基于计算流体力学的数据中心机器学习热模型数据增强技术

摘要

基于人工智能的热模型可以有效地提升数据中心制冷能效比。受到机房实际采集数据的数量不足和覆盖范围不足的影响,使用实际采集数据集训练的热模型常常在准确度和泛化能力上存在不足。文章介绍了一种基于计算流体力学(Computational Fluid Dynamics,CFD)的人工合成数据增强技术,采用增强数据源对人工智能热模型的训练数据集进行补充。模拟场景下的实验结果显示CFD数据增强技术不仅能在实际采集数据量不足时提高模型准确度,减少预测误差,还能提升模型在实际采集数据无法覆盖工况下的性能。