“孿生”的基本思想最早起源于1969年的阿波羅計劃，通過留在地球上的航天器對發射到太空的航天器進行工作狀態的仿真模擬，進而輔助航天員完成決策，減少各種操作結果的未知性。
從2002年開始，數字孿生的概念和定義在不同領域逐漸被提起和重視。數字孿生的定義在不同時間階段、不同運用領域會有所不同，每個階段的定義如下：
在虛擬空間構建的數字模型與物理實體交互映射，忠實地描述物理實體全生命周期的運行軌跡。
孿生體是一個由數據、模型和分析工具構成的集成系統。該系統不僅可以在整個生命周期內表達飛機機身，并可以依據非確定信息對整個機隊和單架機身進行決策，包括當前診斷和未來預測。
集成了多物理量、多尺度、多概率的系統或飛行器仿真過程。
數字孿生體是現實事物或過程具有特定目的的數字化表達，并通過適當頻率的同步使物理實例與數字實例之間趨向一致。
數字孿生是綜合運用感知、計算、建模等信息技術，通過軟件定義，對物理空間進行描述、診斷、預測、決策，進而實現物理空間與虛擬空間的交互映射。
從這些定義中對比分析可以發現數字孿生的幾個關鍵點：
從數字孿生定義及其特點會發現，建模是創建數字孿生體的核心關鍵點，也是數字孿生體進行上層操作的基礎。建模不僅包括對物理實體的幾何結構和外形進行三維建模，還包括對物理實體本身的運行機理、內外部接口、軟件與控制算法等信息進行全數字化建模。
數字孿生建模具有較強的專用特性，和其孿生應用面向的領域密切相關。浩鯨科技結合在機房中使用數字孿生技術的應用場景，需要對整個機房結構、設備狀態進行建模，抽象總結了相應的的孿生體需要具有六類數據，構建了機房場景的“六面孿生體建?！狈椒?。
定義孿生體的基礎信息，此部分和傳統的管理方式基本一致。例如：給設備賦予一個中文名字，在數據庫中記錄其生產廠家、型號、價格、購入時間、功率、維護人等，方便日常的管理維護。
數字化描述兩個信息：①仿真描繪孿生體的外觀畫像，尺寸大小。通過模擬其幾何模型，紋理貼圖，環境光照，以及狀態特征化表現，目標與真實物體1：1的呈現。②記錄其空間坐標，戶外設備記錄GIS坐標（經度、緯度），室內設備記錄其相對空間內的坐標（x、y、z）。
仿真物體的實時運行狀態，實時記錄設備、網絡運行過程中的能耗、容量、帶寬、時延等。并通過對性能指標的分析，模擬孿生體的健康情況，防止性能劣變，杜絕隱患于未然。
當現實發生故障，孿生體發出告警，有兩種情況：①告警內生，當性能劣變到閥值（或滿足第五面規則），自主產生告警。例如：傳感器溫度超過允許值告警。②被動告警，孿生體接收到設備告警信息后，產生告警。
定義孿生體內部的業務邏輯，區別于傳統數據模型，此部分具體表現可以是一段代碼、一個算法、一個表達式或一個流程。例如：當戶外溫度＜機房溫度，執行熱交換策略，打開機房新風，并逐漸提升或關閉空調。這一段執行過程的邏輯可定義為運行規則模型。
對孿生體進行操作，發出命令執行后，其信息發生變化，給出仿真反饋。例如：按下某空調孿生體的溫度下調按鈕，系統向真實空調系統發出指令，執行成功后反饋其運行溫度，且機房內溫度環境變化在溫度云圖上實時體現。
基于上述建模方法構建的孿生機房，可以應用于機房空間的規劃場景、機房內設備的運維和調控場景、機房內設備的模擬割接場景、機房故障/隱患分析預測等等的業務場景中。
在孿生機房的基礎上進行機房溫度調控，將改變機房溫控只能通過運維人員定時巡檢查看溫度傳感器的數值、監控傳感器報警信息，靠人工方式對制冷系統進行狀態調節的傳統方式；將實現機房溫度分布仿真和模擬、提前預測和多手段自動調控，改變被動調控為主動調控，確保機房溫度始終維持在安全范圍內，從而進一步實現機房PUE壓降。
在傳統模式下整個機房空間的各類設備布局、溫度分布無直觀的展示；調控的方式相對單一且借助運維經驗；無法提前主動對溫度進行調節。通過引入數字孿生技術，結合機房的六面模型進行數據融合處理分析，實現機房孿生可視、機房三維溫度的預測和模擬、多因素融合主動溫控。
現階段孿生機房溫控的目標是實現機房溫度趨勢預測、制冷設備/機組多參數最優控制、制冷設備參數調整效果模擬仿真。
結合機房內各類設備的孿生特性，還可以進一步對發熱源設備進行調整，關停設備、減少發熱量、優化散熱等，從源頭實現機房溫控。包括不限于如下場景：
為了完整實現整個業務場景過程，從園區的幾何建模開始，到樓棟樓層、機房、機房內的各種設備（機架、動力設備、制冷設備、IT設備、傳感器、監控設備等）、以及各類管線的幾何建模，保證孿生場景的業務操作的完整性。
通過機房空間位置設計器，靈活的實現各類設備在機房內的相對位置的建模，從而實現孿生機房的場景構建，為后續各類業務應用做好準備。
針對機房溫控場景中性能和告警數據，是機房的實時三維溫度云圖，以及從云圖中實時計算分析其中超過限制的熱島區域。
在對機房三維溫度云圖建模時，需要獲取溫度傳感器器的實時溫度數據（傳感器的性能模型）和超過限定的溫度告警數據（傳感器的告警模型），同時結合結合傳感器在機房中的空間位置，實現機房三維溫度云圖的建模，從而實現了機房內各個區域的溫度精準掌控。
為了改變當前被動調控為主動調控，涉及到機房溫控過程中的運行規則主要有3個方面：
機房內的各個孿生體記錄下溫度這個指標數據，通過積累的歷史數據，使用趨勢預測算法實現提前預測將來一段時間內的機房溫度變化，趨勢預測算法可以使用時序分解算法、LSTM算法，在訓練模型是將傳感器溫度作為主要數據，IT設備的溫度散熱、季節性的室溫、節假日信息作為影響參數，綜合訓練出適用的趨勢預測模型。
在機房三維溫度云圖中找到熱島區域位置后，通過機房空間距離、風道路徑設計等信息結合空間路徑搜索能力實現最優路徑查找，找到熱島附近的制冷設備，從而得到了最直接的溫度調控對象。相應的查找方式有：空間距離范圍搜索、風道矢量路徑搜索等。
數據中心在設計其空調系統時，往往會引入多種降溫節能模式，比如：
分析發現當機房內出現熱島時除了查找到最優的空調外，還存在其他多種的控制方式，如：空調停機+新風啟動；新風關閉+空調壓縮機啟動；空調壓縮機關閉+水冷交換啟動等等。即除了達到滿足機房溫度要求外，還需要尋找能耗最低的控制參數。
通過粒子群優化算法（Particle Swarm Optimization, PSO），在多種降溫模式內進行最優解的搜尋，快速獲取和定位制冷設備的狀態，給出控制調整參數，在滿足降溫的前提下，保障能耗最低。
機房的控制實際是對機房內設備的控制，針對溫控場景的控制，是對末端空調設備、制冷機組的參數調控。
在定義空調、制冷機組的控制模型時，針對可以調整的參數進行了相應的指令和接口定義。通過機房的運行規則模型分析出來的調控參數和最優制冷設備，將需要調控的參數下發給對應的制冷設備上，從而實現機房溫度的控制。
機房的反饋模型重點是指模擬仿真反饋，即當機房的運行規則模型主動分析了調控參數后，通過將各類調控參數和溫度變化之間的關聯關系建立AI算法模型，進行調控效果的反饋和仿真，模擬參數下發后的調控效果。通過機房溫度三位云圖模擬出現出來。
通過AI算法提前預測溫度變化，在多種溫控調參的策略下智能選擇能耗最小的策略，針對選擇的調控參數進行仿真模擬，預測驗證調控效果，最終獲取最優的調控策略物理下發給空調/BA系統執行。
將機房的六面模型數據進行融合貫通，通過上述過程的強化學習和持續優化，最終實現機房溫度主動精準調控，進一步壓降機房能耗PUE。