CN103297505A - 动态云服务请求下数据中心多能源的在线控制方法和系统 - Google Patents
动态云服务请求下数据中心多能源的在线控制方法和系统 Download PDFInfo
- Publication number
- CN103297505A CN103297505A CN2013101726976A CN201310172697A CN103297505A CN 103297505 A CN103297505 A CN 103297505A CN 2013101726976 A CN2013101726976 A CN 2013101726976A CN 201310172697 A CN201310172697 A CN 201310172697A CN 103297505 A CN103297505 A CN 103297505A
- Authority
- CN
- China
- Prior art keywords
- time delay
- energy
- cloud service
- request
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 230000005611 electricity Effects 0.000 claims description 42
- 238000005265 energy consumption Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 230000003111 delayed effect Effects 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 abstract description 8
- 238000009826 distribution Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 235000019580 granularity Nutrition 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 229910052799 carbon Inorganic materials 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000580063 Ipomopsis rubra Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种动态云服务请求下数据中心多能源的在线控制系统，包括系统状态监控模块、负载调度模块和多源供能系统管理模块，负载调度模块包括延时敏感型请求调度子模块和延时容忍型作业调度子模块，系统状态监控模块用于每隔一段时间接收来自用户的云服务请求，判断云服务请求是延时敏感型请求还是延时容忍型作业，并在云服务请求是延时敏感型请求时将该云服务请求发送到负载调度模块的延时敏感型请求调度子模块，在云服务请求是延时容忍型作业时将该云服务请求发送到负载调度模块的延时容忍型作业调度子模块。本发明能够优化数据中心供能系统的长期运营开销，并且不需要提前获取任何系统数据或者假设任何的稳态分布。
Description
技术领域
本发明属于数据中心能源系统控制、储能设备管理和负载调度技术领域，更具体地，涉及一种动态云服务请求下数据中心多能源的在线控制方法和系统。
背景技术
当前云服务商在运营其数据中心时面临三大问题：（1）飞涨的能耗和电费，例如Google（每年能耗>1120GWh，电费>$67M），Microsoft（每年能耗>600GWh，电费>$36M）；（2）严重的环境污染，IT的碳排放占到了全球碳排放量的2%；（3）不预期的电力中断，像Amazon在2012年十月份又一次由于供电设施故障而经历断电事故。
学术界和工业界一直通过各种方法改善数据中心能效（EnergyEfficiency），如利用更好的能耗均增（Energy Proportional）计算技术（包括虚拟化、动态开关服务器、负载整合、IT设备的深度休眠和功耗模式控制），更高效的电力配送及冷却系统。但是，改善能效并不等于就实现了绿色计算，因为数据中心消耗的仍然是传统的高碳排放量的能源。绿色和平组织（GreenPeace）定义实现绿色IT的方式是“高能效加新能源”（GreenIT=Energy Efficiency+Renewable Energy）。为了减少能耗开销和碳排放量以实现绿色计算，充分利用新能源才是根本途径。新能源一般是指在新技术基础上加以开发利用的可再生能源，包括太阳能、生物质能、风能等。随着常规能源（煤炭、石油、天然气）的有限性以及环境问题的日益突出，环保、可再生的新能源越来越得到各国的重视。
因此，新型的数据中心供能系统由多种能源互补组成：（1）数据中心主要依赖于具有大量稳定电能的智能电网供电，而其提供多个时间粒度的电价，且是随时间变化的；（2）数据中心配备适当容量的不间断电源UPS来提供连续的电力供应，以保证数据中心可靠性；（3）现在，云服务商开始利用绿色新能源（风能、水能和太阳能）为数据中心供电来节能减排，但是新能源具有供电不稳定、不可预测的特点。不同于依赖传统高碳能源具有稳定供给的电网，新能源往往是不稳定的、间歇性的、动态变化的，这导致了新能源不能像传统电力一样可按需调度。
运营这样的多能源数据中心，如何以一种互补的方式利用多种供能资源，来为具有动态需求的数据中心用户提供可靠能源，同时最小化云服务商的长期运营的开销？在这样一个动态系统中这是十分具有挑战性的难题：（1）在需求方面，数据中心能耗需求是随机动态变化的，因为负载的到达可能不符合任何稳态的分布，而且多种多样的应用具有变化的资源需求；（2）在供应方面，智能电网的电价（包括长期电价和实时电价）是随时间变化的；此外，不可预测的新能源产电量增加了供应端的不稳定性；（3）虽然UPS电池等储能设备通过充电、放电可以缓解新能源的不稳定供应，但是电池的充电、放电操作影响电池的寿命和数据中心的可靠性。
针对变化的电价、不稳定的新能源供应、动态的用户能耗需求，目前有大量的工作在研究智能电网中数据中心的供能问题。但是，他们或者假设需求是提前可知的，或者需要来自复杂的计算，或者依赖不同的预测策略和大量的系统数据。有些工作只研究一天的或者单个用户的能量优化问题，而另外有些工作忽视了从数据中心运营者的角度来考虑新能源供应、能量存储和需求管理之间的相互作用。总而言之，目前缺乏一种在线的、不需要提前知道任何系统数据或者假设任何的稳态分布、以一种互补协作的方式应对动态能耗需求和不稳定新能源供应以及波动电价的在线控制数据中心功能系统的控制方案，以优化数据中心的长期运营成本和开销。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种动态云服务请求下数据中心多能源的在线控制系统，其目的在于解决现有系统中存在的数据中心供能系统的长期运营开销大，新能源供应不稳定、电价波动、需要提前获取系统数据或者稳态分布的问题。
为实现上述目的，按照本发明的一个方面，提供了一种动态云服务请求下数据中心多能源的在线控制系统，包括系统状态监控模块、负载调度模块和多源供能系统管理模块，负载调度模块包括延时敏感型请求调度子模块和延时容忍型作业调度子模块，系统状态监控模块用于每隔一段时间接收来自用户的云服务请求，判断云服务请求是延时敏感型请求还是延时容忍型作业，并在云服务请求是延时敏感型请求时将该云服务请求发送到负载调度模块的延时敏感型请求调度子模块，在云服务请求是延时容忍型作业时将该云服务请求发送到负载调度模块的延时容忍型作业调度子模块，系统状态监控模块还用于从并网设备获取新能源供应量和备用能量，并从数据中心中的UPS获取能量，将新能源供应量、备用能量和数据中心中UPS的能量发送到延时敏感型请求调度子模块，并将新能源供应量发送到延时容忍型作业调度子模块，延时敏感型请求调度子模块用于从系统状态监控模块接收新能源供应量，并判断该新能源供应量是否足够支持延时敏感型请求的运行，如果不满足则从系统状态监控模块接收备用能量，并判断新能源供应量加上备用能量是否足够支持延时敏感型请求的运行，如果不满足则判断新能源供应量、备用能量、数据中心中UPS的能量之和是否足够支持延时敏感型请求的运行，多源供能系统管理模块用于在延时敏感型请求调度子模块判断新能源供应量、备用能量、数据中心中UPS的能量之和不能支持延时敏感型请求的运行时从电网获取不足的能量，延时容忍型作业调度子模块用于将延时容忍型作业放入其自身的作业队列Q（t）中，并按照不同延时容忍型作业对应的云服务完成截止时间将所有延时容忍型作业进行倒序排列，从作业队列Q（t）取出位于队首的延时容忍型作业，从系统状态监控模块接收新能源供应量并判断新能源供应量是否大于零，如果新能源供应量大于零，则供能给部分该延时容忍型作业运行，并从系统状态监控模块接收电网的电价，并判断电价是否处于较低水平，如果不是则从系统状态监控模块获得不间断电源UPS中电量b（t），并判断UPS电量是否能够供能给云服务运行，如果能则判断延时容忍型作业对应的云服务完成截止时间是否到达，多源供能系统管理模块还用于延时容忍型作业调度子模块判断延时容忍型作业对应的云服务完成截止时间到达时根据延时容忍型作业调度子模块的调度结果向用户供给能源。
优选地，延云服务请求包括有云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求、云服务对于资源的要求。
优选地，延系统状态监控模块读取云服务请求的云服务完成截止时间，若该时间小于一阈值，则该云服务请求是延时敏感型请求，否则该云服务请求是延时容忍型作业。
优选地，延时容忍型作业调度子模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b（t）与数据中心所需的最少UPS电量阈值bmin比较，如果UPS电量b（t）大于该阈值bmin则表明UPS能够供能给部分云服务运行。
按照本发明的另一方面，提供了一种动态云服务请求下数据中心多能源的在线控制方法，其是应用在一种动态云服务请求下数据中心多能源的在线控制系统中，该系统设置于数据中心中，且包括系统状态监控模块、负载调度模块和多源供能系统管理模块，所述方法包括以下步骤：
（1）系统状态监控模块每隔一段时间接收来自用户的云服务请求；
（2）系统状态监控模块判断云服务请求是延时敏感型请求还是延时容忍型作业，如果是延时敏感型请求，则系统状态监控模块将延时敏感型请求传送到负载调度模块的延时敏感型请求调度子模块，然后转入步骤（3），如果是延时容忍型作业，则系统状态监控模块将延时容忍型作业传送到负载调度模块的延时容忍型作业调度子模块，然后转入步骤（5）；
（3）延时敏感型请求调度子模块和多源供能系统管理模块根据系统状态监控模块中的信息调度延时敏感型请求；本步骤具体包括以下子步骤：
（3-1）延时敏感型请求调度子模块从系统状态监控模块接收新能源供应量，并判断该新能源供应量是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-2），否则转入步骤（4）；
（3-2）延时敏感型请求调度子模块从多源供能系统管理模块接收备用能量，并判断新能源供应量加上备用能量是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-3），否则转入步骤（4）；
（3-3）延时敏感型请求调度子模块判断新能源供应量、备用能量、数据中心中UPS的能量之和是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-4），否则转入步骤（4）；
（3-4）多源供能系统管理模块从电网获取不足的能量，然后转入步骤（6）；
（4）多源供能系统管理模块根据延时敏感型请求调度子模块的调度结果向用户供给能源，然后过程结束；
（5）延时容忍型作业调度子模块和多源供能系统管理模块根据系统状态监控模块中的信息调度延时容忍型作业；本步骤包括以下子步骤：
（5-1）延时容忍型作业调度子模块将延时容忍型作业放入其自身的作业队列Q（t）中，并按照不同延时容忍型作业对应的云服务完成截止时间将所有延时容忍型作业进行倒序排列；
（5-2）延时容忍型作业调度子模块从作业队列Q（t）取出位于队首的延时容忍型作业，从系统状态监控模块接收新能源供应量，如果此时新能源有供应量，则供能给部分该延时容忍型作业运行，然后进入步骤（5-3），否则转入步骤（6）；
（5-3）延时容忍型作业调度子模块从系统状态监控模块接收电网的电价，并判断电价是否处于较低水平，如果不是则进入步骤（5-4），否则进入步骤（6）；
（5-4）延时容忍型作业调度子模块从系统状态监控模块获得不间断电源UPS中电量b（t），并判断UPS电量是否能够供能给云服务运行，如果能则进入步骤（5-5），否则进入步骤（6）；
