“孪生”的基本思想最早起源于1969年的阿波罗计划，通过留在地球上的航天器对发射到太空的航天器进行工作状态的仿真模拟，进而辅助航天员完成决策，减少各种操作结果的未知性。

从2002年开始，数字孪生的概念和定义在不同领域逐渐被提起和重视。数字孪生的定义在不同时间阶段、不同运用领域会有所不同，每个阶段的定义如下：

阶段一：“数字孪生”概念首次提出

在虚拟空间构建的数字模型与物理实体交互映射，忠实地描述物理实体全生命周期的运行轨迹。

阶段二：“机身数字孪生体”概念首次提出

孪生体是一个由数据、模型和分析工具构成的集成系统。该系统不仅可以在整个生命周期内表达飞机机身，并可以依据非确定信息对整个机队和单架机身进行决策，包括当前诊断和未来预测。

阶段三：“数字孪生体”首次独立使用

集成了多物理量、多尺度、多概率的系统或飞行器仿真过程。

阶段四：标准化组织开展研究

数字孪生体是现实事物或过程具有特定目的的数字化表达，并通过适当频率的同步使物理实例与数字实例之间趋向一致。

阶段五：国内组织开展研究

数字孪生是综合运用感知、计算、建模等信息技术，通过软件定义，对物理空间进行描述、诊断、预测、决策，进而实现物理空间与虚拟空间的交互映射。

从这些定义中对比分析可以发现数字孪生的几个关键点：

• 数字孪生体是对物理实体进行的高保真的数字化建模

• 物理实体和数字孪生体之间需要进行相互交互，实时映射和控制

• 数字孪生体具备智能化能力，可对物理空间进行诊断、预测、和仿真模拟

建模：数字孪生关键点

从数字孪生定义及其特点会发现，建模是创建数字孪生体的核心关键点，也是数字孪生体进行上层操作的基础。建模不仅包括对物理实体的几何结构和外形进行三维建模，还包括对物理实体本身的运行机理、内外部接口、软件与控制算法等信息进行全数字化建模。

数字孪生建模具有较强的专用特性，和其孪生应用面向的领域密切相关。浩鲸科技结合在机房中使用数字孪生技术的应用场景，需要对整个机房结构、设备状态进行建模，抽象总结了相应的的孪生体需要具有六类数据，构建了机房场景的“六面孪生体建模”方法。

第一面：数据信息模型

定义孪生体的基础信息，此部分和传统的管理方式基本一致。例如：给设备赋予一个中文名字，在数据库中记录其生产厂家、型号、价格、购入时间、功率、维护人等，方便日常的管理维护。

第二面：几何位置模型

数字化描述两个信息：①仿真描绘孪生体的外观画像，尺寸大小。通过模拟其几何模型，纹理贴图，环境光照，以及状态特征化表现，目标与真实物体1：1的呈现。②记录其空间坐标，户外设备记录GIS坐标（经度、纬度），室内设备记录其相对空间内的坐标（x、y、z）。

第三面、性能数据模型

仿真物体的实时运行状态，实时记录设备、网络运行过程中的能耗、容量、带宽、时延等。并通过对性能指标的分析，模拟孪生体的健康情况，防止性能劣变，杜绝隐患于未然。

第四面、告警数据模型

当现实发生故障，孪生体发出告警，有两种情况：①告警内生，当性能劣变到阀值（或满足第五面规则），自主产生告警。例如：传感器温度超过允许值告警。②被动告警，孪生体接收到设备告警信息后，产生告警。

第五面、运行规则模型

定义孪生体内部的业务逻辑，区别于传统数据模型，此部分具体表现可以是一段代码、一个算法、一个表达式或一个流程。例如：当户外温度＜机房温度，执行热交换策略，打开机房新风，并逐渐提升或关闭空调。这一段执行过程的逻辑可定义为运行规则模型。

第六面、控制反馈模型

对孪生体进行操作，发出命令执行后，其信息发生变化，给出仿真反馈。例如：按下某空调孪生体的温度下调按钮，系统向真实空调系统发出指令，执行成功后反馈其运行温度，且机房内温度环境变化在温度云图上实时体现。

基于上述建模方法构建的孪生机房，可以应用于机房空间的规划场景、机房内设备的运维和调控场景、机房内设备的模拟割接场景、机房故障/隐患分析预测等等的业务场景中。

在孪生机房的基础上进行机房温度调控，将改变机房温控只能通过运维人员定时巡检查看温度传感器的数值、监控传感器报警信息，靠人工方式对制冷系统进行状态调节的传统方式；将实现机房温度分布仿真和模拟、提前预测和多手段自动调控，改变被动调控为主动调控，确保机房温度始终维持在安全范围内，从而进一步实现机房PUE压降。

