提出AI数据中心复合负荷可辨识性建模框架

一篇 arXiv 论文提出可辨识性引导的 AI 数据中心复合负荷模型标定框架，将 IT、冷却和辅助支路分开建模，并用投影 Fisher 信息准则刻画冷却电机的局部可辨识性。论文给出结论：仅靠电压重标定无法复现负荷相关响应。 在 30 万条 MIT Supercloud GPU 功率样本和 12,600 个 IEEE 39 节点故障场景上，该模型总有功功率 R² 为 0.948，LSTM 基线为 0.856；在未见过的深度电压跌落下，暂态 R² 为 0.750，LSTM 为 0.033。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。