ИИ с учётом физики: ВШЭ и УрФУ создали метод диагностики систем охлаждения ЦОД

Графовая нейросеть анализирует связи между элементами холодильного контура и выявляет скрытые неисправности на ранней стадии

Исследователи НИУ ВШЭ и Уральского федерального университета (УрФУ) разработали метод на основе искусственного интеллекта, который выявляет постепенные утечки хладагента и загрязнение теплообменников в системах охлаждения центров обработки данных. Об этом сообщает CNews.

Источник изображения: OpenAI GPT 5.4 Image 2

По данным издания, новая модель учитывает физические связи между элементами холодильного контура, что позволяет выявлять неисправности на ранних стадиях. Результаты опубликованы в журнале IEEE Transactions on Industry Applications.

Почему это важно

Системы охлаждения — одна из наиболее энергоёмких частей инфраструктуры ЦОД: на них может приходиться около 30–50% общего энергопотребления. Даже небольшие неисправности постепенно снижают эффективность оборудования и увеличивают затраты, при этом отдельные датчики могут продолжать показывать значения в допустимых пределах.

Как работает метод

В основе подхода — графовая нейросеть. Она использует инженерную схему системы, чтобы учитывать связи между компрессором, испарителем, конденсатором и другими элементами. Модель обучается на данных исправного оборудования и прогнозирует ожидаемые значения показателей. Если фактические измерения начинают устойчиво расходиться с прогнозом, алгоритм фиксирует аномалию.

Как проверяли и что получили

Учёные проверили метод на экспериментальном стенде промышленной системы охлаждения компании «Датарк». Моделировались четыре сценария постепенного ухудшения работы оборудования: два случая потери хладагента и два — загрязнения теплообменников. Модель, учитывающая физическую структуру контура, показала наилучшее или сопоставимое качество обнаружения во всех сценариях. В одном из случаев утечки показатель F1 (объединяет точность и полноту) достиг 0,87. В сценарии загрязнения теплообменника отклонение выявлялось в среднем через 200 минут. Учёт физических связей позволил повысить качество обнаружения и сократить время реакции по сравнению с альтернативными алгоритмами.

Читайте ещё материалы по теме: