CN106600080B - 一种数据网络与电力网络耦合模型参与系统经济调度方法 - Google Patents
一种数据网络与电力网络耦合模型参与系统经济调度方法 Download PDFInfo
- Publication number
- CN106600080B CN106600080B CN201710052437.3A CN201710052437A CN106600080B CN 106600080 B CN106600080 B CN 106600080B CN 201710052437 A CN201710052437 A CN 201710052437A CN 106600080 B CN106600080 B CN 106600080B
- Authority
- CN
- China
- Prior art keywords
- workload
- data center
- network
- model
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008878 coupling Effects 0.000 title claims abstract description 40
- 238000010168 coupling process Methods 0.000 title claims abstract description 40
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 40
- 238000005265 energy consumption Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000012546 transfer Methods 0.000 claims abstract description 37
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000004378 air conditioning Methods 0.000 claims abstract description 8
- 238000001816 cooling Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 11
- 238000005057 refrigeration Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000013468 resource allocation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer And Data Communications (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种数据网络与电力网络耦合模型参与系统经济调度方法,数据中心物理模型,包括计算节点模型、工作负载模型和数据中心处理工作负载模型;数据中心物理构架能耗模型,包括IT设备能耗模型、空调设备能耗模型和配电系统能耗模型;基于数据网络模型,构建网络特性基本约束和工作负载转移约束;提供双网耦合模型参与系统运行的调节潜力计算方法;数据网络参与系统运行的调度性能。本发明提供的方法建立了双网耦合模型参与电力系统运行的经济调度模型,考虑数据网络与电力网络运行要求,以最小化系统发电成本为目标,采用优化算法对耦合模型中数据网络节点的电力消耗值进行求解,比较调度前后的发电成本变化以及工作负载的转移特性。
Description
技术领域
本发明涉及电力系统及其自动化技术领域和计算机科学与技术领域,具体是一种数据网络与电力网络耦合模型参与系统经济调度方法。
背景技术
随着现代网络生活以及无纸化办公等信息服务的普及,数据中心的数量和规模迅速增长,其能源消耗和运营成本问题日益突出。据统计,数据中心的仅电力成本消耗就占到总运行成本的50%左右,仅2012年我国数据中心的能耗就达到664.5亿度。对企业而言,数据中心电费严重侵蚀企业的经营利润,中国联通2012年利润仅为12亿美元,但其电费开支却高达17亿美元。数据中心能耗大,污染高,不仅制约了自身发展,其庞大的能量消耗与不稳定性也给电网的安全稳定运行带来了威胁。
数据中心能耗问题的研究一直是相关领域的热点之一。国内外的部分研究考虑将工作负载在不同数据中心之间进行转移,实现降低电力成本的目的。数据中心网络具备在多个数据中心节点上快速转移工作负载的特点,所以能够通过工作负载的转移,实现电力负荷在不同数据中心节点灵活调度的能力,数据中心将成为重要的系统调控资源。电力系统领域主动考虑数据中心之间的电力电量转移问题,将数据中心工作负载的调整纳入全系统的运行过程,既能帮助数据中心降低运行成本,获得可靠电力供应,又有利于实现系统安全稳定经济运行。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种数据网络与电力网络耦合模型参与系统经济调度方法,用于解决数据中心能耗高的技术问题。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种数据网络与电力网络耦合模型参与系统经济调度方法,所述方法包括顺序执行的以下步骤:
