隨著全球能源枯竭導致能源成本快速增加，台灣多數能源無法自給自足，需仰賴國外進口；國際能源價格又節節攀升，國內民生物價也隨之水漲船高，造成人民怨聲不斷。近年來因為溫室效應、聖嬰現象等問題，使得環保意識抬頭、綠色節能減碳的議題逐漸受到各界的重視。因數據中心之維運需要大量的能源，如何有效利用使能源效率最大化、並降低其營運成本以達到節能減碳的目的為本研究的主要目標。
本文主要利用基因演算法建置散熱最佳的機房散熱配置，節省機房的能源損耗，提高機房的散熱效率以達到節能省碳之效果。本研究利用機櫃間的走道間距、冷氣擺放位置及冷氣出風口的溫度做為參數進行機房內溫度差異的比較，首先利用走道做為最初染色體所得到的最佳結果，再與接下來的參數做交配，交配後比較其結果得到最佳配置方式。在本研究案例比較下得知，主要影響機房內溫度差異最大的因素為機房內流場的變化。由FDS觀察流場變化可見冷氣擺放位置影響機房溫度的差異，遠比改變走道間距差異大。本研究中之最佳的配置案例顯示，此例之機房內的對流循環良好、整體溫度分佈較其他案例平均，且此案例配置中冷氣直接對著溫度較高的熱通道進行吹送，可達到良好的降溫效果。

The energy is much more expensive nowadays because of the global energy depletion. Most of the energy needed in Taiwan has to be imported from the foreign country. With the global oil prices continue to rise, domestic oil prices is correspondingly getting higher. Due to the issues of greenhouse effect, El Nino, etc, people starts to concern about the subjects of eco-friendly and energy-saving. However, the data center  consumes lots of energy while operating. Therefore, how to maximize the efficiency of consuming energy and lower the cost of operation of a data center is the main subject of this research.
In this research, we used the genetic algorithms to build an optimized cooling configuration of a data center. The controlling parameter included were the spacing between the cabinets, the placement of air conditioner, and the temperature of the cold air flow.
The optimized results obtained by previous simulation as well as the placement of air conditioners were used as controlling parameters of the successive computation to obtain an optimized configuration of the data center.
The main cause of temperature variation in the room is found to be the moving flow in the data center. By flow patterns observations, the effect of temperature reduction caused by the relocation of air conditioner is higher than the spacing changes between aisles.
Final results showed that the placement of the air conditioner was the most important parameters for temperature reduction, since the flow can be blown directly into the high temperature aisles and hence cooling the field.

目錄	I
表目錄	II
圖目錄	VI
第一章	前言	1
第二章	文獻回顧	3
第三章	研究方法	8
3.1 數值方法	8
3.1.1 FDS簡介	8
3.1.2 統御方程式	9
3.2 最佳化方法	12
3.2.1 理論基礎	12
3.2.2 實數型基因演算法	13
3.2.3 實數型基因演算法運作流程：	13
第四章	機房散熱配置最佳化設計	17
4.1 模擬機房設定	17
4.2  設計步驟	18
第五章	最佳化過程結果與討論	20
5.1 案例一之結果與分析	20
5.2 案例二之結果與分析	21
5.3 機房降溫效率之討論與分析	23
5.4 綜合結果與分析	24
第六章	結果與討論	26
6.1 結論	26
6.2未來建議	27
參考文獻	28
研討會論文簡要版	71

表目錄
表一： 19英吋標準機櫃尺寸表 ........................................................... 31
表二：FDS模擬40組不同機櫃走道間距之溫度分佈平均值 ............ 33
表三：單一冷氣移動後之各走道及機房平均溫度 .............................. 34
表四：四種冷氣不同排列方式之各走道及機房平均溫度 .................. 36
表五：案例16、案例39之走道與冷氣交配後之均溫 ....................... 37
表六：案例16冷氣由22度降至18度溫度差異比較 ........................ 38
表七：案例1、案例40之走道與冷氣交配後之均溫 ......................... 39
表八：案例1冷氣由22度降至18度溫度差異比較 .......................... 40

