节能型数字孪生驱动的智能监控与多源数据融合优化:面向下一代数据中心电力环境

《Sustainable Computing: Informatics and Systems》:Energy Efficient Digital Twin–Driven Intelligent Monitoring and Multi-Source Data Fusion Optimization for Next-Generation Data Center Power Environments

【字体: 大 中 小 】 时间:2026年04月09日 来源:Sustainable Computing: Informatics and Systems 3.8

编辑推荐:

  数字孪生驱动的智能监控框架通过融合图Transformer-Kalman网络与强化学习优化数据中心能效与热管理。实验验证了其显著提升异常预测准确率、冷却能效和电力环境稳定性。

  
马刚
中国江苏省南京市,南京工业技术大学,210023

摘要

计算工作负载的快速增长显著增加了大规模数据中心在电力和热管理方面的复杂性。传统的监控系统通常依赖于孤立的传感器和基于规则的控制,导致异常检测延迟以及电力和冷却子系统之间的协调效率低下。为了解决这些问题,本研究提出了一个基于能效数字孪生的智能监控和多源数据融合框架,适用于下一代数据中心环境。该数字孪生模型能够实时模拟数据中心的热电动态,并通过混合图变换器-卡尔曼融合网络整合物联网遥测数据、UPS-PDU运行数据和环境参数。一个自适应的深度强化学习模块优化了冷却控制、负载均衡和电力路由策略,以提高整个系统的效率。使用基于MATLAB/Simulink的数字孪生模型和实时仿真进行的实验验证表明,与传统基于DCIM的方法相比,在异常预测准确性、冷却能效和电力环境稳定性方面取得了显著改进。所提出的框架为节能、数据驱动的数据中心管理提供了可扩展且智能的基础。与仅作为被动可视化层的传统数字孪生实现不同,该框架嵌入了图变换器-卡尔曼融合网络(GT-KFN)以实现跨域状态估计。GT-KFN通过图注意力机制整合了空间机架级别的相关性,同时通过卡尔曼滤波保持时间一致性,从而提高了热电状态跟踪的准确性。引入基于强化学习的控制机制,以便在非静态工作负载下动态优化冷却和电力冗余策略。联邦边缘学习设置确保了分布式训练,而无需集中敏感的操作遥测数据,从而增强了可扩展性和隐私性。

章节摘录

引言

云计算、人工智能驱动的分析、高密度存储以及对延迟要求严格的工作负载的巨大增长极大地改变了现代数据中心的工作场景,使其电气和热基础设施面临着前所未有的压力。电力消耗的波动伴随着冷却需求的出现,这些需求呈现出非常不同且非线性的时空模式[1]。此外,电力和环境之间的协调

文献综述与研究空白

当前关于数据中心电力环境管理的研究涵盖了传统的控制方法、基于模型的热预测、基于人工智能的异常检测以及早期的数字孪生实现;然而,这些方法都没有专门关注当代网络物理电力环境的复杂性。传统的冷却和电力协调方法主要依赖于基于规则的阈值判断、PID控制器和静态热图,所提供的解决方案非常有限

数据中心的电力环境描述

在基于数字孪生同步策略和逻辑进行联合建模之前,定义数据中心的物理和运营特征至关重要。目标基础设施是一个中大型三级数据中心,包括冗余的电力分配基础设施、高密度的计算机架、多级冷却基础设施等

多模态数据采集与协调层

在我们的基于数字孪生的监控模型中,最初的概念是一个强大的多模态数据采集与协调层,它有潜力将异构的物理、热数据和网络数据整合到一个处理流程中。与上述的结构和语义映射不同,该子部分关注由分布式传感器生成的实时数据流的动态摄取、校准和协调

基于强化的冷却和电力流优化层

所提出的系统基于自适应控制,从基于强化学习(RL)的优化层开始,根据变化的热电需求对冷却功能、气流分配和电力路由进行持续的数据驱动调整[31]、[32]。我们的RL代理评估了多个输入状态参数,如温度梯度、机架级热密度、实时PDU负载指数、UPS余量以及空气处理单元

结果与讨论

以下段落描述了实验设置和仿真环境。为了严格验证所提出的能效数字孪生驱动的智能监控框架,我们设计了一个端到端的联合仿真系统,该系统结合了MATLAB/Simulink的热电求解器、基于PyTorch的GT-KFN融合模块以及一个实时数据中心仿真器,后者模拟了多样的机架负载、CRAC区域和UPS-PDU电力路径。

结论

本研究提出了基于能效数字孪生的智能监控和多源融合优化框架,应用于下一代数据中心环境。长期存在的挑战,如异常检测延迟、冷却效率低下以及在动态工作负载下的不可靠的电力-热交互问题得到了解决。由于采用了混合图变换器技术,所提出的架构在运营智能和能源可持续性方面取得了显著提升

伦理审批与参与同意

在此实施过程中不涉及任何人类参与。

作者贡献

所有作者对这项工作都做出了同等贡献。

人类与动物权利

本研究不涉及任何违反人类和动物权利的行为。

资金支持

本研究未获得任何资金支持。

CRediT作者贡献声明

马刚:概念构思。

利益冲突声明

本研究中不存在利益冲突。

致谢

本研究不涉及任何致谢内容。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号