示例用例
Floris Roodenburg是代尔夫特理工大学数学系的一名优秀硕士生，她在 VORtech 实习，尝试了一些非侵入式方法。我们希望了解各种方法的优缺点，并了解模型降阶的适用性和局限性。VORtech的Thea Kik-Vuik是这次实习的导师。
作为案例研究，我们使用了4DCOOL 项目，该项目是数据中心服务器机房气候的数字孪生。4DCOOL 帮助数据中心的操作员更高效地使用冷却设备。其理念是节省成本并降低碳足迹，这两者都是数据中心的重要 KPI。
操作员使用 4DCOOL 来可视化服务器机房中的当前温度和流量，如果他 最近的手机号码数据 发现改进的机会，则运行模拟来探索选项。
4DCOOL 的核心是基于OpenFOAM的CFD模型。该模型的参数会不断调整，以使其与服务器机房温度传感器的最新值相匹配。目前，4DCOOL 最重要的参数是服务器的热负荷。这些参数是未知的，因此必须根据测量的温度进行估算。
，本质上是一种优化方法，用于优化给定观测温度的参数值。优化需要大量的模型运行。根据服务器机房的复杂程度，完整模型的计算可能需要长达一小时。考虑到参数的持续更新，这几乎是不可能的。但参数估计实际上并不需要达到完整模型的全部精度。因此，4DCOOL 是模型降阶的理想选择。
我们非常荣幸地得到了Arnold Heemink 教授的大力支持，他在这方面所涉及的技术领域拥有丰富的专业知识；此外，我们还得到了Actiflow（一家专注于 CFD 的公司）以及Kelbij Star和Giovanni Stabile的支持，他们正在为 OpenFOAM 开发侵入式模型降阶方法。向他们致敬。