液冷故障处理方法及系统与流程
本发明涉及数据中心空调,特别是涉及一种液冷故障处理方法及系统。
背景技术:
1、随着人工智能、大数据和云计算等技术的快速发展,数据中心作为信息基础设施的核心载体,其计算密度和功耗水平持续攀升。高密度服务器在运行过程中会产生大量热量,若散热不及时或散热能力不足,将导致芯片温度升高、性能下降甚至硬件损坏。传统风冷散热方式受限于空气比热容低、噪音大、能耗高等问题,已难以满足现代数据中心对散热效率和能耗比的严苛要求。液冷技术因其散热效率高、噪音低、节能效果显著等优势,逐渐成为高密度数据中心散热的主流方案。液冷系统通过冷却液直接或间接带走服务器主要发热元件的热量,能够有效控制芯片温度,保障数据中心稳定运行。
2、然而,液冷系统在长期运行过程中不可避免地面临多种故障风险。例如,冷却液泄漏会导致液量减少、散热能力下降,严重时可能引起电气短路;管路堵塞会造成局部热点,加速元器件老化甚至烧毁;循环泵气蚀或失效会破坏整个冷却循环,引发温度骤升;冷却液长期使用后电导率升高、添加剂失效,会降低冷却性能并增加腐蚀风险。目前,传统液冷故障处理方案主要依赖人工巡检或简单的阈值报警机制,即在温度、压力或流量超过预设阈值时触发报警,再由运维人员介入处理。这种方案存在明显的技术缺陷:一是响应延迟大,从故障发生到人工定位并采取措施通常需要数分钟甚至更长时间,而在此期间液冷系统可能因热量积聚引发级联故障;二是故障判断准确率低,单一参数阈值难以区分不同类型故障,容易产生误报或漏报;三是缺乏对故障严重程度的量化评估和自适应的容错控制能力,无法根据故障动态调整处理策略,往往只能采取紧急停机等粗暴手段,影响业务连续性;四是系统缺乏自学习能力,无法利用历史故障数据持续优化诊断模型和控制参数。
3、因此,本领域亟需一种能够实时感知、准确诊断并自适应处理液冷故障的方法及系统,以提升数据中心液冷系统的可靠性和智能化水平。
技术实现思路
1、本发明的目的是提供一种液冷故障处理方法及系统,以解决上述现有技术存在的问题。
2、为实现上述目的,本发明提供了如下方案:
3、本发明提供一种液冷故障处理方法,所述方法包括:
4、通过多源异构传感器阵列实时采集液冷回路的多模态物理量数据,所述多模态物理量数据至少包括冷却液进出口温度、泵后压力、管路压差、体积流量、质量流量、冷却液电导率、局部空气相对湿度以及泵或压缩机轴承振动幅值;
5、基于边缘实时数据预处理单元对所述多模态物理量数据进行自适应滤波与离群检测,得到标准化时序数据;
6、基于动态故障特征提取单元从所述标准化时序数据中提取故障敏感特征向量,并结合历史健康基线计算动态偏差,生成至少包括温度残差滑动能量、流量畸变度、泵效率衰减特征、压力波动高频分量幅值以及泄漏指标变化率的故障特征向量;
7、基于多级故障诊断单元对所述故障特征向量进行模糊贝叶斯网络推理,计算各类故障的后验概率,并根据后验概率判定故障类型及严重程度;
8、基于自适应容错控制单元根据所述故障类型及严重程度,执行增益调度控制、冗余切换或主动限幅保护动作,并输出控制指令至智能执行机构阵列;
9、基于故障自愈评估与日志单元记录故障事件与控制动作,计算恢复评价指标,并在线更新故障诊断阈值与模型参数。
10、优选地,所述动态偏差计算包括:
11、根据健康窗口期数据计算各测点的均值、标准差以及相关性矩阵;
12、基于能量守恒建立期望出口温度预测模型:
13、;
14、其中,为时刻的冷却液出口温度预测值,为入口温度,为服务器实时总功耗,为冷却液比热容,为冷却液密度,为体积流量;
15、计算实时出口温度残差、泵后压力变化率以及泄漏指示因子,所述泄漏指示因子由电导率偏差和相对湿度偏差加权求和得到。
16、优选地,所述泄漏指示因子表示为:
17、;
18、其中,为泄漏指示因子,为冷却液电导率,为局部空气相对湿度,、分别为健康期电导率的均值和标准差,、分别为健康期相对湿度的均值和标准差,、为预设权重系数。
19、优选地,所述故障特征向量中的温度残差滑动能量为温度残差在滑动窗口内的均方值;流量畸变度为实测体积流量与基于热平衡计算的理论需求流量之差的绝对值与理论需求流量的比值;泵效率衰减特征为泵的水力功率与参考效率的比值减去泵的实际电功率;压力波动高频分量幅值通过带通滤波器提取高频压力信号获得;泄漏指标变化率取泄漏指示因子当前值与前一时刻值之差的绝对值。
20、优选地,所述模糊贝叶斯网络推理包括:
21、定义故障空间,包括微小泄漏、管路部分堵塞、泵气蚀和冷却液劣化;
22、对每个故障特征计算其属于各故障类型的梯形隶属度函数值;
23、根据下式计算各故障类型的后验概率:
24、;
25、其中,为第种故障类型,为故障特征向量,为第个特征对故障的隶属度,为先验概率;
26、若最大后验概率大于预设阈值,则判定发生对应故障;
27、计算故障严重指数,该指数为后验概率的s型函数变换值,并计算各故障严重指数的加权和作为综合故障风险值。
28、优选地,所述自适应容错控制单元根据故障类型及严重程度执行以下策略:
29、若判定为微小泄漏且严重指数不高于第一阈值,则关闭泄漏支路隔离阀,提升泵转速,并采用比例增益和微分增益随严重指数线性变化的增益调度pid控制;
30、若判定为管路部分堵塞且严重指数高于第二阈值,则切入备用泵,并以设定的频率和占空比对原泵施加反向脉冲驱动,执行反脉冲冲洗;
31、若判定为冷却液劣化且严重指数高于第三阈值,则触发自动补液与添加剂注入系统,按劣化系数计算注入体积,其中劣化系数由当前电导率相对于健康期电导率的偏差程度确定。
32、优选地,所述恢复评价指标为:故障处理后与处理前的温度残差绝对值之比、流量畸变度绝对值之比、泄漏指示因子之比三者的算术平均值;若该平均值小于自愈阈值,则标记为完全自愈,否则触发人工告警;同时将故障前后设定时段内的数据作为新样本,采用增量学习算法更新隶属度函数参数。
33、本发明还提供一种液冷故障处理系统,包括:
34、多源异构传感器阵列,用于实时采集液冷回路的多模态物理量数据;
35、边缘实时数据预处理单元,与所述多源异构传感器阵列连接,用于对多模态物理量数据进行自适应滤波与离群检测;
36、动态故障特征提取单元,与所述边缘实时数据预处理单元连接,用于从标准化时序数据中提取故障敏感特征向量并计算动态偏差;
37、多级故障诊断单元,与所述动态故障特征提取单元连接,用于对故障特征向量进行模糊贝叶斯网络推理,判定故障类型及严重程度;
38、自适应容错控制单元,与所述多级故障诊断单元连接,用于根据故障类型及严重程度生成控制指令;
39、智能执行机构阵列,与所述自适应容错控制单元连接,用于执行控制指令以实现容错动作;
40、故障自愈评估与日志单元,分别与所述边缘实时数据预处理单元和所述自适应容错控制单元连接,用于记录故障事件与控制动作并在线更新模型参数。
41、优选地,所述多源异构传感器阵列包括:温度传感器组、压力传感器、超声波流量计、电导率传感器、湿度传感器和振动加速度计;其中温度传感器组用于采集冷却液进出口温度及环境露点温度,压力传感器用于采集泵后压力及管路压差,超声波流量计用于采集体积流量及质量流量,电导率传感器用于采集冷却液电导率,湿度传感器用于采集局部空气相对湿度,振动加速度计用于采集泵或压缩机轴承振动幅值。
42、优选地,所述智能执行机构阵列包括电子膨胀阀、变频循环泵、三通比例调节阀、气动隔离阀和备用冷源切换开关,所述智能执行机构阵列根据自适应容错控制单元下发的控制指令执行节流、旁通、补液或冗余泵切入动作。
43、本发明相对于现有技术取得了以下有益技术效果:
44、本发明提供的一种液冷故障处理方法及系统,通过构建多源异构传感器阵列和边缘实时数据预处理单元,实现了对液冷回路热、流、电、化学等多模态物理量的毫秒级同步采集与降噪处理,有效提升了故障感知的实时性和数据质量;通过动态故障特征提取单元结合热力学模型计算温度残差、泄漏指示因子等多维特征向量,并采用改进的模糊贝叶斯网络进行后验概率推理,能够准确区分微小泄漏、管路堵塞、泵气蚀和冷却液劣化等不同类型故障,同时量化故障严重程度,避免了传统固定阈值方法的误报和迟报问题;通过自适应容错控制单元执行增益调度pid控制、冗余切换及反脉冲冲洗等差异化策略,能够在冷却液损失可控或局部堵塞的早期阶段维持系统热环境,避免紧急停机,保障数据中心业务连续性;通过故障自愈评估与日志单元计算恢复评价指标并在线更新模型参数,使系统具备持续自学习能力,能够适应不同负载工况和老化状态,显著提升了液冷系统的智能化水平和长期运行稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com