CN105227674A - 互联网数据中心电力成本控制方法及系统 - Google Patents

Abstract

本发明涉及互联网数据中心电力成本控制方法及系统，通过预测互联网数据中心的客户请求量，从而可知互联网数据中心开启的服务器预测个数以及互联网数据中心的预测能耗，计算互联网数据中心的预测电力成本，从而确定互联网数据中心的总预测电力成本，再构建电力成本函数目标，求解电力成本函数目标的最小值，获得客户请求量控制参数矩阵的最优解，从而控制互联网数据中心在下一单位时间段的实际客户请求量以及互联网数据中心在下一单位时间段实际开启服务器的个数，从而可有效避免互联网数据中心的用电高峰的发生，且有效地控制了下一单位时间段的客户请求的量，不会导致大量的客户请求涌入互联网数据中心，有效降低电力成本。

Description

互联网数据中心电力成本控制方法及系统

技术领域

本发明涉及电力领域，特别是涉及一种互联网数据中心电力成本控制方法及系统。

背景技术

云计算服务由专用的大规模的互联网服务提供商提供，通常由包含大规模服务器、冷却系统、高速网络元素以及分布式电源的互联网数据中心(IDC)提供。随着云计算中越来越多的异构服务，互联网数据中心中的电力消耗需求迅速增长。对互联网数据中心来说，电力成本是总预算的重要部分，并且这一部分随着近年来电力价格的上涨而增加，从而减小电力成本的研究，吸引了越来越多的兴趣。

现有的智能电网用双向电能变换器方法，通过双向电能变换器不仅能从电网吸收电能，用于给蓄电池组充电，还可以将光伏电池阵列发出的电能反馈回电网，当电网断电时，或电网需要支撑时，可以将蓄电池中储存的电能反馈回电网，保证电网上的其它重要负载能正常工作。另一种现有的充电桩通过在电动汽车的蓄电池需要充电时，切换触发充电模块进行工作，进而充电模块利用电网电能对接入电动汽车蓄电池进行充电，相应地，在电网需要供电时，切换触发供电模块进行工作，进而供电模块利用接入蓄电池中的电能对电网进行供电，从而实现了即能利用电网电能对蓄电池进行充电，又能利用蓄电池电能对电网进行供电的功能。但是，上述两种技术方案均没有考虑实时电价因素，不能有效降低用电成本。

另外，可采用控制电池充、放电系统及方法，该系统通过查询当前的实时电价，用户根据实时电价通过一键充电单元对电池进行充电，用户通过及时了解实时电价合理充电，该系统还可通过查询当前的实时电价，用户根据实时电价通过一键放电单元对电池进行放电，用户通过及时了解实时电价合理放电。在电力价格较低时候利用电池充电，将低价的电能储存在电池中，在电力价格较高时候利用电池放电，为服务器等设备提供电能，但是该方法不能智能控制充放电，充放电动作只能由用户手动控制，且会导致大量客户请求到达低电价互联网数据中心的服务器，使低价互联网数据中心急需处理大量的客户请求，极具增加了低价互联网数据中心的用电量，导致该互联网数据中心用电高峰现象的发生，同时也增加了电力成本。

发明内容

基于此，有必要针对现有的电力成本较高、易出现用电高峰的问题，提出一种减小电力成本且能避免用电高峰发生的互联网数据中心电力成本控制方法及系统。

一种互联网数据中心电力成本控制方法，包括如下步骤：

预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，并根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段客户请求量，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数，其中，所述p为预设的预测窗口长度；

根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的所述客户请求量至第P个单位时间段的所述客户请求量以及各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的所述服务器预测个数至第P个单位时间段开启的所述服务器预测个数，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗；

根据各个互联网数据中心在当前单位时间段之后的下一个单位时间的电网电力价格至第P个单位时间段的电网电力价格以及各个互联网数据中心在当前单位时间段之后的下一个单位时间的所述预测能耗至第P个单位时间段的所述预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本；

根据所有互联网数据中心在当前单位时间段之后的下一个单位时间段的所述总预测电力成本至第P个单位时间段的所述总预测电力成本、所有互联网数据中心在当前单位时间段之后的所述P个单位时间段内的平均总预测电力成本以及客户请求量控制参数矩阵，构建电力成本函数目标；

对所述电力成本函数目标求最小值，获取所述客户请求量控制参数矩阵的最优解；

根据所述客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配所述实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启所述实际开启服务器的个数的服务器。

本发明还提供一种互联网数据中心电力成本控制系统，包括：

预测模块，用于预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，并根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段客户请求量，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数，其中，所述p为预设的预测窗口长度；

第一获取模块，用于根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的所述客户请求量至第P个单位时间段的所述客户请求量以及各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的所述服务器预测个数至第P个单位时间段开启的所述服务器预测个数，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗；

确定模块，用于根据各个互联网数据中心在当前单位时间段之后的下一个单位时间的电网电力价格至第P个单位时间段的电网电力价格以及各个互联网数据中心在当前单位时间段之后的下一个单位时间的所述预测能耗至第P个单位时间段的所述预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本；

构建模块，用于根据当前单位时间段之后的下一个至第P个单位时间段所有互联网数据中心的所述总预测电力成本、当前单位时间段之后的所述P个单位时间段内所有互联网数据中心的平均总预测电力成本以及客户请求量控制参数，构建电力成本函数目标；

第二获取模块，用于对所述电力成本函数目标求最小值，获取所述客户请求量控制参数矩阵的最优解；

第一控制模块，用于根据所述客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配所述实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启所述实际开启服务器的个数的服务器。

上述互联网数据中心电力成本控制方法及系统，通过预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，从而可获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数、各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，从而确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本，再构建电力成本函数目标，求解电力成本函数目标的最小值，获得客户请求量控制参数矩阵的最优解，根据客户请求量控制参数矩阵的最优解，控制各个互联网数据中心在下一单位时间段的实际客户请求量以及各个互联网数据中心在下一单位时间段实际开启服务器的个数，使各个互联网数据中心在下一单位时间段分别处理对应实际客户请求量的客户请求，而不是将大量客户请求分配给单个互联网数据中心，从而可有效避免互联网数据中心的用电高峰的发生，且由于各个互联网数据中心按照在下一单位时间段的实际客户请求量对客户请求进行处理，即有效地控制了下一单位时间段的客户请求的量，不会导致大量的客户请求涌入互联网数据中心，从而可有效降低电力成本。

附图说明

图1为一实施方式的互联网数据中心电力成本控制方法的流程图；

图2为另一实施方式的互联网数据中心电力成本控制方法的流程图；

图3为一实施方式的互联网数据中心电力成本控制方法与传统的仅从电网供电的方法的累积电力成本对比图；

图4为另一实施方式的互联网数据中心电力成本控制系统的模块图；

图5为另一实施方式的互联网数据中心电力成本控制系统的模块图。

具体实施方式

请参阅图1，提供一种实施方式的互联网数据中心电力成本控制方法，包括以下步骤：

S100：预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，并根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段客户请求量，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数。

其中，p为预设的预测窗口长度。互联网数据中心对客户请求进行处理，各个互联网数据中心分布在不同的地区，每个地区的互联网数据中心设有服务器，每个门户网站将客户请求量分配给互联网数据中心，每个地区的互联网数据中心开启的服务器处理客户请求量，由于互联网数据中心在当前时间段时的客户请求量是可以通过实际的客户请求量直接获取，然而下一单位时间段的客户请求量是未知的，通过本实施例提供的互联网数据中心电力成本控制方法控制下一段位时间段的实际客户请求量，从而首选需要预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，即对各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段的客户请求量均需要预测，并获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数。

S200：根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量以及各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗。

对各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段的客户请求量均进行预测后，以及获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段开启的服务器预测个数之后，可获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段的预测能耗。

S300：根据各个互联网数据中心在当前单位时间段之后的下一个单位时间的电网电力价格至第P个单位时间段的电网电力价格以及各个互联网数据中心在当前单位时间段之后的下一个单位时间的预测能耗至第P个单位时间段的预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本。

各个互联网数据中心的预测电力成本是根据预测能耗与电网电力价格决定的，单位时间段对应的预测能耗或/和电网电力价格的不同，预测电力成本也会不同，在每个单位时间段内，所有互联网数据中心的总预测电力成本是各个互联网中心的预测成本之和，从而可获取在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本，即可获取当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段内的总预测成本。

S400：根据所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本、所有互联网数据中心在当前单位时间段之后的P个单位时间段内的平均总预测电力成本以及客户请求量控制参数矩阵，构建电力成本函数目标。

在获取当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本之后，可知当前单位时间段之后的P个单位时间段内的平均总预测电力成本，并根据客户请求量控制参数矩阵，构建电力成本函数目标，电力成本函数目标的值越小，表示控制所有互联网数据中心的电力成本越好。

S500：对电力成本函数目标求最小值，获取客户请求量控制参数矩阵的最优解。

S600：根据客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启实际开启服务器的个数的服务器。

根据获取客户请求量控制参数矩阵的最优解，获取下一单位时间的实际客户请求量以及实际开启服务器的个数，以控制下一单位时间段分配实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启实际开启服务器的个数的服务器。这样可防止某一个互联网数据中心的客户请求量过于集中，同时，也控制了下一单位时间段的客户请求的量，从而减小电力成本。

上述互联网数据中心电力成本控制方法，通过预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，从而可获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数、各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，从而确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本，再构建电力成本函数目标，求解电力成本函数目标的最小值，获得客户请求量控制参数矩阵的最优解，根据客户请求量控制参数矩阵的最优解，控制各个互联网数据中心在下一单位时间段的实际客户请求量以及各个互联网数据中心在下一单位时间段实际开启服务器的个数，使各个互联网数据中心在下一单位时间段分别处理对应实际客户请求量的客户请求，而不是将大量客户请求分配给单个互联网数据中心，从而可有效避免互联网数据中心的用电高峰的发生，由于各个互联网数据中心按照在下一单位时间段的实际客户请求量对客户请求进行处理，不会导致大量的客户请求涌入互联网数据中心，有效地控制了下一单位时间段的客户请求的量，也有效地控制了开启的服务器数量，从而可有效降低电力成本。

请参阅图2，在其中一个实施例中，根据客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启实际开启服务器的个数的服务器的步骤S600之后还包括：

S700：比较当前单位时间段互联网数据中心的电网电力价格与前一单位时间段互联网数据中心的电网电力价格；

S800：当当前单位时间段互联网数据中心的电网电力价格大于前一单位时间段互联网数据中心的电网电力价格时，控制预先设置的储能设备进行放电为服务器提供电能；

S900：当当前单位时间段互联网数据中心的电网电力价格小于前一单位时间段互联网数据中心的电网电力价格时，控制预先设置的储能设备进行充电。

在互联网数据中心，服务器按照机架进行组织，可以有效地处理到达的客户请求，每个机架上预先设置储能设备作为在同一机架上的所有服务器的断电保护，也可为每个服务器配置一个储能设备，这样可使服务器的效率从92-95％到100％，在本实施例中，储能设备采用UPS(不间断电源)，为每个服务器配置一个UPS，每一个UPS在停电情况下通常能维持几分钟，可以留足够的时间启用更可持续的备用电源为服务器供电，例如，发电机。

各个互联网数据中心有对应的电网电力价格，对各个互联网数据中心在当前单位时间段的电网电力价格与前一单位时间段的电网电力价格进行比较，当电网电力价格低时，控制预先设置的储能设备进行充电，将低价的电能储存在预先设置的储能设备中，当电网电力价格高时，控制预先设置的储能设备进行放电为服务器提供电能，减少服务器对高价电能的消耗，从而减少互联网数据中心的电力成本。

在其中一个实施例中，预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量的具体公式为：

${\mathrm{\λ}}_j(k+i)=\underset{q=1}{\overset{p}{\Σ}}{\mathrm{\α}}_q^j(k+i){\mathrm{\λ}}_j(k+i-q).$

获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数的具体公式为：

$S_j(k+i)=\frac{{\mathrm{\λ}}_j(k+i)}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j}.$

式中，λ_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的客户请求量，1≤i≤p，1≤j≤N，N为互联网数据中心的数量，λ_j(k+i-q)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段之前的第q个单位时间段对应的的客户请求量，为与λ_j(k+i-q)对应的预测参数，可根据实际客户请求量而设定，S_j(k+i)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段开启的服务器预测个数，μ_j为第j个互联网数据中心的服务器的服务速率，L_j为第j个互联网数据中心的服务器服务延迟门限值。

