CN108629448A - 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 - Google Patents
一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 Download PDFInfo
- Publication number
- CN108629448A CN108629448A CN201810374538.7A CN201810374538A CN108629448A CN 108629448 A CN108629448 A CN 108629448A CN 201810374538 A CN201810374538 A CN 201810374538A CN 108629448 A CN108629448 A CN 108629448A
- Authority
- CN
- China
- Prior art keywords
- data center
- energy
- delay
- wind
- power grid
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000005611 electricity Effects 0.000 claims abstract description 60
- 238000005265 energy consumption Methods 0.000 claims abstract description 44
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 43
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims description 12
- 230000003111 delayed effect Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于Lyapunov优化的数据中心电能开销优化控制方法,包括以下步骤:获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw;基于电网能源和风电能源建立数据中心电能能耗模型;建立数据中心电能开销模型:基于Lyapunov优化得到数据中心电能开销的优化函数F(t);取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。本发明将电网电力与风电绿色能源两种电力输入,统筹考虑绿色清洁能源的使用,合理分配电力负载,最终有效降低数据中心能耗开销。
Description
技术领域
本发明涉及数据中心能耗控制的研究领域,具体涉及一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统。
背景技术
随着并行与分布式计算技术的发展,云计算技术日趋成熟,并得到了很好的推广和普及,成为了越来越多互联网应用不可获取的一部分。而对于云计算而言,数据中心则是其核心,任何云服务都要通过数据中心的获取,处理,传输来完成。
面对日益增大的云计算应用特别是高性能计算应用的需求,数据中心为了确保云服务能被有效满足,必须使用更多,计算性能更强的物理机集群,并配备更为有效的冷却系统等耗能性配套设施。而同时供电和冷却数十万台服务器,大型数据中心(如超级计算中心)通常会消耗数千至数十兆瓦的电力。这种巨大的电力消耗导致包括电费和碳税在内的电费相当担忧。
为了兼顾数据中心云计算服务的需求以及电能开销,已有专门为了节省数据中心开销的方案出现,比如已有专利所提供的方法或装置对于降低数据中心能耗开销的尝试包括了使用CPU动态电压、数据中心冷却耗能控制(专利公开号 CN206557583U),虚拟机迁移(专利公开号CN206557583U),峰谷电蓄电池充放电技术(专利公开号CN106292982A)等。许多互联网服务提供商开始建立自己的现场可再生能源电厂,以帮助降低电力成本。然而这些技术存在如下缺陷:
1、在数据中心开销上,现有的解决方案仅考虑了单一电能负载,没有考虑利用类似风电能源等清洁能源降低数据中心能考开销的途径,致使其方案无法应用于绿色数据中心。
2、在开销的建模中,先有的一些解决方案并未将碳税,即数据中心使用的电能的碳排放所缴纳的税款,考虑在内。这可能导致单单优化电能使用量并不能完成降低数据中心能耗开销的效果。
3、一些现有的数据中心开销控制解决方案虽然有能利用峰谷电价的特点,使用充放电技术降低电能开销,但这种方式实现复杂,需要额外的电能供应设备,实现成本较高。
4、而在云计算服务上,现有一些方案虽然有考虑不同类型的云计算服务请求,但也没有将其与电能及相关开销综合考虑的案例。
5、由于数据中心工作负载的性能约束以及未来电价的未知变动以及碳排放率和当地清洁能源的可用信息的缺乏,多数已有解决方案无法将这些非确定因素考虑在内,因而导致了其优化方案的低效性。
综上所述,一套既能在未知数据中心未来的服务作业负载下安排足够的计算资源来满足用户需求,又能在时变电价和碳税的不确定下统筹考虑绿色清洁能源的使用,合理分配电力负载,最终有效降低数据中心能耗开销的解决方案是当前极其需要的。
发明内容
本发明目的在于克服现有技术的缺点与不足,提供了一种基于Lyapunov优化的数据中心电能开销优化控制方法,能在未知数据中心未来的服务作业负载下安排足够的计算资源来满足用户需求,又能在时变电价和碳税的不确定下统筹考虑绿色清洁能源的使用,合理分配电力负载,最终有效降低数据中心能耗开销。
本发明还提供一种基于Lyapunov优化的数据中心电能开销优化控制系统。
为实现上述目的,本发明采用的技术方案如下:
一种基于Lyapunov优化的数据中心电能开销优化控制方法,包括以下步骤:
获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw;
基于电网能源和风电能源建立数据中心电能能耗模型,能耗模型为:
PB+PW=[mu·POu+md·POd]·PUE
其中,0≤PB≤PBmax,0≤PW≤PWavail,0<md≤Md,
PB为数据中心的电网能源负载,PW为数据中心的风电能源负载,POu为数据中心单个延迟敏感服务器物理机的能耗,POd为数据中心单个延迟容忍服务器物理机的能耗,mu为延时敏感服务器数量,md为延时容忍服务器数量,PUE为系数常数,Md为延时容忍服务器数量的最大值;
建立数据中心电能开销模型,开销模型为:
COST=CT[PB·Cb+PW·Cw]+PB·Pr
其中CT为碳税价格;
基于Lyapunov优化得到数据中心电能开销的优化函数F(t),
F(t)=V·COST-Qd(t)·md·srd
其中V为Lyapunov惩罚系数,Qd(t)为t时刻延迟容忍任务的虚拟队列值, srd为延时容忍作业处理速率;
取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。
本发明将电费协同碳排放所产生的碳税开销同时考虑,更加真实地反映了数据中心的电能开销,使得数据中心开销减小效果更优;本发明将电网电力与风电绿色能源两种电力输入,统筹考虑绿色清洁能源的使用,合理分配电力负载,最终有效降低数据中心能耗开销;本发明不需要未来的数据,诸如服务请求信息以及电费、碳税价格等数据,优化能在仅凭借实时信息的条件下完成。
进一步地,所述延时敏感服务器数量mu满足以下约束条件,
0<mu≤Mu,
其中,sru为延时敏感作业处理速率,Du为延时敏感任务的性能因子,λu为延时敏感任务的到达率,Mu为延时敏感服务器数量的最大值。
进一步地,所述延迟容忍任务的虚拟队列值通过下式获得:
Qd(t+1)=max[Qd(t)-md·srd,0]+λd
Qd(t)为t时刻延迟容忍任务的虚拟队列值,Qd(0)初始化值为零,Qd(t+1)为 t+1时刻延迟容忍任务的虚拟队列值,srd为延时容忍作业处理速率,λd为延时容忍任务的到达率。
一种基于Lyapunov优化的数据中心电能开销优化控制系统,包括:
数据输入模块,用于获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw;
能耗模块,用于基于电网能源和风电能源建立数据中心电能能耗模型,能耗模型为:
PB+PW=[mu·POu+md·POd]·PUE
其中,0≤PB≤PBmax,0≤PW≤PWavail,0<md≤Md,
PB为数据中心的电网能源负载,PW为数据中心的风电能源负载,POu为数据中心单个延迟敏感服务器物理机的能耗,POd为数据中心单个延迟容忍服务器物理机的能耗,mu为延时敏感服务器数量,md为延时容忍服务器数量,PUE为系数常数,Md为延时容忍服务器数量的最大值;
开销模块,用于建立数据中心电能开销模型,开销模型为:
COST=CT[PB·Cb+PW·Cw]+PB·Pr
其中CT为碳税价格;
开销优化模块,用于基于Lyapunov优化得到数据中心电能开销的优化函数 F(t),
F(t)=V·COST-Qd(t)·md·srd
其中V为Lyapunov惩罚系数,Qd(t)为t时刻延迟容忍任务的虚拟队列值, srd为延时容忍作业处理速率;
优化输出模块,用于取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。
与现有技术相比,本发明具有以下优点:
本发明将电费协同碳排放所产生的碳税开销同时考虑,更加真实地反映了数据中心的电能开销,使得数据中心开销减小效果更优;本发明将电网电力与风电绿色能源两种电力输入,统筹考虑绿色清洁能源的使用,合理分配电力负载,最终有效降低数据中心能耗开销;本发明不需要未来的数据,诸如服务请求信息以及电费、碳税价格等数据,优化能在仅凭借实时信息的条件下完成。
附图说明
图1为本发明基于Lyapunov优化的数据中心电能开销优化控制方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例
请参考图1,一种基于Lyapunov优化的数据中心电能开销优化控制方法,包括以下步骤:
S1、获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率 PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw。
数据中心不需要考虑风电能源的来源,其只需要通过某种方式得知当前风电能源供给方所能提供的最大风电能源输出功率PWavail。同时由于风电能源具有电能来源,所以其碳排放率是恒定的,我们用常量Cw表示。对于电网能源,与风电能源类似,数据中心只需要得到电网所能提供的最大功率输出PBmax,电网所提供的电能通常是稳定的,因此PBmax为常量。又由于电网能源属于棕色能源,具有多源性。电网产生的电能中不同的能量来源比例会随着时段发生改变,所以其碳排放量会随时间变化。因此我们在每个时间段都要获得该时间段的电能能源的平均碳排放量Cb。
S2、基于电网能源和风电能源建立数据中心电能能耗模型,能耗模型为:
PB+PW=[mu·POu+md·POd]·PUE
其中,0≤PB≤PBmax,0≤PW≤PWavail,0<md≤Md,
PB为数据中心的电网能源负载,PW为数据中心的风电能源负载,POu为数据中心单个延迟敏感服务器物理机的能耗,POd为数据中心单个延迟容忍服务器物理机的能耗,mu为延时敏感服务器数量,md为延时容忍服务器数量,PUE为系数常数,Md为延时容忍服务器数量的最大值。
数据中心中用于处理作业的能耗我们可以认为是数据中心中部署的所有处于开机状态的延时容忍服务器物理机与延时敏感服务器物理机的能耗之和,而一般认为,数据中心的总能耗是该能耗的常数倍,该常数为PUE,其值大小根据具体数据中心有关。
S3、建立数据中心电能开销模型,开销模型为:
COST=CT[PB·Cb+PW·Cw]+PB·Pr
其中CT为碳税价格。
对于数据中心电能开销的建模,其数据中心总开销COST由两部分组成,一是为支付电能而产生的电费开销,二是为因数据中心所消耗电能产生的碳排放而支付的碳税开销。电费开销为数据中心电能价格为使用电网能源的功耗乘以当前的电价Pr,而碳税开销为所用风电能源以及电网能源所产生的的碳排放总和乘以碳税价格CT。
S4、基于Lyapunov优化得到数据中心电能开销的优化函数F(t),
F(t)=V·COST-Qd(t)·md·srd
