基于数字孪生的数据中心电池健康预测方法与流程

本发明涉及智能运维，尤其涉及基于数字孪生的数据中心电池健康预测方法。

背景技术：

1、智能运维技术领域涉及利用信息处理技术对各类设备与系统运行状态进行监测、分析与管理，主要包括数据采集、状态评估、故障诊断及运维决策支持等内容，其目的在于通过对运行数据的处理实现设备全生命周期管理，广泛应用于数据中心、电力系统、工业设备及通信基础设施等场景。

2、其中，基于数字孪生的数据中心电池健康预测方法是指一种针对数据中心ups电池系统运行状态进行分析与评估的方法，其中，传统数据中心电池健康预测方法是指通过历史运行数据、阈值判断或统计分析等方式对ups电池状态进行评估，该方法通常通过采集ups电池电压、电流、温度等运行参数，结合模型分析或规则判断对ups电池健康状况进行预测与管理。

3、传统数据中心电池健康预测技术过度依赖静态阈值判定与离散数据的统计归纳，面对机房复杂多变的用电负荷缺乏多维物理状态的动态关联分析能力，单一提取环境与运行参数往往忽略极板老化与内部热分布不均产生的时空耦合反应，在长周期运行环境下极易受突发负载冲击与温漂影响产生评估偏差，单向的监测逻辑使得系统难以捕捉ups电池内部不可逆的物理容量衰退迹象，仅能基于既有表象进行滞后预警，面对未来极端工况无法提前预演产热与性能劣化趋势，极易造成潜在热失控隐患漏报以及使用寿命预估严重失真，进而引发备用电源骤停风险。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的基于数字孪生的数据中心电池健康预测方法。

2、为了实现上述目的，本发明采用了如下技术方案，基于数字孪生的数据中心电池健康预测方法，包括以下步骤：

3、s1：在数据中心物理机房运行过程中获取单体ups电池电压、单体ups电池温度以及单体ups电池充放电电流并进行对应阈值比较，提取运行参数集合；

4、s2：分析所述运行参数集合中的所述ups电池电压、所述ups电池温度以及所述ups电池充放电电流在预设三维几何体内的数值更替过程，构建电池数字孪生体；

5、s3：根据所述电池数字孪生体历史时间段的ups电池电压、ups电池温度以及ups电池充放电电流，构建理论剩余容量下限序列与时序运行特征矩阵，将时序运行特征矩阵输入长短期记忆神经网络模型，确定预测剩余容量序列；根据理论剩余容量下限序列和预测剩余容量序列，生成ups电池剩余使用寿命量化结果；

6、s4：获取ups电池电压与ups电池充放电电流的相对电压波动量，分析ups电池内部电阻量，结合当前ups电池温度划分故障风险分级标签，并确定ups电池健康状态预警评估层级；

7、s5：根据所述ups电池健康状态预警评估层级，在所述电池数字孪生体中设定仿真充放电电流参数，确定模拟运行温度变量，结合所述ups电池剩余使用寿命量化结果，得到ups电池健康预测结果。

8、作为本发明的进一步方案，所述运行参数集合包括ups电池电压提取量、ups电池温度提取量和ups电池充放电电流保留量，所述电池数字孪生体包括三维几何实体架构、ups电池节点内部属性和时序数值更替记录，所述ups电池剩余使用寿命量化结果具体为通过预测容量终止时间点与当前时间点的时间差值计算得到，所述ups电池健康状态预警评估层级具体为通过设备内部电阻转化评分与故障风险分级标签计算得到，所述ups电池健康预测结果包括模拟运行温度比对结论、数字孪生仿真验证状态和设备前置干预维护指令。

9、作为本发明的进一步方案，所述运行参数集合的获取步骤具体为：

10、s111：获取数据中心物理机房运行过程中的单体ups电池电压，设定第一电压比较阈值以及第二电压比较阈值，提取处于第一电压比较阈值与第二电压比较阈值之间的ups电池电压；

11、s112：获取数据中心物理机房运行过程中的单体ups电池温度，设定温度安全上限阈值，提取小于温度安全上限阈值的ups电池温度；

12、s113：同步获取单体ups电池充放电电流，将所述ups电池电压、所述ups电池温度以及所述ups电池充放电电流整合，生成运行参数集合。

13、作为本发明的进一步方案，所述电池数字孪生体的获取步骤具体为：

14、s211：提取所述运行参数集合内的ups电池电压、ups电池温度以及ups电池充放电电流，构建三维几何体，将所述ups电池电压、所述ups电池温度以及所述ups电池充放电电流定向输入至三维几何体预设的虚拟ups电池位置中，得到三维几何体初始属性矩阵；

