基于机器学习方法的三维气流组织温度场重构

从局部离散流场数据点重构全局流场信息对数据中心机房的节能节碳具备重要的研究意义。基于局部散点对数据中心进行气流组织温度场快速重构,可有效降低数据中心总能耗。主要通过发展一种基于多特征输入的三维U形神经网络架构(U-net),利用布设在数据中心机房的温度传感器数据值进行气流组织温度场重构。并研究了在不同学习率与数据集大小的设置下,该机器学习模型的训练预测能力。对比结果表明:不同学习率对于模型训练的结果有较大影响,应通过预实验选取最佳学习率。在同等条件下,应优先选取较大的数据集进行训练,便于提取高维物理特征。

兆瓦级风电机组机舱内部气流组织的数值模拟

针对兆瓦级风电机组机舱的通风散热问题,提出了下送上排、下送下排、侧送上排以及侧送下排四种不同的气流组织形式,利用CFD软件对这四种气流组织形式下机舱内的温度场进行了数值模拟,并将模拟结果进行了对比。数值模拟过程假设机舱罩为绝热边界,并利用第二类热边界条件来描述机舱内热源。此外还借助realizable k-ε湍流模型并采用SIMPLE算法。模拟结果表明:相对下送式的两种气流组织形式,侧送式有着更合理的温度分布。尤其是侧送上排式,在三个特定切面上的温度分布均优于其它三种气流组织形式。