C114通信網(wǎng)  |  通信人家園

專題
2024/11/21 14:19

基于Transformer的數(shù)據(jù)中心機(jī)房三維溫度場快速重構(gòu)和預(yù)測方法

郵電設(shè)計(jì)技術(shù)  朱 旭,賀 曉,高 健,閆若飛,陳俊丞,姚貴策

本文版權(quán)為《郵電設(shè)計(jì)技術(shù)》所有,如需轉(zhuǎn)載請聯(lián)系《郵電設(shè)計(jì)技術(shù)》編輯部

摘 要:機(jī)房內(nèi)部氣流組織的合理性關(guān)系到數(shù)據(jù)中心制冷系統(tǒng)的能耗、IT設(shè)備的性能和熱環(huán)境的安全。傳統(tǒng)氣流組織模擬性能一般在小時(shí)級,使用場景受限,難以滿足實(shí)時(shí)運(yùn)營對機(jī)房溫度場預(yù)測的時(shí)效性需求。提出一種基于Transformer的機(jī)房三維溫度場快速重構(gòu)和預(yù)測方法,通過融合深度學(xué)習(xí)模型與傳統(tǒng) CFD,將氣流組織預(yù)測時(shí)間降低至分秒級,全局平均預(yù)測精度誤差控制在 5% 以內(nèi),從而使 CFD 仿真有效地從設(shè)計(jì)階段應(yīng)用到運(yùn)維階段,支撐數(shù)據(jù)中心的智慧運(yùn)營業(yè)務(wù)。

關(guān)鍵詞:數(shù)據(jù)中心;溫度場預(yù)測;Transformer;機(jī)器學(xué)習(xí);計(jì)算流體力學(xué)

doi:10.12045/j.issn.1007-3043.2024.10.001

概述

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)以及人工智能等新一代信息技術(shù)的推進(jìn)和發(fā)展,全社會數(shù)字經(jīng)濟(jì)蓬勃發(fā)展,算力需求日益增長。據(jù)中國算力平臺統(tǒng)計(jì)測算,2023年中國算力市場規(guī)模平均增速達(dá)到 30%,同時(shí)數(shù)據(jù)中心用電量約為1500億 kWh,占全社會用電量的 1.6%。預(yù)計(jì)到 2030 年,我國數(shù)據(jù)中心能耗總量將超過4000億 kWh。近年來,為了推進(jìn)數(shù)據(jù)中心等重點(diǎn)設(shè)施的綠色低碳升級,工信部等國家部門制定了相關(guān)政策,要求到2025年全國新建大型、超大型數(shù)據(jù)中心的PUE降到 1.3 以下,改建核心機(jī)房降到 1.3 以下,數(shù)據(jù)中心的節(jié)能降碳面臨巨大挑戰(zhàn)。

數(shù)據(jù)中心冷卻系統(tǒng)占數(shù)據(jù)中心總能耗的 30%~55%,由于數(shù)據(jù)中心各機(jī)房空間布局復(fù)雜,氣流組織可能存在分布不均勻、冷熱氣流混摻等問題,進(jìn)而導(dǎo)致冷卻效果不佳,帶來持續(xù)的能源浪費(fèi)。通過人工測量、現(xiàn)場布置溫度傳感器等實(shí)驗(yàn)測量方法可以捕捉局部熱點(diǎn),但受限于空間和成本問題,難以獲取機(jī)房全局的溫度場信息。利用計(jì)算流體力學(xué)(ComputationalFluid Dynamics,CFD)的方法,可有效地計(jì)算模擬出特定條件的機(jī)房溫度場三維分布,從而為提高冷卻效能提供參考。

然而,傳統(tǒng)的 CFD技術(shù)通常需要進(jìn)行復(fù)雜的數(shù)值模擬和計(jì)算,耗費(fèi)大量的計(jì)算資源與時(shí)間,針對數(shù)據(jù)中心機(jī)房氣流組織的性能模擬通常需要小時(shí)級的時(shí)間成本,使用場景受限,難以滿足數(shù)據(jù)中心實(shí)時(shí)運(yùn)營階段對于仿真數(shù)據(jù)的時(shí)效性需求。隨著信息技術(shù)的發(fā)展,大量數(shù)據(jù)可被收集和積累,智能預(yù)測模型的快速性優(yōu)勢日益凸顯。部分研究嘗試將機(jī)器學(xué)習(xí)方法與傳統(tǒng)CFD仿真技術(shù)結(jié)合,在給定的邊界條件以及初始條件下,利用機(jī)器學(xué)習(xí)方法對流體域的三維溫度場進(jìn)行快速重構(gòu),從而實(shí)現(xiàn)溫度場等物理量的智能預(yù)測。近年來,智能預(yù)測模型主要采用卷積神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、自編碼器等方法?紤]到數(shù)據(jù)中心機(jī)房智能預(yù)測具備時(shí)序性強(qiáng)、復(fù)雜構(gòu)型和強(qiáng)非線性的特點(diǎn),上述方式的效果有限,亟需研發(fā)針對數(shù)據(jù)中心機(jī)房的三維溫度場智能預(yù)測方法。

Transformer 通過將注意力引入到自編碼器模型中,允許模型在解碼時(shí)關(guān)注輸入序列的不同部分,可以有效提升模型性能。Transformer 摒棄了 RNN 和CNN的結(jié)構(gòu),依賴于自注意力機(jī)制和殘差前饋神經(jīng)網(wǎng)絡(luò),在自然語言處理領(lǐng)域獲得了廣泛關(guān)注和應(yīng)用。Transformer在處理長程依賴、并行計(jì)算、任務(wù)適應(yīng)性和穩(wěn)定性等方面具有一定的優(yōu)勢,其自注意力、上下文建模等機(jī)制不僅可以有效地捕捉復(fù)雜機(jī)房空間特征中的全局溫度場趨勢,還能關(guān)注到關(guān)鍵的局部熱點(diǎn)信息。因此,本文基于 Transformer 深度學(xué)習(xí)模型和架構(gòu),通過對機(jī)房三維溫度場信息的挖掘和學(xué)習(xí),實(shí)現(xiàn)對數(shù)據(jù)中心三維溫度場的快速重構(gòu)和智能預(yù)測,為數(shù)據(jù)中心的智慧運(yùn)營提供技術(shù)支撐。

點(diǎn)擊查看全文(PDF)>

給作者點(diǎn)贊
0 VS 0
寫得不太好

免責(zé)聲明:本文僅代表作者個(gè)人觀點(diǎn),與C114通信網(wǎng)無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí),對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實(shí)相關(guān)內(nèi)容。

熱門文章
    最新視頻
    為您推薦

      C114簡介 | 聯(lián)系我們 | 網(wǎng)站地圖 | 手機(jī)版

      Copyright©1999-2025 c114 All Rights Reserved | 滬ICP備12002291號

      C114 通信網(wǎng) 版權(quán)所有 舉報(bào)電話:021-54451141