圖目錄
圖3-1 機櫃間的通道間距 ...................................................................... 41
圖3-2 面對面機櫃排列方式氣流循環 .................................................. 41
圖3-3 LES運算流程 ............................................................................... 42
圖3-4 FDS基本架構圖 ........................................................................... 43
圖3-5 基因演算法流程圖 ...................................................................... 44
圖4-1 FDS機房平面配置圖 ................................................................... 45
圖4-2 FDS機房設置圖 ........................................................................... 46
圖4-3.1 案例9901移動擺放示意圖 ..................................................... 48
圖4-3.2 案例9902移動擺放示意圖 ..................................................... 50
圖4-3.3案例9903移動擺放示意圖 ...................................................... 52
圖4-3.4 案例9904移動擺放示意圖 ..................................................... 54
圖4-4.1 冷氣機排列方式一 ................................................................... 55
圖4-4.2 冷氣機排列方式二 ................................................................... 55
圖4-4.3 冷氣機排列方式三 ................................................................... 56
圖4-4.4 冷氣機排列方式四 ................................................................... 56
圖4-5案例1111之z=1.5m XY平面60、120、175秒的溫度場 ...... 58
圖4-6案例2120之z=1.5m XY平面60、120、175秒的溫度場 ...... 60
圖4-7案例3120之z=1.5m XY平面60、120、175秒的溫度場 ...... 62
圖4-8案例4120之z=1.5m XY平面60、120、175秒的溫度場 ...... 64
圖4-9案例3120之y=2.1m XZ平面60、120、175秒的溫度場 ...... 66
圖4-10案例3120之y=3.7m XZ平面60、120、175秒的溫度場 .... 68
圖4-11 走道案例16 ............................................................................... 69
圖4-12 走道案例39 ............................................................................... 69
圖4-13 走道案例01 ............................................................................... 70
圖4-14 走道案例40 ............................................................................... 70

[1]能源局，2008，”永續能源政策綱領”，經濟部能源局。
[2]林柏勳，胡光復，沈哲緯，辜炳寰，鄭錦桐，2009，”最佳化方法於工程上之應用” 中興工程季刊，第103期pp . 13-24。
[3] Fakhim, B., Behnia, M., Armfield, S.W., Srinarayna, N., 2011, “cooling solutions in an operational data centre: A case study,”Applied Thermal Engineering vol.31 pp. 2279-2291.
[4]徐凡耘，2012，”R公司之高效率資訊中心建置與節能探討”，國立中央大學資訊管理學系碩士論文。
[5]黃崇傑，“網路資料中心內密閉式伺服器機櫃之散熱節能分析研究”國立台北科技大學冷凍空調工程學系，碩士論文，2008年
[6]Chen, C.W., 2008, “Optimum thermal analysis of a heat sink with various fin cross-sections and a microchannel heat sink,” 大同大學機械工程研究所博士論文。
[7]Chiang, K.T., Chang, F.P., Tsai, T.C., 2006, “Optimum design parameters of Pin-Fin heat sink using the grey-fuzzy logic on the orthogonal arrys, ” International Communications in Heat and Mass Transfer vol.33 pp.744-752.
[8]Chou, C.C., Liu, N.M., Horng, J.T., Chiang, K.T., “Designing parameter optimization of a Parallel-Plain Fin heat sink using the grey-based fuzzy algorithm with the orthogonal arrays,” International Journal of thermal Sciences vol.48 pp.2271-2279, 2009
[9]呂韋龍，劉碩倫，2008，”CPU 冷卻器散熱鰭片之研究” 國立屏東科技大學機械工程學系。
[10] Manivannan, S., Prasannan Devi, S., Arumugam, R. and Sudharsan, N.M., 2011, “Multi-objective optimization of flat plate heat sink using Taguchi-based Grey   relational analysis,” The International Journal of Advance Manufacturing Technology vol. 52,Numbers5-8 ,pp.739-749
[11]施順榮，2008，”整合基因演算法與熱流分析軟體進行散熱模組最佳化” 國立成功大學航空太空工程學系碩士論文。
[12]林瑞國，蔡順峰，邱柏雄，許文翰，“室內空調對叢集電腦散熱之模擬研究“第十四屆全國計算流體力學學術研討會，2007年8月
[13]陳文松，“大型中央機房空調氣流分佈最佳化之研究”國立台北科技大學冷凍空調工程學系，碩士論文，2003年
[14]蘇木春，張孝德，1997，”機器學習、類神經網路、模糊系統以及基因演算法則”，全國科技圖書股份有限公司
[15]游麗娟，“基因演算法於幾何形狀最佳化設計之研究”國立中央大學機械工程研究所，碩士論文，2000年
[16]和品公司，2011，” 淺談電腦機房空調氣流設計與節能設備(上)”，中華民國電機技師公會全國聯合會雜誌電機技師雙月刊第 149期vol.25 No.5。
[17]劉大銘，呂映皚，林聖翔，鄭文忠，2007，”多目標基因演算法於二進制編碼與實數編碼之比較, ” 中國機械工程學會第二十四屆 全國學術研討會論文集。
[18]黃振禹，“高科技廠迴風分析”淡江大學航空太空工程學系研究所，碩士論文，2009年
[19]程彥蓁，“類神經理論應用於數據機房散熱節能之最佳化設計”淡江大學航
   空太空工程學系研究所，碩士論文，2013年