CN107423133A - 一种降低电网网损的数据中心间数据网络负载分配方法 - Google Patents

一种降低电网网损的数据中心间数据网络负载分配方法 Download PDF

Info

Publication number
CN107423133A
CN107423133A CN201710512426.9A CN201710512426A CN107423133A CN 107423133 A CN107423133 A CN 107423133A CN 201710512426 A CN201710512426 A CN 201710512426A CN 107423133 A CN107423133 A CN 107423133A
Authority
CN
China
Prior art keywords
data center
data
server
network load
network
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
Application number
CN201710512426.9A
Other languages
English (en)
Other versions
CN107423133B (zh
Inventor
崔高颖
范洁
郑爱霞
陈霄
吴刚
高赐威
周玉
石坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Southeast University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Southeast University, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710512426.9A priority Critical patent/CN107423133B/zh
Publication of CN107423133A publication Critical patent/CN107423133A/zh
Application granted granted Critical
Publication of CN107423133B publication Critical patent/CN107423133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种降低电网网损的数据中心间数据网络负载分配方法，根据数据中心内服务器CPU的工作频率及利用率，得出各数据中心的能耗，对下一时段数据网络负载情况和电力网络负荷情况的预测，在电网的统一调度下，对数据中心间网络负载的分配进行控制，改善电网潮流分布，降低系统有功网损，找到各数据中心之间的数据网络负载的最优分配方案，降损效益显著，使得数据中心用电作为一种资源纳入到改善电力网络状态的范畴中，具有良好的应用前景。

