点击数: 更新日期: 2024-07-16
中文题目：数字孪生驱动的数据中心集成热管冷却系统能耗管理
论文题目：Digital twin-driven energy consumption management of integrated heat pipe cooling system for a data center
录用期刊/会议：Applied Energy (中科院SCI大类一区, Top)
原文DOI：https://doi.org/10.1016/j.apenergy.2024.123840
原文链接：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_
录用/见刊时间：2024年7月1日
作者列表：
1）朱海涛 中国石油大学（北京）人工智能学院 智能科学与技术系 博21
2）林伯韬 中国石油大学（北京）人工智能学院 智能科学与技术系 教师
摘要:
传统的数据中心冷却系统能耗管理（ECM）方法缺乏对实时信息和自动反馈控制的集成，导致系统运行风险难以诊断，节能潜力难以挖掘。因此，提出了一种数字孪生驱动的冷却系统能耗管理方法。首先，建立了分层数字孪生架构，以指导物理系统与数字孪生之间的无缝集成和实时交互；其次，开发了监测、仿真、能耗评估与优化等数字孪生模型，以驱动相应的数字孪生服务；最后，在某数据中心的集成热管冷却（IHPC）系统中对该方法进行了验证。结果表明，在满足冷却需求的前提下，该方法降低了系统23.63%的能耗。
背景与动机:
随着信息技术的发展，数据中心的数量和规模迅速增加，同时数据中心的能源消耗量也显著增加。其中，冷却系统的能耗约占数据中心总能耗的35-50%，是能耗管理的核心部分。然而，现有数据中心冷却系统的能耗管理方法自动化程度低并且严重依赖于历史数据，缺乏与实时信息及自动化模块的集成。无法及时响应冷却系统运行环境及数据中心冷却需求的快速变化，导致能耗管理的滞后及不必要的能源消耗。
设计与实现:
一、数字孪生架构设计
该分层架构如图1所示，旨在实现物理实体和数字孪生体之间的无缝融合和实时交互，如图1所示。该架构遵循关注点分离原则，高度模块化，可重用性及可扩展性高，可以降低数字孪生的开发难度。
图1 冷却系统数字孪生架构
二、数字孪生模型建立
（1）监控模型
建立了数字孪生监控模型，结合数字孪生连接层中的硬件单元，对冷却系统的工作状态进行实时监控，捕捉异常并进行应急管理。其运行逻辑如算法1和算法2所示。
（2）仿真模型
IHPC系统包括室内/外风通道、热管子系统和蒸汽压缩子系统。在空气循环过程中，各个子系统中的传热传质过程遵循质量、动量及能量守恒定律。
（3）能耗评估及优化模型
IHPC系统主要的耗能部件为风机和压缩机，其总能耗为风机和压缩机的能耗之和:
建立能耗优化模型如下所示：
三、数字孪生服务及交互
数字孪生内部组件在提供相应服务时的交互及协作机制如图2所示。
图2 数字孪生架构内部组件间的交互机制
四、案例应用
将该数字孪生系统部署于上海某数据中心的IHPC系统，其内部结构及气流循环如图3所示。其中，热管子系统提供自由冷却，蒸汽压缩子系统提供机械制冷。IHPC系统内部设备通过双绞线连接，使用CANBUS通信协议。与外部系统使用RS-485物理接口连接，使用Modbus协议。通过XML和标准API实现数字孪生各单元间的数据传输。感知单元由传感器矩阵和历史资料组成，实现静态和动态数据感知。可编程逻辑控制器(PLC)被用于控制物理系统。此外，利用JavaScript开发了人机交互界面如图4所示。
图3 数据中心及IHPC系统的空气循环示意图
图4 数字孪生系统人机交互界面
实验结果及分析:
如图5所示，当实时测量的关键参数超过其阈值时，经过数字孪生的自动调整，其值又迅速回归正常范围。这表明了该数字孪生方法的有效性。
图5 关键参数的实时异常检测及调整结果
如图6所示，实施该数字孪生方案后，共节约电能5.5161 × 105 kWh，占总能耗的23.63%。
图6 应用数字孪生后的能耗结果
小结:
1.与传统方法相比，数字孪生方法能够及时响应冷却系统运行环境及数据中心冷却需求的快速变化。
2.该数字孪生方法可在线获取冷却系统运行数据并动态模拟其工作流程，实现物理实体的实时映射，异常捕捉及能耗优化。
3.集成多个系统级数字孪生，可为数据中心的能耗管理做出更有价值的决策。
通讯作者简介
林伯韬，中国石油大学（北京）人工智能学院智能科学与技术系教授/博导。主要研究方向为智能石油工程、工业数字孪生和智慧能源金融。