يمكن استخدام نموذج تشخيص الأعطال القائم على البيانات لأنظمة تكييف الهواء في مراكز البيانات لتحسين موثوقية التشغيل بشكل فعال. ولكن هذه النماذج عادةً ما تفتقر إلى أساس تشخيصي، مما يحد من تطبيقها على نطاق واسع. تم إنشاء نموذج تشخيص أعطال مركب لنظام تكييف الهواء بناءً على خوارزميات تعلم الآلة النموذجية، وتمت مقارنة أداء التشخيص بين النماذج المختلفة، وأُجريت دراسة تفسيرية لنموذج التشخيص باستخدام طريقة SHAP (شرح إضافي لشابلي). أظهرت النتائج أن نموذج التشخيص القائم على الشبكات العصبية التلافيفية (CNN) حقق أفضل أداء في أوضاع الأنابيب الحرارية والضغط البخاري، حيث كانت قيم F-1 تحت كل تصنيف تتجاوز 0.999. في وضع الأنبوب الحراري، كانت السمات الرئيسية التي يستند إليها نموذج CNN في التشخيص هي تردد مروحة المكثف، درجة حرارة الهواء الخارجي، واستهلاك طاقة مضخة المبرد؛ أما في وضع الضغط البخاري فكانت درجة حرارة الهواء الخارجي، تردد الضاغط، ودرجة التبريد الزائد.

مركز البيانات;نظام تكييف هواء مركب;تشخيص الأعطال;دراسة تفسيرية