数字孪生在数据中心的应用场景

数字孪生技术如何应用到数据中心的运营发展，又在数据中心的设计与发展阶段起到怎样的作用呢？本文将在数据中心的设计阶段与运维阶段应用数字孪生技术进行解析。

1.数字孪生在数据中心设计阶段的应用

在数据中心设计阶段主要采用三维建模技术手段， 通过CAD软件、BIM软件、CFD软件等工具构建数据中心的数字化模型， 再通过仿真和模拟技术在数字模型上进行可调节、可变参数、可重复、可加速的仿真实验，输出不同场景下的合理设计方案，最终提高现实中数据中心的设计效率，优化相关设计方案。

在数据中心设计阶段使用数字孪生技术可让投资方付出较低的成本，得到较高的回报，利益得以最大化。目前，数字孪生技术在数字中心设计阶段的应用越来越广泛、越来越成熟。以图1为例，采用CAD技术构建虚拟数据中心模型，然后通过能耗、温度、气流等数据的算法模型优化该模型，最终从众多的实验中获取最优策略应用到实际建设中，既满足设计需求，又节约内在成本。

图1 CAD模型布局

在设计阶段，数据中心除了会分析布局以外，也会尝试整合一些动力、环境失效的方案以保障整个系统无设计缺陷，并为未来可能发生的状况或时间进行前期预演。设计阶段的数字孪生模型如果能被数据中心运维人员延续使用，就将极大地提高模型使用效率，为后续的模型优化提供更多的数据支撑，使数字孪生体更加完整。

2.数字孪生在数据中心运维阶段的应用

1. 数据机房可视化

数据机房可视化由机房3D模型、资产配置孪生、线路连接孪生、机房容量孪生、监控门禁系统孪生、汇报展示等孪生模型组成。

利用数字孪生技术虚拟构建数据中心机房的物理环境，模拟从数据中心的园区、机房、机柜、IT设备等组成的3D模型， 再将机房中IT设备或者基础设施的基本配置信息嵌入数字孪生系统中。相关的配置信息可以由任何可见物理设备找到，相关设备也可以通过任何配置信息完成资产配置的显示。配置信息嵌入后，系统内即可将相应的位置信息与资产信息进行管理，此时就可以搭建出机房容量模型。

机房容量模型根据机房柜的剩余空间、配电盘的电气情况自动生成服务器设备的设置位置信息，预测并分析服务器的电力消耗量和设置的U号、机房的设置规则，以及机房的空间、电力消耗量、冷气量和安装后的温度场。数据机房可视化不仅是由机房3D模型、资产配置孪生、线路连接孪生、机房容量孪生、监控门禁系统孪生、汇报展示孪生等模型组成的，线路连接、监控信息以及其他汇报展示信息等也是机房数字孪生的重要组成部分，下面介绍几个重要的部分。

线路连接孪生： 采用配套系统管理建立线路连接或者对接其他平台管理信息，将机房内的相关线路做可视化展示，同时可在可视化时查看相关设备端口信息。

监控门禁系统孪生： 可以集成数据中心内外的监视系统和接入控制系统，虚拟控制包括综合网络管理监视、电源监视、动态电路监视、大楼自动化、安全监视、消防等监控系统和门禁系统。24小时保护数据中心的安全运行。

汇报展示： 整合上述孪生手段，提供一个可以对单一场景或者多个组合场景进行可视化展示、满足多维可视化需求、实现数据中心的3D模拟展示汇报，如数字中心展厅、机房实景数据、故障演练等。机房的数字孪生可为设备布局、温湿度控制、容量规划、运维操作等提供指导。

2. 数字孪生应用在数据中心制冷系统

降低能耗能效指标是指降低数据中心能效指标的PUE数值，这一直是各个数据中心想要解决的难题。在数据中心的能耗消耗构成中，除了IT设备消耗以外，制冷系统能耗占比最高，即降低制冷系统的能耗也可降低PUE的数值。各种节能设备和技术应运而生，比如间接蒸发冷却AHU、液冷都是目前节能效率较高的技术，也有较多应用案例。

人工智能、机器学习等技术也在被广泛研究和应用。谷歌就有成功的案例，2017年它将机器学习技术应用到数据中心节能中，经过对大量运行数据的机器学习和使用，2018年节能达30%，效果显著。国内很多厂商也相继投入类似的研究中，并推出相关产品**，总结起来就是引入3D 模型、制冷系统模型算法，形成一套可视化的制冷系统的PUE能效模型，如图2所示。**

制冷系统的PUE能效模型不仅包含深度学习神经网络模型，也包括气候、数据中心IT负载等外界因素的输入。数字孪生是一个双向的过程，在制冷系统的PUE能效模型中也不例外。另外，制冷系统通过多个传感器将收集的数据发送到虚拟数字空间，实时更新节能模型PUE。PUE功能模型可以基于期望的实际PUE值来检索可达到PUE值的各种输入参数。根据相关约束条件生成每个系统的最佳调整值，最终达到PUE值。调整值主要包括冷却塔的开启台数和风扇的转速、各种冷却泵、冷却泵的开启频率、冷却机的运转状态等。

数字孪生的基础源于数据，故数据中心模型的准确性取决于样本的数据量：样本的数据量越大，构建的数据机房模型越准确。为了获得大量的数据样本，我们需要对不同的数据中心设置相同的输入和输出变量。通常这些输入变量包括表征系统实时负载的变量、表征冷却系统运行的控制变量以及表征环境的变量，例如IT设备发热能功耗、空调送回风温湿度等；输出变量一般可设置为PUE最低值，并且约束IT设备进风温度不超过设定的温度（一般可以为27℃）。这样，通过大量的运行样本可以构建输入变量与输出变量间相应的数字模型，再根据对应的目标值以及约束条件获得最佳的各系统设定值，从而达到节能减排的愿景。

图2 数字孪生运用在数据中心的制冷系统

3. 智慧数字中心3D化建设

数字孪生技术已经广泛应用于实际的生产生活中， 特别是在智慧城市的管理应用。借鉴相关经验，可在数据中心进行3D可视化建设。 在建设数字化数据中心时可依次进行数字化园区模型、暖通模型、安防系统模型、弱点模型、线路管道模拟模型、智能服务和决策模型。其中，弱点模型可借鉴已经成熟的智慧城市中的智慧楼宇或者智慧园区等相关系统中涉及的成熟模型。

以上的各个模型构成了智慧数据中心的基础。在此基础上，可再升级增加制冷系统、配电系统、智能化运维系统的数字化模型进入数据中心的数字化系统中，不断完善整个数字化体系，为定期自动生成优化运行的建议提供决策参考。 数字孪生技术是一个崭新的领域，上述应用场景的分析十分粗浅。 客观地讲，数据中心基础设施及机房专业领域的人员在这方面的知识和技能的储备还十分欠缺，现阶段需要从业者及时学习储备数字孪生相关的知识。

审核编辑：汤梓红