Семинар LAMBDA «Пространственно-временные графовые нейронные сети для обнаружения аномалий в системах охлаждения центров обработки данных с использованием многосенсорного прогнозирования»

Аннотация: 
Постепенные аномалии в системах охлаждения центров обработки данных, включая утечку хладагента и загрязнение теплообменника, создают серьезные проблемы для промышленной эксплуатации из-за их проявления в виде долгосрочных дрейфов, которые трудно отличить от нормальных технологических колебаний. Будучи незамеченными, эти состояния приводят к увеличению энергопотребления, сокращению срока службы оборудования и дорогостоящим внеплановым простоям. В этой статье представлен промышленный подход к обнаружению аномалий на основе пространственно-временных графовых нейронных сетей для непрерывного мониторинга охлаждающей инфраструктуры. Метод использует графовую сеть для прогнозирования тепловых и эксплуатационных показаний датчиков, а также показателя эффективности использования энергии (PUE), при этом аномалии обнаруживаются путем систематического анализа остатков прогнозирования. Оцениваются четыре конфигурации графовой топологии: полностью связная, основанная на корреляции, граф, учитывающий топологию и полученный из физической конфигурации холодильного контура, и адаптивный граф, матрица смежности которого обучается сквозным способом. Адаптивный вариант явно мотивирован промышленными условиями, в которых точная топология трубопроводов недоступна и должна быть аппроксимирована по данным. Эксперименты на реальном промышленном стенде показывают, что внедрение физической топологии в граф существенно улучшает показатель F1 и сокращает время обнаружения, причем оба свойства являются критически важными для промышленного развертывания, в то время как адаптивный граф хорошо аппроксимирует истинную топологию, когда последняя неизвестна, и дополнительно выявляет скрытые связи в термодинамике и контурах управления.

Место проведения: Покровский бульвар, 11, R408
Дата: 22.06.2026 
Время: 14:40-16:00