《基于Flownex的数字孪生体解决方案》是我们最近完成的系列落地方案之一。该方案适用于热力系统、冷却系统、通风空调、油气管网、航空发动机与燃机等应用场景的数字孪生体搭建。
本文介绍该方案在数据中心热流数字孪生体中的应用实例，其概念示意如图1所示。
图1 数据中心热流数字孪生体的概念示意
数据中心热流数字孪生体架构和两大系统
数据中心热流数字孪生体的架构及关键技术如图2所示。
图 2 数据中心热流数字孪生体的架构
数据中心热流数字孪生体CAE仿真主要包括建立数据中心制冷系统热流孪生体和数据中心物理机房热流孪生体，这两大系统的构成和关系如图3所示。
图3 数据中心热流数字孪生体的两大系统
数据中心热流数字孪生体的搭建过程
如图4所示，物理数据中心运营时流程极其复杂，涉及户外冷却塔、室内循环机组、板式换热器、水箱、管道阀门、微模块末端管翅空调、空调风扇、服务器机柜等等多个工业品，它们之间相互耦合，互相影响。
图4制冷系统和机房的构成
建立数据中心热流的数字孪生体，可以在物理数据中心与孪生数据中心之间建立热流状态的“准实时”联系，基于物理数据中心与孪生数据中心之间的双向数据传输与交互，从而以精确的数字形式，对物理数据中心过去、当下、未来的行为进行动态呈现，可以对数据中心不可运营的极端场景（比如空调断电、损坏等）进行物理、全面的反应，以洞察其运营的物理状态；数据中心热流数字孪生体也可以对物理数据中心的运营执行智能化的干涉行动，优化物理数据中心的运营管理。
无仿真，无孪生。数据中心热流孪生体的关键技术是数字孪生热流模型的CAE仿真计算及热流参数的ROM降阶；通过ROM降阶技术，可以将数字孪生热流模型中的不同变量与数据中心物理实体的输入输出关系描述出来，以便快速寻找不同输入对应的输出数值。最终孪生模型可以对输出的数据进行大数据、AI学习，分析处理，并寻找最佳运行策略，再向数据中心物理机房发送运营参数设置指令等等。
数据中心热流数字孪生体的价值
建立数据中心热流的数字孪生体后，可以实现以下价值：
1）将物理数据中心的热流参数映射到虚拟空间中，设计及运营人员可对孪生体模型进行拆解、复制、修改、删除等等操作；可以让很多由于物理条件限制、必须依赖于物理实体而无法完成的操作，如大批量修改服务器类型、不同机柜虚拟装配于微模块内、预测极端天气对物理机房的影响等等；这样更能激发人们去探索新的途径及方式来优化物理机房的运营。
2）使用数据中心热流数字孪生模型，运营人员可以对物理数据中心户外管网、机房内部的热流参数实现全场量的精准分析和优化；通过采集有限的物理传感器对应的指标数据，并借助大样本库，借助于CFD算法、物联网和大数据技术再现出一些原本无法直接测量的指标或者无法测量的区域。
基于数据中心热流数字孪生体吐出的全量数据，运营人员可以对数据中心过去、当前及未来的运营状态进行预判，提供更全面的决策支持，以指导运营人员调正运营策略，降低PUE；有助于运营人员全方位探知数据中心内各类产品（服务器、交换机等）所处的热流环境（如温度、速度、湿度等），并对产品所处的恶劣热环境进行物理的改善行为。
3）使用数据中心热流数字孪生模型，可以将其合理的运营经验数字化。数据中心热流数字孪生体可以对物理数据中心出现的热流故障问题进行再现，在孪生体模型内对故障问题进行“精准”改善，并将改善行动得到验证，将不同类型的故障问题进行归档，形成物理数据中心的标准故障解决库。最终可以通过大数据技术、AI技术等手段，实现对物理数据中心故障问题的智能化诊断和解决。
王永康，热能工程专业，目前任职安世亚太科技股份有限公司ANSYSIcepak产品经理
长期从事电子产品热设计、热咨询工作，有着多年的电子热仿真优化咨询经验，做过多个不同方向电子工业品的热设计优化咨询；
出版了《ANSYIcepak电子散热基础教程》、《ANSYIcepak进阶应用导航案例》等学习用书。
閱讀更多 安世亞太 的文章
