데이터 기반 고장 진단 모델을 데이터 센터 냉방 시스템에 적용하면 운영 신뢰성을 효과적으로 향상시킬 수 있습니다. 그러나 이러한 모델은 일반적으로 진단 근거가 부족하여 광범위한 적용에 제한이 있습니다. 전형적인 머신러닝 알고리즘을 기반으로 한 복합 냉방 시스템 고장 진단 모델을 구축하였으며, 각 모델의 진단 성능을 비교하고 SHAP(Shapley Additive Explanation) 방법을 기반으로 진단 모델의 설명 가능성 연구를 진행하였습니다. 결과는 컨볼루션 신경망(CNN) 기반 고장 진단 모델이 히트파이프 및 증기 압축 모드에서 모두 최적의 성능을 보였으며, 모든 분류에서 F-1 값이 0.999 이상임을 나타냅니다. 히트파이프 모드에서는 CNN 모델 진단의 주요 특징이 응축기 팬 주파수, 외부 온도 및 냉매 펌프 소비 전력이며, 증기 압축 모드에서는 외부 온도, 압축기 주파수 및 과냉도입니다.

데이터 센터;복합 냉방 시스템;고장 진단;설명 가능성 연구