基于数字孪生的两相浸没冷却系统压降-流量-干涸区动态映射关系建模研究
发布日期：2026年09月11日
【摘要】 本研究揭示了两相浸没冷却系统中压降、流量与干涸区演化三者间的动态耦合机制，并构建了可实时映射该关系的数字孪生模型。传统热管理建模多依赖稳态假设或局部经验关联，难以反映瞬态工况下相变、流动阻力与局部干涸的强非线性交互。本工作通过融合高保真多物理场仿真、边缘传感反馈与轻量化状态空间学习，实现了对系统动态响应的闭环表征：在运行过程中，模型能同步追踪压降变化趋势、质量流量分布及干涸前沿扩展路径，支撑冷却效能的前摄性评估与干预。该数字孪生框架不依赖特定设备参数，具备跨构型迁移潜力，为高密度计算设备的热安全管控提供了可嵌入运维系统的决策支持能力。成果适用于数据中心液冷升级、功率电子热设计等场景，显著提升热管理从“被动响应”向“主动协同”的演进效率。
【概览】
关键发现：
-
压降、流量与干涸区演化并非独立变量，而是受相变动力学主导的动态耦合三元关系，瞬态工况下呈现强非线性反馈特征。
-
稳态建模或局部经验公式难以捕捉干涸前沿迁移对流动阻力的时变调制效应，导致热安全边界预测存在系统性滞后。
-
多物理场仿真与边缘传感数据的协同融合，可有效解耦隐含状态变量，使干涸进程从“不可观”变为“可追踪”。
-
轻量化状态空间模型在保持物理可解释性的前提下，支持实时闭环映射，验证了数字孪生框架对构型变化的泛化适应能力。
核心建议：
-
在液冷系统控制层嵌入动态压降-流量-干涸区联合监测模块，优先部署具备相变敏感特性的分布式微压差与局部温升传感节点。
-
构建分层级模型更新机制：底层采用轻量化状态空间模型实现实时推演，上层定期融合高保真仿真结果进行参数校准与结构优化。
-
将干涸区扩展路径作为关键预警指标纳入运维决策流程，设定基于动态映射关系的前摄式流量调节阈值，替代传统固定温限响应策略。
【引言】 随着人工智能大模型训练与高性能计算集群规模持续扩张，单机柜功率密度已普遍突破30 kW，局部热点温度攀升与散热不均问题日益凸显。传统风冷与单相液冷在能效、可靠性及空间适应性方面正逼近物理极限，而两相浸没冷却凭借其高潜热吸收能力、均匀温控特性及静音无泵设计优势，成为下一代数据中心热管理的关键路径。然而，工程落地中仍面临核心瓶颈：系统压降、循环流量与芯片表面干涸区三者之间存在强耦合、非线性的动态响应关系——微小的流量波动可能引发局部沸腾失稳，导致干涸区突发扩展，进而触发温升失控甚至器件失效。当前设计多依赖经验公式或静态CFD仿真，难以实时映射瞬态工况下的多参数交互规律，更缺乏面向运维调控的闭环反馈机制。本研究立足工程实效，以数字孪生为技术支点，构建“物理系统—数据驱动模型—实时映射引擎”三层协同架构：一方面通过高保真传感器网络采集真实运行中的压力梯度、相变流速与红外热场序列；另一方面融合机理约束与轻量化时序建模，在孪生体中动态重构压降-流量-干涸面积的三维映射曲面。该方法不追求泛化理论抽象，而聚焦可部署、可验证、可干预的动态关系表征，为冷却系统智能启停、变频调控与故障预判提供直接可用的决策依据。
一、两相浸没冷却系统压降-流量耦合特性的数字孪生建模基础分析 压降与流量的耦合本质是系统能量流与相变动力学的双重约束体现 在两相浸没冷却系统中，压降并非单纯流体阻力的线性叠加，而是沸腾起始点、汽泡脱离频率、干涸前沿迁移速率与回流驱动力共同作用的结果。业务实践中发现：当流量提升至临界区间时，局部干涸区往往非线性扩张，导致有效换热面积骤减，反而推高压降增速——这违背传统单相流“流量↑→压降↑”的单调假设。其根源在于相变过程引入了强非稳态反馈：汽液分布改变流道截面、汽泡聚并扰动压力梯度、干涸区扩大又加剧壁面过热度，形成“流量增加→干涸加速→壁温跃升→沸腾强化→汽量激增→压降陡峭”的闭环放大效应。这一动态耦合机制决定了建模必须超越稳态经验公式，转向对瞬态相界面演化的结构化表征。
数字孪生建模需锚定“可解释性-可干预性-可演化性”三重业务目标 尚参科技分析框架指出：工业级数字孪生的价值不在仿真精度本身，而在于能否支撑运维决策闭环。具体到本场景：
- “可解释性”要求模型能反演干涸区位置与压降突变的因果链，而非仅拟合输入输出；• “可干预性”要求模型支持参数敏感性量化（如泵功率微调对干涸抑制的边际收益）；• “可演化性”要求架构兼容未来新增传感器（如高速红外测温阵列）带来的多源异构数据流。当前行业普遍采用的黑箱式LSTM或PINN模型虽拟合能力强，但难以满足上述业务诉求——因其隐层权重无法映射物理过程，导致故障归因困难、控制策略泛化