CN106130013B - 主机托管式数据中心参与需求响应工程的优化控制方法 - Google Patents
主机托管式数据中心参与需求响应工程的优化控制方法 Download PDFInfo
- Publication number
- CN106130013B CN106130013B CN201610541451.5A CN201610541451A CN106130013B CN 106130013 B CN106130013 B CN 106130013B CN 201610541451 A CN201610541451 A CN 201610541451A CN 106130013 B CN106130013 B CN 106130013B
- Authority
- CN
- China
- Prior art keywords
- node
- data center
- plan
- operation plan
- electricity
- 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.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种主机托管式数据中心参与需求响应工程的优化控制方法,通过用电户在收到发电厂用电异常信息时向数据中心发出各自的服务器调度计划请求,由数据中心通过建模并形成最优化目标和计划接收节点群,并向计划接收节点群发出承诺用电量和奖励信息。本发明解决了托管式数据中心难以参与到需求响应工程的问题,实现数据中心控制者在不对自己以及数据中心中的节点的工作性能造成影响的前提下参与到需求响应工程中。并且还结合了热力学原理使整个系统的运行效果得到进一步的提升。
Description
技术领域
本发明涉及一种电力系统领域的技术,具体涉及一种应用于智能电网与数据中心的主机托管式数据中心参与需求响应工程的优化控制方法。
背景技术
需求响应工程是近些年来智能电网领域非常热门的一项工程。它的出现可以让发电厂的工作效率,稳定性与安全系数得到大幅提升。它的基本原理是发电厂通过给大型用电户(比如工厂,数据中心)提供一定的奖励来换取他们用电量上的缩减从而达到控制自身发电量的目的。
所以数据中心作为一种高用电量,具备智能功率控制能力的用电户就成为了参与到需求响应工程中的首选。但是大部分已有的工作都集中在私有化数据中心上。这种数据中心的拥有者对数据中心中的所有硬件与软件拥有绝对控制权。另一类数据中心,被称作“主机托管式”数据中心,却很少有研究者涉足。主机托管式的含义是,这种数据中心只提供服务器托管的服务,(比如网络,冷却,场地),但是服务器的控制权是属于节点的,数据中心无法控制。所以这类数据中心难以参与到需求响应工程中的一大原因就是由于这类数据中心缺乏对服务器的控制权,而节点也没有任何动力去帮助数据中心操作者,造成操作者想要参与到需求响应工程中,就必须借助于发电机,备份电池等方法来减少自己对发电厂的电力需求,但是这是一个非常不环保且开销很大的方案。
现如今已经出现一些工作来解决这个问题。但是他们的工作有两点局限。一是不能保证数据中心操作者的性能不受影响,即数据中心操作者可能会因为参与到需求响应工程中而造成服务质量的下降。这点非常不利于该系统在数据中心领域的推广。二是都没有考虑到热力学方面的知识,所以系统的运行效果一般。
发明内容
需求响应工程以及被工业界所广泛接受作为一种提升发电厂发电效率的高效手段。并且借助广泛的大型用电户的积极参与,该工程也越来越被广泛的推行。但是托管式数据中心,作为一种数量庞大,耗电量巨大的大型用电户,却始终无法高效的参与到需求响应工程中,本发明提出一种主机托管式数据中心参与需求响应工程的优化控制方法,解决了托管式数据中心难以参与到需求响应工程的问题,实现数据中心控制者在不对自己以及数据中心中的节点造成影响的前提下参与到需求响应工程中,本发明能够在不造成数据中心操作者以及数据中心中的节点的工作性能受到影响的前提下,参与到需求响应工程中。并且结合热力学知识进一步对数据中心的制冷系统进行调整获得更好的运行效果,使整个系统的运行效果得到进一步的提升。
本发明是通过以下技术方案实现的:
本发明涉及一种主机托管式数据中心参与需求响应工程的优化控制方法,通过用电户,即节点在收到发电厂用电异常信息时向数据中心发出各自的服务器调度计划请求,由数据中心通过建模并形成最优化目标和计划接收节点群,并向计划接收节点群发出承诺用电量和奖励信息。
所述的用电异常包括但不限于:高峰的用电时段或者是出现一些紧急情况,比如极端天气。
所述的发电厂用电异常信息具体是指:请求大型用电户反馈其在下一个单位时间段内能够减少的用电量信息。
所述的服务器调度计划请求包括电量减少请求和电量缩减开销,具体为(Li,ci),其中:Li代表的是一个清单,其中列出了这个节点i所拥有的服务器以及他愿意给每个服务器减少多少电量,Li的形式为{(s1,e1),(s2,e2),....},其中:每一个sj都代表节点i的一个服务器,ej则代表节点可以给这个服务器减少多少用电量。ci表示的是该节点实现此用电量缩减所带来的开销。
步骤1、发电厂在某些高峰的用电时段或者是出现一些紧急情况时,比如极端天气时会向所有大型用电户发送一个信号,告知他们发电厂希望他们在下一个单位时间段(一般是一个小时)减少的用电量。
步骤2、数据中心中的节点在接受到开始的信号后,会根据自己当前的工作负载情况提出各自的服务器调度计划。
步骤3、数据中心操作者收到所有节点的计划后,对该系统进行建模,形成最优化目标,然后根据基于热量感知的节点耗电调整计划的最优调度算法TECH和/或增强版的算法TECH‐EH调度方法结合该数据中心的热力学模型决定调度计划被接受的节点集合以及制冷系统供应的冷气温度。
所述的建模并形成最优化目标是指:最小化数据中心操作者对后备能源(比如,发电机等)的使用电量。
优化目标:最小化
限制条件:1)被接受的节点的调度计划所带来的用电量减少量加上数据中心自身采用后备能源产生的电量之和应该大于等于发电厂给该数据中心指定的电量减少目标量。2)被接受的节点调度计划所带来的电量减少以及调整后的制冷系统供应的冷气温度能够保证每一个服务器的入口温度不会超过一个阈值。3)数据中心运行此调度方法实现整个数据中心的电量降低所带来的开销一定小于他仅仅采用后备能源产生同样的电量降低量所带来的开销。
步骤4、数据中心通知调度计划被接受的节点减少其所承诺的用电量,同时告知每个调度计划被接受的节点能够获得的奖励,并调整制冷系统的冷气温度。
本发明涉及一种实现上述方法的系统,包括:用于计算任意一个节点的调度计划的保守贡献的数据中心热量分布模拟模块、调度计划选择模块和反馈信息计算模块,其中:数据中心热量分布模拟模块在其他节点的调度计划都不被接受的前提下,仅任意一个节点能对整个数据中心的热量分布带来怎样的影响,并且计算出该节点的调度计划能够让制冷系统的供应冷气温度提高的幅度后将该信息传递给调度计划选择模块;调度计划选择模块计算被选中的节点调度计划,并输出至数据中心热量分布模拟模块,数据中心热量分布模拟模块根据被选中的节点调度计划计算出制冷系统能够设置的最优的供应冷气温度值,并输出至反馈信息计算模块;调度计划选择模块通过节点提交的调度计划和数据中心热量分布模拟模块所提供的节点的保守贡献计算出获胜的节点调度计划集合,并分别输出至反馈信息计算模块和数据中心热量分布模拟模块;节点反馈信息模块根据获胜的节点调度计划集合和最优的供应冷气温度值计算每个获胜的节点的反馈信息,并输出至获胜的节点。
技术效果
与现有技术相比,本发明可以在保证在数据中心操作者和节点们的工作性能不受影响的前提下参与到需求响应工程中,并且配合数据中心的热力学模型,对数据中心的制冷系统进行调整,实现比以往工作更少的后备能源的使用。
附图说明
图1为本发明方法流程图;
图2为实施例1中响应事件发生时,三种不同方法实现的用电量减少量以及目标减少量示意图;图中针对每一种方法都用一个柱体来表示,分别代表三种不同的节能方法所带来的耗电的减少量,其中白颜色的部分代表服务器减少的耗电量,灰颜色的部分代表制冷系统降低的耗电量,黑颜色部分代表通过柴油发电机所提供的耗电量;
图3为模拟实验中每次需求响应事件发生时,三种不同方法所导致开销以及开销的构成示意图,图中针对每一种方法都用一个柱体来表示,分别代表被用于完成不同任务所带来的开销,其中黑色的部分代表,为了能够给节点带来反馈所带来的开销,白色的部分代表为了使用发电机完成节能目标所带来的开销;
图4为实施例中模拟实验中采用不同的方法制冷系统的冷气温度值示意图;图中针对每一种方法都用一个条轨迹来表示,带有正方形符号的是采用基于热量感知的节点耗电调整计划的最优调度算法TECH后,制冷系统的冷气温度。带有圆形符号的是采用基于增强版算法TECH‐EH后,制冷系统的冷气温度,带有x符号的是不采用任何方法时,系统的冷气温度。
具体实施方式
实施例1
本实例包括以下步骤:
第一步、当即将进入用电高峰期时或即将出现极端天气时,发电厂会事先发送需求响应工程信号给若干大型节点,比如,数据中心,并告知每一个节点需要达到的目标用电减少量。数据中心操作者接收到信号后,并且知道目标用电减少量为δKw。
第二步、所有节点提出各自的服务器调度计划(Li,ci)给数据中心操作者。数据中心操作者在接到调度计划后配合该数据中心的热力学模型采用TECH方法或TECH‐EH方法得出计划被接受的节点集合以及最优的制冷系统冷气温度,以实现最小化数据中心对后备能源的使用量的最优化目标。
优化目标:最小化;
限制条件:1)被接受的节点的调度计划所带来的用电量减少量加上数据中心自身采用后备能源产生的电量之和应该大于等于发电厂给该数据中心指定的电量减少目标量。2)被接受的节点的调度计划所带来的电量减少以及调整后的制冷系统供应的冷气温度能够保证每一个服务器的入口温度不会超过一个阈值。3)数据中心开展该调度方法实现整个数据中心的电量降低所带来的开销一定小于他仅仅采用后备能源产生同样的电量降低量所耗费的开销。
