DCVerse中的双环控制：通过数字孪 replica 推进AI在数据中心的可靠部署
人工智能
2026-04-10 v1
摘要
现代数据中心的规模和复杂性为在能源效率与故障风险之间取得平衡带来了重大挑战。虽然深度强化学习（DRL）在智能控制方面显示出强大的潜力，但由于数据稀缺和缺乏实时预评估机制，其在关键系统中的部署受限。本文引入双环控制框架（Dual-Loop Control Framework, DLCF），一种基于数字孪 replica的体系结构，以克服上述挑战。该框架包含三个核心实体：物理系统、数字孪 replica和多样化DRL代理的策略储备。这些组件通过双环机制相互作用，涉及实时数据采集、数据同化、DRL策略训练、预评估和专家验证。理论分析表明，DLCF可提高样本效率、泛化能力、安全性和最优性。利用DLCF，我们实现了DCVerse平台，并通过真实数据中心冷却系统的案例研究予以验证。评估显示，我们的方法在不违反服务等级协议（SLA）要求的前提下，相较于传统控制策略实现了最高4.09%的能源节省。此外，该框架改进了策略可解释性，支持更可信的DRL部署。本工作为数据中心的基于AI控制提供了可靠性基础，并指向了实现整体系统优化的未来扩展方向。
关键词
引用
@article{arxiv.2604.07559,
title = {Dual-Loop Control in DCVerse: Advancing Reliable Deployment of AI in Data Centers via Digital Twins},
author = {Qingang Zhang and Yuejun Yan and Guangyu Wu and Siew-Chien Wong and Jimin Jia and Zhaoyang Wang and Yonggang Wen},
journal= {arXiv preprint arXiv:2604.07559},
year = {2026}
}