Co-Design Optimization for Data Center Cooling System via Digital Twin

Resumo Técnico: Otimização de Co-Design para Sistema de Resfriamento de Data Center via Gêmeo Digital

Declaração do Problema
Supercomputadores exascala refrigerados a líquido, como o sistema Frontier no Laboratório Nacional de Oak Ridge, dissipam quantidades massivas de calor (8–30 MW) através de usinas de resfriamento organizadas em múltiplos subloops paralelos. Embora a coleta de dados operacionais e estratégias de controle tenham sido estudadas, uma abordagem sistemática para o projeto dessas instalações permanece subdesenvolvida. Especificamente, a alocação ótima de Unidades de Distribuição de Refrigerante (CDUs) entre subloops paralelos e a distribuição dinâmica do fluxo de refrigerante entre eles não foram otimizadas conjuntamente. A literatura existente frequentemente trata a topologia da usina como fixa ou foca exclusivamente no controle operacional, sem abordar o espaço de projeto combinatório da partição de CDUs e da alocação de fluxo. Este artigo aborda a lacuna na otimização de co-design, buscando determinar a partição inteira ótima de CDUs, frações de fluxo contínuas e pontos de ajuste operacionais por passo de tempo para minimizar o consumo anual de energia de resfriamento.

Metodologia
Os autores propõem um framework de otimização de três camadas aplicado a um gêmeo digital baseado em física de ordem reduzida do sistema de resfriamento Frontier, calibrado contra o Modelo Stage 1 Modelica e validado usando dados operacionais de 2023 (49.353 passos de tempo).

1. Camada 1: Projeto de Topologia (Partição Inteira): Esta camada determina a partição inteira de $N=25$ CDUs em $K$ subloops paralelos. O espaço de projeto inclui todas as partições viáveis para $K \in \{2, 3, 4, 5, 6\}$, totalizando 611 configurações distintas. O framework avalia tanto políticas de atribuição "balanceadas" (CDUs ordenadas por carga) quanto de "pior caso" (CDUs de alta carga agrupadas juntas).
2. Camada 2: Otimização de Fração de Fluxo (Alocação Contínua): Esta camada determina as frações de fluxo contínuas ($f_k$) alocadas a cada subloop. Essas frações podem ser fixas (proporcionais ao número de CDUs) ou otimizadas dinamicamente em cada passo de tempo para equilibrar a intensidade térmica entre os subloops.
3. Camada 3: Co-Design Operacional (Controle): Esta camada otimiza a taxa de fluxo de massa total ($\dot{m}$) e o ponto de ajuste de temperatura de fornecimento ($T_{sup}$) em cada passo de tempo. O objetivo é minimizar a potência total da usina (bomba + ventilador da torre de resfriamento) sujeito a restrições de segurança térmica por subloop (temperatura de retorno $\le 42^\circ$C).

O framework resolve o problema não linear misto-inteiro enumerando exaustivamente todas as 611 partições inteiras (Camada 1) e resolvendo o subproblema contínuo (Camadas 2 e 3) usando Programação Quadrática de Mínimos Quadrados Sequenciais (SLSQP) com gradientes analíticos. Três estratégias operacionais são comparadas:

• Estratégia A: Otimização apenas de fluxo (temperatura fixa, fluxo proporcional fixo).
• Estratégia B: Co-design de fluxo e temperatura com fluxo proporcional fixo.
• Estratégia C: Otimização completa de três camadas com frações de fluxo ajustadas dinamicamente.

Principais Contribuições

1. Framework de Três Camadas: Desenvolvimento de uma abordagem de decomposição que separa decisões de topologia inteira de decisões operacionais contínuas, fornecendo um certificado de optimalidade global sobre o espaço de projeto discreto via enumeração exaustiva.
2. Avaliação Abrangente: Aplicação do framework ao sistema Frontier, avaliando todas as 611 partições viáveis de CDUs ao longo de um ano completo de dados operacionais sob cenários de atribuição balanceada e de pior caso.
3. Hierarquia de Decisão: Estabelecimento de uma hierarquia de decisão demonstrando que a escolha da estratégia operacional domina as decisões de topologia, que por sua vez dominam a alocação de CDU para subloop.
4. Compensação de Fração de Fluxo: Demonstração de que a otimização dinâmica de frações de fluxo pode compensar atribuições de CDU subótimas, desacoplando efetivamente a escolha de partição da camada de projeto do resultado final de energia.

Resultados

• Topologia Ótima: O projeto globalmente ótimo é uma usina de dois subloops com uma partição de CDU de (19, 6), alcançando 35,48% de economia anual de energia de resfriamento. O projeto atual do Frontier (três subloops, partição 14-6-5) alcança 35,30% de economia sob a mesma estratégia otimizada, ficando apenas 0,18% abaixo do ótimo global.
• Impacto da Estratégia: A transição da otimização apenas de fluxo (Estratégia A, ~23,4% de economia) para o co-design completo de três camadas (Estratégia C) resulta em uma melhoria de 12,0% na economia de energia.
• Valor da Otimização de Fluxo: A otimização de frações de fluxo (Estratégia C vs. Estratégia B) fornece uma economia adicional de 0,2–0,5%. Crucialmente, a otimização de fluxo reduz a sensibilidade do desempenho energético à atribuição específica de CDU para subloop em 93%. Com frações de fluxo fixas, a diferença entre as melhores e piores partições é de ~5,3%; com fluxo otimizado, essa lacuna colapsa para ~0,4%.
• Equalização de Carga de Trabalho: O estudo encontra que a redistribuição dinâmica de fluxo atua como um equivalente funcional à equalização de carga de trabalho. Enquanto equalizar passivamente a carga computacional entre CDUs reduz o uso de energia, o controle ativo de fluxo alcança a mesma equalização de intensidade térmica sem exigir alterações no agendador de trabalhos do HPC.

Significado e Alegações
O artigo afirma que, para a instalação Frontier, a melhoria mais prática e custo-efetiva não é uma reconfiguração física da topologia da usina de resfriamento (por exemplo, converter de três para dois subloops), mas sim a ativação do controle de fluxo independente por subloop através de uma atualização de software. Essa atualização "apenas de software" pode recuperar aproximadamente 10 MWh/ano de economia de energia adicional em relação a uma linha de base proporcional fixa, com custo de capital negligenciável.

Os autores afirmam que o framework proposto é transferível para outras usinas de computação de alto desempenho (HPC) refrigeradas a líquido. Eles posicionam este trabalho como o terceiro estágio em uma progressão de otimização de resfriamento: movendo-se da quantificação de desperdício baseada em dados para o controle baseado em física validado e, finalmente, para o co-design conjunto de projeto e operação. A metodologia oferece uma alternativa computacionalmente tratável à programação não linear mista-inteira geral para sistemas onde o espaço de projeto inteiro é pequeno o suficiente para enumeração exaustiva, fornecendo um ótimo global provável que métodos de ramificação e limitação não podem garantir para modelos térmico-hidráulicos não convexos.