UINO深度参编｜数据中心数字孪生技术规范独家解读

    近几年，数字孪生理念被广泛传播和大量应用，但是众多的企业和机构对数字孪生有着各自不同的解读。在这种情况下，那些管理复杂度日益增高，希望利用数字孪生相关技术提升管理效率的客户（如数据中心）就显得无所适从，无法依据外部信息进行有效决策。

    为了解决这些问题，在中国电子技术节能协会的主持下，由包括UINO优锘科技在内的多家知名学术组织、研究机构和企业，召集了几十位数字孪生领域的技术专家和一线工程人员，历经一年多的时间，编制完成《数据中心数字孪生技术规范》。

    该规范于2021年10月20日，以团体标准的形式正式发布。它既是数据中心领域中首次正式发布的数字孪生团体标准，也是数字孪生类项目实际落地过程中难得一见的重要参考，能够为数据中心领域的客户应用数字孪生技术提供科学准确的依据。

    接下来，我们将从应用场景和数字孪生化两个方面，对本规范中最核心最重要的部分进行解读，让您快速了解规范的精华内容。

    02图片应用场景

    不想当将军的士兵不是好士兵，不解决实际问题的数字孪生应用也不是有价值的应用。数字孪生应用自从推出以来，虽然以其直观易懂的表达和交互方式、炫酷的效果吸引了众多的客户，但也产生了花瓶、华而不实、中看不中用等负面的评价。

    为了保证数字孪生理念能够在数据中心日常管理中真正发挥作用，《数据中心数字孪生技术规范》的专家组成员，在编制规范的过程中，就着重考虑了应用的实用价值问题。他们考察了几十个由规范编制组成员单位承建的数据中心数字孪生成功项目，再结合最新的技术和业务发展趋势，总结出了几十种应用场景。下面，我们列举运维优化阶段常见的14类应用场景进行说明，为了便于读者的理解，我们又把这些应用场景分为基础应用场景和融合应用场景两大类：

    2.1 基础应用场景

    基础应用场景是指数字孪生系统利用自身以及数据中心已有的常规系统（如网络监控系统等）的一些算法和数据，就能够发挥作用的场景。这些场景实现起来难度较低，周期较短，能够让数字孪生系统迅速发挥作用。它们包括：容量管理、能耗分析、变更评估、模拟演练和人员培训。

    以容量管理为例，只需管理对象的一些物理属性数据（如尺寸，重量等）和性能数据（如能耗），辅之以数字孪生系统特有的实体三维仿真和数据可视化技术，就能够实现数据中心海量机柜及其内设备的承重、能耗和空间等维度的容量管理。

    2.2 融合应用场景

    融合应用场景是指数字孪生系统需要集成多个外部系统的能力和数据，来共同实现一些难度较高的功能。这些外部系统中，至少包含一套复杂度较高的管理系统。融合应用场景实现起来难度较高，周期较长，需要一段时间的完善和优化才能无缝融合在一起，进而发挥作用。它们包括：气流组织优化、故障检测、故障预测、安全评估、健康评估、故障定位、寿命预测、智能巡检、运行优化。

    以安全评估为例，数字孪生系统需要综合实时数据、历史数据、专家经验，通过数据处理、数据分析、数据挖掘、模型搭建等数字化技术手段来实现，这些技术手段一方面需要大量的数据，另一方面又可能需要人工参与下的参数调优，最终才能以可视化的方式直观地呈现出来。

    总体来说，规范中提及的数字孪生场景较多，覆盖面也较广。那么，数据中心的用户如何来进行选择落地呢？作为极少数在数据中心管理和数字孪生两个领域都有丰富项目经验的厂商，UINO 优锘建议用户从以下三个维度进行考虑：

    UINO优锘建议

    ①成本预算：数据中心规模不一，成本预算额度也不尽相同。大型数据中心资金雄厚，更愿意做一些前瞻性的探索投资；而小型数据中心更倾向于把资金用在购买基础设施和核心管理软件上。所以，数据中心用户应该根据自己的成本预算规模，选择不同的应用场景。预算不大的数据中心，可以将重点聚焦于建设周期短、成本较低的基础应用场景上；