提出了两种方法TECH和TECH‐EH。这两个方法的区别之处在于如何接受节点的调度计划。在TECH方法中,假设每一个节点的调度计划只能被完整的接受或者不被接受。被完整接受是指:,节点的调度计划中所声明的所有计划减少用电量的服务器都必须按照他所指定的量来减少。而在TECH‐EH方法中,假设节点的调度计划可以被部分接受,即可以选取该节点调度计划中声明的服务器的一个子集来减少用电量,其他的服务器可以继续维持原有耗电。但是被选中的服务器的用电减少量必须和节点所声明的一样多。
所述的TECH,具体步骤包括:
i)初始化,计算每一个节点的调度计划的贡献,即这个计划在最后选出获胜的计划集合后能为整个数据中心带来多少电量节省;
每个节点的贡献包含两个部分,一部分是通过降低它的服务器的用电量而造成的服务器用电节省量。另一部分是由于关闭了一部分服务器,则制冷系统的冷空气可以进行适当的升高,通过这种冷空气的温度上升所带来的制冷系统的用电量减少。前者可以通过节点的调度计划直接计算出来。后者的计算需要使用一个热力学模型进行求解,但这是一个复杂的子模问题,无法高效解出,所以引入了一个“保守贡献”的概念,即仅仅计算只接受这个调度计划能带来制冷系统节省多少电量作为它的保守贡献,保守贡献一定比它的真实贡献要低,所以这样可以保证最后求出的解一定能够满足约束。
ii)确定了每个节点的贡献,要把所有的节点按照他们的效率从高到低进行排名。这里的效率是指:每个节点的贡献和他的开销c的比值。在排名中,还会把数据中心的后备能源的效率也插入到排名中。插入之后,把效率低于后备能源的调度计划排除。
iii)根据剩下的调度计划的排名顺序依次接受计划直到接受的计划集合的效率低于数据中心的后备能源为止。
iv)根据获胜的调度计划集合以及热力学模型计算最优的冷空气温度。并且确定最终的数据中用电减少量。
v)为每个被接受的调度计划计算奖励,奖励的值等于该计划的临界开销。每个计划的临界开销是指:一个节点为获胜所需的最大的开销。
可以证明该方法具有可信性,个体理智性并且满足所提出的三个约束。
所述的TECH‐EH,具体步骤包括:
i)初始化,由于在TECH‐EH方法中允许每个节点的调度计划可以被部分接受,为了实现这个目的,首先将每个节点的调度计划按照他所包含的服务器进行拆分,即每一个服务器作为一个新的调度计划,即子调度计划。此时每个节点就拥有了一个子调度计划组合。而每一个子调度计划的贡献的确定方法和TECH方法中的确定方法是一样的。
ii)得到所有的子调度计划后,将所有的子调度计划按照效率由高到低进行排序,并且同样把后备能源的效率插入排名中,删除效率低于后备能源的子调度计划。
iii)根据剩下的子调度计划排名顺序依次接受计划直到接受的计划集合的效率低于数据中心的后备能源为止。
iv)根据被接受的子调度计划集合以及热力学模型确定最优的冷空气温度和数据中心的真实用电减少量。
v)同样根据临界开销的思想为每个节点计算奖励,每个节点的奖励由其被接受的子调度计划的临界开销的总和构成。
所述的子调度计划的临界开销,是指:能够保证该子调度计划所在的节点调度计划中的比该子调度计划更高效的子调度计划被接受的前提下,它也能被接受的最大开销。
也证明了该调度方法具有可信性,个体理智性并且满足所提出的三个约束。
第三步、将选择的结果通知给每一个被选中的节点,并且监测这些节点是否真的按照他们的调度计划减少了相应服务器的用电量。
模拟实验结果
本实施例的模拟实验是在一个拥有6个节点的主机托管式数据中心中进行的。整个数据中心是由4排服务器构成。每一排包含320个服务器,8个机架,每个机架包含40个刀片式服务器,其中:4个节点每人拥有160个服务器,2个节点每人拥有320个服务器。将模拟在一天24小时中该系统的运行情况,其中:有6个小时将会出现需求响应信号。
如图2所示,图中为模拟实验中6次不同时段的需求响应事件发生时,三种不同方法实现的用电量减少量以及目标减少量,其中从左至右分别是采用TECH‐EH方法,采用TECH方法,不考虑热力学模型的方法以及目标用电减少量。
每个柱子都包含三个部分,由上到下分别是制冷系统减少的用电量,服务器减少的用电量,后备能源提供的能量。
从图中可以看出每种方法所产生的用电量降低都是由三个部分组成的,分别为制冷系统用电减少量(最上面的部分),服务器用电减少量(中间的部分)以及采用后备能源的发电量(最下面的部分)。前三种方法由于采用调度方法利用了节点的力量使得数据中心对后备能源的依赖大大减少了。而前两种方法由于考虑了热力学模型,所以相比于第三种不考虑热力学模型的方法可以实现更少的后备能源使用量。而由于TECH‐EH方法能够部分接受节点的调度计划,也能够把节点的调度计划中那些更高效的提取出来,所以它相比于TECH方法能够获得更少的后备能源使用量。
如图3所示,图中展示了采用上述图2的四种方法参与到需求响应中数据中心的操作者的开销,图中从左至右分别是采用TECH‐EH方法,采用TECH方法,不考虑热力学模型的方法以及目标用电减少量;图中每个方法开销由两部分组成,位于图中上半部分的是给节点的奖励,下半部分是采用后备能源的开销。
可以看出无论采取前三种方法的哪一种,都要比只采用后备能源参与到需求响应工程中的开销要低。这也满足所设定的约束。
如图4所示,图中展示了通过引入了热力学模型,可以让制冷系统的冷气温度实现多大的调整,可以看出,由于TECH‐EH和TECH方法都考虑了热力学模型,所以他们都可以大幅提升冷空气温度,这样可以使制冷系统节省大量的耗电,而由于TECH‐EH可以接受更多的调度计划,所以他可以收获比TECH更高的冷空气温度。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (4)
1.一种主机托管式数据中心参与需求响应工程的优化控制方法,其特征在于,通过用电户在收到发电厂用电异常信息时向数据中心发出各自的服务器调度计划请求,由数据中心通过建模并形成最优化目标和计划接收节点群,并向计划接收节点群发出承诺用电量和奖励信息;
所述的发电厂用电异常信息具体是指:请求大型用电户反馈其在下一个单位时间段内能够减少的用电量信息;
所述的服务器调度计划请求包括电量减少请求和电量缩减开销;
所述的优化控制方法,具体包括以下步骤:
步骤1、发电厂在高峰的用电时段或者是出现紧急情况时,向所有大型用电户发送一个信号,告知发电厂希望在下一个单位时间段减少的用电量;
步骤2、数据中心中的节点在接受到开始的信号后,会根据自己当前的工作负载情况提出各自的服务器调度计划请求;
步骤3、数据中心操作者收到所有节点的计划后,对制冷系统进行建模,形成最优化目标,然后根据TECH方法和/或TECH-EH方法结合该数据中心的热力学模型决定调度计划被接受的节点集合以及制冷系统供应的冷气温度;
步骤4、数据中心通知调度计划被接受的节点减少其所承诺的用电量,同时告知每个调度计划被接受的节点能够获得的奖励,并调整制冷系统的冷气温度;
所述的TECH,具体步骤包括:
i)计算每一个节点的调度计划的贡献,即这个计划在最后选出获胜的计划集合后能为整个数据中心带来多少电量节省;
所述的贡献包括:通过降低它的服务器的用电量而造成的服务器用电节省量以及由于关闭了一部分服务器,则制冷系统的冷空气可以进行适当的升高,通过这种冷空气的温度上升所带来的制冷系统的用电量减少;
ii)把所有的节点以及数据中心的后备能源按照其效率从高到低进行排名,并把效率低于后备能源的调度计划排除;
所述的效率是指:每个节点的贡献和他的开销的比值;
iii)根据排除后的调度计划的排名顺序依次接受计划直到接受的计划集合的效率低于数据中心的后备能源为止;
iv)根据获胜的调度计划集合以及热力学模型计算最优的冷空气温度,并且确定最终的数据中用电减少量;
v)为每个被接受的调度计划计算奖励,奖励的值等于该计划的临界开销;
所述的临界开销是指:一个节点为获胜所需的最大的开销;
所述的TECH-EH,具体步骤包括:
i)将每个节点的调度计划按照他所包含的服务器进行拆分,即每一个服务器作为一个新的调度计划,即子调度计划,此时每个节点就拥有了一个子调度计划组合;
所述的子调度计划,其贡献包括:通过降低它的服务器的用电量而造成的服务器用电节省量以及由于关闭了一部分服务器,则制冷系统的冷空气可以进行适当的升高,通过这种冷空气的温度上升所带来的制冷系统的用电量减少;
ii)将所有的子调度计划按照效率由高到低进行排序,并且同样把后备能源的效率插入排名中,删除效率低于后备能源的子调度计划;
iii)根据剩下的子调度计划排名顺序依次接受计划直到接受的计划集合的效率低于数据中心的后备能源为止;
iv)根据被接受的子调度计划集合以及热力学模型确定最优的冷空气温度和数据中心的真实用电减少量;
v)为每个节点计算奖励,每个节点的奖励由其被接受的子调度计划的临界开销的总和构成;
所述的子调度计划的临界开销为:能够保证该子调度计划所在的节点调度计划中的比该子调度计划更高效的子调度计划被接受的前提下能够被接受的最大开销。
2.根据权利要求1所述的优化控制方法,其特征是,所述的服务器调度计划(Li,ci)中:Li代表的是一个清单,其中列出了这个节点i所拥有的服务器以及他愿意给每个服务器减少多少电量,Li的形式为{(s1,e1),(s2,e2),....},其中:每一个si都代表节点i的一个服务器,ei则代表节点可以给这个服务器减少多少用电量;ci表示的是该节点实现此用电量缩减所带来的开销。
3.根据权利要求1所述的优化控制方法,其特征是,所述的建模并形成最优化目标是指:最小化数据中心操作者对后备能源的使用电量:
优化目标:最小化
限制条件:1)被接受的节点的调度计划所带来的用电量减少量加上数据中心自身采用后备能源产生的电量之和应该大于等于发电厂给该数据中心指定的电量减少目标量;2)被接受的节点调度计划所带来的电量减少以及调整后的制冷系统供应的冷气温度能够保证每一个服务器的入口温度不会超过一个阈值;3)数据中心运行此调度方法实现整个数据中心的电量降低所带来的开销一定小于他仅仅采用后备能源产生同样的电量降低量所带来的开销。
4.一种实现权利要求1~3中任一所述方法的系统,其特征在于,包括:用于计算任意一个节点的调度计划的保守贡献的数据中心热量分布模拟模块、调度计划选择模块和反馈信息计算模块,其中:数据中心热量分布模拟模块在其他节点的调度计划都不被接受的前提下,仅任意一个节点能对整个数据中心的热量分布带来怎样的影响,并且计算出该节点的调度计划能够让制冷系统的供应冷气温度提高的幅度后将该信息传递给调度计划选择模块;调度计划选择模块计算被选中的节点调度计划,并输出至数据中心热量分布模拟模块,数据中心热量分布模拟模块根据被选中的节点调度计划计算出制冷系统能够设置的最优的供应冷气温度值,并输出至反馈信息计算模块;调度计划选择模块通过节点提交的调度计划和数据中心热量分布模拟模块所提供的节点的保守贡献计算出获胜的节点调度计划集合,并分别输出至反馈信息计算模块和数据中心热量分布模拟模块;节点反馈信息模块根据获胜的节点调度计划集合和最优的供应冷气温度值计算每个获胜的节点的反馈信息,并输出至获胜的节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541451.5A CN106130013B (zh) | 2016-07-11 | 2016-07-11 | 主机托管式数据中心参与需求响应工程的优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541451.5A CN106130013B (zh) | 2016-07-11 | 2016-07-11 | 主机托管式数据中心参与需求响应工程的优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106130013A CN106130013A (zh) | 2016-11-16 |
CN106130013B true CN106130013B (zh) | 2019-03-05 |
Family
ID=57283072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610541451.5A Expired - Fee Related CN106130013B (zh) | 2016-07-11 | 2016-07-11 | 主机托管式数据中心参与需求响应工程的优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106130013B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107093896B (zh) * | 2017-05-10 | 2018-03-09 | 合肥工业大学 | 一种基于需求响应的工业负荷优化调度建模方法 |
CN109034527B (zh) * | 2018-06-13 | 2021-10-12 | 国网江苏省电力有限公司电力科学研究院 | 一种含中央空调及数据中心的紧急需求响应组合调控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377084A (zh) * | 2012-04-11 | 2013-10-30 | 李涛 | 一种基于可再生能源的绿色数据中心的负载调度方法及装置 |
CN103384272A (zh) * | 2013-07-05 | 2013-11-06 | 华中科技大学 | 一种云服务分布式数据中心系统及其负载调度方法 |
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 |
-
2016
- 2016-07-11 CN CN201610541451.5A patent/CN106130013B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377084A (zh) * | 2012-04-11 | 2013-10-30 | 李涛 | 一种基于可再生能源的绿色数据中心的负载调度方法及装置 |
CN103384272A (zh) * | 2013-07-05 | 2013-11-06 | 华中科技大学 | 一种云服务分布式数据中心系统及其负载调度方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN106130013A (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Adaptive robust tie-line scheduling considering wind power uncertainty for interconnected power systems | |
Zeng et al. | A potential game approach to distributed operational optimization for microgrid energy management with renewable energy and demand response | |
Yang et al. | Transactive energy supported economic operation for multi-energy complementary microgrids | |
Qin et al. | Consensus-based distributed coordination between economic dispatch and demand response | |
Du et al. | Coordinated energy dispatch of autonomous microgrids with distributed MPC optimization | |
Che et al. | Optimal interconnection planning of community microgrids with renewable energy sources | |
Wang et al. | Privacy-preserving energy scheduling in microgrid systems | |
Fu et al. | Security-constrained optimal coordination of generation and transmission maintenance outage scheduling | |
Minciardi et al. | Optimal control in a cooperative network of smart power grids | |
Hawkes et al. | Modelling high level system design and unit commitment for a microgrid | |
Hosseini et al. | Adaptive neuro-fuzzy inference system based automatic generation control | |
Prathapaneni et al. | Optimal design of energy sources and reverse osmosis desalination plant with demand side management for cost-effective freshwater production | |
Yamin et al. | Security-constrained optimal generation scheduling for GENCOs | |
Wang et al. | Coordination of generation maintenance scheduling in electricity markets | |
Ma et al. | Economic and low-carbon day-ahead Pareto-optimal scheduling for wind farm integrated power systems with demand response | |
CN106130013B (zh) | 主机托管式数据中心参与需求响应工程的优化控制方法 | |
CN115907232B (zh) | 区域综合能源系统集群协同优化方法、系统、设备及介质 | |
CN105226649B (zh) | 一种基于母线负荷预测改进的省级电网发电调度优化方法 | |
Wei et al. | A novel scheduling strategy for controllable loads with power-efficiency characteristics | |
Chi et al. | The innovation consumption mode of distributed renewable energy under resource bricolage: A case study of China | |
CN107565548A (zh) | 一种基于负荷侧灵活消纳弃风电量市场交易方法 | |
Lavania et al. | Reducing variation in solar energy supply through frequency domain analysis | |
CN116192906A (zh) | 基于云边端协同的工业园区综合能源数字化监控方法 | |
Nezhad et al. | Demand response application for residential prosumers using stochastic optimization | |
Zou et al. | Evaluating the impacts of flexible ramping products on the market equilibrium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190305 Termination date: 20210711 |