数据中心机房设计运行全过程数字孪生关键技术及体系架构.docx

10

10 2022/12/DTPT

数据中心机房设计运行全过程

数字孪生关键技术及体系架构

0引言

数据中心作为数字基础设施和人工智能的基石，已成为智慧时代最主要的算力生产中心和供应中心。全社会对算力的需求仍将以每年20%的速度增长［1］。近日，国家发改委启动“东数西算”枢纽节点建设工程［2］，在双碳目标引领下，数据中心建设正在从粗放的高速发展阶段向有序可控的绿色低碳高质量发展阶段转变［3-4］。数据中心系统复杂，设备繁多，投资巨大，设计建造和运维难度都比较大，数字孪生技术的出现为这一复杂工程的优化提供了新的方向［5］。数字孪生概念最早用于航空航天飞行器的健康维护与保障［6］。

——————————

收稿日期：2022-10-30

近几年涌现了一大批相关研究与应用［7-8］，从其应用来看，数字孪生在整合企业的制造流程，实现产品从设计到维护全过程的数字化，生产可视化，形成从分析到控制再到分析的闭合回路，在优化整个生产系统方面可以起到积极的作用［9］。

1数据中心数字化智能化现状和问题

当前数据中心全产业链在设计、建造、运行和改造等环节大多仍然处于粗放状态。数字化智能化程度低于其他行业，其根本原因在于，一方面由于数据中心往往具有体量大、拓扑复杂和多物理场耦合等特征，问题本身十分复杂难度较高；另一方面，由于涉及工程热物理、暖通空调、自动控制等多个学科专业交叉，少有人可以精通以上专业并将其融会贯通，进而

导致各个专业和各个环节各自为政。数据中心的数字化管理从早期的动环监控系统，发展到DCIM综合管理系统，进而到目前的智慧运营系统，其数字化智能化水平也在不断地深入提高。但是目前仍存在以

数据中心数字孪生应用

控制 模拟

优化 验证

下问题。

a）目前大部分应用还处于信息化数字化阶段，主要起到增强“可看”的展示作用，尚不能达到“可控”的

数据中心物理实体

数字孪生化

数据中心数字孪生体

水平。

b）数据中心系统复杂，业务逐步加载，工况多变，目前的大部分系统运行期间无法实时感知机房内部的变化，且由于运维人员职业素养参差不齐，无法及时维护平台的数据，使其与机房实际情况无法保持一致，长此以往导致运维数据失真。

c）大量的数据中心BIM模型还停留在静态模型层面，以解决设计和建造阶段的若干痛点为目的，未涉及数据中心运营阶段的痛点和需求，模型数据尚未实现完整的转移到运维阶段，造成数据资源的浪费。

2数据中心设计运行全过程数字孪生体系架构

近年来在数据中心的运行中，基于反向传播神经网络、支持向量机、决策树、专家系统、知识推理等技术在设备功率预测、机房温度控制、资源与能耗协同调度等方面已实现了初步应用［10-11］。随着当前以深度学习、强化学习、知识图谱和类脑科学为代表的新一代人工智能技术的迅速发展，如果能够在计算机数字世界里面建立和实际数据中心无明显差别的虚拟体，将能够发挥计算机人工智能计算优势解决复杂度问题，并在数字空间打通专业间的隔阂达到真正的高效协同，大幅度提高生产效率和数据中心运行能源效率。

基于此，本文提出一种数据中心机房设计运行全过程数字孪生技术方法。该技术充分利用数据中心物理模型、传感器测量和运行数据，集成多学科、多物理量、多尺度、多概率仿真，研究数据中心机房空间、电力、空调等基础设施全生命周期数据重构与孪生体系；研究其各类空间和设备等物理实体与性能状态的映射关系、数据挖掘及仿真模拟融合技术以及故障诊断、趋势预测和控制反馈技术，通过对虚拟孪生体实时性能状态的仿真和分析发现解决实际数据中心运营中的问题，实现全过程高精度的数字化、智能化，具有从根本上解决该领域当前痛点问题的潜力。数字孪生技术包括的对象及其相互关系如图1所示［12］。

图1数据中心数字孪生关系图

数据中心数字孪生具备以下几个明显的优势特征。

a）确保真实。虚拟数据中心是对实体数据中心进行数字化而构建的模型，实体数据中心的各项指标和变化能够真实地呈现在虚拟数据中心中。

b）实时交互。虚拟数据中心所处状态是实体数据中心状态的实时虚拟映射，二者的数据及指令相互实时流动。根据实体数据中心的各项真实数据，通过对数字孪生体进行仿真，实现对真实数据中心未来状态的模拟预测，辅助做出更合理的运营策略；通过虚拟数据中心进行监测，预先觉察即将可能发生的故障，使得运维人员能更从容地处理该问题。

c）智慧共生。数字孪生系统内部各系统之间通过同步共用大数据分析、AI技术，在全生命周期内达到智慧共生