    ②自身特点：不同的数据中心具有不同的特点，用户可以根据自身的业务特色或者技术特色去选择应用场景的落地。比如面向市场对外提供服务的数据中心，对应用场景在运营维度会有特殊的要求，而面向企业内部提供服务的数据中心，对运维应用场景有更个性化的要求。本规范中提及的应用场景，很多都有运营或者运维的侧重性，也或者兼而有之。如能耗分析和气流组织优化等场景，更强调在运营成本上的考虑；而故障预测和变更分析等场景，则是从运维可靠性角度去考虑是否选择；

    ③未来发展：数字孪生应用场景和数据中心的的未来发展是互相促进的。一方面，数据中心的管理层从业务和技术双重角度去考量企业的发展方向，就会有选择的使用数字孪生系统的某些应用场景；另一方面，数字孪生系统本身的特色，也就是能够把现有的管理对象和对象产生的数据，以多维度的方式展示出来，维度越多，用户进行关于数据中心未来发展的科学决策和突破性创新的成功概率就越高。

    03图片数字孪生化

    本次规范中，对数据中心数字孪生等级及其包含的三大评价因子：数字孪生化等级、数字孪生覆盖完整度等级和数字孪生应用水平等级，在术语定义和具体含义方面都进行了说明，方便数据中心用户从量化的角度衡量自身数字孪生系统的建设水平和未来发展目标。

    这三项因子中，数字孪生覆盖完整度和数字孪生应用水平两项比较容易理解，而且上一章应用场景的说明中，也变相地阐述了应用水平的内涵。但对于数字孪生化这个概念，估计大多数人会比较陌生。不过，透彻地理解数字孪生化对于理解整个规范、实现应用场景乃至成功地建设数据中心数字孪生系统，都是至关重要的，所以接下来我们将对这个概念进行详细解读。

    从定义上，我们能够理解，数字孪生化就是对物理世界的实体进行数字转化的过程。但是，为什么要转化？转化到什么程度？能发挥什么作用？这些问题可不是这一句定义就能说得清楚的，答案需要在数字孪生化等级中寻找。

    ★等级划分

    ①第1级 几何模型

    数字孪生化的第1级，是要构建数据中心几何模型，包括园区、楼宇建筑结构、电气系统、空调系统、机柜系统等的几何模型，实现空间定位。

    本等级就是利用工具对数据中心进行建模，把数据中心里所有用户关心的管理对象在数字孪生系统中进行还原呈现。

    第1级要求满足了以后，用户就可以基于管理对象的几何模型和空间信息，实现一些具体的应用场景。比如故障设备的物理位置定位、智能巡检时的路径寻找等。

    ②第2级 数据描述

    数字孪生化的第2级，是在第1级的基础上，对数据中心电气系统、空调系统、机柜系统的材料和物理特性进行描述，包括采用仿真方法对相应系统进行物理特性描述。

    本等级的要求，本质上就是把管理对象自身的一些物理特性从原来抽象的数字方式表达转换为图形方式表达。

    第2级要求满足了以后，用户就可以基于这些直观易懂的管理对象物理特性数据，实现一些具体的应用场景。比如将机房中的温度从抽象的摄氏度转换为温度云图，以带有动态箭头的管线表示管道中气体的流向，都属于从抽象到直观的转换。

    ③第3级 数据融合

    数字孪生化的第3级，是在第2级的基础上，实现数据中心电气系统、空调系统、机柜系统、布线系统、服务器与网络设备等，与数据中心周围环境和场景的融合。

    满足本等级数字孪生化要求，就是利用不同系统的管理对象在物理空间或者逻辑连接上的关系数据，进行运算处理后，得出一些对于帮助用户快速决策的数据，并以图形化的方式展示出来。

    第3级要求满足了以后，用户就可以打破系统之间的隔阂，利用这些整合后的决策数据，实现一些具体的应用场景。比如在模拟演练中，可以了解到当某个电气系统的配电柜出现故障后，哪些机柜中的服务器和应用系统会受影响；再比如故障定位时，可以根据空间位置信息，调取故障设备附近的视频监控系统进行确认。

