实战 | ​​数字孪生技术在数据中心运营场景的应用

文 / 中国农业银行数据中心北京分部 王晶

2020年9月，国务院印发《关于加快推进国有企业数字化转型工作的通知》，鼓励运用5G、云计算、区块链、人工智能、数字孪生、北斗通信等新一代信息技术，探索构建敏捷高效可复用的新一代数字技术基础设施，为业务数字化创新提供高效数据及一体化服务支撑。在此背景下，各级政府和相关企业在不同产业、业态对数字孪生技术开展了有力探索和广泛尝试，推动我国数字孪生应用场景取得创新发展。其中，数据中心作为银行信息处理的逻辑核心和数据存储的物理载体，也在积极搭建全局视野、精准映射、模拟仿真、虚实交互、智能干预等应用场景，力求构建未来数字银行的智慧大脑。

数字孪生应用场景

园区态势感知。场景搭建中，内部通过数字接口服务和数字感知交互，接入园区基础环境系统和设备，延展和扩充园区功能和感知密度。外部通过对接统一市政管理数据规范、统一行业数据规范，与政务服务和行业服务的系统及设备进行数据交换。突出园区整体运营概念，对园区数据进行统一分类和分析，全面反映园区整体运营状态，信息动态实时更新到可视化平台中，包括人员统计、安防态势、能源消耗情况、资产运营态势、环境监控情况等。

环境数字仿真。搭建园区各专业系统的数字仿真环境，连接同样的环境参数，将孪生模型推演结果与自控系统运行反馈数据比较：同等负荷条件下，对比实际运行系统，可以给出评价信息；同等负荷条件下，发现实际系统的差异，系统自动给予诊断信息；通过数字模拟，帮助管理者检验和诊断能源管理漏洞，提供决策依据；预测虚拟条件下可能出现的运行结果，对比需求给出报警和建议；通过数据比较，分析影响，提前给出维保计划和成本预算，并提供紧急预案，减少失效风险。

业务协同指挥。融合多个子系统，包含设备运行信息、环境信息、安全防范信息、视频图像、预警报警信号、管理信息等，采用物联网技术，对人员、环境、园区周界进行监控，实时了解人员进出园区的情况，可以通过视频监控、消防、门禁、访客等多个子系统集成联动，搭建多区域、多建筑安防系统大联网，实现可视、实时、智能的一体化的指挥和全场景的资源统一调度，分控中心和指挥中心有效协作，快速处理园区突发事件，提高事件响应与处置效率。

数字孪生搭建思路

确定数字孪生系统的建设目标。实现数据的集中管理，内外部数据的统一接入和访问以及各系统的数据互联互通。在此基础上不断地进行建模、监控、优化和模拟，逐步提升整个园区的效率，构建出数字孪生。数字孪生依赖众多系统和设备，以及各种汇总的信息，对于园区而言，收集所有被集成子系统、设备的信息，包含被集成厂家与版本号、被集成系统能提供的功能与数据接口、子系统部署网络位置等等信息。业务平台对上使能智慧应用开发、支撑业务创新，对下支持不同的子系统和设备接入。让数字孪生不间断的接收信息，更新模型并提供准确的状态，同时方便相关人员随时进行协作共享，如图1所示。

图1 数字孪生中实体、模型、应用之间的关联关系

建立园区业务元数据和技术元数据。采用数据纽带为核心构建，实现内外部数据的统一接入和访问以及各系统的数据互联互通。提供既有系统迁移工具，支持IOT和第三方系统接入。向下通过物联接入层提供子系统的数据集成接口，接口方式包括数据中间件、IOT网关、定制接口等，把对应的源数据保存在数据湖的相应主题库中。使用数据工具把数据湖中的数据经过转换处理、抽样汇总、主题汇聚的方式形成主题库。主题库面向应用，根据业务需求，向上提供数据服务、计算能力接口给智慧应用系统，以供园区运维、运营、能源、环境、AI分析等调用相关数据。

搭建设备、系统、业务三位一体模型。智慧园区应从“智慧运维”“智慧安全”“智慧服务”三方面入手，以新一代物联网、虚拟现实、大数据和机器学习等新兴信息技术为支撑，通过整合集成、开发提升、新建扩建，构建高效统一、功能丰富，跨平台、跨网络、跨终端的“基于3D场景的智慧运营平台”，逐步建立起安全可靠、运转高效的园区管理体系和数据分析决策模型、园区设施运维和安全保障体系，以及园区公共服务体系，实现金融数据中心园区整体数字化运营。

数字孪生应用实践——冷机可用性维护方案

制冷机组是园区最为重要的基础设施之一。当冷机发生故障时，导致的问题除了维修或更换设备的费用外，更大的风险是因停机造成的数据机房运行安全和园区正常办公秩序。定期维护可以帮助避免计划外停机，但不能保证设备不会发生故障。根据专业公司调研结果，定期检修仅能覆盖18%的设备故障，对设备进行预防性维护可以避免其他82%的故障。对园区冷机设备而言，其故障问题复杂，故障影响面大，应该进行预测性维护，预防维护流程如图2所示。

图2 冷机实时监测和预防性维护工作流

我们运用数字孪生技术，现场的冷机系统为实际的物理系统，冷机仿真模型为对应的数字系统，将二者的运行数据对比，分析实际系统的运行情况，预测何时需要维护，降低计划外停机概率。对冷机系统的暖通设备、控制设备进行抽象建模，然后搭建系统模型进行动态耦合计算，最终得出系统运行数据的数学计算过程。针对冷机的运行仿真，分析冷机系统不同运行策略下的经济性、节能性等。当运行仿真系统时，各设备间进行耦合计算，得出系统的预测性维护模型。

预测性维护模型开发过程中，核心是传感器数据，传感器数据可以用来训练故障检测的分类算法。在预处理步骤中，可以从这些数据中提取有意义的特征，并使用这些特征训练用于预测性维护的机器学习算法。将该算法导出到Simulink等模拟软件中进行验证，然后将代码部署到能源运管平台的冷机系统控制单元中。

结合智能算法实现基于历史运行数据的设备运行状态预测，提出基于数字孪生的多方协同维护模式。利用数字孪生技术实时采集与传输设备的运行状态参数，实时映射至虚拟设备中，通过智能算法对历史运行数据的分析，实现对设备未来运行状态的预测。对可能出现的异常状态做出预警，对设备的异常问题做出初步诊断。并通过数字孪生服务平台以可视化的方式向生产操作人员、设备维护参与者实时展现设备的运行状态、预测趋势以及初步诊断报告。

当数字孪生服务平台预测出设备的异常状态时，向操作人员发出预警和初步诊断报告。操作人员可结合初步诊断报告与设备维护知识库自行诊断设备异常情况，并对维修类型、维修方法、维修备件的选择和维修计划做出决策。若操作人员可自行解决设备的异常状态，则在维护完毕后将此次维护的设备异常类型、决策过程、数字孪生系统诊断报告存储至维护知识数据库中，数据库将其与相似的案例共同存储，以便对以后的维护行为做出指导。若操作人员无法自行诊断设备异常，则需通过数字孪生服务平台联系设备的售后维修人员进行双方协同维护。

小 结

数字化转型方兴未艾，数字孪生已落地生根。数字孪生是众多技术手段、数据模型、管理机制的融合体，不仅能够反映数据中心软硬件环境的运行状态，还可以与业务运营、资产管理等结合反映园区的运营状态，为数据中心管理人员、运维人员、办公人员提供全面的数据和信息，为决策者提供可靠依据。

（栏目编辑：韩维蜜）