-
数据中心(Data Center)是“新基建”的重要组成部分[1-2],可以是部分、单个或多个建筑物,其主要功能是为电子信息类设备提供可靠的运行环境,根据设备功能要求,一个数据中心一般包括主机房、辅助区、支持区等区域场所。随着5G、物联网、大数据、云计算、人工智能、区块链、数字孪生等技术的快速发展[3-5],一方面数据中心的需求量大大增加,一方面要求数据中心的建设周期大大缩短,数据中心的质量要求越来越高,数据中心的建设成本要求越来越低。设计是数据中心建设中非常重要的一个环节,影响着数据中心的进度、质量和成本等诸多关键指标,而平面布局设计又是数据中心设计中非常重要的部分,决定着数据中心的整体性能指标。传统的平面布局设计方式存在专业分散、交互性不高、数据不同步等问题,设计效率和质量有待提升,而针对现代建筑设计中,建筑形体越来越多,空间组合方式多样性,设计数据复杂,信息量巨大等问题,建筑信息模型(Building Information Modeling,BIM)是以计算机和数字化技术为基础构建的具有三维效果的建筑模型,参数化设计是全新设计方法,通过传统集合构成全新的不同几何体拓扑关系[4-7]。
2002年,BIM首次出现在美国Autodesk公司发布的BIM白皮书上,随后BIM在全球范围内逐步发展起来,BIM技术也被广泛地运用在各工程项目中。当前BIM建模技术主要使用的软件有Revit、Open Rail Designer等,设计人员利用Revit软件存在着重复性建模操作,势必降低建模效率。此后,Autodesk公司在Revit软件中开发了辅助设计插件Dynamo,利用可视化编程思想实现自动化、批量等建模操作来解决BIM建模中存在的低效局面[8-11]。
通过BIM、可视化编程等技术将专业知识和业务需求进行深度整合,实现基于数据驱动的自动化设计技术已经在国内隧道、水力机械、木制结构、预制装配式等工程项目中得到充分的展示。文献[7]在隧道中利用Dynamo来盾构三维模型,实例说明了可视化编程Dynamo在3D建模中的灵活性、精准性等。文献[12-15]基于Dynamo的参数化设计对水力机械中蜗壳和尾水管进行设计,实现了复杂过流部件的“一键生成”,相对于常规建模方法提高了设计师的工作效率,充分体现了Dynamo在BIM设计中的使用价值。文献[16-18]将BIM和Dynamo技术应用在木制结构建筑中,基于Dynamo可视化编程技术开发了墙体和楼盖的快速模型,通过在快速模型中输入结构参数便可快速地输出木结构框架,解决木制结构建模效率低、易出错等问题。文献[19-21]在预制装配式混凝土住宅楼梯构件实际案例中运用Dynamo编程技术,说明了可视化编程技术在装配式建筑产业中的应用。文献[11]依靠Dynamo技术实现了电缆的快速建模,再依托数据驱动方法得到3D模型的算量,最终实现了电缆工程量的自动化计算。文献[22-24]在高速铁路桥梁构件、现浇连续桥梁和铁路轨道建模设计中大量运用了“Revit+Dynamo”可视化编程技术,实际工程项目验证了Dynamo技术可以大大提高建模的精细化程度和效率,为高铁桥梁、连续桥梁、铁路轨道等建设项目提供了大量数据,以便为后续的运维数据分析工作提供合理依据。
基于现阶段的可视化编程Dynamo技术在项目中的应用,本文提出数据驱动的模块化、参数化、可视化平面布局设计来提高数据中心项目的3D建模效率。
-
实现基于数据驱动的数据中心平面布局设计的流程,如下:数据中心模块化-标准化(族资源标准、设计输入输出标准等)-参数化(设计规范参数、设备指标参数等)-数学建模及编程实现-模型校验,如图1所示。
-
采用模块化思路,将数据中心分为IDC机房、空调房、配电室、电池室等单独模块化设备房。如图2所示,每个模块内部布局相对独立,其物理和空间属性与标准规范、用户需求及系统设备属性相关。各模块之间存在相关性,IDC机房模块的物理和空间属性调整将导致其他模块的物理和空间属性调整。
-
对每个模块进行标准化设计,以IDC机房为例,如图3所示,IDC机房模块由多个微模块(微模块是将传统机房的配电、空调、布线、机柜、消防、监控、照明等系统集成为一体化的产品)及围护结构组成,每个微模块之间按照相关标准规范间隔开。同理,空调房由多个暖通设备及围护结构组成,配电室模块由多个配电设备及围护结构组成,以此类推。
-
在标准化的基础上,对每个模块的物理和空间属性依据标准规范进行参数化,同样以IDC机房模块为例。IDC机房模块的物理属性包括:机柜数量、单机柜功耗。其中机柜数量由微模块规格及微模块数量决定,微模块规格与微模块中的机柜尺寸、数量及间距等有关。空间属性包括:IDC机房尺寸、各微模块间以及各微模块与围护结构间距。
将IDC机房模块的物理属性进行参数化,得出总机柜数量N、微模块数量N1、单个微模块中的机柜数N2。机柜尺寸和功耗通过机柜族信息提取。
将IDC机房模块的空间属性进行参数化,得出机柜正面之间(冷通道)间距CIV、机柜背面之间(热通道)间距HIV,机柜正面、背面与墙体之间(维护通道)间距(包括机柜距西墙体距离IVW和距东墙体距离IVE)、机柜侧面与墙体之间(维护通道)间距(包括机柜距南墙体距离IVS和距北墙体距离IVN)几个参数。各参数值应满足《18DX009_数据中心工程设计与安装》中的要求,如表1、图4和图5所示。
间距代号 间距描述 间距要求/m 通道名称 L1 搬运设备通道净宽 ≥1.5 搬运通道 L2 机柜(架)正面之间间距 ≥1.2 净通道 L3 机柜(架)背面之间间距 ≥0.8 热通道 L4 机柜(架)正面、背面与墙体之间间距 ≥1 维护通道 L5 机柜(架)侧面与墙体之间间距 ≥1 疏散通道 L6 机柜(架)侧面与墙体之间间距 ≥1 疏散通道 Table 1. Spacing requirements for 18DX009_Data Center Engineering Design and Installation
-
Dynamo是一款运行在Autodesk Revit上的开源插件,可在Revit菜单栏中管理工具项中打开,同时在最新的版本中亦可以独立运行。Dynamo是一个视觉编程工程,旨在让非程序员和程序员都可以访问。它使用户能够使用各种文本编程语言来可视化脚本行为,定义自定义的逻辑块和脚本。通过基本结点的可视化编程界面,Dynamo可以让用户自由创建计算式设计模型或者其他自动化处理过程。用户可以使用完善的数据处理、关联性结构和几何控制功能。这些功能在基本传统CAD界面的软件中是很难做到的。更重要的是,Dynamo让用户可以在BIM环境(Autodesk Revit平台)中充分发挥计算式设计能力。用户完全可以自定义Revit中各种建筑构件的创建于修改流程。首先,它是一个平台,使设计人员能够探索视觉编程,解决问题,并制作自己的工具。其次,Dynamo的核心是Visual Programming的平台,它是一种灵活可扩展的设计工具,由于它可以作为独立应用程序运行,也可以作为其他设计软件的附件运行,因此,可以用来开发更多的创意工作流程。
-
对IDC机房模块的平面布局与各参数相关,如图6所示。
定义IDC机房模块X轴方向长度为A、Y轴方向长度为B,则:
$$ \begin{array}{c} A=[N \times a+(N-1) \times {\mathrm{HIV}}+{\mathrm{IVW}}+{\mathrm{IVE}}] \\ B={\mathrm{IVS}}+{\mathrm{IVN}}+c \end{array} $$ (1) 通过可视化编程工具Dynamo对上述数学模型进行表达。相关节点设计如图7所示。
IDC模块机房布局节点示意图如图8所示,微模块尺寸、微模块数量、间距规范要求、坐标基准点作为设计输入,三维模型及信息作为设计输出。空调房、配电室、电池室等用房模块布局节点设计以此类推,多个用房模块布局节点关联组合在一起可输出整体数据中心平面布局三维模型及信息。
IDC机房模块平面布局的设计输入参数初始值设置如表2所示,坐标基准点数据如表3所示。
参数 数据 机柜距西墙体距离IVW/mm 1 400 机柜距南墙体距离IVS/mm 1 200 热通道HIV/mm 1 200 冷通道CIV/mm 1 200 机柜距北墙体距离IVN/mm 1 500 机柜距东墙体距离IVE/mm 1 000 微模块数量N1/列 7 微模块中的机柜数N2/台 30 Table 2. Parameter data for IDC computer room module
参数 数据 坐标基准点X/mm 192 000 坐标基准点Y/ mm 128 000 Table 3. Coordinate reference point input
将上述参数录入Excel表中,在Dynamo中通过File Path节点对Excel表中数据进行读取,如图9所示。
同时Revit样板中载入项目相关的族资源,族属性信息在建族时,就按照规范命名,为了后续Dynamo读取族信息时,统一按照族属性信息提取,节约大量的设计时间。
Dynamo中通过Family Types节点,选取已经载入Revit中的族,再通过Familytance.Bypoint提前做好基准点如图10所示。
根据在建族时,已经按照规范对族信息命名好了,Dynamo中通过All Elements of Family Type节点读取Revit中族属性信息,提取机柜的长、宽、高,以便平面排布计算公式中,使用机柜的长、宽、高数据,同步运用至Dynamo几何图形公式中如图11所示。
读取Excel表及族信息之后,通过之前的数学模型将各参数关联起,如图12所示。
Excel表中的数据均可根据实际项目,平面布局需求调整,流程如下:Excel表数据输入→Dynamo几何图形可视化设计→Revit三维设计,三者同步进行,数据输入,Dynamo运行,Revit出三维模型。更改Excel表中数据时,再次点击Dynamo运行,Revit中三维模型也随之变化。
