Con el rápido desarrollo de la inteligencia artificial y la computación de alto rendimiento, la tecnología de refrigeración líquida con placa fría se ha convertido gradualmente en una de las soluciones técnicas predominantes para satisfacer las demandas de disipación térmica en sistemas de refrigeración de centros de datos de alta densidad. Este artículo presenta los mecanismos desencadenantes, impactos y las reglas de evolución acoplada de fallas típicas en sistemas de refrigeración líquida con placa fría en centros de datos; resume los principios y características de las técnicas de detección directa y las técnicas de diagnóstico de fallas basadas en datos operativos, y revisa los problemas clave presentes en la aplicación práctica de estas técnicas en sistemas de refrigeración líquida con placa fría; basándose en la experiencia de diagnóstico en el campo HVAC, sintetiza métodos de mejora específicos para los problemas existentes, como el aprendizaje semi-supervisado, aprendizaje con pocas muestras, aumento de datos y la combinación de física y datos. Investigaciones futuras en este campo pueden centrarse en la fusión de múltiples algoritmos, mitigación de problemas de desequilibrio de datos, mejora de la interpretabilidad del modelo y resistencia a interferencias, para mejorar la precisión, fiabilidad y aplicabilidad en ingeniería del reconocimiento de fallas. Este artículo ofrece una revisión y síntesis de investigaciones relacionadas, que pueden servir de referencia para estudios teóricos y aplicaciones de ingeniería en el diagnóstico de fallas de refrigeración líquida con placa fría.

centro de datos; refrigeración líquida con placa fría; detección directa; diagnóstico de fallas; aprendizaje automático