An economic room-level thermal management of air-cooled cloud data centers based on human brain emotional intelligence
Notice bibliographique
Résumé
Cloud Data Centers (CDCs) are consistently recognized as pivotal in the digital economy due to their provision of flexible and cost-effective solutions for storing and processing large volumes of data. These facilities enable businesses to adapt to evolving demands, support advanced technologies, and facilitate global collaboration by offering instant access to resources. Consequently, ensuring their reliable and uninterrupted operation remains a primary concern for technology enterprises and service providers. Among the various factors influencing the performance of CDCs, thermal conditions are of particular significance. In this context, a novel Brain Emotional Learning-Based Intelligent Controller (BELBIC) is proposed in this paper for room-level temperature regulation of an air-cooled CDC. Unlike other established controllers, the proposed BELBIC is both intelligent and adaptive, thereby exhibiting superior performance and adaptability to the dynamic conditions of CDCs. To evaluate the efficacy of the proposed approach, it has been implemented in an air-cooled CDC comprising two server clusters across four distinct weather seasons. The performance of the proposed BELBIC is subsequently benchmarked against four existing controllers, with comparisons based on heat cost. In Cluster 1, Brain Emotional Learning-Based Intelligent Controller (BELBIC) reduces costs by approximately 94.00% to 95.72% compared to Fractional Order Proportional Integral controller (FPI) and Fractional Order Proportional Integral Derivative controller (FPID), and by about 71.13% to 72.47% compared to Proportional Integral Derivative controller (PID) and Proportional Integral controller (PI). Similarly, in Cluster 2, BELBIC achieves cost reductions of around 93.84% to 95.65% versus FPI and FPID, and approximately 70.51% to 72.26% versus PID and PI. The results demonstrate that the proposed model surpasses the others by achieving reduced heat costs and faster thermal regulation, attributed to its intelligent and adaptive features.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».