(1)基于数据网络自身运行机制,将数据网络中单个数据中心的物理模型简化为计算节点模型、工作负载模型、工作负载处理模型三大模块;
(2)基于工作负载所具备的在多数据中心之间的转移能力,建立数据中心各部分能耗与工作负载的直接联系;
(3)基于数据网络模型,构建网络特性基本约束和工作负载转移约束;
(4)基于数据网络与电力网络的解耦关系,建立数据网络直接参与电力网络运行的双网耦合模型;
(5)基于双网耦合模型及其安全运行的约束条件,形成数据网络电力调节潜力分析方法;
(6)基于双网耦合模型,建立数据中心参与电力系统经济运行模型。
本发明中,数据中心网络具备的在多个数据中心节点上快速转移工作负载能力是其参与电力系统运行的关键,因此能够通过工作负载的转移,实现电力负荷在不同数据中心节点灵活调度的能力,使数据中心将成为重要的系统调控资源。电力系统领域主动考虑数据中心之间的电力电量转移问题,将数据中心工作负载的调整纳入全系统的运行过程,实现系统整体经济效益最大化。
优选的,所述步骤(1)中,数据中心的三大模块的数学表达分别如下:
(1)计算节点模型
Node={nodei|1≤i≤I} (1)
nodei=(ta,p(t),u(t),temp(t)) (2)
其中,I是计算节点的总数;ta是对应计算节点可以处理工作负载的时间,p(t)是对应计算节点的单位时间能耗,u(t)是对应计算节点的处理速度,temp(t)是对应计算节点处的温度;
(2)网络用户发出任务要求,形成工作负载模型
JOB={jobj|1≤j≤J} (3)
jobj=(p,tarrival,tstart,treq,r(t),Δtemp(t)) (4)
其中,JOB为某地域工作负载集,J是该地工作负载类型的总数,jobj表示j型工作负载;p为处理对应的工作负载所需的数据中心内部计算节点数;tarrival为对应的工作负载到达时间;tstart为对应的工作负载开始处理时间;treq为对应的工作负载处理所需时间;r(t)为对应的工作负载的时间分布;Δtemp(t)为t时刻工作负载在各计算节点随着时间的推进温度的变化值;
(3)数据中心对工作负载进行处理的工作负载处理模型
schedulej:jobj→(nodei,jobj.tarrival) (5)
上式中,schedulej表示数据中心将工作负载jobj分配到计算节点i上进行处理的过程;其中,jobj.tarrival为数据中心将工作负载jobj分配到计算节点i的到达时间。在这一分配过程中,既要保证所有到达的工作负载都有相应的计算节点进行处理,又要满足各种工作负载的延时要求,避免损害网络用户的利益。
工作负载处理过程满足如下2个模型
(1)工作负载传递到数据中心总量与数据中心处理总量是实时平衡的,因此有如下工作负载平衡模型
(2)工作负载的延时问题是数据中心服务性能的集中体现,延时主要来自于工作负载进入数据中心内部后等待服务器处理的等待时长。由于工作负载到达服务器的时间和服务器接收处理的事件的不确定性,排队时延基于先到先服务原则,对于到达数据中心的请求负载进行资源分配,因此有如下工作负载延时模型
其中,jobj.r(t)表示工作负载jobj的时间分布,nodei.u(t)表示计算节点i的处理速度,t0表示工作负载jobj的初始到达时间,Dj表示工作负载jobj到达数据中心后等待处理的时间。
进一步的,所述步骤(2)中,单个数据中心的能耗P描述为:
P=PIT+Pcooling+Pnetworking (8)
其中,PIT、Pcooling、Pnetworking分别代表该数据中心的IT设备能耗、空调系统能耗以及网络传输能耗。
优选的,数据中心各部分能耗与工作负载的直接关系描述为:
(1)IT设备能耗模型
其中,是一个工作负载jobj的IT设备能耗,pi(t)是计算节点i上处理工作负载的单位能耗值,jobj.tstart是工作负载jobj开始处理时间,jobj.treq是工作负载jobj处理所需时间,jobj.pi(t)是工作负载jobj中分配到计算节点i上处理的单位能耗,jobj.p是处理工作负载jobj所需的数据中心内部计算节点数;
(2)空调系统能耗
数据中心的制冷系统消耗的电能取决于其采用的制冷策略、气候条件以及处理的工作负载数,该数据中心的制冷设备能耗可以抽象为:
Pcooling=fcooling(JOB,Temp(0),t) (11)
数据中心整体制冷能耗可以描述为:
其中,fcooling(JOB,Temp(0),t)是数据中心的能耗计算函数,Temp(0)为外部环境初始温度,nodei.Temp(0)为计算节点i的外部环境初始温度;nodei.Temp(jobj.treq)是工作负载jobj处理完毕后在计算节点i处的最终温度;ρ是空气密度;f代表空气流速;cp是空气比热容。
(3)网络传输能耗模型
Pnetworking=fnetworking(s(t))=c×s(t) (13)
式中,fnetworking(·)是该数据中心配电系统能耗计算函数,s(t)是数据中心t时刻开启的服务器台数,c为单台服务器的能耗系数。
优选的,所述步骤(3)中,网络特性基本约束和工作负载转移约束如下:
(1)工作负载基本约束
其中,M是数据中心总数,jobjm是由数据中心m处理的j型工作负载,Jbasem是数据中心m维持运行所需处理的最低工作负载数,nodem i.u(t)是数据中心m中计算节点i的单位处理速度;
