为了保证数据中心持续稳定运行，一般配置柴油发电机组来保障电力供应，并投入了大量的沉没资本，但依然会出现备用电源失效的情况。为了保障备用柴油发电机组健康度处于正常状态，能够在市电中断时为数据中心供应电力，现行的手段一般为定时对数据中心的备用发电机组进行带载测试，通过测试的实际结果来判断发电机组能否正常运行。此种方法需要实际带载，不仅降低了发电机组的寿命，消耗大量储油，造成环境污染，一次带载测试成本高，而且只能保障发电机组在当前状态下能正常运行，不能判断发电机组实际上的健康度及发电机组在下次市电中断时能否正常运行。
目前，故障预测模型研究比较成熟，文献[1]提出一种集成了专家规则与神经网络模型的故障预警模型，文献[2]提出一种基于风险评估的故障预警模型，文献[3]提出一种针对发电机侧的链式故障预警模型，文献[4]提出构建发电机组故障预测的本体模型和知识模型，文献[5]提出一种基于灰色关联度分析- 长短期记忆（Grey Relation Analysis-Long ShortTermMemory，GRA-LSTM）叠加的故障预警模型，文献[6]则提出一种基于大数据分析的故障预警方法。在实际应用中，结合成本、适用性等因素，选择合适的故障诊断和预警算法。为了弥补离线方法的不足，提出一种通过对数据中心备用发电机组在线监测来进行健康度诊断分析和预警的方法，通过对发电机组运行状态的数据进行监测和分析，从而判断其是否处于正常状态，避免带载测试，增强发电机组作为备用电源的可靠性。
1 发电机组故障原因
1.1 燃油系统故障
（1）低压油路供油不畅。柴油发电机组的低压油路是从柴油箱到喷油泵进油腔之间的进油管路与回油管路，低压油路供油不畅会导致发动机加速困难、机组输出功率降低、无法启动以及熄火等故障发生。低压油路中的管路与管路连接处或垫圈处出现破损导致柴油泄漏，低压油路密封性能会变差，环境空气可以进入低压油路引起供油回路中空气阻力增大，从而造成供油不畅。此外，管路变形或堵塞导致的低压油路管路横截面变小也会引起供油不畅。机组应按时更换燃油滤芯，避免因滤芯堵塞造成供油不畅。
（2）输油泵活塞弹簧折断。输油泵活塞弹簧折断会导致柴油发电机组在运行中突然熄火，不能启动。
（3）输油泵止回阀密封不严。当输油泵止回阀密封不严时，柴油发电机组将难以启动。
（4）高压油路堵塞。当高压油管因长期使用产生杂质过多而堵塞或变形时，柴油发电机组启动后油管部位可能有明显敲击声，柴油发电机无法正常工作，会出现输出功率降低的现象。
（5）喷油器密封锥面损坏。喷油器内部残留固体残渣、水分会造成喷油器密封锥面损坏，发电机组启动困难。
（6）现有备用柴油发电机组缺陷。现有备用柴油发电机组通过燃油油水分离器与燃油滤器对燃油进行了净化处理，但无法处理长期运行中积聚在燃油储油罐的水分油污。当燃油中颗粒物过多时，其无法滤除干净，运行中会因滤器堵塞导致发电机组低频跳机。
1.2 启动系统故障
启动系统中，启动电池容量不足、启动开关损坏均会导致发电机组无法启动。
1.3 冷却系统故障
（1）冷却水量稀少，不能给柴油发电机组持续冷却，导致其连续发热。
（2）水泵供水效率低，冷却循环水流量降低，造成系统散热效果差，从而导致冷却水温度过高。
（3）循环系统管道结垢堵塞，水垢沉淀附着在循环系统内，严重影响发电机内的散热效果。
（4）节温器故障，导致循环异常。
（5）散热风扇损坏，如皮带打滑、开裂和扇叶损坏。
1.4 控制系统故障
控制系统中，一台高压并机运行机组二次接线头高达26000个，关键端子接触不良会导致发电机组故障。
2 发电机组在线监测
采用传统离线方法来监测发电机组存在检测周期长、无法实时了解设备运行状态的弊端，难以保障发电机组的可靠性。而在线监测系统可以通过传感器实时采集设备信息，反映设备状态，不存在上述问题[1]。
2.1 在线监测主要内容
在线监测系统将传感器安装在需要监测的关键位置上，通过实时数据的采集，分析当前发电机组运行状态并预测未来趋势。
