液冷机柜验收与运维 SOP：出厂验收 9 项、注液脱气、流量平衡、巡检表、故障树

液冷这个东西，行业里有句话：三分产品、七分安装、十二分运维。

我深以为然，甚至觉得运维的分量还要更重一点。

为什么？因为液冷系统是一个"活的"系统。它里面有流动的液体、转动的泵、会老化的密封件、会降解的工质、会滋生的微生物。风冷系统坏了，大不了是热；液冷系统出问题，轻则降频停机，重则损坏价值几十上百万的 GPU。

而绝大多数事故的根源，不是设备本身不行，是验收时没盯住、运维时没管住。

这篇我把液冷机柜从出厂到运维的全流程 SOP 写出来。这不是理论，是我们给客户做交付和培训时的实际操作手册。你可以直接拿去用，也可以拿去对照你供应商的方案，看看他们有没有做到位。

一、验收的三个关口

液冷系统的验收，不是"货到了签收"这一件事，它是三个关口：

我的建议：FAT 一定要派人去现场看。 出差花两天时间，能避免后面两个月的扯皮。而且很多问题（比如管路内壁清洁度、焊口质量），一旦装到现场就再也看不到了。

二、出厂验收（FAT）：去工厂看什么

到了工厂，别光看展厅。直接进车间，看正在装配的那台。以下是完整的检查项。

1. 文件审查（先看纸，再看货）

如果厂家拿不出这些文件，只有一本彩页样本，那就别签验收单。

2. 压力与保压测试（最重要的一项）

这是液冷系统最基础、也是最不能省的测试。

标准做法：

• 试验压力：1.5 倍设计工作压力（设计压力通常 4–6 bar，试验压力 6–9 bar）
• 保压时间：至少 30 分钟，重要项目要求 24 小时
• 判据：无可见渗漏 + 压降不超过规定值（通常 30 分钟内压降 ≤ 1%，或按项目规范）

测试要注意：

• 要用液体做，不能用气体做（气体测试危险性高，且微小渗漏不易发现）
• 压力表要经过校准，精度不低于 1.6 级
• 要分段测试：柜内管路单独测、整机测、系统联起来再测

3. 氦质谱检漏（高要求项目）

对于 GPU 集群、金融、政务这类对可靠性要求极高的项目，可以要求做氦检漏。

• 原理：充入氦气，用质谱仪检测外部氦浓度
• 判据：漏率一般要求 ≤ 1×10⁻⁶ Pa·m³/s 量级（具体按项目规范）
• 优点：能发现肉眼和保压测不出的微渗漏

成本会高一些，但对于几百万元的设备投资来说，这个钱花得值。

4. 清洁度检查

这是我最看重的现场检查项，因为它直接决定冷板会不会堵。

看什么：

• 内窥镜检查：把内窥镜伸进管路，看焊口内壁有没有焊瘤、氧化皮、残留物
• 白布擦拭：用干净白布擦拭管内壁，看有没有可见污染物
• 冲洗记录：冲洗流速、时间、排出水浊度

一个判断标准：冲洗后的排出水，浊度和电导率要接近注入水。 如果排出来的水是黄的、浑的，说明内壁处理不合格。

5. 漏液检测系统功能测试

不要只相信"我们装了传感器"。要现场模拟漏液，看系统反应。

测试方法：

• 用少量水（或冷却液）滴在检测绳/传感器的指定位置
• 记录：告警响应时间（应 ≤ 10 秒）、定位准确性（能不能准确报出是哪一段）、联动动作（有没有触发声光报警、有没有推送到 DCIM、有没有执行预设的关阀/停机逻辑）

