一种基于CFD构建数据中心数字孪生体的方法及系统

摘要

本发明公开了一种基于CFD构建数据中心数字孪生体的方法及系统，利用实际数据中心的物理参数构建与实际数据中心相对应的3D数字孪生体，并通过CFD技术对数据中心的热过程进行仿真，实现对数据中心物理属性及过程的高精度数字克隆，替代实际数据中心为智能决策和智能运维等提供数据和环境基础，从而保证在数字孪生体中所获得的最优策略(如，节能策略、任务调度策略等)具有实用性和可部署性，能快速、便捷地部署于实际物理数据中心之中，同时，根据基于生成对抗网络(cGAN)的自动校准方法，可以对3D数字孪生体进行自动化校准，避免耗时耗力的人工校准，一方面可以提高3D数字孪生体的仿真精度，另一方面可以使数字孪生体能快速应用到其他数据中心或者机房。

说明书

技术领域

本发明涉及数据中心领域，具体涉及一种基于CFD构建数据中心数字孪生体的方法及系统。

背景技术

数据中心具有强大的数据处理能力，能够为人工智能、大数据、智能制造等技术和应用提供存储、计算、网络等基础信息保障，面向产业数据中心的高精度数字化建模是数据中心智能决策、智能运维的基础。数据中心作为生产环境，需要保证运营安全和用户服务质量，不能随意对数据中心的一些配置例如任务负载或者冷却设施进行调整，导致数据中心不能直接为智能决策和智能运维(如节能优化算法的训练求解、策略校验、假设性验证或者任务调度)等工作内容提供数据和环境基础。因此，现有的数据中心优化算法的训练求解或者策略校验等内容几乎只能依赖于数学模型或者纯仿真环境，即脱离了实际的数据中心进行设计，不具有实用性，难以真正用于数据中心。另外，现有的仿真软件(包括用离线数据集仿真的方法)和实际数据中心不交互，不能实时反应实际数据中心的真实运行情况，现有的基于计算流体动力学(CFD,Computational Fluid Dynamics)软件只能通过离线配置数据模拟数据中心热和气流过程，即使使用很成熟的商业CFD软件构建的数据中心CFD模型，其仿真精度仍然难以达到工业级水准，其主要原因在于构建数据中心CFD模型的物理(标定)参数和设备长期运行后的实际参数有一定差别。因此，需要人工对构建的数据中心CFD模型进行校准(比如：ACU风速、服务器风扇风量校准等)。但是人工校准会导致基于CFD的仿真模型很难快速应用到其他数据中心或者机房，任何物理设备/设施的变更都需要人工对CFD模型进行重新校准。

发明内容

本发明所要解决的技术问题是实际数据中心作为生产环境，不能直接为智能决策和智能运维(如节能优化算法的训练求解、策略校验、假设性验证或者任务调度)等工作内容提供数据和环境基础，目的在于提供一种基于CFD构建数据中心数字孪生体的方法及系统，构建与实际数据中心相对应的3D数字孪生体，替代实际数据中心为智能决策和智能运维等提供数据和环境基础。

本发明通过下述技术方案实现：

一种基于CFD构建数据中心数字孪生体的方法，包括以下步骤：

步骤S1、采集实际数据中心的物理参数；

步骤S2、根据实际数据中心的物理参数构建和实际数据中心相对应的3D数字孪生体；

步骤S3、将实际数据中心的实时配置参数导入3D数字孪生体中；

步骤S4、根据CFD技术，利用步骤S3中导入了实时配置参数的3D数字孪生体实时模拟实际数据中心的运行状态；

步骤S5、构建cGAN校准模型，根据构建的cGAN校准模型实时对步骤S4运行中的3D数字孪生体的模型参数进行校准，得到校准后的3D数字孪生体；

步骤S6、使用校准后的3D数字孪生体模拟实际数据中心的各种工作情况，得到最优的解决方案；根据最优的解决方案部署实际数据中心，其中各种工作情况包括节能优化算法的训练求解、策略校验、假设性验证或者任务中心进行任务调度等。