    ④第4级 动态孪生

    数字孪生化的第4级，是在第3级的基础上，通过自动采集各系统运行数据，实现数字孪生随着物理世界时间的变化动态调整。

    本等级的要求，从机制上说，有点类似于从监控系统的时序数据库中获取监控记录，每一条监控记录都是既包含指标数据，又包含时间戳数据

    第4级要求满足了以后，用户就可以利用这些数据，对数据中心各类管理对象进行历史回溯和分析预测，并将整个过程通过数字孪生方式呈现。在本规范中提到的预测或者优化类的应用场景，大多数是在数字孪生化等级达到4级后才能实现的。

    ⑤第5级 自主孪生

    数字孪生化的第5级，是自主实现从数据中心几何模型、数据描述、数据融合、动态孪生的数字孪生模型。

    本等级的要求，可以理解为在无人参与的情况下，数字孪生化能够自动地和主动地达到动态孪生的级别。

    第5级要求满足了以后，数据中心数字孪生系统就仿佛有了生命一般，能够自行繁衍和进化。比如能够主动发现数据中心管理对象增加后，然后通过自动化建模满足第1等级等。

    从目前的科技发展水平来看，满足自主孪生等级的要求还不现实，而是需要相应的支撑手段，比如人工智能、大数据等多项技术发生革命性的变化。

    数字孪生系统和应用场景的建设依赖于数字孪生化，那么数字孪生化的实现依赖于什么呢？显而易见，是软件产品。可是，目前市场上各种数字孪生产品众多，做出正确的选择并不容易。接下来，我们趁热打铁，利用刚刚提及的数字孪生化，从模型、资源和数据三个维度，为大家提供软件产品选型的建议。

    UINO优锘建议

    ①模型

    数字孪生化的第1级就是几何模型，这是数字孪生系统的基础。在模型维度上，需要考虑兼容性、智能性和丰富性三个因素。

    兼容性，是指能够尽可能兼容使用用户已有的各种模型，包括数据中心土建工程遗留的BIM文件和CAD图纸，硬件设备供应商提供的设备三维模型文件等。

    智能性，是指在模型文件利旧的过程中，尽量多的利用系统的能力而非人工进行模型的可用性转换。比如，一个精度很高的BIM模型在应用到日常管理中时，需要进行大量的裁剪，如果这个工作由人工来完成，费时费力，还不如重新制作更简单。而使用一些智能算法则能够加速这个模型转换的过程。

    丰富性，是指在软件产品应能够自动丰富的模型库。数据中心的基础设施和硬件虽然数量众多，但相对来说都比较标准。如果一个产品有足够多的历史积累，其自带模型库是能够包含绝大多数管理对象的几何模型的，这对于系统建设效率和成本都是相当重要的。

    ②资源

    数字孪生化等级中，无论第2级是数据描述，第3级的数据融合，还是第4级的动态孪生，这三个级别的共同之处就是，利用丰富直观的数字孪生手段去替代原来晦涩抽象的数字表达方式。

    在这里，我们把这些丰富直观的数字孪生手段，简称为资源。比如表示数据中心一个封闭房间内温度的云图可以称为一种资源，表示数据中心楼层中不同安全等级区域空间范围的光栅围栏也可以称为一种资源。

    一个软件产品，如果能够把这些数据驱动的，反应特定类型数据的可视化能力进行抽象，变成可复用的资源，就可以做到资源和功能的分离。这样的专业化分工无论对于系统的建设进度还是建设效果，都是一个巨大的促进。

    所以，可复用性和可分离性是资源维度上需要考虑的两个要素。

    ③数据

    数字孪生化的第4级是动态孪生，需要自动采集各个系统的运行数据。显而易见，各个系统是动态孪生的关键词，因此，我们认为需要考虑的要素包括适配性和扩展性。

    数据中心的各种管理系统，通常开放性都比较好，都会根据业界标准协议对外提供接口。所谓的适配性，就是要求数字孪生产品中，已经内置了与数据中心各个领域各种主流的管理系统的接口，如施耐德、西门子等大厂的基础设施管理系统。适配性良好的系统，完全可以做到即装即配即用。

    而扩展性，则是指对接外部一些非标准接口的系统时，能够通过一种灵活的方式实现这些特殊需求，比如脚本语言，或者外部插件。