在利用开启的服务器对客户请求进行处理时，第j个互联网数据中心的服务延迟的计算公式为：

$\stackrel{\‾}{L_j(k+i)}=\frac{1}{S_j(k+i){\mathrm{\μ}}_j-{\mathrm{\λ}}_j(k+i)}.$

为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务延迟，为了确保处理效率，互联网数据中心的服务延时不得超过预先设定的服务延迟门限值L_j，即从而，可获得第j个互联网数据中心在当前单位时间段k之后第i个单位时间段需要开启的最少服务器个数，即为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段开启的服务器预测个数S_j(k+i)。

在其中一个实施例中，在互联网数据中心，单个服务器电能消耗与处理器(CPU)占用率以及频率之间的关系为：

P(f_j(k+i),O_cpu(k+i))＝a₃f_j(k+i)O_j(k+i)+a₂f_j(k+i)+a₁O_j(k+i)+a₀。

a₀、a₁、a₂以及a₃分别为拟合参数，可根据服务器的具体配置进行设置，P(f_j(k+i),O_cpu(k+i))为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的单个服务器电能消耗，f_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务器的频率，O_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务器的CPU占用率，由于CPU占用率可以用客户请求量与频率的比值进行计算，即O_j(k+i)＝λ_j(k+i)/f_j(k+i)，在客户请求量为λ_j(k+i)情况下，单个服务器电能消耗为(b₁*λ_j(k+i)+b₀)，b₁＝a₃+a₁/f_j(k+i)，b₀＝a₂*f_j(k+i)+a₀。

获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗的具体公式为：

E_j(k+i)＝(b₁*λ_j(k+i)+b₀)*S_j(k+i)；

计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本的具体公式为：

C_j(k+i)＝P_j(k+i)·E_j(k+i)；

确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本的具体公式为：

$C(k+i)=\underset{j=1}{\overset{N}{\Σ}}{C}_j(k+i);$

式中，E_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测能耗，C_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测电力成本，P_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的电网电力价格，可依据具体的电价浮动标准而预先设定，C(k+i)为所有互联网数据中心在当前单位时间段k之后的第i个单位时间段的总预测电力成本。

在其中一个实施例中，构建电力成本函数目标的具体公式为：

$J=\left|\right|{\mathrm{\τ}}_y\left(C^p\right(k)-\stackrel{\‾}{C^{\′}\left(k\right)}\left)\right||+|\left|{\mathrm{\τ}}_{\mathrm{\λ}}{\mathrm{\Δ\λ}}^p\left(k\right)\right||;$

对电力成本函数目标求最小值，获取客户请求量控制参数矩阵的最优解的具体公式为：

Δλ^p(k)^*＝[Δλ(k)^*,Δλ(k+1)^*,…,Δλ(k+p-1)^*]＝(a^Ta)^-1a^Tb；

获取各个互联网数据中心在下一单位时间段的实际客户请求量的具体公式为：

λ_j(k+1)'＝Δλ_j(k)^*+λ_j(k)；

获取各个互联网数据中心在下一单位时间段实际开启服务器的个数的具体公式为：

$S_j{(k+1)}^{\′}=\frac{{\mathrm{\λ}}_j{(k+1)}^{\′}}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，J为电力成本函数目标，τ_y为成本加权矩阵，τ_y＝[τ_y1,…,τ_yp]，τ_y1为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本的加权参数，τ_yp为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本的加权参数，τ_λ为客户请求量控制参数加权矩阵，τ_λ＝[τ_λ1,…,τ_λp]，τ_λ1为Δλ^p(k)矩阵中第1个元素对应的加权参数，τ_yp为Δλ^p(k)矩阵中第p个元素对应的加权参数，C^p(k)＝[C(k+1),C(k+2),…,C(k+p)]^T，C(k+1)为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本，C(k+2)为所有互联网数据中心在当前单位时间段k之后的第2个单位时间段的总预测电力成本，C(k+p)为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本， 为所有互联网数据中心在当前单位时间段k之后的P个单位时间段内的平均总预测电力成本，Δλ^p(k)为客户请求量控制参数矩阵，Δλ^p(k)＝[Δλ(k),Δλ(k+1),…,Δλ(k+p-1)]^T，Δλ^p(k)由当前单位时间段k对应的客户请求量控制参数矩阵以及当前单位时间段k之后的下一个单位时间段至第p-1个单位时间段分别对应的客户请求量控制参数矩阵构成的，Δλ(k)为当前单位时间段k对应的客户请求量控制参数矩阵，Δλ(k+1)为当前单位时间段k之后的下一个单位时间段对应的客户请求量控制参数矩阵，Δλ(k+p-1)为当前单位时间段k之后的第p-1个单位时间段对应的客户请求量控制参数矩阵，Δλ(k)＝[Δλ₁(k),…Δλ_j(k),…,Δλ_N(k)]^T，Δλ₁(k)为当前单位时间段k时第1个互联网数据中心的客户请求量控制参数，Δλ_j(k)为当前单位时间段k时第j个互联网数据中心的客户请求量控制参数，Δλ_N(k)为当前单位时间段k时第N个互联网数据中心的客户请求量控制参数，Δλ^p(k)^*为客户请求量控制参数矩阵的最优解，Δλ(k)^*为当前单位时间段k对应的最优客户请求量控制参数矩阵，Δλ(k+1)^*为当前单位时间段k之后的下一个单位时间段对应的的最优客户请求量控制参数矩阵，Δλ(k+p-1)^*为当前单位时间段k之后的第p-1个单位时间段对应的的最优客户请求量控制参数矩阵，Δλ(k)^*＝[Δλ₁(k)^*,…,Δλ_j(k)^*,…,Δλ_N(k)^*]^T，Δλ₁(k)^*为第1个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，Δλ_j(k)^*为第j个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，Δλ_N(k)^*为第N个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，λ_j(k+1)'为当前单位时间段k的下一单位时间段的的实际客户请求量，λ_j(k)为第j个互联网数据中心在当前单位时间段k的客户请求量，S_j(k+1)'为第j个互联网数据中心在当前单位时间段k的下一单位时间段的实际开启的服务器的个数。

