近日，騰訊數據中心與清華大學自動化系智網中心團隊的賈慶山老師合作論文被第21屆IFAC國際自動控制世界大會錄取。該大會為自動控制領域三大頂會之一，將于今年7月在德國柏林舉辦。本屆大會將關注可持續資源、綠色能源、數字化和工業4.0等主題，人工智能、控制和計算機科學日益重要的融合也將成為大會關注的焦點。
此次騰訊聯合團隊投中的論文全稱為PredictiveMaintenance of VRLA Batteries in UPS towards Reliable Data Centers （中文名稱：對可靠數據中心UPS使用的VRLA電池的預測性維護）。
據介紹，論文提出的電池故障檢測方法，填補了此前行業針對UPS（Uninterruptible Power System，不間斷電源）電池基于數據驅動的預測性維護的研究空白，相比當前基于專家經驗和閾值規則等進行判斷的檢測方式有更高的準確率，同時可以提前預警電池健康狀態，有效提升數據中心的智能管理水平，是人工智能技術在數據中心落地應用的生動實例。
據了解，該研究成果也已經整合形成電池AI診斷服務，搭載在騰訊自研的數據中心智能運維平臺——騰訊智維上，成功支撐了騰訊深汕數據中心的電池健康管理服務交付工作，目前已覆蓋了騰訊自建數據中心的數萬只蓄電池。未來，將全面覆蓋騰訊數據中心的幾十萬節電池，并面向廣大行業伙伴開放。
通過人工智能對數據中心蓄電池進行預測性維護
UPS供電系統是滿足數據中心供電質量的核心部分，而蓄電池又是UPS系統中最重要的組成之一，是整個供電系統的“最后一道屏障”，在UPS系統的故障中，與蓄電池有關的原因占30%以上。如果電池故障引起UPS系統宕機，關鍵業務中斷，將產生很大的經濟損失。行業調查機構顯示：金融行業的數據中心每宕機一小時的損失為1495134美元，通訊行業的數據中心每宕機一小時的損失為2066245美元。因此通過對蓄電池系統科學的運維管理、監測維護，及時發現故障隱患并及時維護更換，將極大提升數據中心持續運轉的可靠性。
不間斷電源系統使用的蓄電池
面對數據中心成千上萬的蓄電池，通過人工智能自動化的方式進行檢測和維護能極大提升效率。但現實中，AI在蓄電池故障預測的落地并不容易。首先，由于日常狀態UPS中使用的蓄電池通常在浮充狀態下運行，因此監控數據的信息量遠不及進行放電測試所收集的數據。第二，沒有統一的電池更換標準，現有的維護策略依賴于專家知識。第三，電池故障相關的數據量不足，使尋找高質量模型的任務具有挑戰性。
此前行業關于用數據驅動電池壽命預測的研究，也多關注于電動汽車電池這類可循環使用的電池，針對UPS類等常態處于浮充狀態電池的健康管理，此前未見已有研究。
針對這些問題，騰訊清華聯合團隊依托于騰訊智維平臺提供的海量數據中心運營數據，研究了一種用于UPS中VRLA電池的預測維護的新型數據驅動技術。據介紹，為了提高數據采集和標注的效率，團隊首先對電池自然老化和內部急劇衰退兩種情況，提出了一種可以自動標注電池退化時間點的算法，分別以電池內阻和電壓離群程度進行自動標注，避免了數據標注過程中的重復和繁重的體力勞動。然后，針對蓄電池監控數據數據量大、數據維度低的問題，應用特征工程技術對數據維度進行擴展。在完成特征工程后，研究人員分別訓練了邏輯回歸、隨機森林、梯度提升決策樹和人工神經網絡模型，對蓄電池是否發生故障進行預測。實驗結果表明，AI模型對故障電池的預測準確率為98%，和現有的基于閾值的判斷規則相比，AI模型平均能夠提前15天預測電池的故障。
目前上述研究成果已經被研究團隊整合形成電池AI診斷服務，并在騰訊自研的數據中心基礎設施管理軟件平臺——騰訊智維平臺上發布落地，覆蓋了騰訊自建數據中心的數萬只蓄電池。該服務能夠方便地集成進現有的電池管理服務中，并能夠自動對采集到的蓄電池電壓、內阻和溫度數據進行分析預測。
應用數據驅動進行UPS蓄電池健康管理流程圖
現場專家工程師對AI故障診斷的效果進行了持續的跟進驗證，驗證結果表明，美國服務器，相比于原有的電池維護策略，AI診斷服務能夠更加準確地對電池的故障狀態進行提前預測，同時還可以檢測出超出專家知識范圍的潛在電池故障，這使得數據中心的運維工程師能夠對蓄電池的維護更換進行更加有針對性地規劃，有效提高了蓄電池的運維效率，進一步保障數據中心的可靠性。在對騰訊天津數據中心3號樓的6880節電池進行現場實際落地驗證發現，電池健康管理服務可以實現96.2%的告警準確率，且告警時間比實際故障提前5~30天，大大優于傳統的基于經驗規則的分析方案。