15、s212：获取所述三维几何体初始属性矩阵中，ups电池电压、ups电池温度以及ups电池充放电电流参数对应的时间序列先后顺序标签，根据时间序列先后顺序标签对每项参数执行数值更替，生成节点动态数值更替序列；

16、s213：持续输入所述节点动态数值更替序列，在云端服务设备中确立物理实体与虚拟模型之间的数据关联映射结构，构建电池数字孪生体。

17、作为本发明的进一步方案，所述ups电池剩余使用寿命量化结果的获取步骤具体为：

18、s311：采集所述电池数字孪生体历史时间段的ups电池温度和ups电池充放电电流，并进行归一化处理，分别计算归一化后的ups电池温度和ups电池充放电电流与对应预设温度衰减系数和电流衰减系数的乘积，得到综合物理衰减速率，计算综合物理衰减速率与预设未来预测时间步长序列的乘积，得到累计容量衰减量，计算预设额定初始容量与累计容量衰减量的偏差，获取理论剩余容量下限序列；

19、s312：提取相同历史时间段的ups电池电压并进行归一化处理，将归一化后的ups电池温度、ups电池充放电电流、ups电池电压参数输入至长短期记忆神经网络模型中，提取预测剩余容量序列；

20、s313：将所述预测剩余容量序列中小于所述理论剩余容量下限序列的参数替换为对应的下限数值，生成受限剩余容量演变序列，在受限剩余容量演变序列中提取参数达到预设寿命终止容量阈值对应的时间点，计算对应时间点与当前时间点的差值，得到ups电池剩余使用寿命量化结果。

21、作为本发明的进一步方案，所述ups电池健康状态预警评估层级的获取步骤具体为：

22、s411：获取当前相邻时间点下的ups电池电压的数值偏差得到相对电压波动量，以及ups电池充放电电流的数值偏差得到相对电流波动量，计算相对电压波动量与相对电流波动量的比值，得到ups电池内部电阻量，将ups电池内部电阻量与ups电池温度输入至梯度提升树模型，划分故障风险分级标签；

23、s412：计算ups电池内部电阻量与预设标准内阻基准值的比值，得到内阻相对比例，计算ups电池温度与预设标准温度基准值的比值，得到温度相对比例，结合预设的内阻权重分量以及温度权重分量，计算ups电池健康量化评分；

24、s413：利用所述ups电池健康量化评分，标定ups电池的健康数值分布界限，将健康数值分布界限与所述故障风险分级标签组合，确定ups电池健康状态预警评估层级。

25、作为本发明的进一步方案，所述ups电池健康预测结果的获取步骤具体为：

26、s511：在所述电池数字孪生体中设定相匹配的仿真充放电电流参数，控制所述电池数字孪生体运行仿真充放电电流参数，提取仿真充放电电流参数的二次幂表征特征并与ups电池内部电阻量进行结合运算，确立发热功率评估量，并基于等效对流散热系数对发热功率评估量进行比值化归一处理，生成稳态极限温升幅度参考值，同时获取ups电池材料的比热容系数与ups电池单体物理质量，构建电池总热容特征基准，确立热传递动态响应指数评价项，利用热传递动态响应指数评价项构建对应的指数渐近衰减因子，对稳态极限温升幅度参考值加以非线性加权映射修正，生成实际发热温升动态补偿量，将实际发热温升动态补偿量与预获取的初始外壳节点温度进行基准叠加融合运算，获取模拟运行温度变量；

27、s512：将所述模拟运行温度变量与预设的安全运行温度评估阈值比对，在所述模拟运行温度变量小于安全运行温度评估阈值的条件下，确立温度仿真安全状态验证结论；

28、s513：组合所述ups电池剩余使用寿命量化结果、所述ups电池健康状态预警评估层级和所述温度仿真安全状态验证结论，输出ups电池健康预测结果。

29、与现有技术相比，本发明的优点和积极效果在于：

30、本发明中，基于多维运行参数构建三维空间属性矩阵并持续更替时序标签，建立物理实体与虚拟空间高度映射的动态关联结构，精准复刻ups电池内部物理参量演变轨迹，结合多特征归一化处理与时序神经网络深入挖掘容量劣化的深层时空特征，通过提取理论衰减下限对预测序列进行兜底约束，有效克服环境与突发负载干扰带来的寿命评估偏差，深入解析内部电阻与温度波动的协同映射关系划分风险层级，并在虚拟空间中主动带入仿真负载流预演热量累积极限状况，切实消除静态阈值判断的滞后性弊端，实现由被动告警向主动预见性防范的根本转变，切实保障数据中心供电底座的长效稳定。