Description

一种降低电网网损的数据中心间数据网络负载分配方法
技术领域
本发明涉及电力调度技术领域，具体涉及一种降低电网网损的数据中心间数据网络负载分配方法。
背景技术
目前，电力系统中为了接收和处理迅猛增长的数据和计算量，数据中心的建设规模不断扩大，电力能耗不断上升。据统计，2011年，数据中心电力消耗约占全球电力消耗的1.5％，这一占比可能在2020 年达到8％。2015年我国的数据中心总用电量达到1000亿kWh的级别，相当于三峡水电站1年的发电量，由此可见，数据中心能耗成为极为可观的需求响应资源。
相比于电能在电缆中的传输，光纤由于其本身传输带宽较宽、传输损耗较低、抗干扰能力较强的物理特性，在不影响数据中心服务质量(Quality of Service，QoS)的前提下，可以将一个数据中心的网络负载处理任务通过光纤调度到其他地点的数据中心执行。
由于数据中心的能耗与网络负载量存在某种对应关系，可以利用网络负载的转移来代替电能的远距离传输。第一，大型的通信运营商以及互联网公司为了降低在数据中心用电成本上的投入，倾向在不同地区布局数据中心，使得数据中心成为电网不同节点上乃至不同电网的负荷；第二，数据中心往往会进行过度的硬件配置，冗余度高，利用率低。因此，如何实现以数据网络负载转移替代电能转移具有现实意义，是当前需要解决的问题。
发明内容
本发明的目的是如何实现以数据网络负载转移替代电能转移的问题。本发明的降低电网网损的数据中心间数据网络负载分配方法，能够改善电网潮流分布，降低系统有功网损，找到各数据中心之间的数据网络负载的最优分配方案，降损效益显著，使得数据中心用电作为一种资源纳入到改善电力网络状态的范畴中，具有良好的应用前景。
为了达到上述目的，本发明所采用的技术方案是：
一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：包括以下步骤，
步骤(A)，根据数据中心内的服务器CPU的工作频率及利用率，进行服务器能耗建模，建立服务器能耗模型；
步骤(B)，根据服务器能耗模型与电能利用效率值PUE，进行数据中心能耗建模，建立数据中心能耗模型；
步骤(C)，在数据信息实现交互的情景下，读取下一时刻的数据网络负载和电力网络负荷的预测数据；
步骤(D)，根据数据网络中的负载情况，将数据网络中的负载在数据中心之间进行分配；
步骤(E)，根据步骤(C)、步骤(D)，计算出各数据中心分配数据网络中负载后的服务器CPU的工作频率及利用率；
步骤(F)，根据服务器能耗模型、数据中心能耗模型，计算出各数据中心分配数据网络中负载后的能耗；
步骤(G)，根据步骤(C)预测的电力网络中的负荷情况、步骤 (F)计算出的各数据中心分配数据网络中负载后的能耗以及电力网络拓扑，得出电力网络中的有功网损；
步骤(H)，利用粒子群算法进行寻优求解，循环执行步骤(D) 至步骤(G)，其中，下一次迭代时步骤(D)中数据网络中负载的分配方案，依据粒子群算法的寻优原理，在本次迭代的基础上进行更新，直至电力网络有功网损达到收敛精度，得出使得有功网损最小时，对应的各数据中心之间的数据网络负载的最优分配方案。
前述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(A)，服务器能耗模型Pserver(f，U)，如公式(1)、 (2)所示，
Pserver(f,U)＝Pfixed+PCPU＝Pfixed+k·f3·U (2)
其中，λ是每台服务器单位时间承担的网络负载数量，μ是每台服务器的处理容量，U是CPU的利用率，Pfixed为定值表示除CPU以外的其他组件功率，k为公式(2)计算的系数，f为CPU的工作频率。
前述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(B)，数据中心能耗模型P，如公式(3)所示，
P＝M·Pserver·PUE (3)
其中，M为数据中心内开机服务器数量，Pserver＝Pserver(f，U)为服务器能耗模型。
前述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(D)，根据数据网络中的负载情况，将数据网络中的负载在数据中心之间进行分配，包括以下步骤，
(D1)，各数据中心分得的网络负载量，需满足其中，N为数据中心的总数，L为需要分配给各数据中心的总网络负载量，Li为分配给数据中心i的网络负载量，1≤i≤N，λi为数据中心i中每台服务器分得的网络负载量；
(D2)，对网络负载的分配，需在各数据中心所能承担的网络负载量范围内，需满足其中，发往数据中心i的传输延时记为Tdi，Mi为数据中心i中开机状态的服务器数量，μi为数据中心i中每台服务器的服务率，D为满足用户服务质量QoS的响应时间上限。
前述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(G)，根据步骤(C)预测的电力网络中的负荷情况、步骤(F)计算出的各数据中心分配数据网络中负载后的能耗以及电力网络拓扑，采用牛顿拉夫逊法进行潮流计算，根据潮流计算的结果，得出电力网络中的有功网损。
前述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(H)，直至电力网络有功网损达到收敛精度，即两次迭代的最优有功网损之差小于0.1kW。
本发明的有益效果是：本发明的降低电网网损的数据中心间数据网络负载分配方法，根据数据中心内服务器CPU的工作频率及利用率，得出各数据中心的能耗，对下一时段数据网络负载情况和电力网络负荷情况的预测，在电网的统一调度下，对数据中心间网络负载的分配进行控制，改善电网潮流分布，降低系统有功网损，找到各数据中心之间的数据网络负载的最优分配方案，降损效益显著，使得数据中心用电作为一种资源纳入到改善电力网络状态的范畴中，具有良好的应用前景。
附图说明
图1是本发明的降低电网网损的数据中心间数据网络负载分配方法的流程图；
图2是本发明的控制器分配给位于电网不同节点的数据中心进行处理的示意图；
图3是本发明的数据网络中的负载在数据中心之间进行分配的示意图；
图4是本发明的得到最优分配方案迭代过程的流程图。
具体实施方式
下面将结合说明书附图，对本发明作进一步的说明。
如图1所示，本发明的降低电网网损的数据中心间数据网络负载分配方法，包括以下步骤，
步骤(A)，根据数据中心内的服务器CPU的工作频率及利用率，进行服务器能耗建模，建立服务器能耗模型Pserver(f，U)，如公式(1)、 (2)所示，
Pserver(f,U)＝Pfixed+PCPU＝Pfixed+k·f3·U (2)
其中，λ是每台服务器单位时间承担的网络负载数量，μ是每台服务器的处理容量，U是CPU的利用率，Pfixed为定值表示除CPU以外的其他组件功率，k为公式(2)计算的系数，f为CPU的工作频率；
步骤(B)，根据服务器能耗模型与电能利用效率值PUE，进行数据中心能耗建模，建立数据中心能耗模型P，如公式(3)所示，
P＝M·Pserver·PUE (3)
