多元状态估计故障诊断方法

引入深度强化学习自适应更新记忆矩阵，针对多模式数据中心冷却系统提升早期故障诊断能力。

陆规 · Liu, Yan · Can, Jiang · Zi-Jing, Yang · 孟京辉

Energy 2025

参数信息

故障预警提前时间

9 h

平均故障诊断率提升

1.38 %

故障报警率降低

0.36 %

节能率

39.6 %

技术优势

故障预警提前超9小时

通过深度强化学习自适应更新记忆矩阵，使提出的方法能够更早地发现故障迹象，从而为运维人员争取更多的响应时间。

诊断率最高提升10个百分点

与三种最先进方法相比，平均故障诊断率分别提高1.38%、2.23%和10.38%，显示出在不同对比基准下的显著改进。

误报率显著降低

故障报警率分别降低0.36%、0.46%和8.05%，减少了误报警对运维的干扰。

节能近四成

该系统可根据室外温度自动在自然冷却、预冷和机械冷却模式间切换，实现39.6%的能耗降低。

应用场景

• 数据中心冷却系统：实时监测多模式冷却系统，提前预警故障，保障数据中心不间断运行。
• 暖通空调故障诊断：适用于暖通空调系统的早期故障诊断，减少误报，提高维护效率。
• 工业系统健康监测：为工业系统提供自适应健康监测，尤其适用于多工况运行场景。