同理,空调房、配电室、电池室等用房模块布局按照上述IDC机房模块布局的方法和流程开展。空调房模块靠近IDC机房模块布置,如图13所示。
配电室模块相关参数及数据如表4所示。
参数 数据 配电室1距机房1距离D/mm 2 400 进线边柜距西墙体距离W/mm 1 400 进线边柜距南墙体距离S/mm 1 400 进线边柜间距IV/mm 2 000 进线边柜与AH间距/mm 1 700 线边柜距东墙体距离E/mm 1 200 进线边柜距北墙体距离N/mm 1 500 第一组进线边柜Xn1/台 1 第一/二组进线边柜Yn1/台 1 第二组进线边柜Xn3/台 1 第一/二组UPS模块Yn2/台 2 第一/二组并机柜Yn3/台 1 第一/二组UPS输出柜Yn4/台 2 AH-Yn5/台 1 干式变压器-Yn6/台 1 AA-Yn7/台 11 Table 4. Module parameter data for power distribution room
利用表5和表6各用房模块布局节点,通过上述参数数据输入,即可输出相应的三维模型和信息,三维模型和信息可随输入数据同步变化,如图14和图15所示。
参数 数据 电池组间距IV/mm 1 100 进线边柜距西墙体距离W/ mm 1 100 电池组Xn/组 4 Table 5. Module parameter data for battery room
参数 数据 空调距西墙体距离W/ mm 2 800 空调间距IV/ mm 2 400 空调Xn/台 2 Table 6. Module parameter data for air-conditioning room in power distribution room
-
对输出的模型和信息进行参数化校验,核实是否满足设计要求,不满足进行调整优化。
-
基于数据驱动的数据中心平面布局设计与传统方式对比如表7所示。
项目 传统方式 数据驱动 设计方式 各专业设计人员各自设计,信息交互实时性差,设计接口多 集成设计,预先定义好各专业接口及标准,并通过数字化方式进行关联。 设计效率 低,设计输入更新后,各专业人员手动更新设计输出 高,设计输入更新即可自动同步更新设计输出 设计质量 低,设计输出需通过人工校验,多次调整易造成错误 高,标准规范等要求内置在设计模型中,实现自动调整自动校验 Table 7. Comparison of data-driven and traditional design
-
本文提出的基于数据驱动的数据中心平面布局设计方法,通过将数据中心平面布局相关专业知识参数化,并结合BIM、可视化编程等数字化技术,对数据中心专业技术与数字化技术进行有效融合,实现了基于数据驱动的数据中心平面布局智能设计,该方法较传统方式大大提升了设计效率和质量。
本文提出的基于数据驱动的平面布局设计方法存在Revit加载Dynamo插件速度缓慢的不足之处,为进一步提高三维建模效率,未来研究工作将在Revit平台上引入一款新型插件pyRevit,设计人员在Revit环境中可以使用其API的任何一种面向对象编程语言(python、C#等)快速地勾勒出三维模型,pyRevit的引入势必会更加完善基于数据驱动的平面设计方法。
未来随着人工智能、数字孪生、知识图谱等技术的发展以及其广泛地应用于基础设施领域,数字化技术与基础设施专业技术越来越深度地融合,基于数据驱动的数字化设计将进一步赋能设计行业,实现又快又好的设计目标。
3D Digital Design of the Data Center Layout Based on Data Drive
doi: 10.16516/j.ceec.2024.S1.08
- Received Date: 2023-09-05
- Rev Recd Date: 2023-11-22
- Publish Date: 2024-06-30
-
Key words:
- parameterization /
- graphic layout design /
- automatic design /
- 3D digitization
Abstract:
Citation: | HE Jiaojiao, LI Shutao, ZHANG Shaofeng, et al. 3D digital design of the data center layout based on data drive [J]. Southern energy construction, 2024, 11(Suppl. 1): 47-55. DOI: 10.16516/j.ceec.2024.S1.08 doi: 10.16516/j.ceec.2024.S1.08 |