(15)式表明所有数据中心所处理的工作负载jobj与单位时间内工作负载jobj的到达速度相等,即网络平衡调节;(16)式表明数据中心以其数据处理能力所能处理的工作负载所需满足的必要条件;
(2)工作负载转移约束
其中,
JOBnew为转移后的工作负载矩阵,且满足上述工作负载基本约束;
jobj.N为工作负载转移矩阵,表示单位时间内转移的j型工作负载量,且有nm1m2是单位时间内数据中心m1向数据中心m2转移的工作负载量,且带有转移方向的矢量,对角线元素(n11,n22,…,nMM)为0,且nm1m2=-nm2m1;并且Translimit为各个数据中间转移工作负载上限的矩阵。
优选的,所述步骤(4)中,数据网络直接参与电力网络运行的双网耦合模型如下:
系统可以通过与数据网络签订合同等方式掌握对于数据中心电负荷的调配权利,数据中心可以通过响应电力电量的转移获得响应的经济补偿。数据网络根据系统调度中心的指令要求,对于管辖范围内的工作负载进行统一的调度分配,从而能够参与主能量市场或者辅助服务市场。
优选的,所述步骤(5)中,数据中心电力调节潜力描述如下:
(1)基于数据本地性原则,数据网络电力总消耗为:
Ptotal(∑JOB,Temp(0),t)=
fIT(∑JOB,t)+fcooling(∑JOB,Temp(0),t)+fnetworking(t) (19)
其中,fIT(∑JOB,t)是数据网络的IT设备能耗,fcooling(∑JOB,Temp(0),t)是数据网络的制冷设备能耗,fnetworking(t)是数据网络的配电系统能耗、仅与t时刻各数据中心开启的服务器台数相关;
(2)网络节点电力调节空间
其中,
P(Jbasem,Temp(0),t)为数据中心m的电力消耗下限;
P(Jbasek,Temp(0),t)为数据中心k的电力消耗下限;
优选的,所述步骤(6)中,在传统日前调度模型基础上,纳入数据中心负荷的可调能力,以火电机组的运行费用和数据中心负荷控制成本总和最小为目标,考虑系统约束、机组运行约束、数据网络约束、服务性能约束等多个约束条件,建立包含数据中心电负荷控制的经济调度数学模型。
通过建立目标函数和约束函数实现数据中心参与电力系统经济运行模型的建立,其中:
(1)以火电机组的运行费用和数据中心负荷控制成本综合最小为优化目标的经济调度模型的目标函数如下所示
PrDC是系统对于数据中心配合调度做出的经济补偿,即:
PrDC=r*P(∑jobj.N,Temp(0),t) (25)
其中,r为数据中心转移电能的单位补偿金额;P(∑jobj.N,Temp(0),t)为t时刻数据网络接收控制进行的电量转移总量;
(2)双网耦合经济调度模型的约束函数包括系统约束、火电机组约束、数据网络约束、服务性能约束;其中:
系统约束,即在各优化时段内,所有火电机组的总出力应等于常规负荷需求与网络型电气元件的电力消耗之和:
火电机组出力上下限约束:
(3)数据网络约束
nodei.Temp(t)≤Tempmax (30)
其中,nodei.Temp(t)为数据中心的计算节点i的温度,Tempmax为数据中心运行温度阈值上限;
(28)式表明所有数据中心所处理的工作负载jobj与单位时间内工作负载jobj的到达速度相等;
(29)式表明一个数据中心以其处理能力去处理所有工作负载需要满足的条件;
(30)式表明数据中心运行过程中,各计算节点温度不得超过数据中心运行最大温度;
(4)工作负载的处理延时不应大于该类型的最大允许延时,因此有服务性能约束:
D≤Dmax (31)
其中,D为某类型的工作负载的处理延时,Dmax为该类型工作负载的允许延时阈值上限。
有益效果:
本发明首次提出了数据网络与电力网络的耦合运行模型。首先建立数据中心物理模型,包括计算节点模型、工作负载模型和数据中心处理工作负载模型;数据中心物理构架能耗模型,包括IT设备能耗模型、空调设备能耗模型和配电系统能耗模型。然后,基于数据网络模型,构建网络特性基本约束和工作负载转移约束,提供双网耦合模型参与系统运行的调节潜力计算方法并进行数据网络参与系统运行的调度性能分析。最终,建立了双网耦合模型参与电力系统运行的经济调度模型,考虑数据网络与电力网络运行要求,以最小化系统发电成本为目标,采用优化算法对耦合模型中数据网络节点的电力消耗值进行求解,比较调度前后的发电成本变化以及工作负载的转移特性。
本发明耦合模型的提出有利于优化全系统的资源配置,降低系统网损与发电成本。同时,依赖于数据中心这一特性,数据网络与电力网络耦合的模型不仅能够用于调度过程中的削峰填谷,也可以考虑作为系统备用,纳入辅助服务市场等,展现出强大的需求。
附图说明
图1是本发明提供的一种数据网络与电力网络耦合模型参与系统经济调度方法流程图;
图2是本发明步骤(1)数据中心工作负载的处理流程图;
图3是本发明步骤(2)单个数据中心能耗构成图;
图4是本发明步骤(4)数据网络与电力网络耦合模型图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示,一种数据网络与电力网络耦合模型参与系统经济调度方法,其改进之处在于,包括:
(1)基于数据中心网络自身运行机制,将单个数据中心物理模型简化为计算节点模型、工作负载模型、工作负载处理模型三大模块;
(2)基于工作负载所具备的在多数据中心直接、快速、低损耗的转移能力,建立数据中心各部分能耗与工作负载数的直接联系;
(3)基于数据网络模型,构建网络特性基本约束和工作负载转移约束;
(4)基于所述数据网络与电力网络的解耦关系,建立数据网络直接参与电力网络运行的双网耦合模型;
(5)基于所述双网耦合模型及其安全运行的约束条件,形成数据网络电力调节潜力分析方法;
(6)基于所述双网耦合模型,建立数据中心参与电力系统经济运行模型。
具体的,所述步骤(1)中,如图2所示,单个数据中心的处理流程可以简化为三个关键部分:一、网络用户发出任务要求,形成工作负载模型;二、数据中心对工作负载的处理模型;三、数据中心计算节点模型。
(1-1)计算节点模型
Node={nodei|1≤i≤I} (1)
nodei=(ta,p(t),u(t),temp(t)) (2)
其中,I是计算节点的总数;ta是对应计算节点可以处理工作负载的时间,p(t)是对应计算节点的单位时间能耗,u(t)是对应计算节点的处理速度,temp(t)是对应计算节点处的温度。
(1-2)工作负载模型
JOB={jobj|1≤j≤J} (3)
jobj=(p,tarrival,tstart,treq,r(t),Δtemp(t)) (4)
其中,JOB为某地域工作负载集,J是该地工作负载类型的总数,jobj表示j型工作负载;p为处理对应的工作负载所需的数据中心内部计算节点数;tarrival为对应的工作负载到达时间;tstart为对应的工作负载开始处理时间;treq为对应的工作负载处理所需时间;r(t)为对应的工作负载的时间分布;Δtemp(t)为t时刻工作负载在各计算节点随着时间的推进温度的变化值。
(1-3)工作负载处理模型
schedulej:jobj→(nodei,jobj.tarrival) (5)
上式中,schedulej表示数据中心将工作负载jobj分配到计算节点i上进行处理的过程;其中,jobj.tarrival为数据中心将工作负载jobj分配到计算节点i的到达时间。
在这一分配过程中,既要保证所有到达的工作负载都有相应的计算节点进行处理,又要满足各种工作负载的延时要求,避免损害网络用户的利益。
(1-3-1)工作负载平衡模型
工作负载传递到数据中心总量与数据中心处理总量是实时平衡的,这一过程可以描述为:
(1-3-2)工作负载延时模型
工作负载的延时问题是数据中心服务性能的集中体现,延时主要来自于工作负载进入数据中心内部后等待服务器处理的等待时长。
由于工作负载到达服务器的时间和服务器接收处理的事件的不确定性,排队时延基于先到先服务原则,对于到达数据中心的请求负载进行资源分配。排队延时D描述为:
其中,jobj.r(t)表示工作负载jobj的时间分布,nodei.u(t)表示计算节点i的处理速度,t0表示工作负载jobj的初始到达时间,Dj表示工作负载jobj到达数据中心后等待处理的时间。
具体的,所述步骤(2)中,如图3所示,单个数据中心的能耗模型描述为:
P=PIT+Pcooling+Pnetworking (8)
其中,PIT、Pcooling、Pnetworking分别代表该数据中心的IT设备能耗、空调系统能耗以及网络传输能耗。
(2-1)IT设备能耗模型
其中,是一个工作负载jobj的IT设备能耗,pi(t)是计算节点i上处理工作负载的单位能耗值,jobj.tstart是工作负载jobj开始处理时间,jobj.treq是工作负载jobj处理所需时间,jobj.pi(t)是工作负载jobj中分配到计算节点i上处理的单位能耗,jobj.p是处理工作负载jobj所需的数据中心内部计算节点数;
(2-2)空调系统能耗
数据中心的制冷系统消耗的电能取决于其采用的制冷策略、气候条件以及处理的工作负载数,该数据中心的制冷设备能耗可以抽象为:
Pcooling=fcooling(JOB,Temp(0),t) (11)
其中,fcooling(·)是该数据中心制冷策略下的计算函数,Temp(0)为外部环境初始温度。
某一数据中心整体制冷能耗可以描述为:
其中,fcooling(JOB,Temp(0),t)是数据中心的能耗计算函数,Temp(0)为外部环境初始温度,nodei.Temp(0)为计算节点i的外部环境初始温度;nodei.Temp(jobj.treq)是工作负载jobj处理完毕后在计算节点i处的最终温度;ρ是空气密度;f代表空气流速;cp是空气比热容。
(2-3)网络传输能耗模型
数据中心配电系统的能耗抽象为:
Pnetworking=fnetworking(s(t))=c×s(t) (13)
式中,fnetworking(·)是该数据中心配电系统能耗计算函数,s(t)是数据中心t时刻开启的服务器台数,c为单台服务器的能耗系数。
优选的,所述步骤(3)中,网络特性基本约束和工作负载转移约束如下:
(1)工作负载基本约束
其中,M是数据中心总数,jobjm是由数据中心m处理的j型工作负载,Jbasem是数据中心m维持运行所需处理的最低工作负载数,nodem i.u(t)是数据中心m中计算节点i的单位处理速度;
(15)式表明所有数据中心所处理的工作负载jobj与单位时间内工作负载jobj的到达速度相等,即网络平衡调节;(16)式表明数据中心以其数据处理能力所能处理的工作负载所需满足的必要条件;
(2)工作负载转移约束
其中,
JOBold为转移前的工作负载矩阵,且单位时间内有
JOBnew为转移后的工作负载矩阵,且满足上述工作负载基本约束;
jobj.N为工作负载转移矩阵,表示单位时间内转移的j型工作负载量,且有
其中,nm1m2是单位时间内数据中心m1向数据中心m2转移的工作负载量,且带有转移方向的矢量,对角线元素(n11,n22,…,nMM)为0,且nm1m2=-nm2m1;并且Translimit为各个数据中间转移工作负载上限的矩阵。
具体的,所述步骤(4)中,如图4所示,建立数据网络直接参与电力网络运行的双网耦合模型描述如下:
图中上层为数据网络,下层为电力网络。本模型旨在构建双层网络之间“调度命令传达”和“资源流动响应”的沟通合作。系统可以通过与数据网络签订合同等方式掌握对于数据中心电负荷的调配权利,数据中心可以通过响应电力电量的转移获得响应的经济补偿。数据网络根据系统调度中心的指令要求,对于管辖范围内的工作负载进行统一的调度分配,从而能够参与主能量市场或者辅助服务市场。例如,在由三地数据中心DC1,DC2,DC3构建的小型耦合网络中,一旦系统在实时监测中发现的DC1所在地电力供应紧张,就可以对DC1做出响应速度、响应时间、响应容量等方面的要求,DC1在接收到指令之后,实时向DC2、DC3做出工作负载的转移,从而缓解电力网络节点2处的电力紧张形势。在这一过程中,系统调度中心,网络调度中心,智能终端协调工作,将数据中心电负荷纳入系统运行。
具体的,所述步骤(5)中,数据中心电力调节潜力描述如下:
(5-1)数据网络电力总消耗
基于数据本地性原则,数据网络的总体电能消耗为:
Ptotal(∑JOB,Temp(0),t)=
fIT(∑JOB,t)+fcooling(∑JOB,Temp(0),t)+fnetworking(t) (19)
其中,fIT(∑JOB,t)是数据网络的IT设备能耗,fcooling(∑JOB,Temp(0),t)是数据网络的制冷设备能耗,fnetworking(t)是数据网络的配电系统能耗、仅与t时刻各数据中心开启的服务器台数相关;
(5-2)网络节点电力调节空间
某一数据中心m的调节空间为:
其中,
P(Jbasem,Temp(0),t)为数据中心m的电力消耗下限;
P(Jbasek,Temp(0),t)为数据中心k的电力消耗下限;
优选的,所述步骤(6)中,方法包括:在传统日前调度模型基础上,纳入数据中心负荷的可调能力,以火电机组的运行费用和数据中心负荷控制成本总和最小为目标,考虑系统约束、机组运行约束、数据网络约束、服务性能约束等多个约束条件,建立包含数据中心电负荷控制的经济调度数学模型。
(6-1)双网耦合经济调度模型的目标函数描述如下:
以火电机组的运行费用和数据中心负荷控制成本综合最小为优化目标的经济调度模型的目标函数如下所示:
PrDC是系统对于数据中心配合调度做出的经济补偿,可以表示为:
PrDC=r*P(∑jobj.N,Temp(0),t) (25)
式中,r为数据中心转移电能的单位补偿金额;P(∑jobj.N,Temp(0),t)为t时刻数据网络接收控制进行的电量转移总量。
(6-2)双网耦合经济调度模型的约束条件描述如下:
(6-2-1)系统约束
在各优化时段内,所有火电机组的总出力应等于常规负荷需求与网络型电气元件的电力消耗之和,如下所示:
(6-2-2)火电机组约束
火电机组出力上下限约束:
(6-2-3)数据网络约束
网络平衡条件:所有数据中心所处理的j型工作负载与单位时间内j型工作负载的到达速度相等,即
数据中心处理能力:Jbasem是数据中心m维持运行所需处理的最低工作负载数,nodem i.u(t)是数据中心m中计算节点i的单位处理速度,因此一个数据中心所处理的所有工作负载需要满足以下条件:
上述网络平衡条件约束对应的公式(28)和数据中心处理能力的约束对应的公式(29)与工作负载基本约束所需约束一致即分别与公式(15)、(16)一致;
数据中心运行温度:具体运行过程中,各计算节点温度不得超过数据中心运行最大温度:
nodei.Temp(t)≤Tempmax (30)
(6-2-4)服务性能约束
工作负载的处理延时不应大于该类型的最大允许延时
D≤Dmax (31)
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,所述方法包括顺序执行的以下步骤:
(1)基于数据网络自身运行机制,将数据网络中单个数据中心的物理模型简化为计算节点模型、工作负载模型、工作负载处理模型三大模块;所述步骤(1)中,数据中心的三大模块的数学表达分别如下:
(1)计算节点模型
Node={nodei|1≤i≤I} (1)
nodei=(ta,p(t),u(t),temp(t)) (2)
其中,I是计算节点的总数;ta是对应计算节点可以处理工作负载的时间,p(t)是对应计算节点的单位时间能耗,u(t)是对应计算节点的处理速度,temp(t)是对应计算节点处的温度;
(2)工作负载模型
JOB={jobj|1≤j≤J} (3)
jobj=(p,tarrival,tstart,treq,r(t),Δtemp(t)) (4)
其中,JOB为某地域工作负载集,J是该地工作负载类型的总数,jobj表示j型工作负载;p为处理对应的工作负载所需的数据中心内部计算节点数;tarrival为对应的工作负载到达时间;tstart为对应的工作负载开始处理时间;treq为对应的工作负载处理所需时间;r(t)为对应的工作负载的时间分布;Δtemp(t)为t时刻工作负载在各计算节点随着时间的推进温度的变化值;
(3)工作负载处理模型
schedulej:jobj→(nodei,jobj.tarrival) (5)
上式中,schedulej表示数据中心将工作负载jobj分配到计算节点i上进行处理的过程;其中,jobj.tarrival为数据中心将工作负载jobj分配到计算节点i的到达时间;
(2)基于工作负载所具备的在多数据中心之间的转移能力,建立数据中心各部分能耗与工作负载的直接联系;
(3)基于数据网络模型,构建网络特性基本约束和工作负载转移约束;
(4)基于数据网络与电力网络的解耦关系,建立数据网络直接参与电力网络运行的双网耦合模型;
(5)基于双网耦合模型及其安全运行的约束条件,形成数据网络电力调节潜力分析方法;
(6)基于双网耦合模型,建立数据中心参与电力系统经济运行模型。
3.如权利要求2所述的数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,所述步骤(2)中,单个数据中心的能耗P描述为:
P=PIT+Pcooling+Pnetworking (8)
其中,PIT、Pcooling、Pnetworking分别代表该数据中心的IT设备能耗、空调系统能耗以及网络传输能耗。
4.如权利要求3所述的数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,数据中心各部分能耗与工作负载的直接关系描述为:
(1)IT设备能耗模型
其中,是一个工作负载jobj的IT设备能耗,pi(t)是计算节点i上处理工作负载的单位能耗值,jobj.tstart是工作负载jobj开始处理时间,jobj.treq是工作负载jobj处理所需时间,jobj.pi(t)是工作负载jobj中分配到计算节点i上处理的单位能耗,jobj.p是处理工作负载jobj所需的数据中心内部计算节点数;
(2)空调系统能耗
其中,fcooling(JOB,Temp(0),t)是数据中心的能耗计算函数,nodei.Temp(0)为计算节点i的外部环境初始温度;nodei.Temp(jobj.treq)是工作负载jobj处理完毕后在计算节点i处的最终温度;p是空气密度;f代表空气流速;cp是空气比热容;
(3)网络传输能耗模型
Pnetworking=fnetworking(s(t))=c×s(t) (13)
式中,fnetworking(·)是该数据中心配电系统能耗计算函数,s(t)是数据中心t时刻开启的服务器台数,c为单台服务器的能耗系数。
5.如权利要求4所述的数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,所述步骤(3)中,网络特性基本约束和工作负载转移约束如下:
(1)工作负载基本约束
其中,M是数据中心总数,jobjm是由数据中心m处理的j型工作负载,Jbasem是数据中心m维持运行所需处理的最低工作负载数,nodem i.u(t)是数据中心m中计算节点i的单位处理速度;
(2)工作负载转移约束
其中,
JOBnew为转移后的工作负载矩阵,且满足上述工作负载基本约束;
6.如权利要求1所述的数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,所述步骤(4)中,数据网络直接参与电力网络运行的双网耦合模型如下:
系统掌握对数据中心电负荷的调配权利,数据中心通过响应电力电量的转移获得相应的经济补偿;数据网络根据系统的指令要求,对于管辖范围内的工作负载进行统一的调度分配。
7.如权利要求5所述的数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,所述步骤(5)中,数据中心电力调节潜力描述如下:
(1)数据网络电力总消耗
其中,fIT(∑JOB,t)是数据网络的IT设备能耗,fcooling(∑JOB,Temp(0),t)是数据网络的制冷设备能耗,fnetworking(t)是数据网络的配电系统能耗、仅与t时刻各数据中心开启的服务器台数相关;
(2)网络节点电力调节空间
其中,
P(Jbasem,Temp(0),t)为数据中心m的电力消耗下限;
P(Jbasek,Temp(0),t)为数据中心k的电力消耗下限;
8.如权利要求7所述的数据网络与电力网络耦合模型参与系统经济调度方法,其特征在于,所述步骤(6)中,通过建立目标函数和约束函数实现数据中心参与电力系统经济运行模型的建立,其中:
(1)目标函数为
PrDC是系统对于数据中心配合调度做出的经济补偿,即:
PrDC=r*P(∑jobj.N,Temp(0),t) (25)
其中,蜨为数据中心转移电能的单位补偿金额;P(∑jobj.N,Temp(0),t)为t时刻数据网络接收控制进行的电量转移总量;
(2)约束函数包括系统约束、火电机组约束、数据网络约束、服务性能约束;其中:
数据网络约束:包括上述步骤(3)中的工作负载基本约束以及下式的温度约束:
nodei.Temp(t)≤Tempmax (30)
其中,nodei.Temp(t)为数据中心的计算节点i的温度,Tempmax为数据中心运行温度阈值上限;
服务性能约束:D≤Dmax (31)
其中,D为某类型的工作负载的处理延时,Dmax为该类型工作负载的允许延时阈值上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710052437.3A CN106600080B (zh) | 2017-01-24 | 2017-01-24 | 一种数据网络与电力网络耦合模型参与系统经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710052437.3A CN106600080B (zh) | 2017-01-24 | 2017-01-24 | 一种数据网络与电力网络耦合模型参与系统经济调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106600080A CN106600080A (zh) | 2017-04-26 |
CN106600080B true CN106600080B (zh) | 2020-07-03 |
Family
ID=58585306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710052437.3A Active CN106600080B (zh) | 2017-01-24 | 2017-01-24 | 一种数据网络与电力网络耦合模型参与系统经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600080B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423133B (zh) * | 2017-06-29 | 2020-08-14 | 国网江苏省电力公司电力科学研究院 | 一种降低电网网损的数据中心间数据网络负载分配方法 |
CN107482766B (zh) * | 2017-07-05 | 2019-12-03 | 国网江苏省电力公司经济技术研究院 | 基于数据网络和电力网络互动运行的电力系统调度方法 |
CN109034557B (zh) * | 2018-07-06 | 2021-07-02 | 东南大学 | 考虑数据网络负荷调节潜力的电力系统阻塞管理方法 |
CN109146268B (zh) * | 2018-08-07 | 2021-07-06 | 东南大学 | 考虑联合优化数据调度和热储能的数据网络负荷建模方法 |
CN110912732A (zh) * | 2019-10-30 | 2020-03-24 | 中国电力科学研究院有限公司 | 一种电网阻塞管理方法及系统 |
CN111240741B (zh) * | 2020-01-16 | 2024-03-22 | 南方电网科学研究院有限责任公司 | 一种可移植的电力功能模块 |
CN115808922B (zh) * | 2022-01-07 | 2023-10-27 | 宁德时代新能源科技股份有限公司 | 商用电动车辆能耗预测方法、装置和计算机设备 |
CN117196256A (zh) * | 2023-10-18 | 2023-12-08 | 阿里云计算有限公司 | 电力市场环境下数据中心工作负载的调度方法与设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2721708A2 (en) * | 2011-12-15 | 2014-04-23 | Restore N.V. | Automated demand response energy management system |
CN103955748A (zh) * | 2014-03-18 | 2014-07-30 | 国家电网公司 | 一种基于数据通信可靠性的单负载决策优化方法 |
CN104794557A (zh) * | 2015-03-09 | 2015-07-22 | 南京理工大学 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
-
2017
- 2017-01-24 CN CN201710052437.3A patent/CN106600080B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2721708A2 (en) * | 2011-12-15 | 2014-04-23 | Restore N.V. | Automated demand response energy management system |
CN103955748A (zh) * | 2014-03-18 | 2014-07-30 | 国家电网公司 | 一种基于数据通信可靠性的单负载决策优化方法 |
CN104794557A (zh) * | 2015-03-09 | 2015-07-22 | 南京理工大学 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
Non-Patent Citations (5)
Title |
---|
Electricity bill capping for cloud-scale data centers that impact the power markets;Zhang Yanwei;<Proceedings of 2012 41st International Conference on Parallel Processing.Pittsburgh>;20121231;全文 * |
Optimal load balancing and energy cost management for internet data centers in deregulated electricity markets;Shao Huajie;<IEEE Transactions on Parallel and Distributed Systems>;20141231;全文 * |
Risk-constrained operation for internet data centers in deregulated electricity markets;Yu Liang;<IEEE Transactions on Parallel and Distributed Systems>;20141231;全文 * |
Thermal aware workload scheduling with backfilling for green data centers;Wang Lizhe;<Proceedings of the 2009 IEEE 28th International Performance Computing and Communications Conference>;20091231;全文 * |
分布式光通信网络环境下能耗技术研究;李剑飞;《硕士学位论文》;20131231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106600080A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600080B (zh) | 一种数据网络与电力网络耦合模型参与系统经济调度方法 | |
WO2023201916A1 (zh) | 一种分布式灵活资源聚合控制装置及控制方法 | |
CN107482766B (zh) | 基于数据网络和电力网络互动运行的电力系统调度方法 | |
CN104052820A (zh) | 一种分布式云计算平台的动态节能资源调度系统及方法 | |
CN112966431A (zh) | 一种数据中心能耗联合优化方法、系统、介质及设备 | |
CN112036934A (zh) | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 | |
CN113609653B (zh) | 一种基于点对点电能共享的智能楼宇群分布式优化调度方法 | |
CN107423133B (zh) | 一种降低电网网损的数据中心间数据网络负载分配方法 | |
CN108388959A (zh) | 一种基于一致性算法的源网荷储协同优化方法 | |
CN108494012A (zh) | 一种计及电转气技术的区域综合能源系统在线优化方法 | |
CN115099725B (zh) | 一种综合能源系统能量管理分配方法及系统 | |
WO2024036927A1 (zh) | 基于一致性算法的配电台区群云边协同调控方法和系统 | |
CN115800264A (zh) | 一种数据中心接入配电网集群方法、装置及介质 | |
CN113064480B (zh) | 一种基于多智能体强化学习的多数据中心协同节能方法 | |
CN109146268A (zh) | 考虑联合优化数据调度和热储能的数据网络负荷建模方法 | |
Jia et al. | Social-aware learning-based online energy scheduling for 5G integrated smart distribution power grid | |
CN116911437A (zh) | 一种考虑负载响应特性的数据中心能源系统优化调度方法 | |
CN117170839A (zh) | 基于云资源算力分配减少数据中心用能成本方法 | |
CN116755336A (zh) | 一种算力-热力灵活性协同的数据中心能量管理方法 | |
Yuan et al. | Optimal scheduling of data centers considering renewable energy consumption and temporalspatial load characteristics | |
CN115034551A (zh) | 一种多园区综合能源系统能量交互优化方法及装置 | |
Ghassemi et al. | Game based traffic exchange for green data center networks | |
CN117521920B (zh) | 应用于能源系统的协同优化方法和装置 | |
Yu et al. | Large scale control strategy for electric vehicle cluster storage participating in frequency regulation | |
CN111523792B (zh) | 综合能源系统调度参数计算、设备控制方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |