《Future Generation Computer Systems》：HP2C-DT: High-Precision High-Performance Computer-enabled Digital Twin
编辑推荐：
数字孪生技术通过整合边缘计算、云平台与高性能计算（HPC）资源动态分配任务，解决实时响应与复杂计算需求之间的矛盾。在电力系统应用中，该架构实现通信带宽降低10倍、响应时间提升2倍，并保持高扩展性。
E. Iraola | M. García-Lorenzo | F. Lordan-Gomis | F. Rossi | E. Prieto-Araujo | R.M. Badia
巴塞罗那超级计算中心，Pla?a d’Eusebi Güell, 1-3, Les Corts, 巴塞罗那, 08034, 加泰罗尼亚, 西班牙
摘要
数字孪生技术正在改变我们监控、分析和控制物理系统的方式，但设计出既能满足实时响应需求又能应对高计算需求的架构仍然是一个挑战。基于云的解决方案常常面临延迟和资源限制的问题，而基于边缘的计算方法则缺乏进行复杂模拟和数据驱动优化所需的处理能力。
为了解决这个问题，我们提出了高精度高性能计算机支持的数字孪生（HP2C-DT）参考架构，该架构将高性能计算（HPC）整合到了计算连续体中。与传统仅将HPC用于离线模拟的方式不同，HP2C-DT使HPC成为数字孪生工作流程的活跃组成部分，根据任务的紧急性和计算需求动态地将任务分配给边缘、云或HPC资源。
此外，为了弥合理论与实践之间的差距，我们引入了HP2C-DT框架，这是一个实际应用的实现方案，它使用COMPSs在多种基础设施之间实现无缝的工作负载分配。我们在电网应用场景中对其进行了测试，结果显示，通过边缘端的数据聚合，通信带宽减少了1个数量级；通过动态卸载，响应时间提高了多达2倍；并且在实际资源范围内，对于计算密集型工作流程保持了近乎理想的强扩展性。这些结果展示了基于HPC的方法如何突破数字孪生的当前局限，使它们变得更智能、更快速，并能更好地处理现实世界的复杂性。
引言
数字孪生技术作为一种强大的工具，能够整合物理世界和数字世界，实现先进的监控、控制和决策制定。尽管许多研究集中在它们的模拟和可视化方面，但对于如何将高保真建模的计算需求与快速决策支持的需求相结合却关注较少。在需要边缘端低延迟响应和高计算能力的高度分布式系统中，这一差距尤为重要。
因此，数字孪生架构中的一个关键挑战是将快速响应时间与大规模计算能力结合起来。许多现有方法依赖于集中式的云解决方案，但由于网络延迟，这些方案可能无法满足实时应用的需求。另一方面，纯基于边缘的解决方案又缺乏进行复杂模拟和大规模优化所需的计算能力。本文提出了一种新的数字孪生参考架构——高精度高性能计算机支持的数字孪生（HP2C-DT），以及相应的实现流程框架。
我们参考架构的一个关键贡献是将高性能计算（HPC）纳入其中，使数字孪生能够承担诸如概率分析、合成数据生成和模型训练等繁重的计算任务，同时仍保持边缘端所需的快速响应时间。HPC与通用云计算或私有集群的不同之处在于，它提供了专用的高性能资源、专门的并行处理能力和高内存带宽。这在需要快速结果的情况下尤为重要，例如在帮助即时决策的短期模拟中。借助HPC，系统可以根据需要扩展资源，确保即使在高要求的计算情况下也能高效运行，而不会影响关键操作的性能。
HP2C-DT参考架构主要关注三个方面：信息技术/运营技术（IT/OT）集成、计算基础设施和数据管理。IT/OT集成确保边缘组件可以在多种硬件上部署，并以最小的延迟运行。从基础设施的角度来看，系统根据任务的紧急性和计算负载动态地将计算任务分配给边缘、云或HPC资源。一个重要的创新是任务的适应性编排，时间敏感的计算任务会在边缘端立即执行，而不太紧急的工作负载则会异步安排在可用的HPC或云资源上。在数据管理和通信方面，HP2C-DT平衡了计算与数据交换，确保消息和传感器更新在边缘节点和云节点之间传输时不会使网络过载。所提出的架构通过心跳信号来跟踪节点状态，并在本地聚合测量数据来实现这一点。
该参考架构为数字孪生系统的核心组件、它们之间的交互以及最佳实践提供了蓝图。基于此基础，本文介绍了HP2C-DT框架，该框架旨在弥合参考架构与实际应用之间的差距。该框架不仅指定了所需的技术，并提供了详细的集成指南，还包括一个简化数字孪生开发的实际实现方案。
HP2C-DT框架的核心是将边缘计算、远程云组件（云或本地）和HPC资源整合成一个协同系统。实现这种整合的关键要素是COMPSs [1]，它负责协调并行和分布式执行。利用参考架构的功能驱动方法，每个节点（无论是在边缘还是云端）都运行一个COMPSs代理，该代理与其它节点动态协作以卸载任务。这种卸载机制还包括HPC资源，必要时可以将繁重的计算任务分配给高性能计算集群。
HP2C-DT的一个应用场景是电网，其中边缘节点分布在广阔的地理区域内，随着分布式能源资源的日益集成，运营需求也发生了显著变化。传统的系统运行方式依赖于将SCADA测量数据传输到中央传输系统运营商（TSO）控制中心，当电网主要由动态变化缓慢的大型同步发电机主导时，这种方式是可行的。然而，随着转换器接口资源的广泛部署，电网出现了更快、更复杂的瞬态行为，这需要高分辨率和同步时间的测量数据。如今，现代广域监测系统广泛安装了相位测量单元（PMUs），其测量频率可达每秒60次。虽然这些技术实现了实时观测，但要实现故障的实时检测和缓解，不仅需要在测量采集端减少端到端延迟，还需要在决策和执行端也减少延迟。因此，最新的电力系统监控和控制范式提倡分布式或基于边缘的计算方式，部分计算在地理位置更接近测量设备的计算单元中进行。通过这种去中心化计算方式，避免了将所有数据路由到中央控制室并返回现场所需的不必要的通信延迟，从而实现了更快的本地评估和及时的控制动作。
本文的结构如下：第2节简要回顾了与数字孪生架构相关的研究，以及它们与计算连续体的联系和HPC资源的利用；第3节概述了提出的参考软件架构；第4节详细探讨了参考架构的主要特点；第5节介绍了HP2C-DT框架，扩展了参考架构的实现方式；第6节通过电网应用案例展示了HP2C-DT的优势；第7节讨论了之前的实验及其结果，并评估了HP2C-DT框架在计算连续体中的适用范围；第8节给出了结论性意见。
相关工作
Michael Grieves [2] 在2014年首次提出了数字孪生的概念，作为物理产品的虚拟表示，其核心在于产品生命周期的管理。这涉及到数据的持续交换：物理对象向虚拟对应物发送实时信息，而在虚拟对象上进行的模拟或优化会反过来影响物理对象。2017年，Grieves进一步扩展了这一概念，引入了数字孪生实例，即个体化的数字孪生实例。
HP2C-DT参考架构分为三个层次：边缘层、云层和HPC层，如图1所示。该架构的设计使得边缘层专注于底层基础设施，而云层提供数字孪生的全局视角；HPC层则提供进行密集计算所需的原始计算能力。
边缘层管理物理设备和本地计算资源，并自主运行以处理信息。
HP2C-DT参考架构在边缘端实现了实时响应性与大规模计算能力的平衡。这是通过整合操作层和计算层来处理执行、通信和数据流来实现的。本节详细介绍了实现这一整合的核心架构原则。关于输入/输出定义和执行参数等实施细节将在第5节中说明。
HP2C-DT框架是HP2C-DT参考架构的完整实现，提供了一个模块化且可扩展的软件解决方案，用于部署能够利用边缘、云和HPC环境的数字孪生系统。它定义了设备管理、计算、通信和数据聚合的标准组件，使开发者能够在利用强大基础设施的同时实现特定领域的数字孪生。
目前，电力系统运营商使用的模型通过监控控制和数据采集（SCADA）系统来捕捉网络的实际状态，使操作员能够在中央控制室做出明智的决策。为了做出这些决策，运营商主要依赖于网络的当前状态，以及从SCADA系统中提取的静态（例如功率流）和动态（例如基于相位的）模型。
这种集中式方法存在一些局限性...
本文中的实验重点探讨了HP2C-DT框架的不同方面，包括数据聚合（实验1）、功能执行和卸载（实验2）以及HPC的可扩展性（实验3）。虽然完整的系统级基准测试可以提供端到端性能的全面视图，但这类评估高度依赖于具体领域和基础设施，超出了本文的研究范围。尽管如此，这些实验仍提供了关于...
本文提出了一种参考架构，实现了物理设备、云节点和HPC资源之间的无缝协调。通过根据需求分配任务——在边缘端进行实时处理，在云中进行全局协调，在HPC中进行密集计算——该系统在效率和可扩展性之间取得了平衡。一个关键特点是HPC被整合到了数字孪生的生命周期中，从而支持大规模的概率模拟和优化任务。
E. Iraola：撰写——审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论研究、数据分析、概念化。M. García-Lorenzo：撰写——审稿与编辑、可视化、软件开发、方法论研究、数据管理。F. Lordan-Gomis：撰写——审稿与编辑、初稿撰写、验证、项目监督、资源管理、方法论研究、资金筹集、数据分析、概念化。
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文报告的工作。
