数据中心设备的故障检测方法、设备、介质及产品与流程

本技术涉及电源故障诊断，具体涉及一种数据中心设备的故障检测方法、设备、介质及产品。

背景技术：

1、数据中心设备电气故障往往经历从早期微弱特征变化到最终失效的渐进过程，在早期发现前兆性电气异常对减少非计划停机具有重要意义。对供电路径关键节点进行持续电气监测是目前常见的健康管理手段。

2、现有监测系统通常采用固定采样率连续采集架构，传感器以统一预设采样率持续采集波形，后端平台进行特征提取并在超阈值时告警。部分方案采用固定时隙休眠机制以降低资源消耗。

3、随着监测节点从数十增至数千，固定采样率架构面临矛盾：高采样率下数千节点同时输出数据，对硬件和传输形成恒定高负荷；低采样率下瞬态事件波形被混叠，丧失故障前兆信息。固定时隙休眠方案中，时隙与设备实际状态无关，休眠期间的瞬态异常无法捕获；提升占空比虽增加捕获概率，但资源消耗趋近连续采集，休眠机制失效。

技术实现思路

1、本技术提供了一种数据中心设备的故障检测方法、设备、介质及产品，以解决全时高频采集数据持续传输造成带宽与处理资源恒定高负荷，而固定低频采集又无法捕获瞬态故障特征，现有方案缺乏根据设备实际运行状态按需调度高频数据传输与处理的问题。

2、第一方面，本技术提供了一种数据中心设备的故障检测方法，包括以下步骤：

3、通过第一传感器以第一采样率持续采集目标设备的检测节点的纹波信号，获得电源纹波时序数据；

4、提取电源纹波时序数据的纹波特征量，当纹波特征量偏离预设的正常状态基线的偏离量大于第一阈值时，生成异常触发指令；

5、根据异常触发指令，读取本地缓冲区中接收到异常触发指令的时刻前预设回溯时长内的高频电气数据并与接收到异常触发指令后采集的高频电气数据拼接，获得高频电气时序数据，其中，所述检测节点的第二传感器以高于第一采样率的第二采样率持续采集高频电气数据并写入本地缓冲区；