机房温控老题新解

在传统模式下整个机房空间的各类设备布局、温度分布无直观的展示；调控的方式相对单一且借助运维经验；无法提前主动对温度进行调节。通过引入数字孪生技术，结合机房的六面模型进行数据融合处理分析，实现机房孪生可视、机房三维温度的预测和模拟、多因素融合主动温控。

现阶段孪生机房温控的目标是实现机房温度趋势预测、制冷设备/机组多参数最优控制、制冷设备参数调整效果模拟仿真。

结合机房内各类设备的孪生特性，还可以进一步对发热源设备进行调整，关停设备、减少发热量、优化散热等，从源头实现机房温控。包括不限于如下场景：

• 机架U位容量规划，仿真模拟设备上架位置调整、优化散热和温度传播

• 高发热设备业务分析，仿真模拟业务割接、设备割接或退网

• 动力设备负载分析，降低空载发热损耗

• 照明/监控类设备温控，实现自动开关

1 机房几何位置建模

为了完整实现整个业务场景过程，从园区的几何建模开始，到楼栋楼层、机房、机房内的各种设备（机架、动力设备、制冷设备、IT设备、传感器、监控设备等）、以及各类管线的几何建模，保证孪生场景的业务操作的完整性。

通过机房空间位置设计器，灵活的实现各类设备在机房内的相对位置的建模，从而实现孪生机房的场景构建，为后续各类业务应用做好准备。

2 机房性能和告警建模

针对机房温控场景中性能和告警数据，是机房的实时三维温度云图，以及从云图中实时计算分析其中超过限制的热岛区域。

在对机房三维温度云图建模时，需要获取温度传感器器的实时温度数据（传感器的性能模型）和超过限定的温度告警数据（传感器的告警模型），同时结合结合传感器在机房中的空间位置，实现机房三维温度云图的建模，从而实现了机房内各个区域的温度精准掌控。

3 机房运行规则建模

为了改变当前被动调控为主动调控，涉及到机房温控过程中的运行规则主要有3个方面：

机房温度变化预测

机房内的各个孪生体记录下温度这个指标数据，通过积累的历史数据，使用趋势预测算法实现提前预测将来一段时间内的机房温度变化，趋势预测算法可以使用时序分解算法、LSTM算法，在训练模型是将传感器温度作为主要数据，IT设备的温度散热、季节性的室温、节假日信息作为影响参数，综合训练出适用的趋势预测模型。

最优路径制冷设备搜索

在机房三维温度云图中找到热岛区域位置后，通过机房空间距离、风道路径设计等信息结合空间路径搜索能力实现最优路径查找，找到热岛附近的制冷设备，从而得到了最直接的温度调控对象。相应的查找方式有：空间距离范围搜索、风道矢量路径搜索等。

多种温控策略的最优节能参数搜索

数据中心在设计其空调系统时，往往会引入多种降温节能模式，比如：

• 双冷源空调机组：根据不同季节、以及不同的室内外温差选取采用风冷交换热量、还是水冷交换热量，还是通过压缩机交换热量

• 新风系统：在冬季室外温度低于室内时，直接采用新风系统进行降温，降低空调的使用节约能源

分析发现当机房内出现热岛时除了查找到最优的空调外，还存在其他多种的控制方式，如：空调停机+新风启动；新风关闭+空调压缩机启动；空调压缩机关闭+水冷交换启动等等。即除了达到满足机房温度要求外，还需要寻找能耗最低的控制参数。

通过粒子群优化算法（Particle Swarm Optimization, PSO），在多种降温模式内进行最优解的搜寻，快速获取和定位制冷设备的状态，给出控制调整参数，在满足降温的前提下，保障能耗最低。

4 机房控制反馈建模

机房的控制实际是对机房内设备的控制，针对温控场景的控制，是对末端空调设备、制冷机组的参数调控。

在定义空调、制冷机组的控制模型时，针对可以调整的参数进行了相应的指令和接口定义。通过机房的运行规则模型分析出来的调控参数和最优制冷设备，将需要调控的参数下发给对应的制冷设备上，从而实现机房温度的控制。

机房的反馈模型重点是指模拟仿真反馈，即当机房的运行规则模型主动分析了调控参数后，通过将各类调控参数和温度变化之间的关联关系建立AI算法模型，进行调控效果的反馈和仿真，模拟参数下发后的调控效果。通过机房温度三位云图模拟出现出来。

通过AI算法提前预测温度变化，在多种温控调参的策略下智能选择能耗最小的策略，针对选择的调控参数进行仿真模拟，预测验证调控效果，最终获取最优的调控策略物理下发给空调/BA系统执行。

将机房的六面模型数据进行融合贯通，通过上述过程的强化学习和持续优化，最终实现机房温度主动精准调控，进一步压降机房能耗PUE。