Специалисты НИУ ВШЭ и Уральского федерального университета предложили новый подход к выявлению неисправностей в системах охлаждения центров обработки данных (ЦОД). Разработанный алгоритм использует графовую нейронную сеть для обнаружения утечек хладагента и загрязнения теплообменников на ранних стадиях. Исследование опубликовано в журнале IEEE Transactions on Industry Applications.
Особенность метода заключается в анализе не только отдельных показаний датчиков, но и физических взаимосвязей между компонентами холодильного контура. Нейросеть учитывает взаимодействие компрессора, конденсатора, испарителя и других элементов оборудования. После обучения на данных нормальной работы система рассчитывает ожидаемые параметры и выявляет устойчивые отклонения фактических значений от прогнозируемых.
Проверку алгоритма провели на промышленном экспериментальном стенде компании «ДАТАРК». В исследовании использовали информацию от 12 датчиков и четыре расчетных показателя, фиксируемых с минутным интервалом. Испытания охватывали четыре сценария постепенного развития неисправностей, в том числе утечки хладагента и загрязнение теплообменников, при разных температурных режимах и нагрузках.
В ходе экспериментов графовая модель, учитывающая топологию холодильного контура, продемонстрировала лучшие либо сопоставимые с лучшими результаты во всех четырех сценариях. Для одного из случаев утечки хладагента значение метрики F1 составило 0,87. В сценарии постепенного загрязнения теплообменника среднее время обнаружения отклонения достигло 200 минут. Метод также показал преимущества по сравнению с архитектурами LSTM, Transformer и графовыми моделями, не учитывающими физическую топологию оборудования.
«Для диагностики сложного технического оборудования недостаточно просто анализировать множество показаний датчиков. Важно учитывать, как эти показатели связаны друг с другом в реальном физическом процессе», — отметил Михаил Гущин, ведущий научный сотрудник Научно-учебной лаборатории методов анализа больших данных НИУ ВШЭ.
В дальнейшем исследователи планируют оценить работу алгоритма на расширенном наборе данных и проверить его в действующих ЦОД. Кроме того, рассматривается применение аналогичного подхода для диагностики других инженерных систем.