数据中心备用柴油发电机组仅在市电中断时启用，长时间处于停机状态。在长期停机放置过程中存在自然损耗，逐渐出现机组密封性变差、设备老化变形、接线端子阻抗变化等问题。在线监测系统在发电机组停机时仍对部分检测项进行实时监测，通过实时监测数据判断发电机组在停机时状态是否发生变化，并预测下一次发电机组能否正常启动，避免带载测试。由于发电机组在线监测系统长时间运行耗电量会增大，因此在发电机组停机时在线监测系统仅保留基础监测功能，转为低功耗状态持续运行。
2.2 监控系统构成
（1）监测设备。将监测传感器连接至柴油发电机组需要监测的部位，并将传感器接入在线检测系统上，可以通过在线监测系统实时查看传感器采集到的信息[7]。
（2）监测设备电源。将传感器和在线监测系统均连接至电源上，由电源供电。
（3）诊断分析系统。通过分析采集到的数据来判定柴油发电机组运行工况和状态，并根据判定结果进行健康度诊断，最后将诊断结果通过人机交互界面显示出来。
3 发电机组健康度诊断分析
通过上述在线监测系统可以得到柴油发电机组实时数据，需要进一步分析数据得出机组状态。柴油发电机组运行时，诊断分析系统将采集的数据与系统内部设定正常数值范围进行对比，判断采集数据是否异常。当采集到的数据处于设定正常值范围内，则根据采集数据的变化进一步分析机组状态，并根据变化趋势预测机组未来健康度。若机组状态良好且预测结果为下一次机组能顺利启动且无故障运行，则诊断预测机组健康度为健康，无需维护和带载测试，下次可直接投入使用；若机组状态良好但预测结果为下一次机组无法正常运行，则诊断预测机组健康度为亚健康，需维护人员根据诊断分析系统的分析结果进行检修，检修完成后机组可正常投入使用；若机组状态较差，说明机组无法维持本次长时间稳定运行，则诊断预测机组健康度为异常前驱态，此时维护人员需做好其他机组接入或设备下电的准备，机组停机后维护人员根据诊断分析系统的预测结果进行检修，检修完成后机组可正常投入使用。当采集到的数据异常时，则诊断运行故障并告警，此时发电机组为不健康，机组需人工维护后再投入使用。当柴油发电机组停机时，诊断分析系统工作方式与机组运行时基本一致，区别为无“异常前驱态”。
其中，发电机组信息采集模块通过传感器等检测仪器采集发电机组数据，并将采集数据传递至诊断分析系统中的状态监测模块。状态监测模块将采集到的数据与模块中设置的正常数值范围进行比对，若采集数据不在正常范围内，则判断为不健康，并将故障信息传递至故障预警模块；若数值正常，则分析运行数据变化趋势，将机组正常运行信息与分析结果传递至故障预警模块。故障预警模块接收到状态监测模块故障信息时，通过人机交互界面直接进行告警。当接收到状态监测模块正常运行信息与运行数据分析结果时，通过模块内置的故障预警模型对发电机组健康度进行诊断，诊断结果分为健康、亚健康、异常前驱以及不健康，借助人机交互界面报告诊断结果，为人工检修提供参考，提高维护效率。
上述功能的实现能够帮助数据中心维护人员及时发现并预测柴油发电机组故障，针对性对机组进行维护，降低数据中心维护成本，保障发电机组处于健康状态，提高机组运行的可靠性，同时避免带载测试，减少能源消耗。
4 结 论
相较于现有的带载测试方法，通过监测平台读取设备状态和运行数据、故障预警，能及时进行人工维护，延长发电机组寿命，增强数据中心备用发电机组的可靠性，同时可以减少油量损耗，节约能源，响应国家低碳号召。随着数据中心的设备数量增加和功耗增大，供电保障愈发重要，备用发电机组在线监测的必要性越来越高。5G通信技术的成熟和计算机技术的发展给在线监测带来了更多的可能性，未来将采集更多数据中心发电机组的信息，量化所提在线监测方法的各项指标，为后续系统优化奠定坚实基础。
中嘉和信作为深耕IDC行业十余年的数据中心服务商，致力于成为行业领先的数字化业务连续性保障服务提供商。业务覆盖金融机构、银行保险、人工智能、电商零售、交通运输、生产制造、能源化工、地产建安、生活服务等多个行业。中嘉和信为客户提供数据中心规划建设、数据中心托管运营、公有云、私有云、混合云、DCI全球组网、云网融合、信创集成服务、安全集成服务等定制化解决方案，依托经验丰富的专业技术服务团队和先进的运维服务管理体系，持续为各行业客户提供一站式数字化业务连续性保障服务，陪伴客户共同成长，助力客户实现梦想。如有业务需求请拨打010-51265666进行咨询，欢迎预约参观机房！
文章来源：互联网，如有侵权联系删除！
