基于双驱动模型的智能控制技术：该技术整合了机械机制与数据模型，应用于液冷数据中心

《Energy》：Intelligent Control Technology for Liquid-Cooled Data Centers Based on a Dual-Drive Model Integrating Mechanism and Data Models

数据中心冷却系统能耗优化研究中提出双驱动灰盒模型，融合机制模型与数据驱动模型优势，通过融合样本库构建和优化控制逻辑实现安全高效节能。

　　
数据中心的冷却系统能耗优化研究基于双驱动灰盒模型的创新方法

当前全球数据中心能耗占比已达电力消耗总量的1.5%，其中冷却系统作为第二大能耗单元，其优化控制策略的研究具有重要现实意义。本研究突破传统单模型架构局限，创新性地构建了融合机理模型与数据驱动模型的四层双驱动灰盒体系，实现了服务器芯片安全温度约束下的最大能效提升。

传统建模方法存在显著局限：机理模型虽具备强泛化能力和低数据依赖特性，但面对复杂系统动态响应时存在建模效率低下、参数标定成本过高等问题。以Qu团队建立的冷板循环系统全链路热力学模型为例，其虽能精确模拟多设备耦合过程，但在处理超过300种工况组合时，模型训练周期需长达72小时。而数据驱动模型虽能快速捕捉非线性关系，却存在泛化能力受限（实验显示数据模型在10%工况偏差时误差激增300%）、安全边界模糊等缺陷。

本研究的核心创新在于构建了"机理建模-数据增强-融合优化-安全验证"的闭环控制体系。首先通过建立三维工况空间（包含服务器功率密度、环境温湿度、冷板水流量等参数），运用热力学耦合方程生成基础样本库。该机理模型采用模块化架构，将冷板循环系统解耦为5个子系统，每个子系统包含12-18个关键参数，通过建立热阻网络方程实现动态耦合。接着引入动态数据增强机制，当实验数据不足时，基于蒙特卡洛采样生成符合热力学约束的虚拟样本，使样本总量提升3.2倍，同时将数据模型训练时间缩短至4.8小时。

在模型融合方面，创新性地构建了双驱动灰盒模型架构。该模型将传统机理模型的泛化能力与数据模型的精度优势进行有机整合：在机理层建立包含流体动力学方程、热力学平衡方程、设备传热方程的三维方程组，通过参数优化算法实现方程组解耦；在数据层采用改进的LSTM-GRU混合网络，其隐藏层单元数根据子系统复杂度动态调整（5-12个）。这种结构使得模型在未经验证的6类特殊工况下，仍能保持87.3%的预测精度，较单一模型提升41.6%。

优化控制策略方面，开发了基于安全边界的动态权重分配算法。该算法通过建立温度安全阈值与能耗目标的Pareto前沿，实现安全约束与能效优化的动态平衡。实验表明，在保证芯片温度不超过85℃的前提下，与传统控制策略相比，系统COP（性能系数）提升至4.7，较单独机理模型优化效率提高28.4%，较数据驱动模型提升19.2%。特别是在Test Case 1中，通过实时调整冷板水流量（0.8-2.3m3/h）和二次侧泵转速（120-180rpm），实现单位IT设备能耗从0.42kWh/GW·h降至0.13kWh/GW·h，节能率达69.5%。

资源调度均匀性研究揭示了关键优化规律：当冷板水流量标准差超过15%时，系统整体能耗会上升22%-35%。为此开发了基于模糊PID的流量均衡控制模块，通过建立水力特性方程与温度响应函数的关联矩阵，实现多区域流量动态调节。在10,000h的连续测试中，该模块使系统PUE（电能利用效率）稳定在1.08-1.12区间，较单一控制策略降低18.7%。

实验验证部分构建了包含冷板循环系统、板式换热器、双泵组控制的物理平台，其关键参数精度控制在±0.5%以内。测试表明，双驱动模型在冷板压降预测（RMSE=0.78Pa）、换热效率评估（R2=0.962）等12项核心指标上均优于传统模型。特别是在极端工况（环境温度35℃、IT设备满载率120%）下，数据模型部分仍能保持82.3%的预测可靠性，机理模型则发挥关键作用确保系统稳定性。

该研究提出的控制框架已在两个不同规模的数据中心部署，验证了其实际应用价值。在西安交大液冷实验平台（服务器数量：128台，制冷量：2MW）的实测中，系统全年可节约冷却能耗达372万kWh，相当于减少碳排放2860吨。研究还发现，当冷板水力不平衡系数超过0.25时，模型预测误差将增大40%，这为后续开发智能水力平衡系统提供了重要研究方向。

该研究突破性地解决了机理模型泛化不足与数据模型精度有限的根本矛盾，其创新性体现在三个方面：1）构建了动态样本增强机制，使数据模型训练样本量提升300%；2）开发了基于安全边界的混合优化算法，实现能耗与芯片温度的动态平衡；3）设计了可扩展的控制架构，支持模块化接入不同制冷设备。这些创新成果不仅为数据中心能效优化提供了新范式，更为复杂工业系统的智能化控制奠定了方法论基础。

研究团队后续将重点开发基于数字孪生的自适应控制模块，通过建立虚拟-现实交互系统，实现冷却系统能耗优化的实时动态调整。同时正在探索将该模型扩展至液冷冷板集群和风冷冷通道等不同冷却架构，目前已完成冷板间距优化算法和冷通道气流均匀性控制策略的初步研究。该成果对于推动《"十四五"节能减排综合工作方案》中"数据中心PUE降至1.3以下"的目标实现具有重要参考价值。