超大型数据中心圣阳铅酸蓄电池组故障识别

1、景

大型数据中心高压直流电系统需要不间断为数据中心服务器提供可靠且稳定的电能，然而，系统中的铅酸蓄电池常由于不能及时辨识其健康状态导致放电能力不足，从而引发数据中心断电，造成不可估量的经济损失。因此，对铅酸蓄电池及其电池组进行实时高效的故障诊断，对HVDC系统持续放电，保障数据中心不受市电短缺影响意义重大。数据中心层级、电站单元及其圣阳铅酸蓄电池储能系统如图5-1所示

图5-1大型数据中心高压直流不间断供电系统

2、系统:智能圣阳铅酸蓄电池预诊系统

针对数据中心铅酸蓄电池故障样本稀疏且存在海量未标注数据等特点，提出一种密集对比观察器，用于在数据样本短缺条件下的电牠异常识别及故障诊断。密集对比观察器如图5-2所示。密集对比观察器将多维度的电学监测量转化为RGB编码的三通道彩色图像;引入自监督对比学习，实现在无标签情况下的海量数据特征自提取;设计了一种半监督的样本匹配算法，实现在数据样本缺失情况下的微调增强及异常识别。

3、案例分析结果

图5-3列出了每个单次样本的伪标签的少数匹配样本。标记为相似度为1.0000的图像是六个1-shot的微调样本。每个1-shot样本的前5个图像都标有它们自己的相似度。可以发现，匹配的样本与微调样本相似。在小子样匹配之后，密集对比观察器及其分类器将在增强微调集上进行进一步训练，从而实现在数据中心上的异常识别。智能铅酸蓄电池预诊系统如图5-4所示。

图5-4智能铅酸蓄电池预诊系统

欢迎装备智能维护、设备故障诊断、制造过程质量控制、人工智能、机器视觉、缺陷检测、智能物联系统等智能制造方面的项目协作、系统开发、学术研究等合作(注:系统目前不开源),欢迎各位来电来信联系。

我们提供设备故障诊断与智能预诊维护系统研制与测试服务:我们提供以上算法工具箱与算法模型的定制研制服务，以及各类设备故障诊断与健康预诊系统研制服务，以及该算法工具箱的各类信号数据的测试与分析服务。(特别申明:由于我们研制的很多算法与模型来自公开的论文、专著、教材等，由于时间有限以及各种疏忽，不能对每个开发的模型进行一一引用，如需要引用或者引用不当，可来信说明)