Ansys2025全球仿真大会：Ansys Twin Builder解决方案更新

AnsysTwin

Builder解决方案更新张旭/Ansys©2025ANSYS,Inc.Twin

Modelfor

cloud/edge

deploymentFMUfor

simulation

workflows+

+SolA

B

C

DDynamic

StaticLTI/LPV多语言模型库降阶模型（ROM）提取Twin

BuilderANSYS数字孪生构架与及部署流程1.Hybrid

Calibration

。MostaccurateTwin2.Bestinclass

ROMcapabilities

。

Easy

Reuse3.Unique

runtimemodel

。EasyScalability4.Openarchitecture

。FasteradoptionEM/CFD/ME多物理场

测试数据，第三方软件

数字孪生伙伴Twin

AIDeployer

ServicesPythonintegration,Pre-builtagents,DTDL

Export,LinuxcompilationHybrid

AnalyticsFusionHybridCalibrationData

Integration,Auto-calibration,…System

ModelFMI/FMUAnsysTB行业系统解决方案2

3

4Thestate

gridElectronics,chipsDatacenterBatterystorage•不断增长的客户群体群体•

LPV

,Static

ROM快速仿

真解决方案•

RC热网络+Dynamic

ROM

芯片冷板性能快速评估解决方案•不断增长的客户群体群体•

LTI

ROM+HTC处理变流量方案•

ECM+ROM(ETC)电热耦

合解决方案•高功率和不断增加的冷却需求•避免意外停机的数据安全需求•

DT实时监测与功耗优化解

决方案•不断增长的数字化需求•

DT虚拟传感器解决方案•云端部署预测性维护方案1Battery

EnergyStorageSystem(BESS)集装箱储能柜Cooling

main

pipe

Cooling

sub

pipelineLiquidcoolingplate(three-stagepipeline)Water-cooledunit4使用前提•

LinearTime

Invariant

(LTI)system•

Convolution/Vector

fittingmethodLTI-ROM线性时不变降阶技术DTLTILTIROM计算时长2s

，CFD计算时长2小LTI-ROM生成过程5

时最终结果OutputInput

>

>模组LTI

ROM模型构建过程模组每个电池温升计算结果工况：2C倍率放电，

1800s模组LTI

ROM模型系统计算输出阶跃数据拟合模组LTI

ROM系统精度中间温电池最高温电池

最低温电池仿真精度高于99%以上！电池温度曲线结果和CFD云图结果高度吻合！LTI+

HTC

ROMCFD

ModelforLTI+HTC

ROM–

建立LTI

ROM&热网络LTIROMDifferent

Flow

Rates

at

InletHTCs

atDifferentFlowRatesHTCs

atDifferentFlowRatesQ=htc

.A

.

(T—Tin)Temp.

@Heat

Flow@

Joule

HeatHeat

Flow

@

Cell

Heat

DissipationHeat

Flow@Temp@Temp.

@AnyTemp.Cell

Temp.JouleHeatCFD

ModelforSolid

PartsCell

Heat

DissipationCellTemp.AnyTemp.LTIROMCoolantCell

21g5Cell

361g2Cell

51g4ROM

Error2.42%0.052%3.45%LTI+HTC

ROM–Wartsila•

变流量和变热源,LTI+HTC

ROM

结果vs

CFD

结果Cell21g5Cell

361g2Cell

51g4功率器件行业现状面临问题及挑战1.热阻问题：如何加强导热途径能力，

降低热阻是非常关键的。2.热循环问题：开关过程周期性变化会导致热应力累积，进而引发疲劳损伤和失效。3.力学可靠性问题：材料之间的热膨胀系数存在差异，这将导致封装内部产生热应力。4.功率密度问题：高功率密度加大了封装内部的热量产生和传递的压力，

增加了热管理的难度。•Icepak:对各热源分别设定阶跃发热，通过非稳态热分析计算各热源的温度响应（瞬态+扫参）•

Twinbuilder:创建LTI

ROM并快速进行仿真•

Ansystool：TB/IcepakIGBT行业解决方案及案例演示-LTIROM降阶模型提取•迅速评估变更的输入功耗的温度响应•降低模型的复杂度，迅速获得不同输入条件下的响应，大大提高工作效率TwinBuilder中的热ROM生成和利用（也可以与电路分析连接）对各发热源设定阶跃发热，实施非稳态分析，取得各发热源的温度响应创建要分析的三维热分析模型Twin

BuilderEngineeringGoalsSolutionBenefitsIcepak温度完全对齐IGBT行业解决方案及_模型提取精度比较和确认可见当前模型LTIROM通过降低模型的阶数来提高计算效率，同时能保持足够的精度LTI

ROM

runs

in

lessthan2secondsRealCFD

model

runs

in

2.5hours这边是绝对温度•

RHSC：创造功率密度•

Icepak：建立热模拟和LTI

ROM•Twinbuilder：创建LTI

ROM并通过脚本提取

RC

值•嵌入客户产品开发流程，更易为客户所用•生产后，可以在远离平台的地方使用•ROM模型可以快速获得合适的DTM策略和性能估计DTMcoupledwith

Icepak/TwinBilder•

手机或AI芯片•客户需要DTM控制逻辑来帮助他们提高产品性能TargetCustomerEngineeringGoalsSolutionBenefits数字孪生案例_电网核心设备阿里巴巴合作电网数字孪生项目DigitalTwinArchitectureMaintenanceCoredata

:磁芯和线圈温度

客户需求:铁芯和线圈都浸泡在油中，一般没有传感器，所以不可能直接获得温度

当前维护方案:

1.提取油温。2.定期测试油的成分。3.用红外热像

仪观察散热器温度。IoTdevice

management

孪生模型：制作了一个没有3DROM的Twin

Builder模型。数字孪生文件导出，通过SDK包在IOT平台部署

IOT平台：

IOT平台提供方便快捷的设备管理功能，接收设备运行数据，部署数字孪生体，提供虚实结合的土壤。

数字化维护：可以定义设备的属性、事件和服务，并根据定义的对象模型对设备执行远程调试、远程监控、远程维护等操作。RunningonAlibaba’s

IoT

Platform

数字孪生技术:通过导线电压、电流、油温和泵的设计流量（可测量或可获得）实时计算核心和线圈温度。数字孪生案例：

GIS开关案例Challenge•GIS开关设备应用，可以物理监控的信息有限（基本

上是外壳的温度测量）•因此，很难评估和预测结构中的潜在故障Solution•

制作一个预处理单元

，

将传感器数据传输到场ROM的边界条件中。•

实施ROM

以预测3D相关结果

，并部署为孪生模型•

使用几何体的

STL

文件创建几何体显示

，

然后将孪生/ROM

结果投影到STL

网格文件上Value•

实现虚拟传感器，可以预测温度、磁性和应力分布等值线，以便在物联网应用中显示GIStemperaturemodelVirtualTest_动力研究院•

1、数字孪生虚拟传感器技术，弥补了实物试验中数据缺失问题;•2、虚拟样机在线标定，离线测试，实现极限工况测试；•3、通过虚拟测试样机的在线应用，压力场、温度场，结构应变，实时动态可视化监测。虚拟测试样机总体架构虚拟测试样机GUI展示可视化和分析与数据中心管理相关的各种信息的潜力，从而实现能源效率、优化热管理和延长使用寿命。DigitalTwinsto

DataCenters_优化热管理，节约能源。如果冷却设备突然停止会发生什么情况？我们如何实时可视化温度、气流和功耗？空调的输出应该如何控制？什么时候需要更换零件？此作方案是否节能？PhysicalSimulation

×SensorInformation

×

AI/ML<

>•

Optimizationofoperationsandcontrol•

Troubleshooting,rootcauseanalysis,

andcountermeasurevalidation•Modificationplanninganddesignverification•

Visualizationofinternalapparatus(virtual

sensors)•Maintenanceandlifespan

prediction•

Operatortraining,amongothers数据可视化、分析和内部状态监控优化运营维护计划DataCenter数字孪生的组成<>实时收集运营数据DigitalTwin

Model(Simulation＋SensorInfo.+AI/ML)3DSimulationPhysicalAssetsROM1DSimulationSimulationsareconverted

intoROM

using

TwinBuilder,optiSLang,etc.使用TwinAI将测量信息集成到模型中通过IoT和云连接传感器信息

>实时同步产生热量的设备通过冷却装置的循环空气进行冷却。空气从冷却装置的顶部吸入，通过地板下方，并通过格栅分布到整个房间Overviewofthe

Analysis

Model(Fluent)CRAC机房空调PDU配电单元Airsupply

intotheroomfromtwogratinglocations >

>Cold

air(13。C)

moves

beneaththefloorAirsupply

intotheroomfromtwogratinglocationsVelocityTemperatureGrating冷却装置顶部的进气口Rack03Rack04Rack01Rack02PDUCRACCRACPDU >

>V

>V

>

>

><

FloorFloorV执行CFD以创建培训数据瞬态计算：监测点温度的时间变化稳态计算：流速和温度的空间分布使用Icepak

进行的分析ROM

CreationDeploymentCFD集成模型以FMU或Twin等常见格式输出ROM使用PyAnsys集成输出模型（模拟和可视化）使用TwinAI进行模型输出使用TwinBuilder创建ROM构建孪生模型从训练数据生成ROM瞬态计算：LPV

ROM稳态计算：静态ROM使用TwinBuilder创建ROM正常作模式SeverHeat

GenerationQ_hd_rack3

Q_hd_rack48000600040002000030

40

50

60時間[s]SeverHeatGeneration

(Total)320002400016000800000時間[s]CRAC

Flow

Rate1000時間[s]不面向格栅的监测点显示温度高出10。C。質量流量

kg/s]消費電力

[W]消費電力

[W]1020Q_rack1Q_rack24040606020203030505010100SeverHeat

GenerationQ_hd_rack3

Q_hd_rack48000600040002000030

40

50

60時間[s]SeverHeatGeneration

(Total)320002400016000800000時間[s]CRAC

Flow

Rate1000時間[s]冷却装置停止后，平均温度在大约20秒内超过30。C。冷却装置突然停止时質量流量

kg/s]消費電力

[W]消費電力

[W]1020Q_rack1Q_rack24040606020203030505010100•

电池不断增长的能源消耗是一个严重的问题。•数据中心的有效冷却是减少冷却的关键因素，

因为超过30%的能源

消耗来自冷却系统。•实时数字孪生作以实现热流分配，有助于实现最佳作。•通过3DCFD在AEDT

Icepak上为静态ROM和LPVROM提供各种作条件的快速训练数据创建。•Twin

Builder中经过验证的

ROM可以通过Twin

AI导出，以将温度场和点变量可视化为具有动态特性的虚拟传感器。

PyTwin有助于其部数据中心的数字孪生提供：

实时可视化以识别热问题

即时警报，作员快速响应

用于战略制定和情景规划的假设分析数字孪生可实现数据中心的最佳运营、降低能耗和风险管理。CustomerChallenges/ObjectiveAnsysValueStream署。DataCenter能耗实时仿真优化AnsysTechnologyIcepack,TwinBuilder,Twin

Deployer,PyTwinTwin

Deployment&

realtimevisualization3DthermalflowsimulationsModelcreation&validationOutcomeAnsysAI解决方案更新张旭/Ansys©2025ANSYS,Inc.准确性不足，受观测数据限制开发和部署的耗时长且昂贵:

Accuracy,Time&

Cost仿真面临的挑战Design&simulationinformationnotreadilyavailable/

usableDifficulttoaccuratelymodeltheas-operatedperformanceofequipmentLargevolumesofprocessdatarequiredfortrainingLackingabilitytoincorporate

availabledatainto

modelsSimulation-Based

ModelingData-Driven

ModelingModel

DevelopmentModel

Development>>l

P(A)是初始认知贝叶斯定理与人工智能l

描述了人的学习过程l

B代表数据，A代表认知l

P

A

|B是获取数据之后，

我们对认知的刻画l

贝叶斯公式高度浓缩了机器学习的本质l

训练就是在设计似然，迭

代似然l

任何一种学习过程都不可能是客观的l

P

B

|A是在初始认知的情况下，数据的规律P

A

|B

=

P(A)P

B

|AP

BHybrid

Analytics是使用机器学习将测试数据和仿真模型相结合的工具HybridAnalytics混合分析(Hybrid

Analytics)Data

&machine

learningFusion

ModelingParameterCalibrationPhysics

&

Simulation模型的参数可以根据传感器数据在线校准从仿真数据和测试数据中构建模型仿真驱动机器学习数据驱动仿真HybridMotorcadFusion

model定位磁石材料：非线性磁导率的永磁体上下屏蔽涂层材料：电导率667000s/mTX/RX线圈材料：带有Litz模型的铜模型为包含磁石的无线充电模组Maxwell仿真流程底盘材料：铝 材料：非线性磁导率的铁氧体 •

设置RX模组移动距离的变量：Z：0/1/2X：0/2/4/6/8Y：0/2/4/6/8共75个点。对RX模组进行参数化仿真。•

设置求解频率为150kHz

，general和DC选项卡按默认设置Maxwell仿真流程Maxwell仿真结果与测试数据•

用仿真得到的总的损耗值等效无线充电模组的效率•求解完成后记录75个Core

Loss/Solid

Loss/StrandedLossAC(Rx/TX)，求和得到总损耗，见黄色曲线•测试数据。由于测试导线的损耗等误差，测试值普遍大于仿真值。无线充电模组总损耗仿真值与测试值对比