其中V为Lyapunov惩罚系数,Qd(t)为t时刻延迟容忍任务的虚拟队列值, srd为延时容忍作业处理速率。
利用Lyapunov优化中虚拟队列的相关性质的性质,我们将虚拟队列稳定的约束条件消除,并将优化目标用原先的总能耗开销COST在无限长时间内的平均期望上界最小化转化为在时间段t内的总开销乘以某个系数V后再减去虚拟队列值与当前延时容忍作业总处理速率乘积,得到优化函数。
S5、取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。
其中所得到数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md,即为基于Lyapunov优化下,合理分配数据中心的电力负载,最终有效降低数据中心能耗开销。
本发明将电费协同碳排放所产生的碳税开销同时考虑,更加真实地反映了数据中心的电能开销,使得数据中心开销减小效果更优;本发明将电网电力与风电绿色能源两种电力输入,统筹考虑绿色清洁能源的使用,合理分配电力负载,最终有效降低数据中心能耗开销;本发明不需要未来的数据,诸如服务请求信息以及电费、碳税价格等数据,优化能在仅凭借实时信息的条件下完成。
在本实施例中,所述延时敏感服务器数量mu满足以下约束条件,
0<mu≤Mu,
其中,sru为延时敏感作业处理速率,Du为延时敏感任务的性能因子,λu为延时敏感任务的到达率,Mu为延时敏感服务器数量的最大值。
容易理解的是,在满足上式两个约束条件下,为了达到减少物理机能耗的目的,我们总是期望延时敏感作业物理机的开机数量达到最小。
在本实施例中,所述延迟容忍任务的虚拟队列值通过下式获得:
Qd(t+1)=max[Qd(t)-md·srd,0]+λd
Qd(t)为t时刻延迟容忍任务的虚拟队列值,Qd(0)初始化值为零,Qd(t+1)为 t+1时刻延迟容忍任务的虚拟队列值,srd为延时容忍作业处理速率,λd为延时容忍任务的到达率。
根据Lyapunov优化的建模方法,我们需要为延时容忍作业维护一个虚拟队列值Q,虚拟队列值在优化开始,也就是数据中心启动时被初始化为0。之后每个一个时间段,利用该时间段延时容忍作业处理情况更新虚拟队列值Q。具体点来说,下个时间段的队列值即为,上一个时间段的队列值减去上一个时间段中延时容忍服务器的处理量后(由于该差值不能负数,当得到负数时,我们将其置为 0),再加上上一个时间段延时容忍作业的到达率。
一种基于Lyapunov优化的数据中心电能开销优化控制系统,包括:
数据输入模块,用于获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw;
能耗模块,用于基于电网能源和风电能源建立数据中心电能能耗模型,能耗模型为:
PB+PW=[mu·POu+md·POd]·PUE
其中,0≤PB≤PBmax,0≤PW≤PWavail,0<md≤Md,
PB为数据中心的电网能源负载,PW为数据中心的风电能源负载,POu为数据中心单个延迟敏感服务器物理机的能耗,POd为数据中心单个延迟容忍服务器物理机的能耗,mu为延时敏感服务器数量,md为延时容忍服务器数量,PUE为系数常数,Md为延时容忍服务器数量的最大值;
开销模块,用于建立数据中心电能开销模型,开销模型为:
COST=CT[PB·Cb+PW·Cw]+PB·Pr
其中CT为碳税价格;
开销优化模块,用于基于Lyapunov优化得到数据中心电能开销的优化函数 F(t),
F(t)=V·COST-Qd(t)·md·srd
其中V为Lyapunov惩罚系数,Qd(t)为t时刻延迟容忍任务的虚拟队列值, srd为延时容忍作业处理速率;
优化输出模块,用于取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种基于Lyapunov优化的数据中心电能开销优化控制方法,其特征在于包括以下步骤:
获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw;
基于电网能源和风电能源建立数据中心电能能耗模型,能耗模型为:
PB+PW=[mu·POu+md·POd]·PUE
其中,0≤PB≤PBmax,0≤PW≤PWavail,0<md≤Md,
PB为数据中心的电网能源负载,PW为数据中心的风电能源负载,POu为数据中心单个延迟敏感服务器物理机的能耗,POd为数据中心单个延迟容忍服务器物理机的能耗,mu为延时敏感服务器数量,md为延时容忍服务器数量,PUE为系数常数,Md为延时容忍服务器数量的最大值;
建立数据中心电能开销模型,开销模型为:
COST=CT[PB·Cb+PW·Cw]+PB·Pr
其中CT为碳税价格;
基于Lyapunov优化得到数据中心电能开销的优化函数F(t),
F(t)=V·COST-Qd(t)·md·srd
其中V为Lyapunov惩罚系数,Qd(t)为t时刻延迟容忍任务的虚拟队列值,srd为延时容忍作业处理速率;
取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。
2.根据权利要求1所述的基于Lyapunov优化的数据中心电能开销优化控制方法,其特征在于:
所述延时敏感服务器数量mu满足以下约束条件,
0<mu≤Mu,
其中,sru为延时敏感作业处理速率,Du为延时敏感任务的性能因子,λu为延时敏感任务的到达率,Mu为延时敏感服务器数量的最大值。
3.根据权利要求1所述的基于Lyapunov优化的数据中心电能开销优化控制方法,其特征在于:
所述延迟容忍任务的虚拟队列值通过下式获得:
Qd(t+1)=max[Qd(t)-md·srd,0]+λd
Qd(t)为t时刻延迟容忍任务的虚拟队列值,Qd(0)初始化值为零,Qd(t+1)为t+1时刻延迟容忍任务的虚拟队列值,srd为延时容忍作业处理速率,λd为延时容忍任务的到达率。
4.一种基于Lyapunov优化的数据中心电能开销优化控制系统,其特征在于包括:
数据输入模块,用于获得当前时刻的电网批发电价Pr,电网向数据中心输出的最大功率PBmax以及电网当前的碳排放率Cb,当前时刻的最大可用风电输出功率PWavail和风电的碳排放量Cw;
能耗模块,用于基于电网能源和风电能源建立数据中心电能能耗模型,能耗模型为:
PB+PW=[mu·POu+md·POd]·PUE
其中,0≤PB≤PBmax,0≤PW≤PWavail,0<md≤Md,
PB为数据中心的电网能源负载,PW为数据中心的风电能源负载,POu为数据中心单个延迟敏感服务器物理机的能耗,POd为数据中心单个延迟容忍服务器物理机的能耗,mu为延时敏感服务器数量,md为延时容忍服务器数量,PUE为系数常数,Md为延时容忍服务器数量的最大值;
开销模块,用于建立数据中心电能开销模型,开销模型为:
COST=CT[PB·Cb+PW·Cw]+PB·Pr
其中CT为碳税价格;
开销优化模块,用于基于Lyapunov优化得到数据中心电能开销的优化函数F(t),
F(t)=V·COST-Qd(t)·md·srd
其中V为Lyapunov惩罚系数,Qd(t)为t时刻延迟容忍任务的虚拟队列值,srd为延时容忍作业处理速率;
优化输出模块,用于取数据中心电能开销的优化函数F(t)的最小值,并结合能耗模型和开销模型,求得此时数据中心的电网能源负载PB、风电能源负载PW、延时敏感服务器数量mu及延时容忍服务器数量md。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374538.7A CN108629448B (zh) | 2018-04-24 | 2018-04-24 | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374538.7A CN108629448B (zh) | 2018-04-24 | 2018-04-24 | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629448A true CN108629448A (zh) | 2018-10-09 |
CN108629448B CN108629448B (zh) | 2021-09-07 |
Family
ID=63694516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810374538.7A Expired - Fee Related CN108629448B (zh) | 2018-04-24 | 2018-04-24 | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629448B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112235131A (zh) * | 2020-09-25 | 2021-01-15 | 重庆邮电大学 | 一种基于清洁能源时间窗口的数据中心网络业务配置方法 |
CN115904258A (zh) * | 2023-02-27 | 2023-04-04 | 南昌大学 | 一种基于碳排量的数据复制方法、系统、存储介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104536826A (zh) * | 2015-01-26 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种面向风光多能源数据中心的实时任务绿色调度方法 |
CN104834980A (zh) * | 2015-05-26 | 2015-08-12 | 杭州天宽科技有限公司 | 一种用于优化绿色数据中心电费的负载调度方法 |
WO2017025781A1 (en) * | 2015-08-13 | 2017-02-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Global data center energy management |
US9886316B2 (en) * | 2010-10-28 | 2018-02-06 | Microsoft Technology Licensing, Llc | Data center system that accommodates episodic computation |
-
2018
- 2018-04-24 CN CN201810374538.7A patent/CN108629448B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9886316B2 (en) * | 2010-10-28 | 2018-02-06 | Microsoft Technology Licensing, Llc | Data center system that accommodates episodic computation |
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 |
CN104536826A (zh) * | 2015-01-26 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种面向风光多能源数据中心的实时任务绿色调度方法 |
CN104834980A (zh) * | 2015-05-26 | 2015-08-12 | 杭州天宽科技有限公司 | 一种用于优化绿色数据中心电费的负载调度方法 |
WO2017025781A1 (en) * | 2015-08-13 | 2017-02-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Global data center energy management |
Non-Patent Citations (1)
Title |
---|
LÉO GRANGE等: "Green IT scheduling for data center powered with renewable energy", 《FUTURE GENERATION COMPUTER SYSTEMS》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112235131A (zh) * | 2020-09-25 | 2021-01-15 | 重庆邮电大学 | 一种基于清洁能源时间窗口的数据中心网络业务配置方法 |
