【年会回顾】李坤：数据中心数字孪生制冷系统”

恒华作为一家EPC总包企业，已有20多年的历史。近几年，全球掀起了数字化转型浪潮，2018年，恒华也开始了数字化转型之路，围绕数据中心研发了一套完整的体系——数字孪生数据中心。此次分享，李总针对恒华数字化转型中的实践和成果之一，数字孪生数据中心制冷系统解决方案进行了详细的介绍。

他首先介绍了数字孪生体系。他指出，我们想要的数据中心离不开的三大的核心：安全、低碳和智慧。这是一套完整的体系，从前期的设计到建设都需要前期准备，如果没有足够的数据，智慧化运维无法进行。实现节能这个终极目标，并不是单独依靠一个系统，而是需要一套完备的体系。从设计阶段，要从模型设计系统分析与仿真，包括数据采集的需求分析，比如要做节能控制，如果缺少必要的传感器采集数据，数据的质量达不到要求，就无从谈起智能控制。另外，在建造过程当中，选用设备的质量、安装的质量，包括通讯的质量、网络的可靠性都直接影响了后期运行的安全性、节能性、有效性。在施工过程当中想要提高施工质量、施工进度，想要降低我们的施工成本，BIM的施工管理和工程的预制化是必不可少的。这也是目前建筑行业、工程行业的发展趋势。有了以上这些前提，还要建设大数据的中台，有足够的数据处理能力，才能真正的做到智慧运维。然后才能根据数据做分析，控制和管理策略，最终实现可视化。而且数据中心它是一个不断循环，PDCA的过程，通过运维的数字化进行反馈，给前期的设计做到优化。

他首先以风改水的节能项目为例，介绍了数字化设计。想做好节能改造项目，前期的空间规划，BIM设计，甚至到每一个空间的管道如何规划，阀门保温怎么处理，承重如何去解决，这些问题都要考虑，再加上项目是在线改造，还要保证现有系统安全稳定的运行，无疑又提高了项目的改造难度。所以改造方案一定要可实施可落地。有了空间的解决方案以后，系统规划，比如制冷系统主要以冷源为中心，有冷却水系统、定压补水系统，还有末端的管道系统以及蓄冷系统。将它分成一个个不同的模块。制冷单元以制冷系统为核心，整合配电系统和控制系统，再把它作为一个单元。冷却单元也是一样，以冷却水系统为核心，整合控制和配电为系统。蓄冷罐单元也是一样，还有末端输配、定压补水等等。把这些划分为不同的单元以后，才能真正实现将来的预制化、模块化。

在前期设计的时候我们非常关心的一个问题就是气流组织问题。从下图可以看到，完全相同工况的情况下，只是把室内机的位置调整了1.2米，就可以看到气流组织是完全不同。那么在很多的项目当中，要针对性的对要改造的系统做一个数字化的设计。除了这些以外，数字化设计还有很多需要做的工作。

智慧冷站的安装非常简单，深化图纸完成，设备到货以后，只需要15天就可以运到现场。现场安装之后，就是冷冻管、冷却管的连接和电器连接，连接完成就可以开始调试。再加上物联网架构，它的BA系统控制调试更加简单，因为BA系统在工厂完全把冷站调试完成，后期就是对整个BA系统的节能控制就可以了。

以北京地区为例，智慧冷站在设计工况下的EERa可达5.5以上，全年平均EERa约8.5，当冬季采用冷却塔供冷时，全年平均EERa可达9.9以上，远超《高效制冷机房技术规程》中Ⅰ级能效标准。

除了冷源以外，还有一个值得关注的问题就是管道。管道部分也可以采取预制化的装配过程。在工厂时，可以看到它的生产环境、材料进场的检验检测，后边管道的预膜等这些处理都比在现场更加的容易，质量更有保障。管道要实现数字孪生，仪器仪表精度、网络配置，怎么去安装，如何能从工艺上保证，网络的安全以及数据的安全，加工工艺的过程当中也非常重要，预留的仪器仪表的接头可以方便在现场进行装配式连接。

