Decision Method for Hybrid Cooling in AI Data Centers

L’aumento della densità di potenza nei data center per applicazioni di intelligenza artificiale richiede soluzioni di raffreddamento più avanzate rispetto ai sistemi tradizionali basati solo sull’air cooling. In questo contesto, le architetture ibride, che combinano raffreddamento ad aria e liquid cooling, rappresentano una soluzione efficace per la gestione di carichi termici elevati. La tesi propone un metodo decisionale per la selezione di configurazioni di raffreddamento ibride per AI data centers. Il metodo integra screening tecnico, valutazione multi criterio, Total Cost of Ownership e sensitivity analysis, confrontando configurazioni complete composte da tecnologie indoor, architetture single loop e dual loop, e sistemi outdoor con capacità di free cooling. La metodologia viene applicata al caso base di Milano e successivamente replicata su Dubai e Helsinki, per valutare l’influenza del clima e del costo dell’energia sulle prestazioni energetiche ed economiche delle configurazioni considerate.