模块化机房UPS数据

通过对UPS运行数据的实时监测和智能分析，实现供电质量保障、能效管理和预测性维护三大核心功能，解决了传统UPS监控手段单一、预警滞后的问题。实时监测输出电压不平衡度与功率因数，将电压波动控制在±1%以内，供电可靠性达到99.99%；通过计算运行效率与负载率优化参数，整体能效提升5-8%，并指导无功补偿；基于健康度与环境温度监控，预警准确率达90%以上，可提前3-10天发现潜在故障，使UPS故障率降低45%。运用本数据可实现UPS性能与电能质量分析、容量规划与能效优化，支持预测性维护与管理决策，为供电系统改造、设备选型及运维策略制定提供依据，从而保障供电安全、提升能效水平、降低运维成本。1.数据采集：采集UPS运行数据，频率10秒，包括：设备ID_DeviceID、输入A/B/C相电压Vin_A/B/C(V)、输入A/B/C相电流Iin_A/B/C(A)、输出A/B/C相电压Vout_A/B/C(V)、输出A/B/C相电流Iout_A/B/C(A)、输出视在功率S(kVA)、输出有功功率P(kW)、输出无功功率Q(kVar)、输入总功率Pin(kW)、环境温度Tamb(℃)。2.数据处理：剔除电压超出额定范围±20%的异常数据；时间对齐为北京时间，间隔10秒。3.计算规则：（1）Vin_avg=(Vin_A+Vin_B+Vin_C)/3；Vout_avg=(Vout_A+Vout_B+Vout_C)/3；Vin_unbal、Vout_unbal=((max-min)/avg)×100。（2）S=3×Vout_avg×Iout_avg/1000；PF=P/S；Q=√(S²-P²)；LoadRate=(S/10kVA)×100；Eff=(P/Pin)×100，Pin在数据结构中单独列示。（3）UPSHealth=0.4×电压稳定性得分+0.3×运行效率得分+0.3×环境温度得分；电压稳定性：Vout_unbal≤0.5%为100，否则100-Vout_unbal×50；运行效率得分=Eff；环境温度：20℃≤Tamb≤30℃为100，否则100-|Tamb-25|×2。（4）运行状态：正常运行—UPSHealth≥80且Vout_unbal≤0.5%且Eff≥92%；关注—UPSHealth≥70且Vout_unbal≤1%且Eff≥90%；预警—UPSHealth<70或Vout_unbal>1%或Eff<90%；告警—UPSHealth<60或Vout_unbal>2%或Eff<85%。

搜集汇总

背景与挑战

背景概述

该数据集由浙江德塔森特数据技术有限公司自行产生，包含模块化机房UPS运行数据（如电压、电流、功率、环境温度等），每10秒采集一次，共1000条数据。通过健康度评估与运行状态分类，可支持供电质量保障、能效优化和预测性维护，旨在解决传统监控手段单一、预警滞后的问题。