现有技术中，由于数据中心作为生产环境，不能直接为智能决策和智能运维(如节能优化算法的训练求解、策略校验、假设性验证或者任务调度)等提供数据和环境基础，另外，现有的仿真软件对仿真精度的校准通常采用人工校准，校准精度不高且操作复杂，使得仿真软件仿真的数据中心模型缺乏普适性，因此，本方案利用实际数据中心的物理参数，比如布局结构、IT和制冷设备及相应参数，传感器实时数据以及运行历史数据等，构建与实际数据中心相对应的3D数字孪生体，并通过CFD技术对数据中心的热过程进行仿真，实现对数据中心物理属性及过程的高精度数字克隆。3D数字孪生体不仅能够实时显示数据中心动态，还能对数据中心的IT负载、热过程等进行高精度模拟，因此可以将构建的与实际数据中心对应的3D数字孪生体作为工作平台，为实际数据中心运行的工作内容提供数据和环境基础，工作内容包括节能优化算法的训练求解、策略校验、假设性验证以及任务调度等，从而保证智能决策的实用性和可部署性，同时，根据基于生成对抗网络(cGAN)的自动校准方法，可以对与实际数据中心相对应3D数字孪生体进行自动化校准，避免耗时耗力的人工校准，同时可以提高3D数字孪生体的仿真精度，使仿真模型能快速应用到其他数据中心或者机房。

进一步地，步骤S1中采集的物理参数包括机房、制冷设备和IT设备的物理参数。

进一步地，所述机房的物理参数包括机房的面积、高度、形状和是否使用架空地板作为冷风通道；制冷设备的物理参数包括制冷设备的位置、尺寸、额定功耗、最大最小风速和最大最小设定温度；IT设备的物理参数包括IT设备的机柜尺寸、架腿尺寸、摆放位置、额定功耗和需要服务器的数量、服务器的尺寸。