6、对高频电气时序数据进行时频分析，提取高频电气特征向量；

7、将纹波特征量与高频电气特征向量进行特征融合，得到融合特征集；

8、将融合特征集输入预训练的故障诊断模型，输出故障类型及置信度。

9、可选的，当偏离量小于或等于第一阈值时，将纹波特征量与以预设空值填充的高频电气特征向量进行特征融合，得到缺值融合特征集；

10、将缺值融合特征集输入故障诊断模型，获取故障诊断模型的输出层在执行归一化之前对各故障类型产生的原始响应值；

11、当任一原始响应值大于预设的预警激活阈值时，生成异常触发指令。

12、可选的，当目标设备为暖通设备时，将纹波特征量与高频电气特征向量进行特征融合，得到融合特征集，包括：

13、通过环境传感器采集暖通设备运行区域的环境数据；

14、将环境数据与纹波特征量、高频电气特征向量进行特征融合，得到增强融合特征集；

15、将增强融合特征集输入与暖通设备对应的故障诊断模型，输出故障类型及置信度。

16、可选的，提取电源纹波时序数据的纹波特征量，包括：

17、获取目标设备的开关频率，以开关频率的周期为分段长度，将电源纹波时序数据分割为多个单周期纹波数据；

18、对预设数量的单周期纹波数据进行逐点对齐叠加并取均值，生成纹波基准数据；

19、分别计算各单周期纹波数据与纹波基准数据之间的逐点差值，得到各周期对应的残差波形；

20、从残差波形中提取残差特征量作为纹波特征量。

21、可选的，对高频电气时序数据进行时频分析，提取高频电气特征向量，包括：

22、获取预先在检测节点处采集并存储的参考高频电气时序数据；

23、对参考高频电气时序数据与高频电气时序数据分别提取相同频段的幅频特性；

24、计算参考高频电气时序数据的幅频特性与高频电气时序数据的幅频特性之间的链路传递比值，并计算链路传递比值中偏离预设的标称传递特性的频段偏差；

25、当频段偏差超过预设的链路漂移阈值时，利用链路传递比值对高频电气时序数据进行补偿；

26、利用补偿后的高频电气时序数据提取高频电气特征向量。

27、可选的，将电源纹波时序数据分割为多个单周期纹波数据，包括：

28、提取电源纹波时序数据中的同极性极值点；

29、以相邻的同极性极值点为起始边界和终止边界，对电源纹波时序数据进行逐段截取，得到多个实际采样点数不同的初始单周期片段；

30、获取预设的标准周期数据长度，利用插值算法对各初始单周期片段进行重采样，输出具有统一数据长度的单周期纹波数据。

31、可选的，将融合特征集输入预训练的故障诊断模型，输出故障类型及置信度，包括：

32、获取目标设备在数据中心供电拓扑中的关联设备集合，关联设备集合包括与目标设备共享同一供电路径的上游设备和下游设备；

33、获取关联设备集合中各关联设备在与目标设备相同时间窗内的纹波特征量，组成拓扑关联特征集；

34、计算目标设备的纹波特征量与各关联设备的纹波特征量之间的互相关系数，筛选互相关系数大于预设关联阈值的关联设备作为强关联设备；

35、提取各强关联设备的纹波特征量相对于目标设备的纹波特征量的时间偏差量；

36、将融合特征集、强关联设备的纹波特征量及时间偏差量共同输入故障诊断模型；

37、当故障诊断模型输出的故障类型属于供电链路类故障，且上游强关联设备对应的时间偏差量为负值，故障诊断模型输出目标设备的故障属性为继发性故障，并将目标设备的上游强关联设备作为根因设备输出给用户。

38、第二方面，本技术实施例提供了一种数据中心设备的故障检测设备，该数据中心设备的故障检测设备包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该数据中心设备的故障检测设备执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

39、第三方面，本技术实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在数据中心设备的故障检测设备上运行时，使得上述数据中心设备的故障检测设备执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

40、第四方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在数据中心设备的故障检测设备上运行时，使得上述数据中心设备的故障检测设备执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

41、综上，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

42、1、第一传感器以第一采样率持续采集纹波信号维持连续监测覆盖，第二传感器以第二采样率持续采集高频电气数据并循环写入本地缓冲区，数据在本地覆写而不向后端传输；仅当纹波特征量偏离正常状态基线超过第一阈值时，才触发读取缓冲区中触发时刻前的数据并与触发后继续采集的数据拼接输出，使高频数据的传输与后端处理资源按需投入而非恒定占用。由于本地缓冲区保留了触发前预设回溯时长内的采样数据，瞬态故障发生时刻的波形细节不因触发延迟而丢失。纹波特征量与高频电气特征向量经特征融合后输入故障诊断模型，模型同时获得反映稳态变化的纹波信息与反映瞬态细节的高频信息，故障类型判定的信息基础较单一数据源更为完整。

43、2、在偏离量未超过第一阈值时，以空值填充高频电气特征向量组成缺值融合特征集输入故障诊断模型，获取输出层归一化之前的原始响应值，当原始响应值超过预警激活阈值时生成异常触发指令，为系统提供基于模型响应的补充触发路径，使尚未达到第一阈值但已引发模型较高响应的早期异常能够被捕获，扩展了异常检出的覆盖范围。

44、3、针对暖通设备将环境数据与纹波特征量、高频电气特征向量融合得到增强融合特征集，使故障诊断模型能够区分环境工况变化引起的电气参数正常波动与设备劣化引起的异常特征；同时通过计算参考高频电气时序数据与当前数据之间的链路传递比值并在频段偏差超过链路漂移阈值时执行补偿，消除传感器安装链路传输特性漂移对频谱测量的影响，使高频电气特征向量反映设备本身状态。

45、4、计算目标设备与供电拓扑中关联设备的纹波特征量互相关系数，筛选强关联设备并提取其纹波特征量相对于目标设备的时间偏差量，将上述信息与融合特征集共同输入故障诊断模型；当输出故障类型属于供电链路类故障且上游强关联设备时间偏差量为负值时，判定目标设备故障属性为继发性故障并输出根因设备，使用户能够直接定位故障传播源头，避免对继发性故障节点执行无效的本地排障操作。