腾讯和清华发表新基建领域最新成果

任务具有挑战性。

此前行业关于用数据驱动电池寿命预测的研究，也多关注于电动汽车电池这类可循环使用的电池，针对UPS类等常态处于浮充状态电池的健康管理，此前未见已有研究。

针对这些问题，腾讯清华联合团队依托于腾讯智维平台提供的海量数据中心运营数据，研究了一种用于UPS中VRLA电池的预测维护的新型数据驱动技术。据介绍，为了提高数据采集和标注的效率，团队首先对电池自然老化和内部急剧衰退两种情况，提出了一种可以自动标注电池退化时间点的算法，分别以电池内阻和电压离群程度进行自动标注，避免了数据标注过程中的重复和繁重的体力劳动。然后，针对蓄电池监控数据数据量大、数据维度低的问题，应用特征工程技术对数据维度进行扩展。在完成特征工程后，研究人员分别训练了逻辑回归、随机森林、梯度提升决策树和人工神经网络模型，对蓄电池是否发生故障进行预测。实验结果表明，AI模型对故障电池的预测准确率为98%，和现有的基于阈值的判断规则相比，AI模型平均能够提前15天预测电池的故障。

目前上述研究成果已经被研究团队整合形成电池AI诊断服务，并在腾讯自研的数据中心基础设施管理软件平台——腾讯智维平台上发布落地，覆盖了腾讯自建数据中心的数万只蓄电池。该服务能够方便地集成进现有的电池管理服务中，并能够自动对采集到的蓄电池电压、内阻和温度数据进行分析预测。

现场专家工程师对AI故障诊断的效果进行了持续的跟进验证，验证结果表明，相比于原有的电池维护策略，AI诊断服务能够更加准确地对电池的故障状态进行提前预测，同时还可以检测出超出专家知识范围的潜在电池故障，这使得数据中心的运维工程师能够对蓄电池的维护更换进行更加有针对性地规划，有效提高了蓄电池的运维效率，进一步保障数据中心的可靠性。在对腾讯天津数据中心3号楼的6880节电池进行现场实际落地验证发现，电池健康管理服务可以实现96.2%的告警准确率，且告警时间比实际故障提前5~30天，大大优于传统的基于经验规则的分析方案。

（编辑：通化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!