我见过太多"装了但没接"的案例——传感器装了，线没接到监控主机，或者地址点表配置错了，告警根本传不出来。这个测试必须做。

6. 冷板热性能验证

• 在设计流量下测冷板热阻（单位 ℃/W）
• 测流量-压降曲线，验证泵选型是否匹配
• 如果条件允许，做实际服务器满载测试，记录 GPU/CPU 结温

关键判据：满载工况下，芯片结温要有足够余量（一般距降频阈值至少 10–15℃）。

7. 结构与承重

• 托盘满载变形测试报告（额定载荷下 72 小时，永久变形 ≤ 1–2mm）
• 柜体水平度、垂直度
• 门板开合、密封条
• 接地连续性测试（柜体、门板、管路之间的电阻 ≤ 0.1Ω）

8. FAT 验收清单（可打印版）

□ 材质证明文件齐全（316L/304 材质单）
□ 焊接记录与焊工资质
□ 钝化/酸洗记录
□ 清洁度检测报告（含内窥镜照片）
□ 压力测试报告（1.5 倍压力，保压 ≥30min，压降合格）
□ 氦检漏报告（如要求）
□ 快接头合格证与寿命指标
□ 冷板热性能测试报告
□ CDU 出厂测试报告
□ 漏液检测模拟测试（响应时间 ≤10s，定位准确，联动正常）
□ 接地连续性测试（≤0.1Ω）
□ 托盘承重测试报告
□ 外观检查（无变形、无划伤、涂层完好）
□ 随机备件与文件清单
□ 操作维护手册（中文版）

三、到货验收：路上出的问题，别到现场才发现

货到现场，卸车之前先做这几件事：

1. 先看压力表
液冷柜出厂时如果是保压状态（部分厂家充氮 0.5–1 bar），到货第一件事是看压力表读数。如果压力归零，说明运输途中密封出了问题，这台柜要重点检查，不能直接签收。

2. 检查运输损伤

• 外包装是否破损、受潮
• 柜体是否有变形、磕碰、涂层脱落
• 快接头保护帽是否还在（丢了就是进灰了）

3. 核对铭牌与文件
型号、数量、序列号，随机文件（合格证、测试报告、操作手册、备件清单）。

4. 确认管路状态

• 是否排空干燥
• 有没有残留液体痕迹
• 管口是否封堵完好

5. 拍照留证
卸车前后各拍一组照片，特别是包装状态和压力表读数。这是后期索赔的依据。

四、现场安装验收：注液是分水岭

这一段是整个交付过程技术含量最高的部分，也是最容易留隐患的部分。

安装与调试的标准流程

① 机柜就位 → 调平 → 固定 → 接地
② 二次侧管路接驳（主管 → 柜内 Manifold）
③ 系统冲洗（Flush）
④ 保压检漏
⑤ 真空注液
⑥ 循环排气
⑦ 流量平衡标定
⑧ CDU 单机与联调
⑨ 漏液检测与监控系统联调
⑩ 空载运行测试（≥4 小时）
⑪ 带载烤机测试（≥24 小时，重要项目 72 小时）
⑫ 验收签字 + 培训 + 文档交付

每一步的验收判据

① 就位与接地

• 水平度：柜体垂直度偏差 ≤ 3mm（用水平尺和吊线）
• 固定：抗震地脚/膨胀螺栓紧固，扭矩达标
• 接地：柜体、门板、管路等电位连接，接地电阻 ≤ 1Ω（按机房接地系统要求）

② 管路接驳

• 法兰/卡箍连接力矩达标（按规范，不锈钢卡箍一般 5–8 N·m，具体看规格）
• 管路支撑间距 500–800mm
• 软管弯曲半径 ≥ 管径的 5–8 倍
• 湿区与干区隔离

③ 系统冲洗
这是最容易被跳过的一步。新装管路里可能有焊渣、灰尘、安装残留，必须冲干净再注冷却液。

• 冲洗介质：去离子水或专用冲洗液
• 冲洗流速：≥ 系统正常运行流速的 1.5 倍（湍流状态才能带走颗粒）
• 判据：排出水浊度、颗粒度接近注入水，过滤器无明显截留物
• 冲洗后要彻底排空并吹干，不能让冲洗水稀释冷却液

④ 保压检漏

• 同 FAT 标准（1.5 倍压力，保压 ≥30 分钟）
• 这次测的是整个系统（含现场安装的管路），比 FAT 范围更大
• 所有接头、焊缝、阀门都要逐一目视检查

⑤ 真空注液
这一步是整个液冷系统成败的关键。

为什么必须真空注液？冷板内部是微通道结构，流道窄、走向复杂。如果直接重力灌或者泵灌，管路和冷板里会残留大量气泡。这些气泡会：

• 形成气堵，局部无流量 → 局部过热
• 导致泵气蚀，损坏叶轮
• 让流量表读数虚高，掩盖真实问题

真空注液的做法：

• 用真空泵把系统抽到一定真空度（通常 -0.08 到 -0.095 MPa）
• 保持真空一段时间，确认系统密封性（真空度不回升）
• 利用负压把冷却液吸入系统
• 注液量要达到设计充注量的 95% 以上

验收判据：真空度达标、注液量达标、系统无可见气泡。

⑥ 循环排气
注液之后还要循环排气：

• 开启 CDU 泵，低流量循环
• 打开各高点的排气阀
• 逐步提高流量，反复排气
• 直到流量计读数稳定、无压力波动、无气蚀噪音

这一步可能要几个小时甚至一整天，不能急。 排气不彻底，后面全是麻烦。

⑦ 流量平衡标定
每个支路（每台柜、每台服务器）的流量要达到设计值。

• 用便携式流量计或者支路上的流量计测量
• 调节平衡阀，使各支路流量偏差 ≤ ±10%
• 记录最终阀门开度和流量值，这个数据要存档

为什么重要？流量分配不均，流量小的那台会过热，而总流量表看起来是正常的。这是液冷系统最典型的"看不见的故障"。

⑧ CDU 联调

• 供液温度设定（按露点 + 5℃ 原则）
• 露点跟随功能测试（模拟机房湿度变化，看供液温度是否自动调整）
• 泵切换测试（主泵故障，备用泵自动投入，切换时间 ≤ 10 秒）
• 保护功能测试（低流量、低液位、超温、超压保护）
• 通讯接口测试（Modbus/BACnet/SNMP 接入 DCIM）

⑨ 监控联调

• 漏液告警 → DCIM → 声光 → 短信/微信推送，全链路测试
• 温度、压力、流量、液位点位核对（逐点核对，不要相信批量导入）
• 告警阈值设定

⑩⑪ 烤机测试

• 空载运行 ≥ 4 小时：检查泵、阀门、控制系统、无渗漏
• 满载烤机 ≥ 24 小时（重要项目 72 小时）：
• 全程记录：各测温点温度、流量、压力、泵电流、液位、机房温湿度
• 判据：温度稳定、流量稳定、无告警、服务器无降频
• 特别注意：观察 CDU 的补液量。如果烤机期间需要补液，说明有微渗，必须查明

五、运维 SOP：把巡检做成一张表

系统交付之后，就进入运维阶段。我给客户设计的巡检表，按频次分层。

日常巡检（每班/每日）

日常巡检的核心：看趋势，不看单点。 比如液位，今天比昨天低一点，明天又低一点，这就是信号——即使还在"正常范围"内。

每周巡检

• 过滤器压差（记录数值，与上周对比）
• 管路接头目视检查（有无渗液痕迹、锈蚀）
• 漏液检测绳状态（有无破损、移位）
• 备用泵切换测试（每月做一次即可，但每周确认处于自动状态）

每月巡检

• 水质检测（快速项）：电导率、pH
• CDU 板换温差（一次侧与二次侧的换热温差，判断结垢/污堵）
• 泵电流趋势
• 冷却液补充记录（补充量异常要分析）
• 阀门标识与状态核对
• DCIM 历史数据回顾（温度曲线、告警统计）

每季度巡检

• 完整水质检测：电导率、pH、浊度、氯离子、金属离子（Cu/Fe/Al）、微生物
• 紧固件力矩抽查（管路支架、接头）
• 电气连接点测温（红外测温仪，异常温升是隐患）
• 接地系统检查
• 软管老化检查（有无龟裂、鼓包、硬化）
• 快接头外观检查（有无渗漏痕迹、密封圈老化）

每半年

• 冷却液浓度/冰点检测（冬夏各一次，入冬前必做）
• 缓蚀剂残余浓度检测（送实验室）
• 微生物培养检测
• 管路内窥镜抽查（重点看焊口和弯头处）
• CDU 板换清洗评估（根据温差和压差判断）
• 应急预案演练（这个非常重要，见第七节）

每年

• 系统全面检查（按 FAT 项目抽测，重点是保压测试）
• 冷却液全分析
• 板换拆洗
• 所有阀门操作测试（防止长期不动卡死）
• 备件盘点与补充
• 运维记录归档与年度评估

一个原则：所有检测都要留档

建一张 Excel 或者用 DCIM 的历史库，把所有检测数据按时间存下来。这份档案的价值在于：

• 趋势预警：在问题爆发前 3–6 个月就能看到苗头
• 责任界定：出问题时的证据
• 优化依据：什么时候该换液、什么时候该清洗，用数据说话，不拍脑袋

六、故障处置：按现象倒推，别乱猜

液冷系统出故障，值班人员最常犯的错误是"凭感觉处置"。我整理了一张故障树，按现象倒推。

故障 1：某台服务器/GPU 过热、降频

排查顺序：

1. 看这台服务器的支路流量是否达标（最常见原因：流量不足）
2. 看冷板进出口温差（温差过小 = 流量过大或换热差；温差过大 = 流量不足）
3. 检查冷板与芯片的贴合（导热界面材料是否干涸、有无气泡）
4. 检查流道是否堵塞（冷板进出口压差）
5. 检查是否有气堵（局部高点积气）

处理：调节平衡阀 → 排气 → 如确认堵塞，隔离该支路，冲洗或更换冷板。

故障 2：CDU 补液频繁

这意味着有渗漏。 排查顺序：

1. 看接水盘有没有积液（有 = 明漏）
2. 检查所有快接头、阀门、法兰（目视 + 纸巾擦拭）
3. 检查排气阀（有时自动排气阀会带出液体）
4. 检查板换是否内漏（一次侧液体进入二次侧，或反之）—— 取样检测

不要靠"补液就行"来维持。 渗漏会持续扩大，而且冷却液泄漏到电气区域是重大风险。

故障 3：系统流量持续下降

排查顺序：

1. 过滤器压差（最常见：堵塞）
2. 泵的入口压力（是否气蚀）
3. 阀门是否被误关或部分关闭
4. 管路是否有堵塞（内窥镜或分段测压）
5. 泵叶轮是否磨损

故障 4：电导率持续升高

排查顺序：

1. 最近是否补过液？补的是什么？（最常见：补了自来水或不同品牌冷却液）
2. 系统是否有持续的活性腐蚀（结合金属离子判断）
3. 是否混入其他液体（如一次侧水通过板换内漏进入）

处置：如果超标不严重，可以部分置换；严重则整系统换液 + 查找腐蚀源。

故障 5：pH 持续下降

原因：乙二醇/丙二醇降解产酸，或缓蚀剂耗尽。

处置：先加 pH 调整剂应急，然后评估是否需要换液。pH 低于 7.5 且调整无效，必须换液。

故障 6：泵异响、振动

排查顺序：

1. 入口压力是否足够（气蚀的典型表现是"噼啪"声，像石子在管里流）
2. 系统是否有气（排气）
3. 泵基础/减震是否松动
4. 轴承是否磨损

故障 7：漏液告警触发

先别慌，先判定是真漏还是误报（见第七节）。

故障 8：柜内出现凝露

排查顺序：

1. 供液温度是否低于机房露点（最常见）
2. CDU 的露点跟随功能是否正常工作
3. 机房湿度是否异常升高（加湿系统失控、门窗未关）
4. 柜内温湿度传感器是否故障