其中，M为数据中心内开机服务器数量，Pserver＝Pserver(f，U)为服务器能耗模型；
步骤(C)，在数据信息实现交互的情景下，读取下一时刻的数据网络负载和电力网络负荷的预测数据，其中，数据网络的网络负载可以由控制器分配给位于电网不同节点的数据中心进行处理，如图2 所示；
步骤(D)，根据数据网络中的负载情况，将数据网络中的负载在数据中心之间进行分配，分配示意图，如图3所示，包括以下步骤，
(D1)，各数据中心分得的网络负载量，需满足其中，N为数据中心的总数，L为需要分配给各数据中心的总网络负载量，Li为分配给数据中心i的网络负载量，其中，1≤i≤N，λi为数据中心i中每台服务器分得的网络负载量；
(D2)，对网络负载的分配，需在各数据中心所能承担的网络负载量范围内，需满足其中，发往数据中心i的传输延时记为Tdi，Mi为数据中心i中开机状态的服务器数量，μi为数据中心i中每台服务器的服务率，D为满足用户服务质量QoS的响应时间上限；
步骤(E)，根据步骤(C)、步骤(D)，计算出各数据中心分配数据网络中负载后的服务器CPU的工作频率及利用率；
步骤(F)，根据服务器能耗模型、数据中心能耗模型，计算出各数据中心分配数据网络中负载后的能耗；
步骤(G)，根据步骤(C)预测的电力网络中的负荷情况、步骤 (F)计算出的各数据中心分配数据网络中负载后的能耗以及电力网络拓扑，采用牛顿拉夫逊法进行潮流计算，根据潮流计算的结果得出电力网络中的有功网损；
步骤(H)，循环执行步骤(D)至步骤(G)，其中，下一次迭代时步骤(D)中数据网络中负载的分配方案，依据粒子群算法的寻优原理，在本次迭代的基础上进行更新，直至电力网络有功网损达到收敛精度，即两次迭代的最优有功网损之差小于0.1kW，得出使得有功网损最小时，对应的各数据中心之间的数据网络负载的最优分配方案，迭代过程，如图4所示。
综上所述，本发明的降低电网网损的数据中心间数据网络负载分配方法，根据数据中心内服务器CPU的工作频率及利用率，得出各数据中心的能耗，对下一时段数据网络负载情况和电力网络负荷情况的预测，在电网的统一调度下，对数据中心间网络负载的分配进行控制，改善电网潮流分布，降低系统有功网损，找到各数据中心之间的数据网络负载的最优分配方案，降损效益显著，使得数据中心用电作为一种资源纳入到改善电力网络状态的范畴中，具有良好的应用前景。以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：包括以下步骤，
步骤(A)，根据数据中心内的服务器CPU的工作频率及利用率，进行服务器能耗建模，建立服务器能耗模型；
步骤(B)，根据服务器能耗模型与电能利用效率值PUE，进行数据中心能耗建模，建立数据中心能耗模型；
步骤(C)，在数据信息实现交互的情景下，读取下一时刻的数据网络负载和电力网络负荷的预测数据；
步骤(D)，根据数据网络中的负载情况，将数据网络中的负载在数据中心之间进行分配；
步骤(E)，根据步骤(C)、步骤(D)，计算出各数据中心分配数据网络中负载后的服务器CPU的工作频率及利用率；
步骤(F)，根据服务器能耗模型、数据中心能耗模型，计算出各数据中心分配数据网络中负载后的能耗；
步骤(G)，根据步骤(C)预测的电力网络中的负荷情况、步骤(F)计算出的各数据中心分配数据网络中负载后的能耗以及电力网络拓扑，得出电力网络中的有功网损；
步骤(H)，利用粒子群算法进行寻优求解，循环执行步骤(D)至步骤(G)，其中，下一次迭代时步骤(D)中数据网络中负载的分配方案，依据粒子群算法的寻优原理，在本次迭代的基础上进行更新，直至电力网络有功网损达到收敛精度，得出使得有功网损最小时，对应的各数据中心之间的数据网络负载的最优分配方案。
2.根据权利要求1所述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(A)，服务器能耗模型Pserver(f，U)，如公式(1)、(2)所示，
<mrow> <mi>U</mi> <mo>=</mo> <mfrac> <mi>&amp;lambda;</mi> <mi>&amp;mu;</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
Pserver(f,U)＝Pfixed+PCPU＝Pfixed+k·f3·U (2)
其中，λ是每台服务器单位时间承担的网络负载数量，μ是每台服务器的处理容量，U是CPU的利用率，Pfixed为定值表示除CPU以外的其他组件功率，k为公式(2)计算的系数，f为CPU的工作频率。
3.根据权利要求2所述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(B)，数据中心能耗模型P，如公式(3)所示，
P＝M·Pserver·PUE (3)
其中，M为数据中心内开机服务器数量，Pserver＝Pserver(f，U)为服务器能耗模型。
4.根据权利要求3所述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(D)，根据数据网络中的负载情况，将数据网络中的负载在数据中心之间进行分配，包括以下步骤，
(D1)，各数据中心分得的网络负载量，需满足其中，N为数据中心的总数，L为需要分配给各数据中心的总网络负载量，Li为分配给数据中心i的网络负载量，1≤i≤N，λi为数据中心i中每台服务器分得的网络负载量；
(D2)，对网络负载的分配，需在各数据中心所能承担的网络负载量范围内，需满足其中，发往数据中心i的传输延时记为Tdi，Mi为数据中心i中开机状态的服务器数量，μi为数据中心i中每台服务器的服务率，D为满足用户服务质量QoS的响应时间上限。
5.根据权利要求1所述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(G)，根据步骤(C)预测的电力网络中的负荷情况、步骤(F)计算出的各数据中心分配数据网络中负载后的能耗以及电力网络拓扑，采用牛顿拉夫逊法进行潮流计算，根据潮流计算的结果，得出电力网络中的有功网损。
6.根据权利要求1所述的一种降低电网网损的数据中心间数据网络负载分配方法，其特征在于：步骤(H)，直至电力网络有功网损达到收敛精度，即两次迭代的最优有功网损之差小于0.1kW。
CN201710512426.9A 2017-06-29 2017-06-29 一种降低电网网损的数据中心间数据网络负载分配方法 Active CN107423133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710512426.9A CN107423133B (zh) 2017-06-29 2017-06-29 一种降低电网网损的数据中心间数据网络负载分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710512426.9A CN107423133B (zh) 2017-06-29 2017-06-29 一种降低电网网损的数据中心间数据网络负载分配方法