获得λ_j(k+1)'以及S_j(k+1)'以后，控制互联网中心在当前单位时间段k的下一单位时间段的实际客户请求的数量为λ_j(k+1)'，控制互联网中心在当前单位时间段k的下一单位时间段开启S_j(k+1)'个数量的服务器进行工作。

为了对上述互联网数据中心电力成本控制方法进行验证，首先为每个服务器建立一个UPS的模拟环境，网络客户端发送客户请求至前端门户站服务器，前端门户站服务器分配给不同的互联网数据中心的服务器请求处理，每个客户请求的延迟约束设置为1毫秒，服务器的处理速率为每秒处理2个客户请求，CPU空闲时服务器功率为130W，CPU得到充分利用时服务器功率为285W，UPS容量为4千瓦时，UPS应急级别为1千瓦时，UPS最大充电速率为0.285千瓦时，充电效率为0.98。

控制时间为1小时，在24小时时间内，分为24个控制时间段，通过本实施例提出的方法与传统的仅从电网供电的方法进行对比，客户请求到达率为1.8个客户请求每秒，使用静态负载时服务器的功耗为常数，充电/放电的决定与电网电力价格变化紧密相关，随着时间的增加会导致消耗的累积电力成本增加，从图3所示的累积电力成本的验证结果可以观察到，运行10小时以上后，本实施例提出的方法比传统的方法需要更低的成本，稳定的长期成本预计将减少约20％或更多。

请参阅图4，本发明还提供一种互联网数据中心电力成本控制系统，包括：

预测模块100，用于预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，并根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段客户请求量，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数。

其中，p为预设的预测窗口长度。互联网数据中心对客户请求进行处理，各个互联网数据中心分布在不同的地区，每个地区的互联网数据中心设有服务器，每个门户网站将客户请求量分配给互联网数据中心，每个地区的互联网数据中心开启的服务器处理客户请求量，由于互联网数据中心在当前时间段时的客户请求量是可以通过实际的客户请求量直接获取，然而下一单位时间段的客户请求量是未知的，通过本实施例提供的互联网数据中心电力成本控制方法控制下一段位时间段的实际客户请求量，从而首选需要预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，即对各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段的客户请求量均需要预测，并获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数。

第一获取模块200，用于根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量以及各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗。

对各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段的客户请求量均进行预测后，以及获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段开启的服务器预测个数之后，可获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段的预测能耗。

确定模块300，用于根据各个互联网数据中心在当前单位时间段之后的下一个单位时间的电网电力价格至第P个单位时间段的电网电力价格以及各个互联网数据中心在当前单位时间段之后的下一个单位时间的预测能耗至第P个单位时间段的预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本。

各个互联网数据中心的预测电力成本是根据预测能耗与电网电力价格决定的，单位时间段对应的预测能耗或/和电网电力价格的不同，预测电力成本也会不同，在每个单位时间段内，所有互联网数据中心的总预测电力成本是各个互联网中心的预测成本之和，从而可获取在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本，即可获取当前单位时间段之后的下一个单位时间段至第P个单位时间段中每个单位时间段内的总预测成本。

构建模块400，用于根据当前单位时间段之后的下一个至第P个单位时间段所有互联网数据中心的总预测电力成本、当前单位时间段之后的P个单位时间段内所有互联网数据中心的平均总预测电力成本以及客户请求量控制参数，构建电力成本函数目标。

在获取当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本之后，可知当前单位时间段之后的P个单位时间段内的平均总预测电力成本，并根据客户请求量控制参数矩阵，构建电力成本函数目标，电力成本函数目标的值越小，表示对所有互联网数据中心的电力成本控制的越好。

第二获取模块500，用于对电力成本函数目标求最小值，获取客户请求量控制参数矩阵的最优解。

第一控制模块600，用于根据客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启实际开启服务器的个数的服务器。

根据获取客户请求量控制参数矩阵的最优解获取下一单位时间的实际客户请求量以及实际开启服务器的个数，以控制下一单位时间段分配实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启实际开启服务器的个数的服务器。这样可防止某一个互联网数据中心的客户请求量过于集中，同时，也有效控制了下一单位时间段的客户请求的量，从而减小电力成本。

上述互联网数据中心电力成本控制系统，通过预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，从而可获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数、各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，从而确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本，再构建电力成本函数目标，求解电力成本函数目标的最小值，获得客户请求量控制参数矩阵的最优解，根据客户请求量控制参数矩阵的最优解，控制各个互联网数据中心在下一单位时间段的实际客户请求量以及各个互联网数据中心在下一单位时间段实际开启服务器的个数，使各个互联网数据中心在下一单位时间段分别处理对应实际客户请求量的客户请求，而不是将大量客户请求分配给单个互联网数据中心，从而可有效避免互联网数据中心的用电高峰的发生，由于各个互联网数据中心按照在下一单位时间段的实际客户请求量对客户请求进行处理，不会导致大量的客户请求涌入互联网数据中心，有效地控制了下一单位时间段的客户请求的量，也有效地控制了开启的服务器数量，从而可有效降低电力成本。

请参阅图5，在其中一个实施例中，上述互联网数据中心电力成本控制系统还包括：

比较模块700，用于比较当前单位时间段互联网数据中心的电网电力价格与前一单位时间段互联网数据中心的电网电力价格。

第二控制模块800，用于当当前单位时间段互联网数据中心的电网电力价格大于前一单位时间段互联网数据中心的电网电力价格时，控制预先设置的储能设备进行放电为服务器提供电能，当当前单位时间段互联网数据中心的电网电力价格小于前一单位时间段互联网数据中心的电网电力价格时，控制预先设置的储能设备进行充电。

在互联网数据中心，服务器按照机架进行组织，可以有效地处理到达的客户请求，每个机架上预先设置储能设备作为在同一机架上的所有服务器的断电保护，也可为每个服务器配置一个储能设备，这样可使服务器的效率从92-95％到100％，在本实施例中，储能设备采用UPS(不间断电源)，为每个服务器配置一个UPS，每一个UPS在停电情况下通常能维持几分钟，可以留足够的时间启用更可持续的备用电源为服务器供电，例如，发电机。