处置：立即提高供液温度至露点 + 5℃ 以上，检查湿度控制，擦干积液，检查设备绝缘。

七、漏液应急处置：三步决策法

这是我认为每个液冷机房都必须演练的流程。

第一步：确认是真漏还是误报

液冷系统的"漏液告警"有三种可能：真漏、凝露、传感器误报。三者处置方式完全不同，判断错了后果很严重。

判断依据（按顺序看）：

1. CDU 液位与补液速率：液位持续下降 + 补液速率异常 = 真漏
2. 接水盘液位：有积液 = 真漏（或凝露量大）
3. 目视检查：现场看管路、接头、阀门。戴手电，看柜体底部、Manifold 下方
4. 检测绳定位：告警的具体位置
5. 柜内湿度趋势：湿度飙升但液位正常 = 大概率凝露
6. 传感器自检：排除误报（接线松动、进水、干扰）

判断时间要控制在 5 分钟内。 所以监控系统的点位要多、定位要准，这就是为什么我一直强调检测手段要冗余。

第二步：定位与隔离

确认真漏之后：

1. 确定泄漏点在哪一路（哪台柜、哪条支路）
2. 关闭对应支路的隔离阀（这就是为什么要装分段隔离阀）
3. 判断是否需要切断该支路服务的负载

断电决策原则——这是最关键也最难的判断：

不要一有告警就全系统断电，也不要心存侥幸硬扛。 判据就是：液体有没有接触带电部位。

第三步：处置与恢复

1. 关阀隔离、必要时断电
2. 收集液体（接水盘、吸水材料）
3. 擦干、吹干受影响区域
4. 绝缘检测：受影响的电气部件必须做绝缘测试，合格后才能上电
5. 检查泄漏点：接头？密封圈？焊缝？软管？
6. 更换损坏部件
7. 局部或整体重新保压测试
8. 补液、排气
9. 恢复运行，观察至少 4 小时

演练要求

每半年至少演练一次。 演练内容：

• 漏液告警的识别与判定（5 分钟内）
• 阀门操作（每个人都要知道关哪个阀）
• 断电决策流程（谁有权决定）
• 应急物资位置（吸水材料、备件、工具）
• 上报流程与联系人

没有演练过的预案，等于没有预案。

八、备件清单：花小钱防大事

我给客户的常备备件建议（按一个 6–10 柜的中型液冷系统）：

备件投资建议：按系统总投资的 2%–3% 备常备件，另外和厂家约定紧急备件的响应时效（比如 24 小时到场）。

冷却液备货特别提醒：型号必须与在用的一致。不同品牌、不同配方不能混用（见《液冷机柜里的"血"：冷却液怎么选》）。如果厂家停产或改配方，要提前做相容性评估。

九、文档体系：一个液冷系统该有哪些文件

变更记录这一条特别重要。 换了个阀门、加了段管子、改了冷却液品牌——这些都要记。很多事故追溯到最后，都是"上次改了什么没人知道"。

十、写在最后：运维是买不来的

液冷系统的运维能力，不是买设备送的，也不是看手册就能会的。它需要：

• 一套清晰的 SOP
• 一份完整的文档
• 一批受过培训的人
• 定期的演练和复盘

我在做交付的时候，培训和文档这两项，跟设备本身一样重视。因为我知道，一台液冷柜的价值不在交付那天体现，而在三年后、五年后它还能稳定跑着的时候体现。

我们做液冷温控机柜，交付的除了柜子，还包括 FAT 全套测试报告、操作维护手册、以及现场培训。这套东西是我们做了这么多年攒下来的，愿意给客户讲透——因为运维做好了，设备才不会被冤枉。

如果你的液冷系统已经在跑，但没做过完整的验收和 SOP，建议尽快补上。这比买任何保险都划算。

作者：高林，河北泽雷特电子科技创始人，数据中心基础设施行业从业 20 年。
联系：18633076791 | www.zltdata.com