（5-5）延时容忍型作业调度子模块判断延时容忍型作业对应的云服务完成截止时间是否到达，如果是则返回步骤（5-2），否则进入步骤（6）。
（6）多源供能系统管理模块根据延时容忍型作业调度子模块的调度结果向用户供给能源，然后过程结束。
优选地，步骤（3-1）中，延时敏感型请求调度子模块比较新能源供应量和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量足够支持该延时敏感型请求的运行，步骤（3-2）中，延时敏感型请求调度子模块比较新能源供应量加上备用能量和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量加上备用能量足够支持该延时敏感型请求的运行，步骤（3-3）中，延时敏感型请求调度子模块比较新能源供应量、备用能量、数据中心中UPS的能量之和和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量、备用能量、数据中心中UPS的能量之和足够支持该延时敏感型请求的运行，且多余的能量会储存在不间断电源UPS中。
优选地，不间断电源UPS电量b（t）的更新过程如下：b(t+1)＝b(t)+brc(t)ηc-bdc(t)ηd，其中brc（t）为在t时刻UPS充电量，bdc（t）为在t时刻UPS放电量，ηc和ηd分别为UPS的充电、放电效率。
优选地，延迟容忍型的需求队列Q（t）的更新过程为：Q(t+1)＝max{Q(-tsd)t(t),+0dd}t(t。)其中Q（t）为缓存在队列中的延迟容忍型任务，sdt（t）是为延迟容忍型作业提供的能量，ddt（t）是延迟容忍型作业的能耗需求。
优选地，步骤（5-4）中，延时容忍型作业调度子模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b（t）与数据中心所需的最少UPS电量阈值bmin比较，如果UPS电量大于该阈值bmin则表明UPS能够供能给部分云服务运行。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列的有益效果：
（1）本发明的控制决策都是基于当前实时信息，不需要预先收集任何的系统动态数据或者假设任何的稳态分布，在不稳定的能耗需求与供应的环境下，本发明可以最佳利用产生的绿色新能源和便宜的电价，来最小化数据中心的运营开销；
（2）本发明能够全面优化能耗开销、服务性能、以及数据中心可靠性的供能系统控制方案：通过本发明方法的步骤（3）和（5），本发明根据云服务的SLA和完成截止时间调度作业，保证服务性能；同时本发明在不影响性能的前提下，延迟作业的调度运行，等待电网电价较低或者新能源充足时才处理任务，这大大减少了能耗开销；此外，本发明合理使用储能设备，避免了单纯为了节能而导致其他方面（UPS寿命、延迟、数据中心可靠性等）开销增加。服务商可以根据需求合理调节控制参数，实现期望的能耗、性能和数据中心可靠性的权衡；
（3）本发明提供严格的理论支持：本发明方法的步骤（5）中，由于李雅普诺夫最优化的性质，本发明方法完全基于当前系统状态信息求解，同时可以证明我们的方法将取得与最优结果相差O（1/V,V）的“开销-延时”权衡（V为算法参数，用以控制能耗开销和队列延时权重）；
（4）部署的灵活性：本发明提出的控制方案立足于通用的多目标优化模型，不针对具体的硬件基础架构环境以及上层软件和服务类型，任何集群、数据中心的供能系统均可以采用本方案；
（5）服务的高效性：本方案采用在线的方式，分两个时间粒度的多级分层控制，信息收集量小、算法复杂度适中、迭代次数少。求解近似最优方案迅速，实施整合方案高效；
（6）良好的可扩展性和兼容性：实验显示随着系统规模的扩大，本整合方案的结果成线性增长。这表明本发明具有良好的可扩展性。本发明可适用于任何数据中心的服务系统，独立于硬件、软件和云服务类型。本发明具有良好的兼容性，系统升级改造不影响方案可行性。
附图说明
图1是本发明的应用环境示意图。
图2是本发明动态云服务请求下数据中心多能源的在线控制系统的模块框图。
图3是本发明动态云服务请求下数据中心多能源的在线控制方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的整体思路为：本发明首先在较长的时间粒度T内，从长期提前电力市场以相对较低的电价获得一定的电能，用来给数据中心相对固定的能量需求供电，用以应对波动的电价和需求。然后，本发明方法在细粒度时间t内，决定如何让电池充电、放电、如何从实时电力市场获得能量。对于延迟敏感型应用，系统立即为之服务；对于延迟容忍型作业，系统等待新能源供应充足或者电价低廉时再运行。本发明方法通过UPS储存多余的新能源或者购买的廉价电网电能，当新能源不足或者电价较高时，再放电支撑系统运行。
如图1所示，本发明动态云服务请求下数据中心多能源的在线控制系统是设置在数据中心中，其包括数据中心服务器、清洁新能源、储能设备（Uninterrupted Power Supply，简称UPS）、智能电网、能源控制单元的并网设备（Grid-tie）和自动切换开关（Automatic Transfer Switch，简称ATS）。新能源通过并网设备连接到数据中心电力中。当电力不稳定或者系统断电时，系统就会自动在多种能源之间切换。由于备用柴油机发电设备启动需要一段时间（一般几十秒），而在这段时间内，首先由UPS供能，等备用柴油机发电稳定时，ATS切换到备用柴油机。
如图2所示，本发明动态云服务请求下数据中心多能源的在线控制系统包括系统状态监控模块、负载调度模块和多源供能系统管理模块，负载调度模块包括延时敏感型请求调度子模块和延时容忍型作业调度子模块。
系统状态监控模块用于每隔一段时间接收来自用户的云服务请求，判断云服务请求是延时敏感型请求还是延时容忍型作业，并在云服务请求是延时敏感型请求时将该云服务请求发送到负载调度模块的延时敏感型请求调度子模块，在云服务请求是延时容忍型作业时将该云服务请求发送到负载调度模块的延时容忍型作业调度子模块。
云服务请求包括有云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求（Service Level Agreement，简称SLA）、云服务对于资源的要求，在本实施方式中，接收请求的时间间隔是15分钟至1小时。
