人工神经网络模型代数推导2.温度分布模型.ppt

温度的高低对空气的密度影响可以忽略不计 对于相距较远的通道之间的影响可以忽略不计 任务分配不同不会造成服务器的性能差异 …… …… 4.结果推广:1)定义能效并探索最优能效比的一般规律 4.结果推广:2)得到最优空调送风温度的线性拟合关系式 4.主要创新点 扩展研究 人工神经网络模型与PDE模型优势互补得到易于实际应用的简单线性温度分布模型 计算检验 模型设计 推导了易于使用的方法计算的连接权矩阵计算法、优化模型，并加以了检验 定义了机房能效找出功率比一般规律，拟合得到最优送风温度与任务量的线性拟合关系式 队员：曹阳 陈勇升 朱宣宇 附加说明 附加说明 * * 队员 曹阳 陈勇升 朱宣宇 Outline 1.问题分析 2.分布模型的建立与求解 3.优化模型的建立与求解 4.结果推广与主要创新点 1.问题分析：问题背景 1.问题分析：问题背景 数据中心的节能成为全球节能运动的重中之重 0 2 4 6 8 10 12 14 16 18 花费 (单位：十亿美金) 服务器花费 电源及制冷 现有市场 (单位：百万套) Source: IDC 分水岭 数据中心所支付的电费 已经超过购买服务器的费用 风扇转速控制器 水温控制阀 管理服务器 传感器网络/数据仓库 系统状态评估 散热系统控制 传感器和控制网络 可调整功率的HVAC(空调)设备 冷却水供应循环 1.问题分析：数据中心机房布局3D图 绿色机房的关键 机柜组 ?视作节点 （两相邻机柜） 冷通道 热通道 架空地板 地板式送风孔 机柜 机柜群 Source: Internet 1.问题分析：设计目标 最优能效评价 最优任务分配方案 精确送风控制 Fluent模拟图 Fluent模拟图 Pictures Source: Internet 1.问题分析：遇到的问题与解决方案 1）通过机房温度监控数据确定温度分布和热点位置?拟合插值法 2）如何定义数据中心能效?查询DC设计原理、规范以得到通用的能效定义（PUE） 3）如何建立任务量与温度分布的映射关系?建立相关热力学模型 4）如何确定合理的任务分配方案?优化模型 数据处理：插值拟合 1.问题分析：分析思路 建模检验：实际数据代入模型 优化控制：转换为线性规划 Source: HP Labs 1.问题分析:插值拟合结果 通道2（冷通道）温度分布 通道2（冷通道）流场分布 据空调深度y/m 高度z/m 温度T/℃ 流速v/m*s^-1 通道3（热通道）温度分布 高度z/m 据空调深度y/m 温度T/℃ 据空调深度y/m 高度z/m 流速v/m*s^-1 据空调深度y/m 高度z/m 通道3(热通道)流场分布 采用MATLAB 二维插值实现 热点32.11℃，y=5.41,z=2.055 1.问题分析：插值拟合发现的一般定性规律 2）热通道温度在较高高度z上随据空调深度y而近似单调增加 5）据空调深度y对冷通道温度影响不大 1）全局热点大致出现在热通道接近最大高度附近 3）热通道温度在低高度z上呈现无明显规律的波动分布 4）热通道温度在据空调最大深度附近温度随高度升高而呈现波动分布 6）冷通道温度与流速近似单调递减 即风速越慢处冷空气堆积致温度低，风速越快处冷空气扩散致温度高 7）热通道温度与流速近似单调递增 即风速越快处热空气对流加速致温度低，风速越慢处热空气堆积致温度高。 1.问题分析：由定性分析得到的假设 1.问题分析：模型选择时遇到的挑战 能否选择新的模型对问题进行抽象化、线性化的简化？ Pictures Source: Internet 2.温度分布模型：人工神经网络模型简介 输出层 隐藏层 输入层 2.温度分布模型：人工神经网络模型拓扑 神经元 （节点） （机柜组） 状态 输入层 输出层 隐藏层 连接权矩阵 反馈 节点的能耗与进、出口温度关系 节点入口温度与空调出风温度关系 2.温度分布模型：人工神经网络模型代数推导 节点出口温度与空调出风温度关系 2.温度分布模型：人工神经网络模型代数推导 网络连接权B、A矩阵计算公式的推导 2.温度分布模型：人工神经网络模型代数推导 2.温度分布模型：人工神经网络模型计算结果 以z=1为观测点 B= [0.4708 0.1471 0.0885 0.1478 0.1510 0.4702 0.0877 0.1465 0.0869 0.0873 0.6461 0.093 0.1471 0.1477 0.0889 0.4699] ? T1(据空调最远) T2 T3 T4(据空调最近) z=1.8的B数据 31.7151 31.3203 29.5089 3