一种基于业务的机房空调机组故障预测方法、介质及系统技术方案

本发明专利技术提供了一种基于业务的机房空调机组故障预测方法、介质及系统，属于机房空调机组故障技术领域，包括：收集监控数和历史业务数据；采用数据挖掘的方式，对所述运行监控数据中与故障关联的数据进行标记；采用自监督聚类算法将所述运行监控数据进行聚类，得到多个典型运行数据；训练一个神经网络模型，得到业务‑空调运行模型；实时监测当前机房的业务数据并输入模型，预测正常情况下的空调机组运行数据；实时获取当前机房空调机组的实际运行监控数据，将预测的正常运行数据与实际运行数据进行比对，计算两者之间的偏差；当偏差超过阈值时，采用故障预测模型，输入当前运行状态，预测具体故障并发出预警。

【技术实现步骤摘要】

本专利技术属于机房空调机组故障，具体而言，涉及一种基于业务的机房空调机组故障预测方法、介质及系统。

技术介绍

1、随着云计算、大数据和人工智能等新兴技术的快速发展，现代数据中心的规模不断扩大，服务器密度不断提高，机房内部的热负荷也随之增加。保障机房内部温度、湿度等环境参数的稳定性，为关键设备提供适当的工作环境，是数据中心运营的基本要求之一。因此，机房专用空调系统的设计和运维对于数据中心的正常运行至关重要。

2、传统的机房空调系统通常采用精密空调机组，利用压缩式制冷原理对机房内部进行精确控制。这类空调机组的典型结构包括压缩机、冷凝器、蒸发器、风机等主要部件，通过制冷剂的循环对空气进行冷却和除湿。机房内部的服务器机柜排列紧密，热量难以自然散发，因此需要专门的空调系统进行主动制冷。

3、随着数据中心规模的不断扩大，现有的基于规则或阈值的空调系统监控与故障预测方法已经无法满足需求。这些传统方法存在以下主要问题：

4、1.监控和预测策略缺乏自适应性。它们通常基于人为设置的固定阈值或经验模式，无法根据实际业务负载的动态变化自主调整预本文档来自技高网...

【技术保护点】

1.一种基于业务的机房空调机组故障预测方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的一种基于业务的机房空调机组故障预测方法，其特征在于，所述机房空调机组运行监控数据包括机房温度数据、压缩机运行数据、冷凝器运行数据、蒸发器运行数据、风机运行数据以及其他数据；其中所述机房温度数据包括机房送风温度、机房回风温度、室外环境温度；所述压缩机运行数据包括压缩机运行电流、压缩机排气温度、压缩机吸气温度、压缩机排气压力、压缩机吸气压力；所述冷凝器运行数据包括冷凝器进水温度、冷凝器出水温度、冷凝器水流量；所述蒸发器运行数据包括蒸发器进风温度、蒸发器出风温度、蒸发器冷冻液位；所述风机...

【技术特征摘要】

1.一种基于业务的机房空调机组故障预测方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的一种基于业务的机房空调机组故障预测方法，其特征在于，所述机房空调机组运行监控数据包括机房温度数据、压缩机运行数据、冷凝器运行数据、蒸发器运行数据、风机运行数据以及其他数据；其中所述机房温度数据包括机房送风温度、机房回风温度、室外环境温度；所述压缩机运行数据包括压缩机运行电流、压缩机排气温度、压缩机吸气温度、压缩机排气压力、压缩机吸气压力；所述冷凝器运行数据包括冷凝器进水温度、冷凝器出水温度、冷凝器水流量；所述蒸发器运行数据包括蒸发器进风温度、蒸发器出风温度、蒸发器冷冻液位；所述风机运行数据包括送风机频率、回风机频率；所述其他数据包括制冷剂液位、除湿状态、运行模式。

3.根据权利要求1所述的一种基于业务的机房空调机组故障预测方法，其特征在于，所述s10步骤包括：从机房的监控系统获取历史业务数据及相应时段的机房空调机组运行监控数据，其中，历史业务数据包括每日不同时段的计算业务量分布，运行监控数据包括机房温度数据、压缩机运行数据、冷凝器运行数据、蒸发器运行数据、风机运行数据以及其他数据；对获取的原始数据进行预处理，包括数据清洗、缺失值处理，保证数据的完整性和质量。

4.根据权利要求1所述的一种基于业务的机房空调机组故障预测方法，其特征在于，所述s20步骤包括：从历史记录获取机房空调机组的所有故障事件及其发生时间；根据每个故障事件的发生时间，在运行数据中截取故障发生前的一段时间窗口数据，将该时间窗口数据标记为"故障"；同时截取相应时间段的正常运行数据，将其标记为"正常"；在标记时采用特征工程方法，提取温度、压力、电流参数的偏差值、变化率作为额外特征。

5.根据权利要求1所述的一种基于业务的机房空调机组故障预测方法，其特征在于，所述s30步骤包括：对运行监控数据...

【专利技术属性】
技术研发人员：孙皓，石硕硕，李保成，姜海瑞，马荣强，张强，
申请(专利权)人：中建八局发展建设有限公司，
类型：发明
国别省市：