具体而言，系统状态监控模块读取云服务请求的云服务完成截止时间，若该时间小于一阈值，则该云服务请求是延时敏感型请求，否则该云服务请求是延时容忍型作业，在本实施方式中，阈值的取值范围是1秒至1分钟。
系统状态监控模块还用于从并网设备（Grid Tie）获取新能源供应量和备用能量，并从数据中心中的UPS获取能量，将新能源供应量、备用能量和数据中心中UPS的能量发送到延时敏感型请求调度子模块，并将新能源供应量发送到延时容忍型作业调度子模块。
延时敏感型请求调度子模块用于从系统状态监控模块接收新能源供应量，并判断该新能源供应量是否足够支持延时敏感型请求的运行，如果不满足则从系统状态监控模块接收备用能量，并判断新能源供应量加上备用能量是否足够支持延时敏感型请求的运行，如果不满足则判断新能源供应量、备用能量、数据中心中UPS的能量之和是否足够支持延时敏感型请求的运行。
多源供能系统管理模块用于在延时敏感型请求调度子模块判断新能源供应量、备用能量、数据中心中UPS的能量之和不能支持延时敏感型请求的运行时从电网获取不足的能量。
延时容忍型作业调度子模块用于将延时容忍型作业放入其自身的作业队列Q（t）中，并按照不同延时容忍型作业对应的云服务完成截止时间将所有延时容忍型作业进行倒序排列，从作业队列Q（t）取出位于队首的延时容忍型作业，从系统状态监控模块接收新能源供应量并判断新能源供应量是否大于零，如果新能源供应量大于零，则供能给部分该延时容忍型作业运行，并从系统状态监控模块接收电网的电价，并判断电价是否处于较低水平，如果不是则从系统状态监控模块获得不间断电源UPS中电量b（t），并判断UPS电量是否能够供能给云服务运行，如果能则判断延时容忍型作业对应的云服务完成截止时间是否到达。
具体而言，延时容忍型作业调度子模块判断电价是否处于较低水平是通过将电价与阈值比较，该阈值因地域不同而不同，且是由数据中心根据当地的电价水平进行设定。
数据中心需要UPS备用一定量的电量（阈值bmin）来给数据中心断电时供电。延时容忍型作业调度子模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b（t）与数据中心所需的最少UPS电量阈值bmin比较，如果UPS电量大于该阈值bmin则表明UPS能够供能给部分云服务运行。阈值bmin是由数据中心运营者根据数据中心对供电可靠性的要求强弱不同进行设定。
多源供能系统管理模块还用于延时容忍型作业调度子模块判断延时容忍型作业对应的云服务完成截止时间到达时根据延时容忍型作业调度子模块的调度结果向用户供给能源。
多源供能系统包括提供多种时间粒度电力市场的智能电网（本发明考虑长期提前电力市场和实时电力市场）、现场清洁新能源（例如数据中心旁建的太阳能电厂或者风涡轮发电站）、不间断电源UPS以及紧急备用柴油发电机。其中，现场清洁新能源通过并网设备将新能源和电网的电力合并到同一线路来供能。当数据中心电力出现故障时，首先数据中心使用不间断电源UPS来供电。这时，紧急备用柴油机开始启动发电，等其具有稳定电力时数据中心开始使用柴油机供电。
本发明采用两个时间粒度来优化控制能量供应与能耗需求：首先，在较长的时间粒度T内，本发明方法先从长期提前电力市场（Grid’sLong-term-ahead Market）以相对较低的电价购买一定的电能，用来给数据中心相对固定的能量需求供电，用以应对波动的电价和需求。然后，在细粒度时间t内，决定如何让UPS充电、放电、如何从实时电力市场（Grid’sReal-time Market）购买能量。UPS可以储存多余的新能源或者购买的廉价电网电能，当新能源不足或者电价较高时，再放电支撑系统运行。
如图3所示，本发明动态云服务请求下数据中心多能源的在线控制方法是应用在一种动态云服务请求下数据中心多能源的在线控制系统中，该系统设置于数据中心中，且包括系统状态监控模块、负载调度模块和多源供能系统管理模块，本方法包括以下步骤：
（1）系统状态监控模块每隔一段时间接收来自用户的云服务请求；云服务请求包括有云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求（Service Level Agreement，简称SLA）、云服务对于资源的要求，在本实施方式中，接收请求的时间间隔是15分钟至1小时；
（2）系统状态监控模块判断云服务请求是延时敏感型请求还是延时容忍型作业，如果是延时敏感型请求，则系统状态监控模块将延时敏感型请求传送到负载调度模块的延时敏感型请求调度子模块，然后转入步骤（3），如果是延时容忍型作业，则系统状态监控模块将延时容忍型作业传送到负载调度模块的延时容忍型作业调度子模块，然后转入步骤（5）；具体而言，系统状态监控模块读取云服务请求的云服务完成截止时间，若该时间小于一阈值，则该云服务请求是延时敏感型请求，否则该云服务请求是延时容忍型作业，在本实施方式中，阈值的取值范围是1秒至1分钟；
（3）延时敏感型请求调度子模块和多源供能系统管理模块根据系统状态监控模块中的信息调度延时敏感型请求；
本步骤具体包括以下子步骤：
（3-1）延时敏感型请求调度子模块从系统状态监控模块接收新能源供应量，并判断该新能源供应量是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-2），否则转入步骤（4）；具体而言，延时敏感型请求调度子模块比较新能源供应量和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量足够支持该延时敏感型请求的运行；
（3-2）延时敏感型请求调度子模块从多源供能系统管理模块接收备用能量，并判断新能源供应量加上备用能量是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-3），否则转入步骤（4）；具体而言，备用能量是数据中心向电网提前购买的、用于长期提前电力市场（Long-term-ahead Market）使用的能量，延时敏感型请求调度子模块比较新能源供应量加上备用能量和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量加上备用能量足够支持该延时敏感型请求的运行；