管道BIM设计图纸和实际安装效果对比图

李总在数字化建造这部分最后一点和大家分享的是智慧物联网控制系统。在数字化设计的过程当中把制冷系统分成了冷源部分、冷却部分、定压补水、蓄冷部分和末端控制部分，相应的智慧物联网也是将水冷空调按照设备类型进行分类，将同一类型的设备接入同一类型的控制器形成智慧终端。智慧终端可以做到很极致，比如一个传感器就是一个智慧终端。但这样做它的成本是非常高的，结合实际的控制的要求、安全要求、网络要求以及结合经济成本的情况下，划分了刚才所说的冷源、冷却水、蓄冷罐以及末端的输配水。形成的智慧终端作为一个基本的控制单元，然后将各智慧终端，按照特有的接口协议连接，实现信息交互，共同组成智慧物联网系统。最后根据实际需求预制控制逻辑，同时预留通信接口，可通过远程智能化或手动参数配置，灵活调整控制逻辑。到了现场之后，冷源部分、冷却水部分、蓄冷部分等等，这些智慧终端形成一个网络，然后通过网络去调配。智慧冷站的智慧化功能就体现在此。

数据中心动环监控或DCIM都是常规要做的，恒华的大数据平台没有直接从基础层完全去采集数据，如果BA系统、电力监控系统做不到的情况下，会根据物联网架构来重新改造整个的数据源的接入层。大数据平台主要采用Flink、hive和Hbase等大数据处理数据库技术，而非传统的mysql、Oracle等传统的技术，因为它要处理大量的数据，它的处理的效率和速度要求比较高。另外一个核心点是，恒华将数据中心真正实现了数字化。如果不将数据中心的数字化实现，就无从谈起故障诊断以及它的节能控制，这里边就包含了我们的规则库。如果说一个集团客户，他有多个数据中心的话，那么我们要有数据中心列表，设备参数设定，如送风温度上限值，设备信息的统计以及故障规则的汇总，还有非常重要的是拓朴系统，数据中心的拓朴结构，比如制冷系统，看图能看得懂，但计算机不一定能识别，如何能将制冷系统让计算机能识别，这其实就是一个数字化的过程，只有有了这些数字化的方案才能最终实现算法平台。

接下来，李总向我们展示了项目实施中的智能节能控制平台。首先是整体性PUE的分析，包括年PUE和季度或者是月PUE，甚至一些特殊的需求。

然后是楼层系统，也可以是子系统；还有像双十一、中秋节等数据中心重要的时间节点，不同的会有不同的统计方案和时间方案。

到了设备级时，就不再用PUE了，而用COP，如果设计和实际运行时有差异，那可能就是系统出现问题了，系统分析出问题后，就能及时去解决，从设备级提高能效。

现在的数据中心都在谈使用AI控制，但实际操作起来，真的可以让AI直接自动控制吗？可能未必。所以在控制里边，我们会有不同的控制级别，比如涉及到开关机就可以设置到手动状态，给运维人员一个推荐，手动确认后，才去开机或关机。但像调整空调的送风温度，回风温度等这些用AI控制就可以了。

数据中心节能主要有“供需平衡”、“高效运行”两个原则，人工智能算法主要围绕这两个原则使用精确建模与机器学习，利用数据统计分析、系统节能策略以及设备节能策略实现节能目标，首先第一条要做的就是数据统计分析，在前面的可视化页面就可以看到整体PUE，包括PUE的震荡分析、每个月PUE是什么样的，我们找到它的节能点，然后才能去分析，去找到系统的节能策略，包括系统博弈寻优。而人工智能要想实现，则有两个方向，一是在智慧物联网本地化实现。如果控制算法的控制输入参数仅限于制冷系统并且控制逻辑不需要复杂的动态计算，通过智慧终端控制程序即可实现。其中包括单设备节能控制，如：冷冻二次泵、冷却泵以及冷却塔变频电机等节能调节。二是大数据平台算法库实现。控制算法控制输入参数需要电力监控、环境监控等数据或需要复杂的动态计算时，需要经大数据平台的算法库计算出最优控制参数，然后将控制参数发送到相应的智慧终端。其中包括蓄冷罐峰平谷节能调优、末端空调节能控制策略、冷机/冷塔能效寻优、动态博弈寻优以及迭代寻优等。

下图为项目当中真实测试的数据，可以看到大概在十点零三分左右开启了智能算法，室外的温度不断上升。左下角图片青色的是it设备的负荷量，粉色的是空调制冷的用电量，它是不断在震荡下降的。从右上角上面可以看到，空调在不同的时分关掉了两台，同时这里边还有一些调控的参数，送风温度回风温度的一些参数。

推荐阅读>>>

• 董骏鹏：“数据中心制冷节能降碳创新与持续发展”
  

• 白泽阳：“曙光数创液冷绿色数据中心实践案例分享”
  

• 焦建欣：《工业建筑布线系统工程技术标准》解析
  

• 马金永：“优特普'网电速联'赋能信息网络和建筑智能化”