數字孿生技術如何應用到數據中心的運營發展，又在數據中心的設計與發展階段起到怎樣的作用呢？本文將在數據中心的設計階段與運維階段應用數字孿生技術進行解析。

1.數字孿生在數據中心設計階段的應用

在數據中心設計階段主要采用三維建模技術手段，通過CAD軟件、BIM軟件、CFD軟件等工具構建數據中心的數字化模型，再通過仿真和模擬技術在數字模型上進行可調節、可變參數、可重復、可加速的仿真實驗，輸出不同場景下的合理設計方案，最終提高現實中數據中心的設計效率，優化相關設計方案。

在數據中心設計階段使用數字孿生技術可讓投資方付出較低的成本，得到較高的回報，利益得以最大化。目前，數字孿生技術在數字中心設計階段的應用越來越廣泛、越來越成熟。以圖1為例，采用CAD技術構建虛擬數據中心模型，然后通過能耗、溫度、氣流等數據的算法模型優化該模型，最終從眾多的實驗中獲取最優策略應用到實際建設中，既滿足設計需求，又節約內在成本。

圖1 CAD模型布局

在設計階段，數據中心除了會分析布局以外，也會嘗試整合一些動力、環境失效的方案以保障整個系統無設計缺陷，并為未來可能發生的狀況或時間進行前期預演。設計階段的數字孿生模型如果能被數據中心運維人員延續使用，就將極大地提高模型使用效率，為后續的模型優化提供更多的數據支撐，使數字孿生體更加完整。

2.數字孿生在數據中心運維階段的應用

1. 數據機房可視化

數據機房可視化由機房3D模型、資產配置孿生、線路連接孿生、機房容量孿生、監控門禁系統孿生、匯報展示等孿生模型組成。

利用數字孿生技術虛擬構建數據中心機房的物理環境，模擬從數據中心的園區、機房、機柜、IT設備等組成的3D模型，再將機房中IT設備或者基礎設施的基本配置信息嵌入數字孿生系統中。相關的配置信息可以由任何可見物理設備找到，相關設備也可以通過任何配置信息完成資產配置的顯示。配置信息嵌入后，系統內即可將相應的位置信息與資產信息進行管理，此時就可以搭建出機房容量模型。

機房容量模型根據機房柜的剩余空間、配電盤的電氣情況自動生成服務器設備的設置位置信息，預測并分析服務器的電力消耗量和設置的U號、機房的設置規則，以及機房的空間、電力消耗量、冷氣量和安裝后的溫度場。數據機房可視化不僅是由機房3D模型、資產配置孿生、線路連接孿生、機房容量孿生、監控門禁系統孿生、匯報展示孿生等模型組成的，線路連接、監控信息以及其他匯報展示信息等也是機房數字孿生的重要組成部分，下面介紹幾個重要的部分。

線路連接孿生：采用配套系統管理建立線路連接或者對接其他平臺管理信息，將機房內的相關線路做可視化展示，同時可在可視化時查看相關設備端口信息。

監控門禁系統孿生：可以集成數據中心內外的監視系統和接入控制系統，虛擬控制包括綜合網絡管理監視、電源監視、動態電路監視、大樓自動化、安全監視、消防等監控系統和門禁系統。24小時保護數據中心的安全運行。

匯報展示：整合上述孿生手段，提供一個可以對單一場景或者多個組合場景進行可視化展示、滿足多維可視化需求、實現數據中心的3D模擬展示匯報，如數字中心展廳、機房實景數據、故障演練等。機房的數字孿生可為設備布局、溫濕度控制、容量規劃、運維操作等提供指導。

2. 數字孿生應用在數據中心制冷系統

降低能耗能效指標是指降低數據中心能效指標的PUE數值，這一直是各個數據中心想要解決的難題。在數據中心的能耗消耗構成中，除了IT設備消耗以外，制冷系統能耗占比最高，即降低制冷系統的能耗也可降低PUE的數值。各種節能設備和技術應運而生，比如間接蒸發冷卻AHU、液冷都是目前節能效率較高的技術，也有較多應用案例。

人工智能、機器學習等技術也在被廣泛研究和應用。谷歌就有成功的案例，2017年它將機器學習技術應用到數據中心節能中，經過對大量運行數據的機器學習和使用，2018年節能達30%，效果顯著。國內很多廠商也相繼投入類似的研究中，并推出相關產品**，總結起來就是引入3D 模型、制冷系統模型算法，形成一套可視化的制冷系統的PUE能效模型，如圖2所示。**

制冷系統的PUE能效模型不僅包含深度學習神經網絡模型，也包括氣候、數據中心IT負載等外界因素的輸入。數字孿生是一個雙向的過程，在制冷系統的PUE能效模型中也不例外。另外，制冷系統通過多個傳感器將收集的數據發送到虛擬數字空間，實時更新節能模型PUE。PUE功能模型可以基于期望的實際PUE值來檢索可達到PUE值的各種輸入參數。根據相關約束條件生成每個系統的最佳調整值，最終達到PUE值。調整值主要包括冷卻塔的開啟臺數和風扇的轉速、各種冷卻泵、冷卻泵的開啟頻率、冷卻機的運轉狀態等。

數字孿生的基礎源于數據，故數據中心模型的準確性取決于樣本的數據量：樣本的數據量越大，構建的數據機房模型越準確。為了獲得大量的數據樣本，我們需要對不同的數據中心設置相同的輸入和輸出變量。通常這些輸入變量包括表征系統實時負載的變量、表征冷卻系統運行的控制變量以及表征環境的變量，例如IT設備發熱能功耗、空調送回風溫濕度等；輸出變量一般可設置為PUE最低值，并且約束IT設備進風溫度不超過設定的溫度（一般可以為27℃）。這樣，通過大量的運行樣本可以構建輸入變量與輸出變量間相應的數字模型，再根據對應的目標值以及約束條件獲得最佳的各系統設定值，從而達到節能減排的愿景。

圖2 數字孿生運用在數據中心的制冷系統

3. 智慧數字中心3D化建設

數字孿生技術已經廣泛應用于實際的生產生活中，特別是在智慧城市的管理應用。借鑒相關經驗，可在數據中心進行3D可視化建設。在建設數字化數據中心時可依次進行數字化園區模型、暖通模型、安防系統模型、弱點模型、線路管道模擬模型、智能服務和決策模型。其中，弱點模型可借鑒已經成熟的智慧城市中的智慧樓宇或者智慧園區等相關系統中涉及的成熟模型。

以上的各個模型構成了智慧數據中心的基礎。在此基礎上，可再升級增加制冷系統、配電系統、智能化運維系統的數字化模型進入數據中心的數字化系統中，不斷完善整個數字化體系，為定期自動生成優化運行的建議提供決策參考。數字孿生技術是一個嶄新的領域，上述應用場景的分析十分粗淺。客觀地講，數據中心基礎設施及機房專業領域的人員在這方面的知識和技能的儲備還十分欠缺，現階段需要從業者及時學習儲備數字孿生相關的知識。

審核編輯：湯梓紅