在《数字孪生体技术白皮书》中，我们提出了数字孪生体的成熟度模型，分为数化、互动、先知、先觉和共智五个层级。其中互动是实现物理实体和数字虚体数据连接的重要环节，也是目前数字孪生体实施过程中被重点关注的方向。

 

 《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。

在该方案中，用来完成互动的技术有三类，实施过程中，根据用户的现有条件，选择其中一种即可。下面，对这三类技术作一简要介绍。

通过OPC实现互动

OPC是OLE for Process Control的缩写，意思是用于过程控制的OLE。OPC是自动化行业及其他行业用于数据安全交换时的互操作性标准。它独立于平台，并确保来自多个厂商的设备之间信息的无缝传输。OPC标准于1996年首次发布，定义了客户端与服务器之间以及服务器与服务器之间的接口，比如访问实时数据、监控报警和事件、访问历史数据和其他应用程序等。

Flownex中内置了OPC服务接口（图1），通过该接口，Flownex可以访问传感器的测量数据，也可以把仿真数据传输给控制器。在Flownex中有虚拟的分布式控制（DCS）部件（图2），这些部件的输入输出参数和物理实体通过OPC连通后，就可以实现实时动态仿真。

通过LabVIEW实现互动

LabVIEW是美国国家仪器公司（National Instruments）专为测试、测量和控制应用而设计的系统工程软件，可快速访问硬件和数据信息。通过图形化编程，LabVIEW可实现可视化应用的各个方面，包括硬件配置、测量数据和调试。Flownex有直接的LabVIEW接口，可以和LabVIEW实现双向数据传递，进而通过LabVIEW实现和硬件的数据互动（图3）。

通过物联网实现互动

物联网（Internet of Things）是指通过各种信息传感器，实时采集任何需要监控、连接、互动的物体或过程的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。Flownex可以和多种物联网平台连通，通过物联网访问传感器的数据。如PTC的Thingworx（图4）、SAP的Leonardo等。

 值得一提的是，除了上述三类与物理硬件的互动方式外，Flownex还可以与多种软件互动。包括

Simulink、Matlab、ANSYS（Fluent、CFX、Mechanical）、Excel、Python等，同时也支持降阶模型（ROM）的联合仿真。可以说，在互动方面，Flownex中可选择的技术已经非常丰富和成熟了。

数据中心应用实例

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

1 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

2 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，并寻找理想运行策略，再向数据中心物理机房发送运营参数设置指令等等。

3 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。