本文翻译转载于：Cadence blog

作者：Dave King

垃圾进，垃圾出。数字孪生模型的好坏取决于输入数据的质量。

这对于运营中的数据中心数字孪生模型尤其正确。退一步说，数字孪生是预期或现实世界及系统的数字副本或模型。因此，数据中心的数字孪生就是数据中心的数字副本。

由计算流体动力学（CFD）驱动的数据中心数字孪生不仅能复制当前数据中心的运行，还能预测空间中的气流和温度分布。换而言之，由计算流体动力学（CFD）驱动的数据中心数字孪生模型可以模拟数据中心在任何运行条件下的性能。

如果提供给数据中心数字孪生的数据已经过时，或者与现实世界数据不匹配，预测结果也会过时或失去相关性。鉴于运行中的数据中心总是在不断变化，这个问题值得特别关注。

如果担心维护数据中心的数字孪生系统需要投入大量资源，其实大可不必。Cadence 为这一复杂问题找到了相当简单的解决方案，也就是集成和自动化。

Cadence 的数据中心数字孪生解决方案通过整合来自常用工具（包括环境监测系统，基础设施管理 DCIM 和 CSV 电子表格）的数据源，实现模型维护的自动化。集成上述工具后，数字孪生模型可以随时利用最新数据，并采用最少的监测来执行预测工作。

今天，我们将分享最令人兴奋的一项重要集成，霍尼韦尔的 IQVISION。本文将介绍 IQVISION 和 Cadence Reality DC Insight 的集成细节，双方共享了哪些信息，以及如何利用这些信息改进数字孪生模型的预测。

霍尼韦尔 IQVISION和 Cadence 数据中心数字孪生

IQVISION 是建立在强大的 Niagara 4 平台上的楼宇监控和管理解决方案，也称楼宇管理系统（BMS）。

IQVISION 将趋势控制器、第三方设备和互联网协议集成到一个集中式软件平台，对楼宇进行企业级管理。平台可提供集中的数据记录、归档、报警、趋势分析、调度、全系统数据库管理以及与企业软件应用程序集成等功能，所有这些都可以用来突出呈现并调查楼宇内的能源利用情况。此外，IQVISION 还为应用开发了全面的图形化工程工具集。支持 HMTL5 可定制用户界面，并可在连接网络的电脑、平板电脑和手机上查看。

Cadence Reality DC Insight 是一个数据中心管理软件套件，由两个模块组成：Cadence Reality DC  资产孪生和 Cadence Reality DC 数字孪生。第一个模块是容量和资源管理解决方案，第二个模块则在其基础之上通过 CFD 仿真来优化数据中心。该软件套件可以最大限度地延长运行时间，提高容量利用率和能源效率。

Cadence 数据中心软件与 IQVISION 的集成属于文件传输性质，构成了从 IQVISION 到 Cadence Reality DC Insight 的单向数据集成。具体来说，从 IQVISION 流向 Cadence 平台的数据共有三类：

●冷却系统设定点

●IT 能耗数据

●环境数据

Cadence 数据中心软件从 BMS 采集数据并存储到数据库。软件用户可以根据需要选择存储尽可能多的历史数据，以便进一步分析。BMS 数据同步到数字孪生模型后，软件就可以在数字孪生模型或仪表盘上显示这些数据。

我们再来看一下 IQVISION 不同的数据类型如何提高数字孪生预测能力，进而改善数据中心的运营。

使用案例：冷却系统设定点

作为物理设施的数字复制品，数字孪生模型还包括冷却系统的模拟。数字孪生模型会同步当前的设定点，确保其始终反应设施的当前状态。准确模拟冷却系统是确保数字孪生模型输出准确的关键。大部份冷却基础设施都是固定的，但运行人员可以根据需要调整设定点。BMS 是这些数据的真实来源，将数字孪生模型与 BMS 同步可以确保模型自动更新任何变更，意味着数字孪生模型可以在必要时随时预测冷却情况。

使用案例：IT 能耗

数字孪生模型还包含数据中心 IT 设备的完整清单，以及从公用设施到 IT 设备的完整电力网络模型。如果可以从 BMS 获得这些数据，Cadence 数据中心就可以监控不同组件在一段时间的用电量，并利用这些数据设计 IT 负载利用率，使用户可以查看数据中心的不同状态，例如上周的最大用电量或者过去一天的平均用电量。准确了解数据中心的实际用电量对于作出正确规划至关重要。将 Cadence 数据中心软件与 BMS 连接，就可以随时掌握上述信息。

使用案例：环境数据

环境传感器跟踪有关数据中心状态的关键数据。来自这些传感器的信息（如温度，压力和湿度）被长期监控，并可输入数字孪生模型。数据同步到模型中，为不同对象提供汇总的参数。反之，汇总数据也可以与数字孪生模拟的数据进行比较。

运行数据中心数字孪生的一个关键要素是确保数字孪生的输出与数据中心的测量结果相匹配。如果输出结果与测量结果存在偏差，可能表明现实世界设施发生了变化，而数字孪生并未捕捉到这些变化，也可能表明设备未按规范运行，可能是产生问题的早期迹象。无论哪种情况，它都表明操作员对关键系统的了解存在缺陷，可以将其作为调查起点以找到解决方案。

TL;DR – 优秀的集成

随着我们进入所谓的人工智能时代，集成和自动化被愈加频繁地提及。随着生活越来越数字化，我们期待一切都能完全集成/自动化/优化。突然听说我们建立了一个新的集成系统，大家可能觉得理所当然。

但对于数据中心来说，这是开拓性的。长久以来，CFD 驱动的数字孪生模型主要用于设计或改造数据中心，但现在，有了上述或者其他类似的集成，我们可以做得更多。我们可以毫不费力地主动将数据从物理数据中心迁移到模型中。我们可以更快、更准确、更一致地进行预测。这意味着我们可以制定更明智的决策，延长数据中心寿命。