Hoe lees je een psychrometrisch diagram?

Steek je hand op als je weet hoe je een psychrometrisch diagram moet lezen en interpreteren.

Een gewaardeerde collega in de DCIM-softwarewereld heeft onlangs een blogbericht over het bovengenoemde onderwerp gepubliceerd.

Voor iedereen die net zijn of haar hand heeft opgestoken: gefeliciteerd! En mijn excuses als de volgende blog respectloos overkomt; dat is niet mijn bedoeling.

Een visuele representatie

Voor degenen die hun hand niet hebben opgestoken: een psychrometrisch diagram lijkt op een dromenvanger van de Amerikaanse indianen, een prachtig geweven patroon van touwtjes dat gebruikt wordt om dromen te vangen en te bewaren. Het is een "visuele" weergave van thermische dynamische eigenschappen met behulp van gegevenspunten die bestaan ​​uit zaken als:

• Drogeboltemperatuur
• Dampdruk
• dauwpunt
• Vochtigheidsverhouding
• enthalpie
• Verzadigingstemperatuur
• Natte boltemperatuur
• Specifiek volume droge lucht
• Relatieve vochtigheid

Mijn oude natuurkundeboeken van de universiteit weer eens tevoorschijn halen.

Ik heb natuurkunde gestudeerd aan de universiteit en werkte in het begin van mijn carrière als thermisch adviseur voor bedrijven die NEBS-conformiteit nastreefden voor hun telecommunicatieapparatuur. Toch moet ik toegeven dat ik, toen ik dit blogonderwerp zag, mijn oude natuurkundeboeken van de universiteit moest opzoeken, die begraven lagen onder mijn rekenliniaal en HP12c-rekenmachine. Ik begon me af te vragen: als dit zo cruciaal is voor het beheren van de thermische dynamiek van een datacenter, waarom zien we dan niet meer van dit soort grafieken in onze DCIM-softwareoplossingen?

Serieus, daarom hebben we computers uitgevonden. Ik bedoel, het is best leuk voor nerds om een ​​soort psychrometer te gebruiken om twee verschillende temperatuurmetingen te doen met een nattebol en een drogebol, om zo de luchtvochtigheid (en dus het dauwpunt, enz.) te berekenen. Maar wat doe je dan met die informatie? Je zou bijvoorbeeld de PUE kunnen voorspellen met een neuraal netwerk met drie perceptrons, net zoals Google heeft gedaan... voel je de nerd-reactie al?

De vraag is dus: "Oké, prima, wat doe je met het vermogen om dit te lezen?"

Wat een airconditioningsysteem betreft, is het belangrijk om de kosten te optimaliseren, aangezien deze factoren snel veranderen, of als je kunt voorspellen dat ze in de nabije toekomst zullen veranderen. Dit raakt aan de koeling en ontvochtiging van de ruimte, maar om het simpel te zeggen : het is veel goedkoper om een ​​ruimte te veel te koelen en de deuren gesloten te houden als het buiten warm en vochtig wordt, dan te wachten tot zowel de ruimte als de bevochtigde lucht binnen gekoeld zijn. Het echte nut van het kunnen interpreteren van deze gegevens ("het lezen van de grafiek") is om te plannen wat te doen wanneer de omgevingsfactoren en de verwachte omgevingsfactoren veranderen, zodat uw airconditioningsystemen optimaal kunnen werken.

Weet je, hierover nadenken is veel relevanter voor de legale cannabisteelt dan voor datacenters, omdat dauwpunt en andere factoren een groot verschil maken in de opbrengst van binnenteelt. Of eigenlijk voor elke andere biologische binnenteelt. Als we cannabis zouden legaliseren, zouden we enorme kansen hebben in de binnenteelt, zowel qua energie-efficiëntie als potentieel ruimtebeheer met workflowoptimalisatie. Het runnen van een hydrocultuurboerderij verschilt niet zo veel van het runnen van een datacenter; het verschil is dat verplaatsingen, toevoegingen en verwijderingen meer volgens een vast schema plaatsvinden. Het probleem is dat ze momenteel alleen contant geld accepteren, wat het lastig maakt om mee te werken. Die mensen zouden dolgraag hun omgevingsmetingen met Nlyte willen kunnen uitvoeren.

We werken momenteel aan het "verbeteren" van dit onderzoek met behulp van de beschikbare gegevens en verwerken deze via onze AI-engine voor machine learning . Maar voorlopig laat ik de computers het rekenwerk doen en berg ik mijn rekenliniaal en HP12c veilig op in de doos met stoffige oude boeken.