Publications (2)

Publication Number Publication Date
CN107423133A true CN107423133A (zh) 2017-12-01
CN107423133B CN107423133B (zh) 2020-08-14

Family

ID=60426647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710512426.9A Active CN107423133B (zh) 2017-06-29 2017-06-29 一种降低电网网损的数据中心间数据网络负载分配方法

Country Status (1)

Country Link
CN (1) CN107423133B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034557A (zh) * 2018-07-06 2018-12-18 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
CN109888817A (zh) * 2018-12-20 2019-06-14 青海大学 对光伏电站和数据中心进行位置部署和容量规划方法
WO2019153188A1 (en) * 2018-02-08 2019-08-15 Alibaba Group Holding Limited Gpu power modeling using system performance data
CN114926102A (zh) * 2022-07-21 2022-08-19 东南大学溧阳研究院 一种信息物理扰动下能源和信息资源协同控制方法
CN115113705A (zh) * 2021-03-18 2022-09-27 百度（美国）有限责任公司 用于神经网络集成的数据中心控制层次

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010093549A8 (en) * 2009-02-13 2010-10-21 American Power Conversion Corporation Power supply and data center control
CN102254256A (zh) * 2011-07-21 2011-11-23 福建省电力有限公司福州电业局 输、配网一体化的综合性线损管理分析系统及其处理流程
CN103117545A (zh) * 2013-02-28 2013-05-22 国家电网公司 一种智能变电站负荷自动分配方法
CN103257636A (zh) * 2013-04-11 2013-08-21 国家电网公司 一种基于智能电网的网荷互动多维运行系统
CN103559562A (zh) * 2013-11-20 2014-02-05 贵州电网公司电力调度控制中心 电网智能运行系统及其实现方法
CN103595140A (zh) * 2013-11-27 2014-02-19 昆明理工大学 一种基于云技术的发电、配电及智能优化的系统和方法
CN104009484A (zh) * 2014-06-12 2014-08-27 国家电网公司 一种基于潮流计算的电网降损评估方法
CN104734153A (zh) * 2014-12-18 2015-06-24 国家电网公司 一种含分布式电源的配电网络重构方法
CN104794531A (zh) * 2015-04-01 2015-07-22 河海大学 基于网损等值负荷模型的改进直流最优潮流方法
CN104850908A (zh) * 2015-05-22 2015-08-19 上海电力学院 基于混沌粒子群的火电机组负荷优化分配方法
CN105449675A (zh) * 2015-12-29 2016-03-30 吉林大学 优化分布式能源接入点和接入比例的电力网络重构方法
CN106600080A (zh) * 2017-01-24 2017-04-26 东南大学 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

