Эффективная методика генерации синтетических данных для обучения ML-моделей диагностики аномалий в системах охлаждения ЦОД с помощью OpenModelica
DOI:
https://doi.org/10.5281/zenodo.18229781Ключевые слова:
ЦОД, охлаждение, динамическое моделирование, OpenModelica, аномалии, синтез данных, Python, DLR ThermoFluidStreamПоддерживающие организации
Лицензия
Аннотация
Разработана динамическая модель системы охлаждения ЦОД в OpenModelica с использованием библиотеки DLR ThermoFluidStream для анализа аномалий (утечки хладагента, засорения). Предложена инновационная двухэтапная методика (имитация в OpenModelica + обработка в Python), позволяющая в 300 раз эффективнее синтезировать зашумленные данные для анализа отказов по сравнению с нативным моделированием. Модель позволяет воспроизводить критические сценарии в контролируемых условиях и предназначена для тестирования алгоритмов диагностики и оптимизации архитектуры систем охлаждения на этапе проектирования, а также позволяет генерировать синтетические данные для обучения предиктивных ML-моделей.
Скачивания
Библиографические ссылки
1. Nadjahi, C. A review of thermal management and innovative cooling strategies for data center / C. Nadjahi, H. Louahlia, S. Lemasson // Sustain. Comput. Inform. Syst. – 2018. – V. 19. – P. 14–28.
2. Numerical analysis of adaptive signal decomposition methods applied for ultrasonic gas flowmeters / M.V. Ronkin [et al.] // AIP Conf. Proc. – 2022. – V. 2425, № 1. – P. 130009.
3. Study on the impacts of refrigerant leakage on the performance and reliability of datacenter composite air conditioning system / Y. Zhang [et al.] // Energy. – 2023. – V. 284. – P. 129336.
4. Refrigerant leak detection in industrial vapor compression refrigeration systems using machine learning / A. Mtibaa [et al.] // Int. J. Refrig. – 2024. – V. 161. – P. 51–61.
5. Soft measurement and prediction of refrigerant leakage based on SVR-LSTM / Y. Yang [et al.] // Int. J. Refrig. – 2023. – V. 152. – P. 303–314.
6. Аверин, Г. В. Обоснование положений термодинамики идеального газа методами математического моделирования / Г. В. Аверин, А. В. Звягинцева // Вестник Донецкого национального университета. Серия Г: Технические науки. – 2022. – № 3. – С. 21-31. – EDN BDVEIL.
7. Zimmer, D. Robust object-oriented formulation of directed thermofluid stream networks / D. Zimmer // Math. Comput. Model. Dyn. Syst. Taylor & Francis. – 2020. – V. 26, № 3. – P. 204–233.
8. Zimmer, D. Robust Simulation of Stream-Dominated Thermo-Fluid Systems: From Directed to Non-Directed Flows / D. Zimmer, N. Weber, M. Meibner // SNE Simul. Notes Eur. – 2021. – V. 31, № 4. – P. 177–184.
9. Equation-based object-oriented modeling and simulation for data center cooling: A case study / Y. Fu [et al.] // Energy Build. – 2019. – V. 186. – P. 108–125.
10. Model-based data center cooling controls comparative co-design / M. Grahovac [et al.] // Sci. Technol. Built Environ. Taylor & Francis. – 2024. – V. 30, № 4. – P. 394–414.
11. Keir, M. C. Dynamic Modeling, Control, and Fault Detection in Vapor Compression Systems / M. C. Keir, A. G. Alleyne // Air Cond. Refrig. Cent. TR-247. Air Conditioning and Refrigeration Center. College of Engineering. University of Illinois at Urbana-Champaign. – 2006. – P. 8–12.
REFERENCES LIST
1. Nadjahi, C. A review of thermal management and innovative cooling strategies for data center / C. Nadjahi, H. Louahlia, S. Lemasson // Sustain. Comput. Inform. Syst. – 2018. – V. 19. – P. 14–28.
2. Numerical analysis of adaptive signal decomposition methods applied for ultrasonic gas flowmeters / M.V. Ronkin [et al.] // AIP Conf. Proc. – 2022. – V. 2425, № 1. – P. 130009.
3. Study on the impacts of refrigerant leakage on the performance and reliability of datacenter composite air conditioning system / Y. Zhang [et al.] // Energy. – 2023. – V. 284. – P. 129336.
4. Refrigerant leak detection in industrial vapor compression refrigeration systems using machine learning / A. Mtibaa [et al.] // Int. J. Refrig. – 2024. – V. 161. – P. 51–61.
5. Soft measurement and prediction of refrigerant leakage based on SVR-LSTM / Y. Yang [et al.] // Int. J. Refrig. – 2023. – V. 152. – P. 303–314.
6. Averin, G. V. Obosnovanie polozhenii termodinamiki idealnogo gaza metodami matematicheskogo modelirovaniia / G. V. Averin, A. V. Zviagintseva // Vestnik Donetskogo natsionalnogo universiteta. Seriia G: Tekhnicheskie nauki. – 2022. – № 3. – S. 21-31. – EDN BDVEIL.
7. Zimmer, D. Robust object-oriented formulation of directed thermofluid stream networks / D. Zimmer // Math. Comput. Model. Dyn. Syst. Taylor & Francis. – 2020. – V. 26, № 3. – P. 204–233.
8. Zimmer, D. Robust Simulation of Stream-Dominated Thermo-Fluid Systems: From Directed to Non-Directed Flows / D. Zimmer, N. Weber, M. Meibner // SNE Simul. Notes Eur. – 2021. – V. 31, № 4. – P. 177–184.
9. Equation-based object-oriented modeling and simulation for data center cooling: A case study / Y. Fu [et al.] // Energy Build. – 2019. – V. 186. – P. 108–125.
10. Model-based data center cooling controls comparative co-design / M. Grahovac [et al.] // Sci. Technol. Built Environ. Taylor & Francis. – 2024. – V. 30, № 4. – P. 394–414.
11. Keir, M. C. Dynamic Modeling, Control, and Fault Detection in Vapor Compression Systems / M. C. Keir, A. G. Alleyne // Air Cond. Refrig. Cent. TR-247. Air Conditioning and Refrigeration Center. College of Engineering. University of Illinois at Urbana-Champaign. – 2006. – P. 8–12.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