（3-3）延时敏感型请求调度子模块判断新能源供应量、备用能量、数据中心中UPS的能量之和是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-4），否则转入步骤（4）；具体而言，延时敏感型请求调度子模块比较新能源供应量、备用能量、数据中心中UPS的能量之和和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量、备用能量、数据中心中UPS的能量之和足够支持该延时敏感型请求的运行，且多余的能量会储存在不间断电源UPS中；其中，由于本发明系统中不间断电源UPS在能量不足时释放能量，而又可储存多余的能量，本发明定义不间断电源UPS的电量为b（t）,其更新过程如下：b(t+1)＝b(t)+brc(t)ηc-bdc(t)ηd，其中brc（t）为在t时刻UPS充电量，bdc（t）为在t时刻UPS放电量，ηc和ηd分别为UPS的充电、放电效率；
（3-4）多源供能系统管理模块从电网获取不足的能量，然后转入步骤（6）；具体而言，不足的能量即为延时敏感型请求中包括的云服务对于资源的要求与新能源供应量、备用能量、数据中心中UPS的能量之和的差值。
（4）多源供能系统管理模块根据延时敏感型请求调度子模块的调度结果向用户供给能源，然后过程结束；
（5）延时容忍型作业调度子模块和多源供能系统管理模块根据系统状态监控模块中的信息调度延时容忍型作业；
本步骤包括以下子步骤：
（5-1）延时容忍型作业调度子模块将延时容忍型作业放入其自身的作业队列Q（t）中，并按照不同延时容忍型作业对应的云服务完成截止时间将所有延时容忍型作业进行倒序排列；具体而言，云服务完成截止时间最小的作业排在作业队列的队首等待处理；延迟容忍型的需求队列Q（t），系统将构建如下更新过程：Q(t+1)＝max{Q(t)-sdt(t),0}+ddt(t)。其中Q（t）为缓存在队列中的延迟容忍型任务，sdt（t）是为延迟容忍型作业提供的能量，ddt（t）是延迟容忍型作业的能耗需求。由于作业的处理延时与队列积压的作业量密切相关，所以如果系统保证队列Q（t）是稳定的，且满足Q（t）<Qmax,那么就能保证作业的延时小于云服务完成截止时间λmax；
（5-2）延时容忍型作业调度子模块从作业队列Q（t）取出位于队首的延时容忍型作业，从系统状态监控模块接收新能源供应量，如果此时新能源有供应量（新能源供应量大于零），则供能给部分该延时容忍型作业运行，然后进入步骤（5-3），否则转入步骤（6）；具体而言，延时容忍型作业调度子模块从比较新能源供应量是否为零，如果大于零，则证明系统有新能源供应量，然后根据新能源供应量给相应资源需求大小的部分延时容忍型作业供能运行；
（5-3）延时容忍型作业调度子模块从系统状态监控模块接收电网的电价，并判断电价是否处于较低水平，如果不是则进入步骤（5-4），否则进入步骤（6）；具体而言，延时容忍型作业调度子模块判断电价是否处于较低水平是通过将电价与阈值比较，该阈值因地域不同而不同，且是由数据中心根据当地的电价水平进行设定；
（5-4）延时容忍型作业调度子模块从系统状态监控模块获得不间断电源UPS中电量b（t），并判断UPS电量是否能够供能给云服务运行，如果能则进入步骤（5-5），否则进入步骤（6）；具体而言，数据中心需要UPS备用一定量的电量（阈值bmin）来给数据中心断电时供电。延时容忍型作业调度子模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b（t）与数据中心所需的最少UPS电量阈值bmin比较，如果UPS电量大于该阈值bmin则表明UPS能够供能给部分云服务运行。阈值bmin是由数据中心运营者根据数据中心对供电可靠性的要求强弱不同进行设定；
其中，UPS供给的能量、从电网获得的能量、每个时间段运行的延时容忍型作业等问题是按照如下方法求解：本发明的目的是在最小化动态需求下的多能源供给开销，其运营开销用Cost（t）表示，包括电网能量购买费用、UPS操作开销、新能源发电费用和浪费的能源。初步定义t时刻系统状态队列为：Θ(t)＝[Q(t),b(t)]，其中Q（t）为延时容忍型作业队列，b（t）为UPS电量。根据李雅普诺夫优化理论，本发明定义李雅普诺夫（Lyapunov）函数定义为： 从而，T个时间片段的李雅普诺夫偏移为：ΔTΘ(t)＝L(Θ(t+T))-L(Θ(t))。根据李雅普诺夫最优化框架，为了最小化系统运营开销同时保证系统稳定，系统的优化目标是最小化如下漂移加开销量： 其中V为算法参数，用以控制能耗开销和队列延时权重。本发明将上述优化问题转化为两个子优化问题。由于每个子优化问题只包含线性函数和约束，本发明可以利用成熟的线性规划算法求解问题，比如内点法。基于李雅普诺夫最优化理论，我们可以证明本方法取得与最优结果相差O（1/V,V）的“开销-延时”权衡。
（5-5）延时容忍型作业调度子模块判断延时容忍型作业对应的云服务完成截止时间是否到达，如果是则返回步骤（5-2），否则进入步骤（6）。
（6）多源供能系统管理模块根据延时容忍型作业调度子模块的调度结果向用户供给能源，然后过程结束。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种动态云服务请求下数据中心多能源的在线控制系统，包括系统状态监控模块、负载调度模块和多源供能系统管理模块，负载调度模块包括延时敏感型请求调度子模块和延时容忍型作业调度子模块，
系统状态监控模块用于每隔一段时间接收来自用户的云服务请求，判断云服务请求是延时敏感型请求还是延时容忍型作业，并在云服务请求是延时敏感型请求时将该云服务请求发送到负载调度模块的延时敏感型请求调度子模块，在云服务请求是延时容忍型作业时将该云服务请求发送到负载调度模块的延时容忍型作业调度子模块；
系统状态监控模块还用于从并网设备获取新能源供应量和备用能量，并从数据中心中的UPS获取能量，将新能源供应量、备用能量和数据中心中UPS的能量发送到延时敏感型请求调度子模块，并将新能源供应量发送到延时容忍型作业调度子模块；
延时敏感型请求调度子模块用于从系统状态监控模块接收新能源供应量，并判断该新能源供应量是否足够支持延时敏感型请求的运行，如果不满足则从系统状态监控模块接收备用能量，并判断新能源供应量加上备用能量是否足够支持延时敏感型请求的运行，如果不满足则判断新能源供应量、备用能量、数据中心中UPS的能量之和是否足够支持延时敏感型请求的运行；
多源供能系统管理模块用于在延时敏感型请求调度子模块判断新能源供应量、备用能量、数据中心中UPS的能量之和不能支持延时敏感型请求的运行时从电网获取不足的能量；
