Исследователи УрФУ и НИУ ВШЭ научили нейросеть заранее выявлять медленно развивающиеся неисправности дата-центров — утечки хладагента и загрязнение теплообменника. Системы охлаждения потребляют 30–50% энергии ЦОД, а утечки и загрязнения ведут к перерасходу энергии, износу компрессоров и риску аварийного отключения. Сложность в том, что при такой неисправности каждый отдельный датчик ещё долго остаётся в пределах нормы, а проблема становится видна именно в рассогласовании показаний между датчиками, причём развиваются такие неполадки неделями — на старте их почти невозможно отличить от обычных колебаний режима. Результаты опубликованы в журнале IEEE Transactions on Industry Applications.
Чтобы нейросеть улавливала утечки и загрязнения раньше и точнее универсальных алгоритмов, разработчики «зашили» в неё инженерную схему холодильного контура: модель учитывает связи между компрессором, испарителем, конденсатором и другими элементами, обучается на данных исправного оборудования и прогнозирует ожидаемые значения показателей. Если фактические измерения начинают расходиться с прогнозом, алгоритм фиксирует аномалию. Как отметил старший научный сотрудник центра «Искусственный интеллект» УрФУ Михаил Ронкин, для диагностики сложного оборудования недостаточно анализировать множество показаний — важно учитывать, как они связаны в реальном физическом процессе, и тогда модель замечает не только отдельные необычные значения, но и нарушения привычной работы системы в целом.
Точность проверили на реальном стенде систем охлаждения ЦОД: эксперименты шли несколько месяцев при температуре от –7°C до +25°C и нагрузке от 3 до 5 кВА, рассматривались четыре сценария постепенного ухудшения — две утечки хладагента (с 6 до 1,3 кг и с 2,3 до 1,7 кг) и загрязнение теплообменника от 10% до 100% поверхности. В некоторых случаях модель выявляла отклонение в среднем через 200 минут после возникновения неисправности. Разработчики полагают, что нейросеть можно внедрить в системы мониторинга инфраструктуры дата-центров и в диагностику неисправностей российских компаний; следующий этап — проверка на крупных промышленных объектах.


