某数据机房低负载率下冷却系统水泵变频节能研究

随着数据中心行业的不断发展,我国在用数据中心机架规模不断增长,截至2021年底已达520万架。与此同时,数据中心的耗电量不断增长,2020年我国数据中心耗电量突破2 000亿kWh。实际运营过程中,数据中心上架率远低于设计水平,造成低负载率运行能耗居高不下。对数据中心冷却系统进行变频水泵改造可有效解决低负载率运行冷却系统能源浪费问题。文章利用TRNSYS仿真平台对数据中心全水冷却系统建立能耗模型,并基于模型对水泵变频改造进行分析研究。结果表明,在机房负载率为10%~25%运行情况下,水泵变频改造后,数据中心全水制冷系统泵耗降低150 kW~168 kW不等,一年可节约电能约143万kWh(折合176 t标煤);离心式冷水机组能效水平COP值从6.2提高至7.9;机房PUE最高可降低0.36,变频水泵改造节能效果明显。

低负载率下的数据机房节能技术分析

阐述低负载率下的数据机房节能技术,分析该技术的应用效果,实现节能型服务器、高效空调系统以及智能温湿度控制系统的应用,由此可以能源消耗,提高资源利用率和系统效率。

低负载率下数据机房绿色节能技术应用

文章主要研究的是绿色节能技术在低负载率下数据机房中的应用策略,包括数据机房能耗情况以及低负载率下绿色节能技术在其中的应用策略分析。经分析发现,在数据机房的空调系统、新风系统、变频空调、气流组织、供电子系统以及照明系统中合理应用绿色节能技术,可以获得良好的节能效果。希望本文可以为绿色节能技术的应用与数据机房节能降耗效果的提升提供科学的参考。

基于混合神经网络模型的低速率网络入侵检测研究

针对低速率入侵,常规的入侵检测方法能力不足,虚警率、漏警率偏高。为保证网络安全,提出一种基于混合神经网络模型的低速率网络入侵检测方法。利用NetFlow技术采集网络流量数据,对网络流量数据进行过滤和图像化处理。搭建由卷积神经网络和人工神经网络构成的混合神经网络模型,利用卷积神经网络提取网络流量数据的图像提取特征,利用人工神经网络检测网络入侵类型。结果表明:提出方法的虚警率、漏警率低于Transformer入侵检测方法、栈式自编码-长短期记忆(SAE-LSTM)检测方法和萤火虫优化(GSO)-基分类器检测方法,尤其在入侵速率更低(2 Mb/s)的情况下,所表现出的检测能力更为突出,说明针对低速率网络入侵问题,基于混合神经网络模型的检测方法的检测能力更强,检测结果更为准确。

低负载率下数据机房绿色节能技术应用效果分析

国内大部分数据中心实际运营过程中服务器上架率远低于设计水平,长期处于低负载率运行状态,能耗及碳排放居高不下。对数据中心冷却系统进行水泵变频改造可有效解决低负载率运行冷却系统能源浪费问题。此外,国内数据中心开始利用可再生能源以提高其绿色性能,降低电力成本,降低碳排放。以上海某金融类数据中心为研究对象,利用TRNSYS仿真平台搭建其冷却系统能耗模型,分析进行水泵变频改造和分布式可再生能源利用在数据中心低负载运行时的节能减排效果。结果表明,在负载率10%~25%运行情况下,水泵变频改造后,冷却系统泵耗降低150 kW~168 kW,年均可节约电能约143万kWh;采用分布式光伏发电系统年均发电量约18.976万kWh,用于代替相同发电量的火电,可以做到平均每年节约标准煤57.8 t, CO_(2)减排154.4 t;机房PUE在负载率15%时可由1.79降低至1.51,节能减排效果显著。

利用低数据率HRRP序列进行弹道中段目标识别

雷达目标识别是弹道防御阶段的关键环节,为节约雷达时间资源和降低对计算机处理能力的要求,需研究低数据率雷达回波信号的弹道中段目标识别方法,本文以低数据率目标高分辨一维距离像序列(High Resolution Range Profile,HRRP)为研究对象,提出了基于图像投影法的进动频率特征提取算法和基于特征级融合的弹道中段目标识别方法,解决了由于HRRP回波序列数据率过低而导致的时频曲线周期模糊和单一特征造成目标识别准确率浮动大的问题。本文通过仿真弹道导弹中段飞行场景中弹头、重诱饵、轻诱饵、碎片目标的特性数据,同时考虑目标尺寸、形状和微运动模型等差异,结合仿真数据对本文所提算法进行验证。实验结果表明在低数据率(10~100 Hz)下,HRRP序列利用本文算法提取的进动频率特征结果误差值小于0.05 Hz,具有较高准确性和稳定性,通过特征融合方法联合进动频率和目标结构特征将弹道中段目标的识别准确率提升到了96%以上且趋于稳定。