进一步地，所述3D数字孪生体包括根据CFD软件构建的实际数据中心的机房3D模型、制冷设备3D模型和IT设备3D模型。

进一步地，所述步骤S5构建cGAN校准模型的具体过程为：

步骤S511、将随机噪声z和条件参数y输入到生成器G中，得到生成数据，其中条件参数y包括3D数字孪生体的配置参数；

步骤S512、同时将条件参数y输入到3D数字孪生体中，得到仿真数据；

步骤S513、分别将生成数据+条件参数y、仿真数据+条件参数y输入到判别器D中判断真伪；

步骤S514、根据判别器D的判断结果不断地迭代训练生成器G和判别器D；

步骤S515、直到生成器G和判别器D收敛，得到cGAN校准模型。

进一步地，所述步骤S5中的校准过程为：

步骤S521、将3D数字孪生体的实时配置参数作为目标配置参数输入到所述cGAN校准模型中，得到目标配置参数的输出结果；

步骤S522、判断所述目标配置参数的输出结果与实际数据中心的测量值之间的误差是否小于设定值；

若判断结果为小于设定值，则将所述目标配置参数作为校准后的配置参数；

若判断结果为大于等于设定值，则对所述目标配置参数进行调整，并且重复步骤S521-S522。

另外，本发明提出一种基于CFD构建数据中心数字孪生体的系统，包括模型构建模块、模拟模块、校准模块、应用模块，其中，

所述模型构建模块用于构建cGAN校准模型和与数据中心相对应的3D数字孪生体；

模拟模块根据模型构建模块构建的与数据中心相对应的3D数字孪生体模拟实际数据中心的运行状态；

校准模块根据模拟模块中与数据中心相对应的3D数字孪生体的运行状态，对运行中的3D数字孪生体的配置参数进行校准；

应用模块根据校准模块校准之后的3D数字孪生体模拟实际数据中心的各种工作情况，得到最优的解决方案；根据最优的解决方案部署实际数据中心。

进一步地，3D数字孪生体包括与实际数据中心相对应的机房3D模型、制冷设备3D模型和IT设备3D模型。

进一步地，所述模拟模块中运行状态包括实际数据中心的任务调度、IT设备负载变动和制冷设备温度变化。

进一步地，所述校准模块中校准的配置参数包括制冷设备的风速、服务器风扇风量、IT负载分布和ACU的设定温度和风速。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明一种基于CFD构建数据中心数字孪生体的方法及系统，根据实际数据中心构建一个3D的数字孪生体，生成与实际数据中心相对应的3D数字孪生体，实现对实际数据中心物理属性及运行过程的高精度数字映射，可以替代实际数据中心为数据中心的智能决策和智能运维等提供数据和环境基础，工作内容包括节能优化算法的训练求解、策略校验、假设性验证以及任务调度等，同时，根据基于生成对抗网络(cGAN)的自动校准方法，可以对数据中心3D数字孪生体进行自动化校准，避免耗时耗力的人工校准，同时可以提高数字孪生体的仿真精度，使构建的数字孪生体能快速应用到其他数据中心或者机房。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明方法的流程示意图；

图2为数据中心3D数字孪生体的构建与运行例图；

图3为创建cGAN校准模型流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

在以下描述中，为了提供对本发明的透彻理解阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的结构、电路、材料或方法。

在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。

在本发明的描述中，需要理解的是，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

实施例1

如图1所示，本实施例一种基于CFD构建数据中心数字孪生体的方法，包括以下步骤：

步骤S1、采集实际数据中心的物理参数；

步骤S2、根据实际数据中心的物理参数构建和实际数据中心相对应的3D数字孪生体；

步骤S3、将实际数据中心的实时配置参数导入3D数字孪生体中；

步骤S4、根据CFD技术，利用步骤S3中导入了实时配置参数的3D数字孪生体实时模拟实际数据中心的运行状态；

步骤S5、构建cGAN校准模型，根据构建的cGAN校准模型实时对步骤S4运行中的3D数字孪生体的实时配置参数进行校准，得到校准后的3D数字孪生体；

步骤S6、使用校准后的3D数字孪生体模拟实际数据中心的各种工作情况，得到最优的解决方案；根据最优的解决方案部署实际数据中心，其中各种工作情况包括节能优化算法的训练求解、策略校验、假设性验证或者任务中心进行任务调度等。

在一种实施例中，步骤S1中采集的物理参数包括机房的面积、高度、架空地板作为冷风通道；制冷设备的位置、尺寸、额定功耗、最大最小风速和最大最小设定温度；机柜尺寸、架腿尺寸以及摆放位置，需要服务器的数量、尺寸以及额定功耗等相关参数；IT设备的机柜尺寸、架腿尺寸、摆放位置、额定功耗和需要服务器的数量、服务器的尺寸，同时对机房其他设备(如PDU、UPS等)，也需要采集这些设备的位置、尺寸以及功耗等参数。

具体地，步骤S2中根据实际数据中心的物理参数利用CFD软件构建的3D数字孪生体包括机房3D模型、制冷设备3D模型和IT设备3D模型，CFD软件可以使用OpenFoam,6Sigma,EnergyPlus，ANSYS等。

具体地，如图2所示，为数据中心3D数字孪生体的构建与运行例图，图2中(a)为实际数据中心的3D结构图，利用CFD软件，如图2中(b)所示，根据实际数据中心的机房结构(面积形状、墙、天花板、管道等)、IT设备(机柜、机位、服务器参数等)以及制冷设备(ACU、传感器部署等)的数量及部署等物理参数构建和实际数据中心相对应的数据中心3D数字孪生体；然后，为数据中心3D数字孪生体设定配置参数(比如：IT负载分布、ACU的设定温度和风速等)或者导入实际数据中心的实时配置参数；最后，如图2中(c)所示利用CFD技术模拟实际数据中心的运行状态(比如任务调度、负载变动、温度变化等)。

