SoSo CAD
Bilimsel makaleÜcretsiz okunur2020

Kalibre: Veri Merkezi Dijital İkizleri için Bilgiye Dayalı Sinirsel Vekil Model Kalibrasyonu

Özgün başlık Kalibre: Knowledge-based Neural Surrogate Model Calibration for Data Center Digital Twins

Proceedings of the 7th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (ACM) · Ruihang Wang, Xin Zhou ve diğerleri

Veri salonu CFD ikizlerinde ölçülmesi zor parametreleri, özellikle sunucu başına hava debisini, sinirsel vekil model ve sensör verisiyle kalibre eden ACM BuildSys 2020 makalesi.

Özgün kaynağa git
Bu sayfada

Özet

Bu makale, 2020'de ACM BuildSys konferansında (200-209. sayfalar) yayımlanan, Ruihang Wang ve arkadaşlarının çalışmasıdır (DOI 10.1145/3408308.3427982, arXiv:2001.10681). Veri salonu CFD ikizlerini genellikle bozan adımı ele alır: ölçülmesi zor parametreler, özellikle sunucu başına hava debisi. Bu debi, sunucunun iç fan kontrolüne bağlıdır ve üretici özelliklerinde nadiren bulunur. Kayıt yalnızca özete ve makalenin öne çıkan sonuçlarına dayanır. Bu bulgu, kalibrasyonun ikizlerin güvenilirliği için neden temel bir adım olduğunu gösterir.

Yöntem şöyledir: CFD çalıştırmaları üzerinde bir sinirsel vekil model eğitilir, salonun bilinen termofiziği ağın içine gömülür ve vekil model üzerinde, soğuk ve sıcak koridor sensör okumalarına karşı parametre araması yapılır. En iyi parametreler CFD modeline geri yazılır ve ölçümlere karşı yeniden kontrol edilir; yakınsayana kadar yinelenir. Makaleye göre elle kurulan CFD modelleri, önceki çalışmalara atıfla, 5 C'ye varan sıcaklık tahmin hatası verebilir.

Sonuçlar, yüzlerce metrekare ve binlerce sunuculu iki üretim salonunda alınmıştır. Kalibre edilmiş CFD, onlarca soğuk/sıcak koridor sensör noktasında 0,81 C ve 0,75 C ortalama mutlak hata (MAE) elde etmiştir; bu, 32 çekirdekli bir sanal makinede yaklaşık 5 saat sürmüştür. Aynı hesaplama bütçesiyle sezgisel arama ve sade bir sinirsel vekil model yaklaşık 1,5-4 C MAE'ye ulaşmış, bir alan uzmanının elle kalibrasyonu 1,32 C ve 1,1 C vermiştir (Kalibre'den sırasıyla yüzde 63 ve 46 daha yüksek).

Makale ayrıca koridorlardaki sensörlerin esas olarak yakındaki CRAC'leri yansıttığını ve giriş sıcaklıklarının çoğu zaman 15 C ile 27 C arasında olması istendiğini belirtir. Sınırlama olarak sonuçlar iki salonla sınırlıdır ve yöntemin diğer salon tiplerine genelleşmesi ayrıca doğrulanmalıdır. Yine de dijital ikizlerin devreye alma sonrası kalibrasyonu için pratik, ölçülebilir bir iş akışı ve gerçekçi bir doğruluk hedefi sunar. Bu sonuçlar, otomatik kalibrasyonun hem doğruluk hem de uzman iş yükü açısından avantaj sağladığını ortaya koyar.

Öne çıkan noktalar

  1. Elle kurulan CFD modelleri (önceki çalışmalara atıfla) 5 C'ye varan sıcaklık tahmin hatası verebilir; çünkü sunucu başına hava debisi bilinmez ve ölçeklenerek ölçülmesi zordur.
  2. Kalibre döngüsü: (1) CFD verisiyle vekil model eğit, (2) vekili sensör verisiyle yeniden eğiterek parametre ara, (3) parametreleri CFD'ye geri yaz, (4) CFD'yi sensör verisiyle doğrula.
  3. Yüzlerce metrekarelik, binlerce sunuculu iki üretim salonunda kalibre CFD, onlarca sensör noktasında 0,81 C ve 0,75 C MAE verdi; 32 çekirdekli sanal makinede yaklaşık 5 saat.
  4. Aynı hesaplama bütçesiyle sezgisel arama ve sade sinirsel vekil yaklaşık 1,5-4 C MAE verdi; uzman elle kalibrasyonu 1,32 C ve 1,1 C verdi (Kalibre'den yüzde 63 ve 46 yüksek).
  5. Koridor sensörleri esas olarak yakındaki CRAC'leri yansıtır; giriş sıcaklıkları çoğu zaman 15-27 C arasında istenir.
  6. Yöntem fiziksel bilgiyi sinir ağına gömer; amaç kalibrasyon sürecini otomatikleştirmektir.
  7. DOI 10.1145/3408308.3427982; arXiv:2001.10681.

Tasarımda kullanımı

  • Devir teslimde bir kalibrasyon iş akışı sunun: koridor sensör verisini içe aktarın, sunucu başına hava debisini (ve bypass/geri dolaşımı) önsel değerlerle kalibrasyon parametresi olarak işaretleyin, kalibrasyon öncesi ve sonrası MAE raporlayın.
  • Gerçekçi bir ikiz düzeyi hedefi olarak yaklaşık 1 C MAE kullanın.
  • Kalibre edilmemiş tasarım modellerinin yaklaşık 5 C'ye kadar sapabileceğini işaretleyin.
  • Bilinmeyenleri azaltmak için sunucu kataloğunda üreticinin kW başına hava debisi verisini tercih edin.

Aylık bülten · ücretsiz

Referans listeniz güncel kalsın

Ayda bir: yeni eklenen kaynaklar, Türkiye mevzuatındaki değişiklikler ve yaklaşan veri merkezi etkinlikleri.

SoSo CAD

Soğutma kapasitenizi tasarımla birlikte kontrol edin

SoSo CAD’de zonların ısı yükünü, kullanılabilir kapasitesini ve en büyük ünite kaybındaki kapasite dengesini inceleyin.

Demo iste
SoSo CAD soğutma çalışma alanında zon yükleri ve kapasite dengesi

Kimler okumalı

Veri salonu CFD modelleri ve dijital ikiz kuran, işletme aşamasında kalibre eden mühendisler ve araştırmacılar.

İlgili standartlar

  • ASHRAE TC 9.9 Thermal Guidelines for Data Processing Environments

Yayın bilgileri

Yazarlar
Ruihang Wang; Xin Zhou; Linsen Dong; Yonggang Wen; Rui Tan; Li Chen; Guan Wang; Feng Zeng
Yayıncı
Proceedings of the 7th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (ACM)
Yıl
2020
Belge numarası
arXiv:2001.10681
Sayfalar
200-209
Belge dili
İngilizce
Kaynak türü
Bilimsel yayın
Erişim
Ücretsiz okunur
Lisans
arXiv dağıtım izni — yeniden kullanım koşulları hak sahibine bağlıdır
Özgün lisans notu (İngilizce)

arXiv default licence; the ACM version carries an ACM copyright notice. Citation only.

Künye

Ruihang Wang; Xin Zhou; Linsen Dong; Yonggang Wen; Rui Tan; Li Chen; Guan Wang; Feng Zeng (2020). Kalibre: Knowledge-based Neural Surrogate Model Calibration for Data Center Digital Twins. Proceedings of the 7th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (ACM). arXiv:2001.10681. 200-209. https://doi.org/10.1145/3408308.3427982

Hava akışıDevreye almaİşletme

Konuyla ilgili etkinlikler

Etkinlik takvimini inceleyin

İçerik ve tüm hakları eser sahiplerine aittir. SoSo CAD yalnızca künye, kendi hazırladığı özet ve kaynağa bağlantı sunar; kaynakların içeriğinden sorumlu değildir.