多源异构的低占用率电力大数据识别系统设计

目前设计的低占用率电力大数据识别系统信息的融合效果较差,导致识别效率低,为此引入多源异构技术,设计了一种新的低占用率电力大数据识别系统。系统硬件由采集模块、分析模块和管理模块三部分组成,采集模块选取CPLD/FPGA数据采集控制器为核心,在管理器内部引入译码电路,连接多个RAM。利用多源异构完成数据的融合,通过离散化处理、来源及特点分析、准确率定义、信息识别完成软件识别。实验结果表明,该设计识别系统能够很好地完成信息融合,识别效率提高了20%,能有效降低数据冗余。

从第七次人口普查看中国低生育率问题

本文利用第七次全国人口普查数据对中国低生育率问题进行分析和再认识。研究发现长表数据和短表数据对总和生育率的估计结果基本一致,全国育龄妇女总和生育率为1.292,处于较低水平;采用去进度效应的总和递进生育率指标对递进生育的孩次结构进行分解,一孩递进生育率明显下降;育龄妇女平均生育年龄提高到28.98岁,峰值生育年龄推迟到28岁,一孩、二孩平均生育间隔时间由4年缩短到3.11年。年龄别育龄妇女有配偶比例迅速下降,育龄妇女年龄结构迅速老化,受教育程度较高的育龄妇女未婚比例快速上升,育龄人群受教育程度不同对子女的受教育预期明显不同,而受教育程度较高的育龄妇女比例迅速提高,进一步强化生育率的下降和生育水平的受教育“梯度”差别,从而导致低生育率的人口学和社会学机制的形成且保持稳定。为应对我国今后一个时期面临的低生育率或超低生育率陷阱这一突出问题,需要着重做好以下三个方面的工作:一是科学分析超低生育率的社会危害性,全面把握传统生育文化精髓,营造适宜生育的良好社会环境;二是结合各地具体实际,着力解决生育相关重点难点问题,探索解决人口问题的新方法和新路径;三是全面、系统和前瞻性研判中国人口发展新趋势,积极应对低生育率问题,促进全国人口长期均衡发展。

低数据率条件下的目标跟踪

在低数据率条件下,采用基于卡尔曼预测估计的传统跟踪门对目标进行跟踪,容易出现误跟踪和航迹丢失,针对该问题,提出了一种两级跟踪门的解决方案。第一级跟踪门为组合跟踪门,它由运动学状态估计和目标的最大速度信息确定,目的是通过扩大跟踪门的面积使得目标测量尽可能地落在跟踪门之内;第二级跟踪门为由先验的和测量的幅度信息确定的特征跟踪门,其作用是对落入组合跟踪门内的测量进一步筛选,以区别出目标测量和杂波。只有那些同时满足两级跟踪门的测量才有可能来源于正在跟踪的目标,因此可以将其用于后续的数据关联和滤波更新。仿真结果表明,在低数据率条件下,采用该跟踪门方案的跟踪器的跟踪精度明显高于基于传统跟踪门+特征跟踪门和多跟踪门+特征跟踪门的跟踪器。

适用于LR-WPAN的新型TR-UWB接收机

针对发送-参考（TR）接收机噪声影响较敏感的缺点，提出一种适用于低速率无线个域网的新型超宽带（UWB）TR接收机设计方案．该方案一方面利用脉冲信号的自相关函数具有较强的抗多径抑制噪声影响，另一方面充分利用密集多径信道环境下信号传输的特征改善接收性能，同时在实现上较简单．与传统的TR-UWB系统相比，在相同的多径信道环境下该方案性能提高约5～6dB．