各个互联网数据中心有对应的电网电力价格，对各个互联网数据中心在当前单位时间段的电网电力价格与前一单位时间段的电网电力价格进行比较，当电网电力价格低时，控制预先设置的储能设备进行充电，将低价的电能储存在预先设置的储能设备中，当电网电力价格高时，控制预先设置的储能设备进行放电为服务器提供电能，减少服务器对高价电能的消耗，从而减少互联网数据中心的电力成本。

在其中一个实施例中，预测模块100预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量的具体公式为：

${\mathrm{\λ}}_j(k+i)=\underset{q=1}{\overset{p}{\Σ}}{\mathrm{\α}}_q^j(k+i){\mathrm{\λ}}_j(k+i-q);$

通过预测模块100获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数的具体公式为：

$S_j(k+i)=\frac{{\mathrm{\λ}}_j(k+i)}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，λ_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的客户请求量，1≤i≤p，1≤j≤N，N为互联网数据中心的数量，λ_j(k+i-q)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段之前的第q个单位时间段对应的的客户请求量，为与λ_j(k+i-q)对应的预测参数，可根据实际客户请求量而设定，S_j(k+i)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段开启的服务器预测个数，μ_j为第j个互联网数据中心的服务器的服务速率，L_j为第j个互联网数据中心的服务器服务延迟门限值。

在利用开启的服务器对客户请求进行处理时，第j个互联网数据中心的服务延迟的计算公式为：

$\stackrel{\‾}{L_j(k+i)}=\frac{1}{S_j(k+i){\mathrm{\μ}}_j-{\mathrm{\λ}}_j(k+i)}.$

为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务延迟，为了确保处理效率，互联网数据中心的服务延时不得超过预先设定的服务延迟门限值L_j，即从而，可获得第j个互联网数据中心在当前单位时间段k之后第i个单位时间段需要开启的最少服务器个数，即为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段开启的服务器预测个数S_j(k+i)。

在其中一个实施例中，在互联网数据中心，单个服务器电能消耗与处理器(CPU)占用率以及频率之间的关系为：

P(f_j(k+i),O_cpu(k+i))＝a₃f_j(k+i)O_j(k+i)+a₂f_j(k+i)+a₁O_j(k+i)+a₀。

a₀、a₁、a₂以及a₃分别为拟合参数，可根据服务器的具体配置进行设置，P(f_j(k+i),O_cpu(k+i))为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的单个服务器电能消耗，f_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务器的频率，O_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务器的CPU占用率，由于CPU占用率可以用客户请求量与频率的比值进行计算，即O_j(k+i)＝λ_j(k+i)/f_j(k+i)，在客户请求量为λ_j(k+i)情况下，单个服务器电能消耗为(b₁*λ_j(k+i)+b₀)，b₁＝a₃+a₁/f_j(k+i)，b₀＝a₂*f_j(k+i)+a₀。

第一获取模块200获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗的具体公式为：

E_j(k+i)＝(b₁*λ_j(k+i)+b₀)*S_j(k+i)；

确定模块300计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本的具体公式为：

C_j(k+i)＝P_j(k+i)·E_j(k+i)；

通过确定模块300确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本的具体公式为：

$C(k+i)=\underset{j=1}{\overset{N}{\Σ}}{C}_j(k+i);$

式中，E_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测能耗，C_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测电力成本，P_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的电网电力价格，可依据具体的电价浮动标准而预先设定，C(k+i)为所有互联网数据中心在当前单位时间段k之后的第i个单位时间段的总预测电力成本。

在其中一个实施例中，构建模块400构建电力成本函数目标的具体公式为：

$J=\left|\right|{\mathrm{\τ}}_y\left(C^p\right(k)-\stackrel{\‾}{C^{\′}\left(k\right)}\left)\right||+|\left|{\mathrm{\τ}}_{\mathrm{\λ}}{\mathrm{\Δ\λ}}^p\left(k\right)\right||;$

第二获取模块对电力成本函数目标求最小值，获取客户请求量控制参数矩阵的最优解的具体公式为：

Δλ^p(k)^*＝[Δλ(k)^*,Δλ(k+1)^*,…,Δλ(k+p-1)^*]＝(a^Ta)^-1a^Tb；

第一控制模块600获取各个互联网数据中心在下一单位时间段的实际客户请求量的具体公式为：

λ_j(k+1)'＝Δλ_j(k)^*+λ_j(k)；

通过第一控制模块600获取各个互联网数据中心在下一单位时间段实际开启服务器的个数的具体公式为：

$S_j{(k+1)}^{\′}=\frac{{\mathrm{\λ}}_j{(k+1)}^{\′}}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，J为电力成本函数目标，τ_y为成本加权矩阵，τ_y＝[τ_y1,…,τ_yp]，τ_y1为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本的加权参数，τ_yp为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本的加权参数，τ_λ为客户请求量控制参数加权矩阵，τ_λ＝[τ_λ1,…,τ_λp]，τ_λ1为Δλ^p(k)矩阵中第1个元素对应的加权参数，τ_yp为Δλ^p(k)矩阵中第p个元素对应的加权参数，C^p(k)＝[C(k+1),C(k+2),…,C(k+p)]^T，C(k+1)为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本，C(k+2)为所有互联网数据中心在当前单位时间段k之后的第2个单位时间段的总预测电力成本，C(k+p)为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本， 为所有互联网数据中心在当前单位时间段k之后的P个单位时间段内的平均总预测电力成本，Δλ^p(k)为客户请求量控制参数矩阵，Δλ^p(k)＝[Δλ(k),Δλ(k+1),…,Δλ(k+p-1)]^T，Δλ^p(k)由当前单位时间段k对应的客户请求量控制参数矩阵以及当前单位时间段k之后的下一个单位时间段至第p-1个单位时间段分别对应的客户请求量控制参数矩阵构成的，Δλ(k)为当前单位时间段k对应的客户请求量控制参数矩阵，Δλ(k+1)为当前单位时间段k之后的下一个单位时间段对应的客户请求量控制参数矩阵，Δλ(k+p-1)为当前单位时间段k之后的第p-1个单位时间段对应的客户请求量控制参数矩阵，Δλ(k)＝[Δλ₁(k),…Δλ_j(k),…,Δλ_N(k)]^T，Δλ₁(k)为当前单位时间段k时第1个互联网数据中心的客户请求量控制参数，Δλ_j(k)为当前单位时间段k时第j个互联网数据中心的客户请求量控制参数，Δλ_N(k)为当前单位时间段k时第N个互联网数据中心的客户请求量控制参数，Δλ^p(k)^*为客户请求量控制参数矩阵的最优解，Δλ(k)^*为当前单位时间段k对应的最优客户请求量控制参数矩阵，Δλ(k+1)^*为当前单位时间段k之后的下一个单位时间段对应的的最优客户请求量控制参数矩阵，Δλ(k+p-1)^*为当前单位时间段k之后的第p-1个单位时间段对应的的最优客户请求量控制参数矩阵，Δλ(k)^*＝[Δλ₁(k)^*,…,Δλ_j(k)^*,…,Δλ_N(k)^*]^T，Δλ₁(k)^*为第1个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，Δλ_j(k)^*为第j个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，Δλ_N(k)^*为第N个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，λ_j(k+1)'为当前单位时间段k的下一单位时间段的的实际客户请求量，λ_j(k)为第j个互联网数据中心在当前单位时间段k的客户请求量，S_j(k+1)'为第j个互联网数据中心在当前单位时间段k的下一单位时间段的实际开启的服务器的个数。

获得λ_j(k+1)'以及S_j(k+1)'以后，控制互联网中心在当前单位时间段k的下一单位时间段的实际客户请求的数量为λ_j(k+1)'，控制互联网中心在当前单位时间段k的下一单位时间段开启S_j(k+1)'个数量的服务器进行工作。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种互联网数据中心电力成本控制方法，其特征在于，包括如下步骤：

预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，并根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段客户请求量，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数，其中，所述p为预设的预测窗口长度；

根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的所述客户请求量至第P个单位时间段的所述客户请求量以及各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的所述服务器预测个数至第P个单位时间段开启的所述服务器预测个数，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗；

根据各个互联网数据中心在当前单位时间段之后的下一个单位时间的电网电力价格至第P个单位时间段的电网电力价格以及各个互联网数据中心在当前单位时间段之后的下一个单位时间的所述预测能耗至第P个单位时间段的所述预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本；

根据所有互联网数据中心在当前单位时间段之后的下一个单位时间段的所述总预测电力成本至第P个单位时间段的所述总预测电力成本、所有互联网数据中心在当前单位时间段之后的所述P个单位时间段内的平均总预测电力成本以及客户请求量控制参数矩阵，构建电力成本函数目标；

对所述电力成本函数目标求最小值，获取所述客户请求量控制参数矩阵的最优解；

根据所述客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配所述实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启所述实际开启服务器的个数的服务器。

2.根据权利要求1所述的互联网数据中心电力成本控制方法，其特征在于，所述根据所述客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配所述实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启所述实际开启服务器的个数的服务器的步骤之后还包括：

比较当前单位时间段互联网数据中心的电网电力价格与前一单位时间段互联网数据中心的电网电力价格；

当当前单位时间段互联网数据中心的电网电力价格大于前一单位时间段互联网数据中心的电网电力价格时，控制预先设置的储能设备进行放电为服务器提供电能；

当当前单位时间段互联网数据中心的电网电力价格小于前一单位时间段互联网数据中心的电网电力价格时，控制所述预先设置的储能设备进行充电。

3.根据权利要求1所述的互联网数据中心电力成本控制方法，其特征在于，预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量的具体公式为：

${\mathrm{\λ}}_j(k+i)=\underset{q=1}{\overset{p}{\Σ}}{\mathrm{\α}}_q^j(k+i){\mathrm{\λ}}_j(k+i-q);$

获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数的具体公式为：

$S_j(k+i)=\frac{{\mathrm{\λ}}_j(k+i)}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，所述λ_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的客户请求量，1≤i≤p，1≤j≤N，所述N为互联网数据中心的数量，所述λ_j(k+i-q)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段之前的第q个单位时间段对应的的客户请求量，所述为与所述λ_j(k+i-q)对应的预测参数，所述S_j(k+i)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段开启的服务器预测个数，所述μ_j为第j个互联网数据中心的服务器的服务速率，所述L_j为第j个互联网数据中心的服务器服务延迟门限值。

4.根据权利要求3所述的互联网数据中心电力成本控制方法，其特征在于，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗的具体公式为：

E_j(k+i)＝(b₁*λ_j(k+i)+b₀)*S_j(k+i)；

计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本的具体公式为：

C_j(k+i)＝P_j(k+i)·E_j(k+i)；

确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本的具体公式为：

$C(k+i)=\underset{j=1}{\overset{N}{\Σ}}{C}_j(k+i);$

式中，所述E_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测能耗，b₁＝a₃+a₁/f_j(k+i)，b₀＝a₂*f_j(k+i)+a₀，所述a₀、所述a₁、所述a₂以及所述a₃分别为拟合参数，所述f_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务器的频率，所述C_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测电力成本，所述P_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的电网电力价格，所述C(k+i)为所有互联网数据中心在当前单位时间段k之后的第i个单位时间段的总预测电力成本。

5.根据权利要求4所述的互联网数据中心电力成本控制方法，其特征在于，构建电力成本函数目标的具体公式为：

$J=\left|\right|{\mathrm{\τ}}_y\left(C^p\right(k)-\stackrel{\‾}{C^{\′}\left(k\right)})\left|\right|+\left|\right|{\mathrm{\τ}}_{\mathrm{\λ}}{\mathrm{\Δ\λ}}^p\left(k\right)\left|\right|;$