延时容忍型作业调度子模块用于将延时容忍型作业放入其自身的作业队列Q（t）中，并按照不同延时容忍型作业对应的云服务完成截止时间将所有延时容忍型作业进行倒序排列，从作业队列Q（t）取出位于队首的延时容忍型作业，从系统状态监控模块接收新能源供应量并判断新能源供应量是否大于零，如果新能源供应量大于零，则供能给部分该延时容忍型作业运行，并从系统状态监控模块接收电网的电价，并判断电价是否处于较低水平，如果不是则从系统状态监控模块获得不间断电源UPS中电量b（t），并判断UPS电量是否能够供能给云服务运行，如果能则判断延时容忍型作业对应的云服务完成截止时间是否到达；
多源供能系统管理模块还用于延时容忍型作业调度子模块判断延时容忍型作业对应的云服务完成截止时间到达时根据延时容忍型作业调度子模块的调度结果向用户供给能源。
2.根据权利要求1所述的在线控制系统，其特征在于，云服务请求包括有云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求、云服务对于资源的要求。
3.根据权利要求1所述的在线控制系统，其特征在于，系统状态监控模块读取云服务请求的云服务完成截止时间，若该时间小于一阈值，则该云服务请求是延时敏感型请求，否则该云服务请求是延时容忍型作业。
4.根据权利要求1所述的在线控制系统，其特征在于，延时容忍型作业调度子模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b（t）与数据中心所需的最少UPS电量阈值bmin比较，如果UPS电量b（t）大于该阈值bmin则表明UPS能够供能给部分云服务运行。
5.一种动态云服务请求下数据中心多能源的在线控制方法，其是应用在一种动态云服务请求下数据中心多能源的在线控制系统中，该系统设置于数据中心中，且包括系统状态监控模块、负载调度模块和多源供能系统管理模块，其特征在于，所述方法包括以下步骤：
（1）系统状态监控模块每隔一段时间接收来自用户的云服务请求；
（2）系统状态监控模块判断云服务请求是延时敏感型请求还是延时容忍型作业，如果是延时敏感型请求，则系统状态监控模块将延时敏感型请求传送到负载调度模块的延时敏感型请求调度子模块，然后转入步骤（3），如果是延时容忍型作业，则系统状态监控模块将延时容忍型作业传送到负载调度模块的延时容忍型作业调度子模块，然后转入步骤（5）；
（3）延时敏感型请求调度子模块和多源供能系统管理模块根据系统状态监控模块中的信息调度延时敏感型请求；本步骤具体包括以下子步骤：
（3-1）延时敏感型请求调度子模块从系统状态监控模块接收新能源供应量，并判断该新能源供应量是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-2），否则转入步骤（4）；
（3-2）延时敏感型请求调度子模块从多源供能系统管理模块接收备用能量，并判断新能源供应量加上备用能量是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-3），否则转入步骤（4）；
（3-3）延时敏感型请求调度子模块判断新能源供应量、备用能量、数据中心中UPS的能量之和是否足够支持延时敏感型请求的运行，如果不满足则进入步骤（3-4），否则转入步骤（4）；
（3-4）多源供能系统管理模块从电网获取不足的能量，然后转入步骤（6）；
（4）多源供能系统管理模块根据延时敏感型请求调度子模块的调度结果向用户供给能源，然后过程结束；
（5）延时容忍型作业调度子模块和多源供能系统管理模块根据系统状态监控模块中的信息调度延时容忍型作业；本步骤包括以下子步骤：
（5-1）延时容忍型作业调度子模块将延时容忍型作业放入其自身的作业队列Q（t）中，并按照不同延时容忍型作业对应的云服务完成截止时间将所有延时容忍型作业进行倒序排列；
（5-2）延时容忍型作业调度子模块从作业队列Q（t）取出位于队首的延时容忍型作业，从系统状态监控模块接收新能源供应量，如果此时新能源有供应量，则供能给部分该延时容忍型作业运行，然后进入步骤（5-3），否则转入步骤（6）；
（5-3）延时容忍型作业调度子模块从系统状态监控模块接收电网的电价，并判断电价是否处于较低水平，如果不是则进入步骤（5-4），否则进入步骤（6）；
（5-4）延时容忍型作业调度子模块从系统状态监控模块获得不间断电源UPS中电量b（t），并判断UPS电量是否能够供能给云服务运行，如果能则进入步骤（5-5），否则进入步骤（6）；
（5-5）延时容忍型作业调度子模块判断延时容忍型作业对应的云服务完成截止时间是否到达，如果是则返回步骤（5-2），否则进入步骤（6）；
（6）多源供能系统管理模块根据延时容忍型作业调度子模块的调度结果向用户供给能源，然后过程结束。
6.根据权利要求5所述的在线控制方法，其特征在于，
步骤（3-1）中，延时敏感型请求调度子模块比较新能源供应量和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量足够支持该延时敏感型请求的运行；
步骤（3-2）中，延时敏感型请求调度子模块比较新能源供应量加上备用能量和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量加上备用能量足够支持该延时敏感型请求的运行；
步骤（3-3）中，延时敏感型请求调度子模块比较新能源供应量、备用能量、数据中心中UPS的能量之和和延时敏感型请求中包括的云服务对于资源的要求，如果前者大于后者，则证明新能源供应量、备用能量、数据中心中UPS的能量之和足够支持该延时敏感型请求的运行，且多余的能量会储存在不间断电源UPS中。
7.根据权利要求6所述的在线控制方法，其特征在于，不间断电源UPS电量b（t）的更新过程如下：b(t+1)＝b(t)+brc(t)ηc-bdc(t)ηd，其中brc（t）为在t时刻UPS充电量，bdc（t）为在t时刻UPS放电量，ηc和ηd分别为UPS的充电、放电效率。
8.根据权利要求5所述的在线控制方法，其特征在于，对于延迟容忍型的需求队列Q（t）的更新过程为：Q(t+1)＝max{Q(t)-sdt(t),0}+ddt(t)，其中Q（t）为缓存在队列中的延迟容忍型任务，sdt（t）是为延迟容忍型作业提供的能量，ddt（t）是延迟容忍型作业的能耗需求。
