数据中心次日PUE预测的随机森林与ARX自适应集成方法

《Energies》：Adaptive RF–ARX Ensemble Forecasting of Next-Day PUE with Limited Daily Data

　　

摘要

每日数据中心记录的样本量有限，不利于电源使用效率（PUE）的预测。我们评估了随机森林（RF）与带外生输入变量的自回归模型（ARX）的自适应组合方法，用于次日PUE预测。两个分支均直接预测PUE或通过缩减增量进行预测，并每月重新拟合。集成权重使用前14个日历天的误差，并正则化至等权重方向。探索性回溯测试使用Room 202一整年的记录，包含2025年11月至2026年6月间230个评估日期。输入包括在研究年度结束后从Open-Meteo历史天气API下载的当日历史天气数据。采用六个月训练窗口时，平均绝对误差为0.008336，均方根误差（RMSE）为0.013619，??2为0.8606。RMSE较持续性方法低7.13%；该差异的配对自助法区间包含零。在分支预测相同的情况下，逐日加权相比等权重可将RMSE降低3.15%，相比月度更新可降低4.83%。使用全部可用历史数据进行训练时，RMSE为0.013348。上述估计基于回溯组装的输入数据和经筛选的记录。独立的风扇转速场景在假设的风扇能耗占比和模拟温度条件下，估计节能幅度为12.47%–20.63%。