データ駆動型故障診断モデルをデータセンター空調システムに適用することで、その運用信頼性を効果的に向上させることができます。しかし、このようなモデルは通常、診断根拠に欠けており、広範な応用を制限しています。典型的な機械学習アルゴリズムに基づく複合空調システム故障診断モデルを構築し、各モデルの診断性能を比較し、SHAP（Shapley Additive Explanation）手法に基づく診断モデルの解釈性研究を行いました。結果は、畳み込みニューラルネットワーク（CNN）に基づく故障診断モデルがヒートパイプおよび蒸気圧縮モードの両方で最適な性能を示し、各分類でF-1値が0.999を超えることを示しています。ヒートパイプモードでは、CNNモデルの診断に基づく主な特徴は凝縮器ファンの周波数、屋外温度および冷媒ポンプの消費電力であり、蒸気圧縮モードでは屋外温度、コンプレッサー周波数および過冷度です。

データセンター;複合空調システム;故障診断;解釈性研究