基于3G的机车实时数据传输系统的设计

为了改善基于GSM/GPRS的机车实时数据传输存在的信道宽带小、传输速率低、网络延迟和误码率高等不足,本文基于专门的3G传输装置,提出了一种具有机车状态数据接收、分析和评判等功能模块,并采用3G无线通讯技术将数据实时发送至地面服务器的系统方案,并设计了一种降低实时数据误码率的算法,实现了机车实时数据的高效传输。系统用户通过B/S模式访问该服务器数据,实现了对在途机车的实时监视和协同控制,为机车的安全运行提供保障。

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。

低速移动物联网的移动通信技术发展和产业化方向

为研究低数据速率在移动物联网发展过程中的应用,以车联网为案例,分析其应用需求背景、基本网络组成结构以及车联网终端各功能模块工作原理,并着重基于GPRS和CDMA 1X这2种2.5G低数据速率移动网络,结合车联网低数据速率应用特性,从终端模块成本、物联网号码开卡以及移动网络性能方面阐述低数据速率移动物联网的发展和产业化的新态势。

12电极ECT测量电路设计

介绍了１２电极ＥＣＴ成像系统测量的原理及设计．研制了一种高频抗杂散电容的充电转换差分放大探测电路，并设计出与１２电极相配合、数据稳定、高分辨的一套控制时序，较好的实现了低漂移、高灵敏度及低噪声的测量．

CMOS高速低功耗LVDS驱动电路设计

随着半导体技术的发展,芯片接口的数据传输率制约着芯片性能的提升,采用低压差分接口能够有效提升接口的数据传输率、降低接口功耗并抑制传输噪声。文中介绍了典型的低压差分接口电路及其工作原理,并在此基础上对低压差分接口电路进行了重新设计。设计的低压差分接口电路能够工作在1.8V,数据传输率达1.6Gb/s,功耗0.45mW。

一种新的基于H.263图象压缩协议的数码率控制策略

先分析了当前低比特率编码中的码率控制策略及存在的问题 ,接着为码率控制问题建立了相应的数学模型 ,然后以此为基础提出了一种低码率传输的新的控制策略 ,最后在计算机模拟实验中选用“Trevor”序列对该方法和传统的码率控制策略 RM8方法进行了比较。结果表明 ,平均信噪比提高了 0 .86 d B,恢复后的图象质量也有明显改善。

基于MSP430的无线数据传输模块设计

针对当前各行业对无线数据传输的需求情况,设计了基于MSP430F12x[1]系列单片机与CC1100无线数据传输芯片结合的无线数据传输模块;利用无线芯片内部集成的CRC校验与阈值判定保证了数据传输的可靠性;通过对MSP430单片机的串口的扩展,使得该模块的通用性更强.经实验证明该模块设计稳定可靠、数据传输速率高、功耗低、通用性强.

基于目标预判的网络入侵检测频率自调整算法

在集群环境中,入侵者攻击特定目标是提高攻击效率一种常规手段,有针对性地调度计算资源可有效提高检测效率。提出一种基于攻击目标预判的网络入侵检测系统(NIDS)的检测频率自调整算法DFSATP,检测分析采集到的数据,将发往潜在被攻击目标范围的数据列为高危数据,其余数据为低危数据,指引网络入侵检测系统高频检测发往预测目标的高危数据包,低频检测低危数据包,从而提高NIDS的检测效率,保障在有限的计算资源情况下提高异常数据的检出率。模拟实验结果表明,在高速网络环境下,DFSATP对NIDS检测频率的调整,使得异常数据的检出率得到了一定程度的提升。

5G网络愿景与面临的挑战

5G网络具有3个独特的特点:无处不在的连通性,非常低的延迟和非常高速的数据传输。文章阐述了5G网络的愿景,主要有海量数据流和高数据速率,无处不在的连接和零延迟。此外,从可扩展性和灵活性,低延迟和高可靠性,网络性能优化和服务质量等方面,讨论了5G网络面临的挑战。

基于FPGA的LVDS高速差分板间接口应用

随着ADC器件速率的提高以及FPGA、DSP器件运算速度的提升,高速AD和信号处理系统之间需要进行高速、稳定的数据传输,原来广泛应用CPCI以及FDPD高速总线的带宽已经无法满足宽带接收机的数据传输速率要求,成为影响接收机性能的新瓶颈。针对这一情况,提出了一种基于LVDS差分接口的DDR传输接口,解决了这一瓶颈,并且在实际硬件平台上进行了FPGA实现,达到了18.4 Gbit/s的接口速率。