对所述电力成本函数目标求最小值，获取客户请求量控制参数矩阵的最优解的具体公式为：

Δλ^p(k)^*＝[Δλ(k)^*,Δλ(k+1)^*,…,Δλ(k+p-1)^*]＝(a^Ta)^-1a^Tb；

获取各个互联网数据中心在下一单位时间段的实际客户请求量的具体公式为：

λ_j(k+1)'＝Δλ_j(k)^*+λ_j(k)；

获取各个互联网数据中心在下一单位时间段实际开启服务器的个数的具体公式为：

$S_j{(k+1)}^{\′}=\frac{{\mathrm{\λ}}_j{(k+1)}^{\′}}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，所述J为所述电力成本函数目标，所述τ_y为成本加权矩阵，τ_y＝[τ_y1,…,τ_yp]，所述τ_y1为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本的加权参数，所述τ_yp为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本的加权参数，所述τ_λ为客户请求量控制参数加权矩阵，τ_λ＝[τ_λ1,…,τ_λp]，所述τ_λ1为所述Δλ^p(k)矩阵中第1个元素对应的加权参数，所述τ_yp为所述Δλ^p(k)矩阵中第p个元素对应的加权参数，C^p(k)＝[C(k+1),C(k+2),…,C(k+p)]^T，所述C(k+1)为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本，所述C(k+2)为所有互联网数据中心在当前单位时间段k之后的第2个单位时间段的总预测电力成本，所述C(k+p)为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本，所述为所有互联网数据中心在当前单位时间段k之后的所述P个单位时间段内的平均总预测电力成本，所述Δλ^p(k)为客户请求量控制参数矩阵，Δλ^p(k)＝[Δλ(k),Δλ(k+1),…,Δλ(k+p-1)]^T，所述Δλ^p(k)由当前单位时间段k对应的客户请求量控制参数矩阵以及当前单位时间段k之后的下一个单位时间段至第p-1个单位时间段分别对应的客户请求量控制参数矩阵构成的，所述Δλ(k)为当前单位时间段k对应的客户请求量控制参数矩阵，所述Δλ(k+1)为当前单位时间段k之后的下一个单位时间段对应的客户请求量控制参数矩阵，所述Δλ(k+p-1)为当前单位时间段k之后的第p-1个单位时间段对应的客户请求量控制参数矩阵，Δλ(k)＝[Δλ₁(k),…Δλ_j(k),…,Δλ_N(k)]^T，所述Δλ₁(k)为当前单位时间段k时第1个互联网数据中心的客户请求量控制参数，所述Δλ_j(k)为当前单位时间段k时第j个互联网数据中心的客户请求量控制参数，所述Δλ_N(k)为当前单位时间段k时第N个互联网数据中心的客户请求量控制参数，所述Δλ^p(k)^*为客户请求量控制参数矩阵的最优解，所述Δλ(k)^*为当前单位时间段k对应的最优客户请求量控制参数矩阵，所述Δλ(k+1)^*为当前单位时间段k之后的下一个单位时间段对应的的最优客户请求量控制参数矩阵，所述Δλ(k+p-1)^*为当前单位时间段k之后的第p-1个单位时间段对应的的最优客户请求量控制参数矩阵，Δλ(k)^*＝[Δλ₁(k)^*,…,Δλ_j(k)^*,…,Δλ_N(k)^*]^T，所述Δλ₁(k)^*为第1个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，所述Δλ_j(k)^*为第j个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，所述Δλ_N(k)^*为第N个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，所述λ_j(k+1)'为当前单位时间段k的下一单位时间段的的实际客户请求量，所述λ_j(k)为第j个互联网数据中心在当前单位时间段k的客户请求量，所述S_j(k+1)'为第j个互联网数据中心在当前单位时间段k的下一单位时间段的实际开启的服务器的个数。

6.一种互联网数据中心电力成本控制系统，其特征在于，包括：

预测模块，用于预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量，并根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段客户请求量，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数，其中，所述p为预设的预测窗口长度；

第一获取模块，用于根据各个互联网数据中心在当前单位时间段之后的下一个单位时间段的所述客户请求量至第P个单位时间段的所述客户请求量以及各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的所述服务器预测个数至第P个单位时间段开启的所述服务器预测个数，获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗；

确定模块，用于根据各个互联网数据中心在当前单位时间段之后的下一个单位时间的电网电力价格至第P个单位时间段的电网电力价格以及各个互联网数据中心在当前单位时间段之后的下一个单位时间的所述预测能耗至第P个单位时间段的所述预测能耗，计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本，确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本；

构建模块，用于根据当前单位时间段之后的下一个至第P个单位时间段所有互联网数据中心的所述总预测电力成本、当前单位时间段之后的所述P个单位时间段内所有互联网数据中心的平均总预测电力成本以及客户请求量控制参数，构建电力成本函数目标；

第二获取模块，用于对所述电力成本函数目标求最小值，获取所述客户请求量控制参数矩阵的最优解；

第一控制模块，用于根据所述客户请求量控制输入参数矩阵的最优解以及当前单位时间段各个互联网数据中心的客户请求量，获取各个互联网数据中心在下一单位时间段的实际客户请求量，并获取各个互联网数据中心在下一单位时间段实际开启服务器的个数，以控制下一单位时间段分配所述实际客户请求量给对应互联网数据中心以及控制下一单位时间段各个互联网数据中心开启所述实际开启服务器的个数的服务器。

7.根据权利要求6所述的互联网数据中心电力成本控制系统，其特征在于，还包括：

比较模块，用于比较当前单位时间段互联网数据中心的电网电力价格与前一单位时间段互联网数据中心的电网电力价格；

第二控制模块，用于当当前单位时间段互联网数据中心的电网电力价格大于前一单位时间段互联网数据中心的电网电力价格时，控制预先设置的储能设备进行放电为服务器提供电能，当当前单位时间段互联网数据中心的电网电力价格小于前一单位时间段互联网数据中心的电网电力价格时，控制所述预先设置的储能设备进行充电。

8.根据权利要求6所述的互联网数据中心电力成本控制系统，其特征在于，所述预测模块预测各个互联网数据中心在当前单位时间段之后的下一个单位时间段的客户请求量至第P个单位时间段的客户请求量的具体公式为：

${\mathrm{\λ}}_j(k+i)=\underset{q=1}{\overset{p}{\Σ}}{\mathrm{\α}}_q^j(k+i){\mathrm{\λ}}_j(k+i-q);$

通过所述预测模块获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段开启的服务器预测个数至第P个单位时间段开启的服务器预测个数的具体公式为：

$S_j(k+i)=\frac{{\mathrm{\λ}}_j(k+i)}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，所述λ_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的客户请求量，1≤i≤p，1≤j≤N，所述N为互联网数据中心的数量，所述λ_j(k+i-q)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段之前的第q个单位时间段对应的的客户请求量，所述α_q ^j(k+i)为与所述λ_j(k+i-q)对应的预测参数，所述S_j(k+i)为第j个互联网数据中心在当前单位时间段k之后第i个单位时间段开启的服务器预测个数，所述μ_j为第j个互联网数据中心的服务器的服务速率，所述L_j为第j个互联网数据中心的服务器服务延迟门限值。

