.png){kind=icon}
返回
A virtual model of data centre cooling
.png){kind=icon}
OA
AI
DOI：10.1016/j.applthermaleng.2026.130340.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 基于5年运行数据的混合电子表格回归-物理冷却模型。
• 在不同天气和IT负荷下，准确复现冷却负荷，MAPE<2%。
• 识别并标记冷水机组和绝热冷却设备的计量异常。
• 实现在真实气候条件下的优化和设定点虚拟测试。
• 支持运营商使用基于电子表格的仿真进行低成本复制。
Keyword:
Data centres
Energy model
Cooling load prediction
Modular
Efficiency improvement
Energy benchmarking
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.9
论文数:
2.7W
被引数:
10.6W
机构
引用论文
Performance Analysis of Machine Learning Regression Techniques to Predict Data Center Power Usage Efficiency机器学习回归技术在预测数据中心电源使用效率方面的性能分析
PREAI
分享收藏Physics informed machine learning based predictive control for intelligent operation of edge datacenters基于物理信息的机器学习预测控制，用于边缘数据中心的智能运行.png)
Applied Energy
Applied EnergyIF11
PREAI
分享收藏Transfer Learning for the Prediction of Energy Performance of Water-Cooled Electric Chillers: Grey-Box Models Versus Deep Neural Network (DNN) Models基于迁移学习的水冷电动冷水机组能效预测：灰箱模型与深度神经网络（DNN）模型的比较Energies
EnergiesIF0
PREAI
分享收藏Performance and Applicability Analysis of Indirect Evaporative Cooling Units in Data Centers Across Various Humidity RegionsBUILDINGS
OAAI
BUILDINGSIF3.1
OAAI分享收藏Building cooling energy consumption prediction with a hybrid simulation Approach: Generalization beyond the training rangeENERGY AND BUILDINGS
ENERGY AND BUILDINGSIF7.1
PREAI
分享收藏Combining physical laws and ANN for predicting energy consumption of data center cooling systems结合物理定律和人工神经网络预测数据中心冷却系统能耗ENERGY AND BUILDINGS
ENERGY AND BUILDINGSIF7.1
PREAI
分享收藏Physical energy and data-driven models in building energy prediction: A review建筑能源预测中的物理能源和数据驱动模型: 综述OAAI
OAAI分享收藏
查看更多内容