CN115904258A (zh) * | 2023-02-27 | 2023-04-04 | 南昌大学 | 一种基于碳排量的数据复制方法、系统、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108629448B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Convergence analysis of a distributed optimization algorithm with a general unbalanced directed communication network | |
Krioukov et al. | Integrating renewable energy using data analytics systems: Challenges and opportunities. | |
Gu et al. | Greening cloud data centers in an economical way by energy trading with power grid | |
Aujla et al. | SDN-based energy management scheme for sustainability of data centers: An analysis on renewable energy sources and electric vehicles participation | |
EP3047385A1 (en) | Client-selectable power source options for network-accessible service units | |
Liu et al. | Restoration of power distribution systems with multiple data centers as critical loads | |
CN114662319A (zh) | 计及数据中心的主动配电网规划模型的构建方法 | |
Cao et al. | UPS node-based workload management for data centers considering flexible service requirements | |
CN111864742B (zh) | 一种主动配电系统扩展规划方法、装置及终端设备 | |
CN108629448A (zh) | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 | |
Lei et al. | Energy management considering energy storage and demand response for smart energy hub in Internet of Things | |
CN106027318A (zh) | 一种基于云计算的虚拟机两级优化调度管理平台 | |
Nayak et al. | Unconstrained power management algorithm for green cloud computing | |
Haddad et al. | Stand-alone renewable power system scheduling for a green data center using integer linear programming | |
CN116843152A (zh) | 面向电力-数据服务的互联网数据中心双层规划方法 | |
CN115765014A (zh) | 一种计及信息物理耦合的配电网储能与数据中心规划方法 | |
Ye et al. | Coordinated optimization scheduling of data center and electricity retailer based on cooperative game theory | |
CN112150190B (zh) | 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 | |
Sun et al. | Hierarchical and hybrid energy storage devices in data centers: Architecture, control and provisioning | |
VC et al. | Management of Unprioritized Loads in an Islanded Microgrid: Algorithms for Scheduling of Historic Load Data and Real-Time Load Management | |
Chen et al. | A joint optimization framework for request scheduling and energy storage management in a data center | |
CN110544044A (zh) | 一种分布式电源对分时电价发电响应的边缘协同计算方法 | |
Qian et al. | A Cost-driven multi-objective optimization algorithm for SaaS applications placement | |
CN112688331B (zh) | 一种交直流配电网分布式优化调度方法、装置和存储介质 | |
CN108390407A (zh) | 分布式光伏接入量计算方法、装置及计算机设备 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210907 |
|
CF01 | Termination of patent right due to non-payment of annual fee |