9.根据权利要求8所述的互联网数据中心电力成本控制系统，其特征在于，所述第一获取模块获取各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测能耗至第P个单位时间段的预测能耗的具体公式为：

E_j(k+i)＝(b₁*λ_j(k+i)+b₀)*S_j(k+i)；

所述确定模块计算各个互联网数据中心在当前单位时间段之后的下一个单位时间段的预测电力成本至第P个单位时间段的预测电力成本的具体公式为：

C_j(k+i)＝P_j(k+i)·E_j(k+i)；

通过所述确定模块确定所有互联网数据中心在当前单位时间段之后的下一个单位时间段的总预测电力成本至第P个单位时间段的总预测电力成本的具体公式为：

$C(k+i)=\underset{j=1}{\overset{N}{\Σ}}{C}_j(k+i);$

式中，所述E_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测能耗，b₁＝a₃+a₁/f_j(k+i)，b₀＝a₂*f_j(k+i)+a₀，所述a₀、所述a₁、所述a₂以及所述a₃分别为拟合参数，所述f_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的服务器的频率，所述C_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的预测电力成本，所述P_j(k+i)为第j个互联网数据中心在当前单位时间段k之后的第i个单位时间段的电网电力价格，所述C(k+i)为所有互联网数据中心在当前单位时间段k之后的第i个单位时间段的总预测电力成本。

10.根据权利要求9所述的互联网数据中心电力成本控制系统，其特征在于，所述构建模块构建电力成本函数目标的具体公式为：

$J=\left|\right|{\mathrm{\τ}}_y\left(C^p\right(k)-\stackrel{\‾}{C^{\′}\left(k\right)})\left|\right|+\left|\right|{\mathrm{\τ}}_{\mathrm{\λ}}{\mathrm{\Δ\λ}}^p\left(k\right)\left|\right|;$

所述第二获取模块对所述电力成本函数目标求最小值，获取客户请求量控制参数矩阵的最优解的具体公式为：

Δλ^p(k)^*＝[Δλ(k)^*,Δλ(k+1)^*,…,Δλ(k+p-1)^*]＝(a^Ta)^-1a^Tb；

所述第一控制模块获取各个互联网数据中心在下一单位时间段的实际客户请求量的具体公式为：

λ_j(k+1)'＝Δλ_j(k)^*+λ_j(k)；

通过所述第一控制模块获取各个互联网数据中心在下一单位时间段实际开启服务器的个数的具体公式为：

$S_j{(k+1)}^{\′}=\frac{{\mathrm{\λ}}_j{(k+1)}^{\′}}{{\mathrm{\μ}}_j}+\frac{1}{{\mathrm{\μ}}_j\·L_j};$

式中，所述J为所述电力成本函数目标，所述τ_y为成本加权矩阵，τ_y＝[τ_y1,…,τ_yp]，所述τ_y1为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本的加权参数，所述τ_yp为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本的加权参数，所述τ_λ为客户请求量控制参数加权矩阵，τ_λ＝[τ_λ1,…,τ_λp]，所述τ_λ1为所述Δλ^p(k)矩阵中第1个元素对应的加权参数，所述τ_yp为所述Δλ^p(k)矩阵中第p个元素对应的加权参数，C^p(k)＝[C(k+1),C(k+2),…,C(k+p)]^T，所述C(k+1)为所有互联网数据中心在当前单位时间段k之后的下一个单位时间段的总预测电力成本，所述C(k+2)为所有互联网数据中心在当前单位时间段k之后的第2个单位时间段的总预测电力成本，所述C(k+p)为所有互联网数据中心在当前单位时间段k之后的第p个单位时间段的总预测电力成本，所述为所有互联网数据中心在当前单位时间段k之后的所述P个单位时间段内的平均总预测电力成本，所述Δλ^p(k)为客户请求量控制参数矩阵，Δλ^p(k)＝[Δλ(k),Δλ(k+1),…,Δλ(k+p-1)]^T，所述Δλ^p(k)由当前单位时间段k对应的客户请求量控制参数矩阵以及当前单位时间段k之后的下一个单位时间段至第p-1个单位时间段分别对应的客户请求量控制参数矩阵构成的，所述Δλ(k)为当前单位时间段k对应的客户请求量控制参数矩阵，所述Δλ(k+1)为当前单位时间段k之后的下一个单位时间段对应的客户请求量控制参数矩阵，所述Δλ(k+p-1)为当前单位时间段k之后的第p-1个单位时间段对应的客户请求量控制参数矩阵，Δλ(k)＝[Δλ₁(k),…Δλ_j(k),…,Δλ_N(k)]^T，所述Δλ₁(k)为当前单位时间段k时第1个互联网数据中心的客户请求量控制参数，所述Δλ_j(k)为当前单位时间段k时第j个互联网数据中心的客户请求量控制参数，所述Δλ_N(k)为当前单位时间段k时第N个互联网数据中心的客户请求量控制参数，所述Δλ^p(k)^*为客户请求量控制参数矩阵的最优解，所述Δλ(k)^*为当前单位时间段k对应的最优客户请求量控制参数矩阵，所述Δλ(k+1)^*为当前单位时间段k之后的下一个单位时间段对应的的最优客户请求量控制参数矩阵，所述Δλ(k+p-1)^*为当前单位时间段k之后的第p-1个单位时间段对应的的最优客户请求量控制参数矩阵，Δλ(k)^*＝[Δλ₁(k)^*,…,Δλ_j(k)^*,…,Δλ_N(k)^*]^T，所述Δλ₁(k)^*为第1个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，所述Δλ_j(k)^*为第j个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，所述Δλ_N(k)^*为第N个互联网数据中心在当前单位时间段k对应的最优客户请求量控制参数，所述λ_j(k+1)'为当前单位时间段k的下一单位时间段的的实际客户请求量，所述λ_j(k)为第j个互联网数据中心在当前单位时间段k的客户请求量，所述S_j(k+1)'为第j个互联网数据中心在当前单位时间段k的下一单位时间段的实际开启的服务器的个数。