assimiler les contraintes de Reynolds à une viscosité turbulente 𝜇
𝑡et à les
exprimer en fonction de l’énergie cinétique turbulente 𝑘 et de son taux de dissipation ∈.
Dans la littérature, ce modèle de turbulence est le plus utilisé [7] [10] [8] [6] pour la simulation
de datacenters. Cependant dans le cadre de ce projet, un nouveau modèle de serveur intégrant un
système de régulation du débit d’air est créé. Un contrôleur PID (Proportionnel Intégral Dérivé)
est inséré dans le code de calcul et fait varier la vitesse de l’air à travers le serveur en fonction de la
température relevé à chaque itération. Le régulateur, programmé pour cette fonction se base sur
des valeurs de température instantanée. Or il ne pourra pas fonctionner correctement en relevant
la composante moyenne 〈𝑇〉 du champ 𝑇. Cela limite ainsi la possibilité d’utilisation de cette
2.1 Modèle mathématique et équations
méthode de turbulence, pour des raisons d’incompatibilité avec les autres outils développés dans
ce projet.
La méthode de simulation des grandes échelles LES (Large Eddy Simulation)
La méthode LES peut être considérée comme une alternative à la méthode DNS. Seules les
grandes structures énergétiques responsables des caractéristiques de l’écoulement sont simulées.
Les petites structures sont isolées à l’aide d’un filtre passe bas et modélisées sous forme de
contraintes dans l’équation de Navier-Stokes. Cette méthode permet d’obtenir une valeur
instantanée des champs de vitesse, de pression et de température tout en tenant compte des effets
turbulents et en gardant un maillage de taille raisonnable.
C’est cette dernière méthode qui est retenue dans le cadre de notre projet. Son faible coût de
calcul, sa modélisation des contraintes turbulentes et sa capacité à fournir un résultat instantanée
en font le modèle le plus adapté à la simulation d’une régulation de type PID.
La méthode LES applique un filtre passe bas aux équations de Navier Stokes et à l’équation de
la chaleur. Ce dernier, permet de séparer les grandes structures de l’écoulement qui sont calculées,
et les tourbillons de petites tailles qui sont modélisés sous la forme de contraintes visqueuse.
2.1.4. Filtrage des équations de Navier-Stokes et de l’énergie
Le filtrage d’une variable 𝑓(𝑥, 𝑡) est obtenu par application d’un produit convolution entre
cette dernière et un filtre 𝐺(𝑥, 𝑡) ( [33], [34]) :
𝑓(𝑥, 𝑡)
̅̅̅̅̅̅̅̅̅ = ∫ ∫ 𝑓(𝑦, 𝑡
+∞ ′)𝐺(𝑥 − 𝑦, 𝑡 − 𝑡
′)𝑑𝑦𝑑𝑡′
−∞ +∞ −∞(2.5)
Les longueurs de coupure en espace et en temps de la fonction 𝐺(𝑥, 𝑡) sont respectivement ∆̅
et 𝜏̅. Où ∆̅ est définit localement et conditionné par la taille de la maille :
∆̅= (∆𝑥∆𝑦∆𝑧)
13(2.6)
Avec ∆𝑥, ∆𝑦 et ∆𝑧 les dimension de la maille dans les directions respectives 𝑋, 𝑌 et 𝑍. 𝜏̅ est
définie globalement et est fonction du pas de temps sélectionné pour le calcul. La partie non résolue
de la fonction 𝑓(𝑥, 𝑡) représentant les échelles de taille inférieure à la maille est noté 𝑓′(𝑥, 𝑡) défini
tel que :
2 Outil numérique pour la simulation des salles informatiques
Les simulations réalisées dans le cadre de cette étude sont calculées à l’aide du code Thétis et
les domaines seront discrétisés selon la méthode des volumes finis. Le filtrage sera donc réalisé en
fonction de la taille de la maille ∆̅ et est défini par la relation suivante [33] [35] [34]:
𝐺(𝑥) = {1 ∆̅⁄ 𝑠𝑖 𝑥 ≤ ∆̅ 2⁄
0 𝑠𝑖𝑛𝑜𝑛
(2.8)
Le filtre 𝐺(𝑥) appliqué aux équations de Navier-Stokes produit les équations de conservation
de masse et de mouvement suivantes :
∇ ∙ u̅ = 0 (2.9)
𝜌 (𝜕𝑢̅
𝜕𝑡 + ∇ ∙ 𝑢̅ ⊗ 𝑢̅) = 𝜌𝑔 − ∇𝑝̅ + ∇ ∙ (2𝜇𝑆̅ − 𝜏
𝑖𝑗) −
𝜇
𝑘𝑢̅ (2.10)
De même l’équation de l’énergie filtrée s’écrit :
𝜌𝐶
𝑝(𝜕𝑇̅
𝜕𝑡 + 𝑢̅ ∙ ∇𝑇̅) = ∇ ∙ (𝜆∇𝑇̅ − Π) (2.11)
Les variables de vitesse 𝑢, de pression 𝑝 et de température 𝑇 sont filtrées. Suite à cette
opération, deux nouveaux termes dit de sous maille apparaissent : 𝜏
𝑖𝑗pour l’équation de
conservation de mouvement filtrée (2.10) définit par :
𝜏
𝑖𝑗= 𝑢̅ 𝑢
𝑖̅ − 𝑢
𝑗̅̅̅̅̅
𝑖𝑢
𝑗(2.12)
et Π
iTpour l’équation de l’énergie filtrée (2.11) définie par :
Π
iT= u̅ T̅ − u
i̅̅̅̅
iT (2.13)
2.1.5. Modélisation des échelles sous-maille
Les deux termes 𝜏
𝑖𝑗et Π
iTcaractérisent l’action des petites échelles non résolues de la
turbulence, sur l’écoulement principal et sur les transferts thermiques. Ils doivent être modélisés
afin de fournir aux échelles résolues, les informations provenant des plus petites structures sous
maille. Dans le cadre de ce projet, nous adopterons une modélisation de type « fonctionnelle ». On
considère que les petites échelles sont en équilibre et dissipent complètement et instantanément
2.1 Modèle mathématique et équations
comme analogue au mécanisme moléculaire représenté par le terme de viscosité dans l’équation
2.9. Le modèle mathématique sera donc similaire à celui de la diffusion moléculaire dans lequel la
viscosité 𝜇 est complétée par une viscosité turbulente 𝜇
𝑡. La partie déviatorique du tenseur de
contrainte 𝜏
𝑖𝑗peut donc s’écrire de la manière suivante :
𝜏
𝑖𝑗𝐷= 𝜏
𝑖𝑗−1
3𝑇𝑟(𝜏
𝑖𝑗) = −2𝜇
𝑡𝑆̅ (2.14)
Avec 𝑆̅ =
12(∇u̅ + ∇
Tu̅) le tenseur des taux de déformation. La partie isostatique du tenseur
de contrainte est assimilable à une pression et est naturellement introduit tel que 𝑝̅ = 𝑝̅ +
1
3
𝑇𝑟(𝜏
𝑖𝑗). La viscosité turbulente 𝜇
𝑡doit maintenant être modélisée en fonction des variables
résolues.
La méthode de Smagorinsky
D’après ce modèle particulier LES, la viscosité turbulente s’approxime par l’équation :
𝜈
𝑡= (𝐶
𝑠,∞∆̅)
2|𝑆̅| (2.15)
Avec |𝑆̅| = √(2𝑆̅
𝑖𝑗𝑆̅
𝑖𝑗) et 𝐶
𝑠,∞la constante de Smagorinsky, dont la valeur varie entre 0.18 et
0.23 en cas de turbulence homogène et isotrope [33]. Selon Lilly [36], en considérant la turbulence
isotrope et un nombre de Reynolds infini, cette constante est déterminée par la relation :
𝐶
𝑠,∞= 1
𝜋(
3𝐶
𝑘2 )
−34≈ 0,173 (2.16)
Avec 𝐶
𝑘la constante de Kolmogorov. L’inconvénient majeur de ce modèle est qu’il fait
apparaitre une viscosité turbulente dès lors que le champ de vitesse calculé varie au cours du temps.
Cette méthode génère donc des phénomènes parasites tels que des re-laminarisations de
l’écoulement dans des zones bien résolues du domaine. Par ailleurs, en zone proche des parois où
les contraintes de cisaillement sont importantes, une viscosité turbulente importante est introduite
et perturbe la couche limite [37].
La méthode Turbulent Kinetic Energy (TKE)
Cette méthode consiste à relier l’énergie cinétique de sous maille à la viscosité turbulente. Ainsi
en l’absence d’échelle de sous maille dans les zones bien résolues, la viscosité turbulente s’annule.
Pour estimer l’énergie cinétique de sous maille 𝑞
𝑠𝑚, il est fait l’hypothèse de similarité d’échelle qui
stipule la correspondance structurelle statistique entre les plus grandes échelles de sous maille et les
2 Outil numérique pour la simulation des salles informatiques
(𝑢̅)
′= 𝑢̅ − 𝑢̿ (2.17)
La longueur de coupure est ∆̿> ∆̅. La vitesse filtrée représente la partie « haute fréquence » des
échelles résolues et l’énergie cinétique de sous maille s’écrit :
𝑞
𝑠𝑚≈ 1
2(𝑢̅)
′(𝑢̅)
′(2.18)
Finalement la viscosité turbulente s’exprime :
𝜈
𝑡= 𝐶
𝑇𝐾𝐸Δ̅(𝑞
𝑠𝑚)
12(2.19)
La constante 𝐶
𝑇𝐾𝐸est généralement prise égale à 0.2
La méthode des échelles mixtes
Cette méthode des échelles mixtes est appliquée en réalisant une moyenne géométrique
pondérée des viscosités turbulentes précédemment détaillée. Ainsi 𝜈
𝑡est exprimé par la relation :
𝜈
𝑡= 𝜈
𝑡(𝑆𝑀)𝛼𝜈
𝑡(𝑇𝐾𝐸)1−𝛼(2.20)
𝜈
𝑡= 𝐶
𝑀Δ̅
1+𝛼(|𝑆̅|)
𝛼/2[(𝑞
𝑠𝑚)
1/2]
1−𝛼Avec :
𝐶
𝑀= (𝐶
𝑠,∞)
2𝛼(𝐶
𝑇𝐾𝐸)
1−𝛼(2.21)
Le nouveau paramètre 𝛼 qui varie entre 0 et 1 permet de modifier l’influence de chaque modèle.
Pour 𝛼 = 0 on retrouve le modèle TKE, pour 𝛼 = 1 on obtient le modèle de Smagorinsky. Dans
notre cas 𝛼 = 0,5. Dans ces conditions et avec 𝐶
𝑠,∞= 0,173 et 𝐶
𝑇𝐾𝐸= 0,2 la constante du
modèle mixte 𝐶
𝑀est égale à 0,077.
Modélisation de la diffusivité de sous-maille
La simulation d’un écoulement anisotherme avec une méthode LES introduit un terme de
diffusivité de sous maille. Afin de modéliser ce terme, la méthode à « nombre de Prandtl
sous-maille imposé » est utilisée, et la diffusivité sous-sous-maille est calculé à partir de la viscosité turbulente.
2.1 Modèle mathématique et équations
Ainsi le vecteur sous-maille Π
iTdéfini par la relation (2.13) peut s’écrire comme le produit d’une
diffusivité sous-maille 𝑎
𝑠𝑚et du gradient de température résolue :
Π
iT= −𝑎
𝑠𝑚𝜕𝑇̅
𝜕𝑥
𝑖(2.22)
La diffusivité 𝑎
𝑠𝑚peut être obtenue en définissant un nombre de Prandtl de sous maille 𝑃𝑟
𝑠𝑚et à partir de l’analogie de Reynolds :
𝑎
𝑠𝑚= 𝜈
𝑡𝑃𝑟
𝑠𝑚(2.23)
A partir de la définition du nombre de Prandtl, on déduit l’expression de la conductivité
turbulente 𝜆
𝑡:
𝜆
𝑡= 𝜇
𝑡𝐶
𝑝𝑃𝑟
𝑠𝑚(2.24)
Cette conductivité turbulente est additionnée à la conductivité thermique moléculaire et
l’équation de la chaleur ainsi obtenue s’écrit :
𝜌𝐶
𝑝(𝜕𝑇̅
2 Outil numérique pour la simulation des salles informatiques
Dans le document
Optimisation énergétique du rafraichissement des datacenters
(Page 55-63)