9.根据权利要求5所述的在线控制方法，其特征在于，步骤（5-4）中，延时容忍型作业调度子模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b（t）与数据中心所需的最少UPS电量阈值bmin比较，如果UPS电量大于该阈值bmin则表明UPS能够供能给部分云服务运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310172697.6A CN103297505B (zh) | 2013-05-10 | 2013-05-10 | 动态云服务请求下数据中心多能源的在线控制方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310172697.6A CN103297505B (zh) | 2013-05-10 | 2013-05-10 | 动态云服务请求下数据中心多能源的在线控制方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103297505A true CN103297505A (zh) | 2013-09-11 |
| CN103297505B CN103297505B (zh) | 2016-01-20 |
Family
ID=49097808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310172697.6A Expired - Fee Related CN103297505B (zh) | 2013-05-10 | 2013-05-10 | 动态云服务请求下数据中心多能源的在线控制方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103297505B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104217111A (zh) * | 2014-09-02 | 2014-12-17 | 华中科技大学 | 数据中心的异构服务器系统及其能源调度方法 |
| CN104484757A (zh) * | 2014-12-15 | 2015-04-01 | 中山大学 | 一种应用于智能微电网的异质载荷调度和能量管理方法 |
| CN104537505A (zh) * | 2015-01-26 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种基于市场电价的数据中心实时任务调度方法 |
| CN106357676A (zh) * | 2016-10-21 | 2017-01-25 | 高道华 | 一种云服务资源开销优化方法 |
| CN106385641A (zh) * | 2016-10-08 | 2017-02-08 | 中山大学 | 一种基于sdn的直播视频流媒体分发方法 |
| CN106961716A (zh) * | 2017-03-16 | 2017-07-18 | 华北电力大学（保定） | 一种能耗优先的能源代价最小化基站休眠方法 |
| CN107025610A (zh) * | 2017-04-24 | 2017-08-08 | 东华大学 | 一种数据中心成本优化方法 |
| CN108900565A (zh) * | 2018-05-16 | 2018-11-27 | 北京奇艺世纪科技有限公司 | 一种数据部署方法及装置 |
| US11030003B2 (en) | 2016-08-11 | 2021-06-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and cloud management node for managing a data processing task |
| CN117376423A (zh) * | 2023-12-08 | 2024-01-09 | 西南民族大学 | 一种深度学习推理服务调度方法、系统、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615065A (zh) * | 2009-07-29 | 2009-12-30 | 浪潮电子信息产业股份有限公司 | 一种基于策略的计算机电源功率动态分配的方法 |
| CN102738801A (zh) * | 2012-05-28 | 2012-10-17 | 深圳市科陆电子科技股份有限公司 | 一种电力需求响应方法和响应系统 |
-
2013
- 2013-05-10 CN CN201310172697.6A patent/CN103297505B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615065A (zh) * | 2009-07-29 | 2009-12-30 | 浪潮电子信息产业股份有限公司 | 一种基于策略的计算机电源功率动态分配的方法 |
| CN102738801A (zh) * | 2012-05-28 | 2012-10-17 | 深圳市科陆电子科技股份有限公司 | 一种电力需求响应方法和响应系统 |
Non-Patent Citations (1)
| Title |
|---|
| 邓维等: "云计算数据中心的新能源应用：研究现状与趋势", 《计算机学报》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104217111A (zh) * | 2014-09-02 | 2014-12-17 | 华中科技大学 | 数据中心的异构服务器系统及其能源调度方法 |
| CN104217111B (zh) * | 2014-09-02 | 2017-07-11 | 华中科技大学 | 一种数据中心的能源调度方法 |
| CN104484757B (zh) * | 2014-12-15 | 2018-05-04 | 中山大学 | 一种应用于智能微电网的异质载荷调度和能量管理方法 |
| CN104484757A (zh) * | 2014-12-15 | 2015-04-01 | 中山大学 | 一种应用于智能微电网的异质载荷调度和能量管理方法 |
| CN104537505A (zh) * | 2015-01-26 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种基于市场电价的数据中心实时任务调度方法 |
| US11030003B2 (en) | 2016-08-11 | 2021-06-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and cloud management node for managing a data processing task |
| CN106385641A (zh) * | 2016-10-08 | 2017-02-08 | 中山大学 | 一种基于sdn的直播视频流媒体分发方法 |
| CN106385641B (zh) * | 2016-10-08 | 2019-04-19 | 中山大学 | 一种基于sdn的直播视频流媒体分发方法 |
| CN106357676A (zh) * | 2016-10-21 | 2017-01-25 | 高道华 | 一种云服务资源开销优化方法 |
| CN106961716A (zh) * | 2017-03-16 | 2017-07-18 | 华北电力大学（保定） | 一种能耗优先的能源代价最小化基站休眠方法 |
| CN106961716B (zh) * | 2017-03-16 | 2020-03-06 | 华北电力大学（保定） | 一种能耗优先的能源代价最小化基站休眠方法 |
| CN107025610A (zh) * | 2017-04-24 | 2017-08-08 | 东华大学 | 一种数据中心成本优化方法 |
| CN107025610B (zh) * | 2017-04-24 | 2021-03-19 | 东华大学 | 一种数据中心成本优化方法 |
| CN108900565A (zh) * | 2018-05-16 | 2018-11-27 | 北京奇艺世纪科技有限公司 | 一种数据部署方法及装置 |
| CN108900565B (zh) * | 2018-05-16 | 2020-11-13 | 北京奇艺世纪科技有限公司 | 一种数据部署方法及装置 |
| CN117376423A (zh) * | 2023-12-08 | 2024-01-09 | 西南民族大学 | 一种深度学习推理服务调度方法、系统、设备及存储介质 |
| CN117376423B (zh) * | 2023-12-08 | 2024-03-12 | 西南民族大学 | 一种深度学习推理服务调度方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103297505B (zh) | 2016-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103297505B (zh) | 动态云服务请求下数据中心多能源的在线控制方法和系统 | |
| CN103384272B (zh) | 一种云服务分布式数据中心系统及其负载调度方法 | |
| Deng et al. | Harnessing renewable energy in cloud datacenters: opportunities and challenges | |
| CN101510686B (zh) | 基于多代理技术的微电网协调控制系统 | |
| CN103001225B (zh) | 基于mas的多微电网能量管理系统仿真方法 | |
| US20140005846A1 (en) | System and method for controlling micro-grid operation | |
| CN102810186A (zh) | 多时间尺度微网能量优化管理体系结构及其方法 | |
| CN106410966A (zh) | 一种应用于多能互补系统的能量管理装置 | |
| Cioara et al. | Data center optimization methodology to maximize the usage of locally produced renewable energy | |
| KR101899123B1 (ko) | 국가 전력의 효율적 운용을 위한 국가 전력 통합 운용 시스템 | |
| CN102510123B (zh) | 应对风电大范围切机的自动储能控制方法 | |
| JP5442115B2 (ja) | Ｉｔサービスを提供するネットワークコンピューティングクラスタを制御する方法 | |
| TW201720017A (zh) | 多微電網供電系統與控制方法 | |
| CN109842139A (zh) | 一种含移动储能的微电网扩展规划方法 | |
| Awasthi et al. | Operation of datacenter as virtual power plant | |
| CN114825388A (zh) | 一种基于源网荷储协同的新能源综合消纳调度方法 | |
| CN103532172B (zh) | 一种基于机组动态分类的多级备用协调方法 | |
| CN104281984A (zh) | 一种用于微电网经济运行的供电方法 | |
| CN115622100B (zh) | 一种使用光伏储能电池的企业用电分配监测系统及方法 | |
| KR20200129555A (ko) | 충전율 제어가 가능한 에너지 저장 시스템 및 이의 제어 방법 | |
| Wang et al. | Economic dispatch of generalized multi-source energy storage in regional integrated energy systems | |
| CN111030175B (zh) | 一种智能微电网的协调控制装置及其协调控制方法 | |
| Li et al. | Coordinating workload balancing and power switching in renewable energy powered data center | |
| Wang et al. | Energy management system for multi-microgrid | |
| CN103368177A (zh) | 一种基于模式转换的微电网运行调控方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |