[Paper] 基于智能 IoT 的泄漏预测与检测，用于 AI 数据中心的节能液冷

Source: arXiv - 2512.21801v1

概述

本文提出了一种基于物联网的智能监控平台，利用机器学习对依赖液体冷却的 AI 数据中心的冷却剂泄漏进行预测和检测。通过将用于概率泄漏预测的 LSTM 模型与用于实时警报的随机森林检测器相结合，作者展示了一个原型，可减少计划外停机及其相关的能源浪费。

关键贡献

• Hybrid ML pipeline – LSTM网络用于2‑4 小时泄漏预测 + Random‑Forest分类器用于亚分钟泄漏检测。
• IoT‑centric architecture – MQTT用于低延迟传感器流式传输，InfluxDB用于时间序列存储，Streamlit仪表盘为操作员提供可视化。
• Feature analysis – 实证表明湿度、压力和流量是强早期预警信号，而温度因硬件热惯性而滞后。
• Energy‑impact estimate – 对47机架设施的仿真预测，通过避免紧急停机每年可节省约1,500 kWh。
• Synthetic validation – 数据集按照ASHRAE 2021制冷标准生成，实现泄漏预测模型的可复现基准测试。

方法论

1. 数据生成 – 创建了合成传感器流（温度、湿度、压力、流量），以模拟真实的冷却回路，遵循 ASHRAE 2021 对液冷机架的指南。
2. 预处理 – 将传感器读数重新采样为 1 秒间隔，进行归一化，并使用泄漏事件窗口进行标记（预测用 ±30 分钟，检测用瞬时）。
3. 预测模型 – 一个堆叠的 LSTM（2 层，64 个隐藏单元）输入过去 10 分钟的多变量数据，并输出未来 2‑4 小时内泄漏发生的概率分布。
4. 检测模型 – 一个随机森林（100 棵树）使用相同的特征窗口进行训练，以对“当前泄漏”与“正常”进行分类，实现即时警报。
5. 部署栈 – 传感器通过 MQTT 发布 JSON 负载 → InfluxDB 时序数据库 → Python 服务运行 LSTM/随机森林推理 → Streamlit UI 可视化预测和警报。
6. 评估 – 在保留的合成测试集上计算准确率、精确率、召回率以及自定义的“窗口内概率”指标。

结果与发现

• 湿度、压力和流速 在泄漏前 30‑90 分钟持续上升，提供了最强的预测线索。
• 温度 的早期变化几乎可以忽略，证实了热惯性会掩盖泄漏特征。
• 端到端流水线在普通 CPU（Intel i7）上实现约 10 k 样本/秒 的处理速度，展示了无需 GPU 加速即可在本地部署的可行性。
• 基于 ASHRAE 定义的制冷功率的节能计算表明，主动防止泄漏可为中型 AI 数据中心的年度电力消耗降低约 1.5 MWh。

Practical Implications

• 降低停机时间 – 操作员可以在泄漏升级前安排预防性维护，避免导致 AI 工作负载中断的紧急停机。
• 能源效率 – 及早减轻泄漏可降低额外的冷却负荷以及故障时启动的备用风扇/压缩机的功耗。
• 可扩展的 IoT 体系 – 使用 MQTT 和 InfluxDB 与现有数据中心监控生态系统保持一致，便于 DevOps 团队快速集成。
• 模型可移植性 – LSTM 和 Random‑Forest 模型均足够轻量，可在边缘网关（如 Raspberry Pi、工业 PC）上运行，实现靠近冷却回路的分布式推理。
• 合规与报告 – 实时仪表盘提供可审计的轨迹，满足可持续性认证（如 LEED、ENERGY STAR）的要求，并可与现有 CMMS（计算机化维护管理系统）对接。

限制与未来工作

• 仅使用合成数据 – 这些模型尚未在真实世界的传感器日志上验证；领域转移可能影响准确性。
• 特征集仅限四个传感器 – 添加其他变量（例如振动、声学特征）可能提升早期检测效果。
• 单一设施范围 – 节能估算基于 47 机架布局；规模更大或配置不同的中心可能获得不同的收益。
• 模型漂移处理 – 论文未涉及随冷却剂化学性质或硬件老化而进行的持续学习或适应。

未来的研究方向包括在真实测试平台上部署该流水线、扩展传感器套件，以及探索在线学习技术，以在整个运行期间保持模型的校准。

作者

• Krishna Chaitanya Sunkara
• Rambabu Konakanchi

论文信息

• arXiv ID: 2512.21801v1
• 分类: cs.LG, cs.DC, cs.NI, eess.SY
• 出版日期: 2025年12月25日
• PDF: Download PDF