Наука и технологии
НИУ ВШЭ и УрФУ опубликовали метод детекции неисправностей на основе графов для систем охлаждения ЦОД
Исследователи НИУ ВШЭ и УрФУ разработали физически-информированную графовую нейронную сеть для обнаружения утечек хладагента и загрязнения теплообменников в системах охлаждения ЦОД. Метод валидирован на экспериментальной установке DATARK в четырёх сценариях искусственно введённых неисправностей; валидация на действующих объектах остаётся задачей на будущее.

Исследователи НИУ ВШЭ и УрФУ опубликовали подход на основе графовых нейронных сетей для раннего обнаружения утечек хладагента и загрязнения теплообменников в системах охлаждения ЦОД. Работа опубликована в журнале IEEE Transactions on Industry Applications.
Физически-информированная архитектура
Модель кодирует физическую топологию холодильного контура, связывая отдельные компоненты через их фактические соединения. Вместо использования размеченных данных о неисправностях модель обучается исключительно на записях штатной работы и сигнализирует об аномалиях, сравнивая предсказанное поведение датчиков с наблюдаемыми значениями.
Экспериментальная валидация
Тестирование проводилось на экспериментальной холодильной установке DATARK. Установка обеспечивала 12 сигналов датчиков и 4 расчётные переменные с интервалом выборки в одну минуту. Были рассмотрены четыре сценария искусственно введённых неисправностей; авторы сообщают показатели раннего обнаружения и F1-метрики для этих контролируемых экспериментов.
Ограничения и дальнейшие шаги
Сообщённые метрики отражают производительность на экспериментальной установке при искусственно введённых неисправностях и не являются подтверждённой производительностью на действующих ЦОД. Валидация на реальных объектах определена как задача на будущее.
ПЕРВОИСТОЧНИК
КриоФрост ↗Обратитесь к первоисточнику за дополнительными подробностями.