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010093549A8 (en) * 2009-02-13 2010-10-21 American Power Conversion Corporation Power supply and data center control
CN102254256A (zh) * 2011-07-21 2011-11-23 福建省电力有限公司福州电业局 输、配网一体化的综合性线损管理分析系统及其处理流程
CN103117545A (zh) * 2013-02-28 2013-05-22 国家电网公司 一种智能变电站负荷自动分配方法
CN103257636A (zh) * 2013-04-11 2013-08-21 国家电网公司 一种基于智能电网的网荷互动多维运行系统
CN103559562A (zh) * 2013-11-20 2014-02-05 贵州电网公司电力调度控制中心 电网智能运行系统及其实现方法
CN103595140A (zh) * 2013-11-27 2014-02-19 昆明理工大学 一种基于云技术的发电、配电及智能优化的系统和方法
CN104009484A (zh) * 2014-06-12 2014-08-27 国家电网公司 一种基于潮流计算的电网降损评估方法
CN104734153A (zh) * 2014-12-18 2015-06-24 国家电网公司 一种含分布式电源的配电网络重构方法
CN104794531A (zh) * 2015-04-01 2015-07-22 河海大学 基于网损等值负荷模型的改进直流最优潮流方法
CN104850908A (zh) * 2015-05-22 2015-08-19 上海电力学院 基于混沌粒子群的火电机组负荷优化分配方法
CN105449675A (zh) * 2015-12-29 2016-03-30 吉林大学 优化分布式能源接入点和接入比例的电力网络重构方法
CN106600080A (zh) * 2017-01-24 2017-04-26 东南大学 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIE LI等: ""Towards Optimal Electric Demand Management for Internet Data Centers"", 《IEEE TRANSACTIONS ON SMART GRID》 *
高赐威等: ""考虑地利分散的数据中心服务器频率调节的电网降损模型"", 《中国电机工程学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019153188A1 (en) * 2018-02-08 2019-08-15 Alibaba Group Holding Limited Gpu power modeling using system performance data
CN109034557A (zh) * 2018-07-06 2018-12-18 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
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
CN109888817A (zh) * 2018-12-20 2019-06-14 青海大学 对光伏电站和数据中心进行位置部署和容量规划方法
CN109888817B (zh) * 2018-12-20 2022-07-19 青海大学 对光伏电站和数据中心进行位置部署和容量规划方法
CN115113705A (zh) * 2021-03-18 2022-09-27 百度（美国）有限责任公司 用于神经网络集成的数据中心控制层次
CN114926102A (zh) * 2022-07-21 2022-08-19 东南大学溧阳研究院 一种信息物理扰动下能源和信息资源协同控制方法

Also Published As

Publication number Publication date
CN107423133B (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN107423133A (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
CN110113195A (zh) 一种移动边缘计算系统中联合卸载判决和资源分配的方法
CN109600178B (zh) 一种边缘计算中能耗与时延和最小化的优化方法
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
CN104619029B (zh) 一种集中式蜂窝网络架构下的基带池资源分配方法和装置
CN108304256B (zh) 一种边缘计算中低开销的任务调度方法及装置
CN102280889A (zh) 基于克隆-粒子群混杂算法的电力系统无功优化方法
CN115800264A (zh) 一种数据中心接入配电网集群方法、装置及介质
CN107528321B (zh) 互联电网交直流并联输电通道功率随机优化分配方法
CN113762622B (zh) 一种虚拟电厂接入点及容量优化规划方法
CN103176850A (zh) 一种基于负载均衡的电力系统网络集群任务分配方法
CN116307035A (zh) 考虑边缘数据中心集群的主动配电网优化调度方法及系统
CN115587481B (zh) 一种数据中心和电网系统之间博弈效益的解算方法及装置
CN106874108A (zh) 移动云计算中最小化微云使用个数技术
CN107911763B (zh) 一种基于QoS的智能配用电通信网EPON网络规划方法
CN113378481B (zh) 基于多目标进化算法的互联网数据中心需求响应优化方法
CN115795756A (zh) 光伏电站的区域划分方法、装置及设备
CN113162038B (zh) 一种基于多个小型数据网络负荷需求响应资源聚合方法
CN112801349B (zh) 一种可再生能源供电的数据中心资源优化调度方法
CN110190653B (zh) 一种用于多机器人协同充电的优化方法和装置
CN114936810B (zh) 一种基于数据中心时空转移特性的日前调度方法
Liu et al. A planning method of clustering ONUs based on reliability
Lan et al. Edge Computing Task Offloading for Power IoT Network
CN109034557A (zh) 考虑数据网络负荷调节潜力的电力系统阻塞管理方法
Guo et al. Optimal Placement of Cloudlets Considering Electric Power Communication Network and Renewable Energy Resource

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant