.png){kind=icon}
返回
Physics-Informed Predictive Causality in Data Center Cooling
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14214231.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解数据中心冷却系统中的因果结构对于能源优化和故障检测至关重要。基于物理连接的常规方法保证了可解释性，但常常遗漏潜在交互作用，而格兰杰因果性捕捉预测依赖关系，却对数据质量敏感且方向性模糊。为克服这些局限性，我们提出了一种混合因果发现框架，该框架将物理知情先验与格兰杰启发的预测建模相结合。一项关键创新是采用相对增量公式，该公式关注控制动作后可观测量的即时比例变化。此设计过滤掉长期季节性趋势，并强调短期、可操作的影响。应用于来自实际数据中心的大规模数据集时，该框架成功恢复了已知的控制-反馈链路，识别出一致的控制-温度关系，并揭示了传统方法忽略的跨单元影响。通过结合用于方向性的物理先验和用于灵活性的预测因果性，该方法生成一个既可解释又稳健的因果网络，为能源关键基础设施的决策提供原则性基础。
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:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Setyo, Z.G.M.; Rijal, H.B.; Aqilah, N.; Abdullah, N. Energy Efficiency Measurement Method and Thermal Environment in Data Centers—A Literature Review. Energies 2025, 18, 3689. [Google Scholar] [CrossRef]Setyo, Z.G.M.; Rijal, H.B.; Aqilah, N.; Abdullah, N. 数据中心能效测量方法与热环境—文献综述. Energies 2025, 18, 3689. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏A Survey on Data Center Networking (DCN): Infrastructure and Operations数据中心网络 (DCN) 调查: 基础设施和运营
PREAI
分享收藏A Submerged Building Strategy for Low-Carbon Data Centers in Coal Mining Subsidence Areas: System Design and Energy–Carbon Performance Assessment煤矿沉陷区低碳数据中心的水下建筑策略：系统设计与能碳性能评估
OAAI
OAAI分享收藏分享收藏分享收藏分享收藏
查看更多内容