在另一个实施例中，如图3所示，图3为利用随机噪声z和条件参数y训练cGAN模型，构建出cGAN校准模型，具体过程包括步骤S511-S515：

步骤S511、将随机噪声z和条件参数y输入到生成器G中，得到生成数据，其中条件参数y包括3D数字孪生体的配置参数；

步骤S512、同时将条件参数y输入到3D数字孪生体中，得到仿真数据；

步骤S513、分别将生成数据+条件参数y、仿真数据+条件参数y输入到判别器D中判断真伪；

步骤S514、根据判别器D的判断结果不断地迭代训练生成器G和判别器D；

步骤S515、直到生成器G和判别器D收敛，得到cGAN校准模型。

在一种实施例中，步骤S5中的校准过程包括步骤S521-S522：

步骤S521、将3D数字孪生体的实时配置参数作为目标配置参数输入到所述cGAN校准模型中，得到目标配置参数的输出结果；

步骤S522、判断所述目标配置参数的输出结果与实际数据中心的测量值之间的误差是否小于设定值；

若判断结果为小于设定值，则将所述目标配置参数作为校准后的配置参数；

若判断结果为大于等于设定值，则对所述目标配置参数进行调整，并且重复步骤S521-S522。

现有技术中，由于数据中心不能直接作为工作平台为节能优化算法的训练求解、策略校验、假设性验证或者任务中心进行任务调度等提供数据和环境基础，从而无法将节能优化算法用于数据中心的智能节能，或者在实际数据中心中进行最优策略的求解等内容，且现有的仿真软件对仿真精度的校准通常采用人工校准，校准精度不高且操作复杂，使得仿真软件仿真的数据中心模型缺乏普适性，因此，本方案利用实际数据中心的物理参数，比如布局结构、IT和制冷设备及相应参数，传感器实时数据以及运行历史数据等，构建数据中心3D数字孪生体，并通过CFD技术对数据中心的热过程进行仿真，实现对数据中心物理属性及过程的高精度数字克隆。数据中心3D数字孪生体不仅能够实时显示数据中心动态，还能对数据中心的IT负载、热过程等进行高精度模拟，因此可以替代实际数据中心将构建的与实际数据中心相对应的3D数字孪生体作为工作平台为实际数据中心需要运行的工作内容提供数据和环境基础，工作内容包括节能优化算法的训练求解、策略校验、假设性验证或者任务调度等，从而保证工作内容的实用性和可部署性，同时，根据基于生成对抗网络(cGAN)的自动校准方法，可以对数据中心3D数字孪生体进行自动化校准，避免耗时耗力的人工校准，同时可以提高数据中心3D数字孪生体的仿真精度，使仿真模型能快速应用到其他数据中心或者机房。

实施例2

如图2所示，本实施例与实施例1的区别在于，本实施例基于实施例1的方法，提出一种基于CFD构建数据中心数字孪生体的系统，包括模型构建模块、模拟模块、校准模块、应用模块，其中，

所述模型构建模块用于构建cGAN校准模型和与数据中心相对应的3D数字孪生体；

模拟模块根据模型构建模块构建的与数据中心相对应的3D数字孪生体模拟实际数据中心的运行状态；

校准模块根据模拟模块中与数据中心相对应的3D数字孪生体的运行状态，对运行中的3D数字孪生体的配置参数进行校准；

应用模块根据校准模块校准之后的3D数字孪生体模拟实际数据中心的各种工作情况，得到最优的解决方案；根据最优的解决方案部署实际数据中心。

上述数据中心3D数字孪生体包括与实际数据中心相对应的机房3D模型、制冷设备3D模型和IT设备3D模型。

具体地，上述运行状态包括实际数据中心的任务调度、IT设备负载变动和制冷设备温度变化。

具体地，所述校准模块中校准的配置参数包括制冷设备的风速、服务器风扇风量、IT负载分布和ACU的设定温度和风速。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。