中文題目：數字孿生驅動的數據中心集成熱管冷卻系統能耗管理

論文題目：Digital twin-driven energy consumption management of integrated heat pipe cooling system for a data center

錄用期刊/會議：Applied Energy (中科院SCI大類一區, Top)

原文DOI：https://doi.org/10.1016/j.apenergy.2024.123840

原文鏈接：https://www.sciencedirect.com/science/article/pii/S0306261924012236?utm_campaign=STMJ_219742_AUTH_SERV_PA&utm_medium=email&utm_acid=115496990&SIS_ID=&dgcid=STMJ_219742_AUTH_SERV_PA&CMX_ID=&utm_in=DM490584&utm_source=AC_

錄用/見刊時間：2024年7月1日

作者列表：

1）朱海濤 中國石油大學（北京）人工智能學院 智能科學與技術系 博21

2）林伯韜 中國石油大學（北京）人工智能學院 智能科學與技術系 教師

摘要:

傳統的數據中心冷卻系統能耗管理（ECM）方法缺乏對實時信息和自動反饋控制的集成，導致系統運行風險難以診斷，節能潛力難以挖掘。因此，提出了一種數字孿生驅動的冷卻系統能耗管理方法。首先，建立了分層數字孿生架構，以指導物理系統與數字孿生之間的無縫集成和實時交互；其次，開發了監測、仿真、能耗評估與優化等數字孿生模型，以驅動相應的數字孿生服務；最后，在某數據中心的集成熱管冷卻（IHPC）系統中對該方法進行了驗證。結果表明，在滿足冷卻需求的前提下，該方法降低了系統23.63%的能耗。

背景與動機:

隨著信息技術的發展，數據中心的數量和規模迅速增加，同時數據中心的能源消耗量也顯著增加。其中，冷卻系統的能耗約占數據中心總能耗的35-50%，是能耗管理的核心部分。然而，現有數據中心冷卻系統的能耗管理方法自動化程度低并且嚴重依賴于歷史數據，缺乏與實時信息及自動化模塊的集成。無法及時響應冷卻系統運行環境及數據中心冷卻需求的快速變化，導致能耗管理的滯后及不必要的能源消耗。

設計與實現:

一、數字孿生架構設計

該分層架構如圖1所示，旨在實現物理實體和數字孿生體之間的無縫融合和實時交互，如圖1所示。該架構遵循關注點分離原則，高度模塊化，可重用性及可擴展性高，可以降低數字孿生的開發難度。

圖1 冷卻系統數字孿生架構

二、數字孿生模型建立

（1）監控模型

建立了數字孿生監控模型，結合數字孿生連接層中的硬件單元，對冷卻系統的工作狀態進行實時監控，捕捉異常并進行應急管理。其運行邏輯如算法1和算法2所示。

（2）仿真模型

IHPC系統包括室內/外風通道、熱管子系統和蒸汽壓縮子系統。在空氣循環過程中，各個子系統中的傳熱傳質過程遵循質量、動量及能量守恒定律。

（3）能耗評估及優化模型

IHPC系統主要的耗能部件為風機和壓縮機，其總能耗為風機和壓縮機的能耗之和:

                            

建立能耗優化模型如下所示：

三、數字孿生服務及交互

數字孿生內部組件在提供相應服務時的交互及協作機制如圖2所示。

圖2 數字孿生架構內部組件間的交互機制

四、案例應用

將該數字孿生系統部署于上海某數據中心的IHPC系統，其內部結構及氣流循環如圖3所示。其中，熱管子系統提供自由冷卻，蒸汽壓縮子系統提供機械制冷。IHPC系統內部設備通過雙絞線連接，使用CANBUS通信協議。與外部系統使用RS-485物理接口連接，使用Modbus協議。通過XML和標準API實現數字孿生各單元間的數據傳輸。感知單元由傳感器矩陣和歷史資料組成，實現靜態和動態數據感知?？删幊踢壿嬁刂破?PLC)被用于控制物理系統。此外，利用JavaScript開發了人機交互界面如圖4所示。

圖3 數據中心及IHPC系統的空氣循環示意圖

圖4 數字孿生系統人機交互界面

實驗結果及分析:

如圖5所示，當實時測量的關鍵參數超過其閾值時，經過數字孿生的自動調整，其值又迅速回歸正常范圍。這表明了該數字孿生方法的有效性。

圖5 關鍵參數的實時異常檢測及調整結果

如圖6所示，實施該數字孿生方案后，共節約電能5.5161 × 105 kWh，占總能耗的23.63%。

圖6 應用數字孿生后的能耗結果

小結:

1.與傳統方法相比，數字孿生方法能夠及時響應冷卻系統運行環境及數據中心冷卻需求的快速變化。

2.該數字孿生方法可在線獲取冷卻系統運行數據并動態模擬其工作流程，實現物理實體的實時映射，異常捕捉及能耗優化。

3.集成多個系統級數字孿生，可為數據中心的能耗管理做出更有價值的決策。

通訊作者簡介

林伯韜，中國石油大學（北京）人工智能學院智能科學與技術系教授/博導。主要研究方向為智能石油工程、工業數字孿生和智慧能源金融。