CN109034557B - 考虑数据网络负荷调节潜力的电力系统阻塞管理方法 - Google Patents
考虑数据网络负荷调节潜力的电力系统阻塞管理方法 Download PDFInfo
- Publication number
- CN109034557B CN109034557B CN201810735373.1A CN201810735373A CN109034557B CN 109034557 B CN109034557 B CN 109034557B CN 201810735373 A CN201810735373 A CN 201810735373A CN 109034557 B CN109034557 B CN 109034557B
- Authority
- CN
- China
- Prior art keywords
- time slot
- idc
- power consumption
- node
- data load
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 18
- 230000000903 blocking effect Effects 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000013439 planning Methods 0.000 claims abstract description 10
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 238000005538 encapsulation Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000011541 reaction mixture Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 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
- G06Q10/06—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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了考虑数据网络负荷调节潜力的电力系统阻塞管理方法,属于电力系统优化调度的技术领域。本发明综合考虑了IDCs的空间负荷调节潜力以及时间负荷调节潜力,将IDCs功耗模型转换为优化处理交互式数据负荷功耗及批处理数据负荷功耗的封装模型,将IDCs功耗模型纳入次日IDCs用电计划规划及电力系统规划调度中,既有利于电力网络对数据网络空间负荷调节潜力的利用,又有利于数据网络的电力可靠运行与收益增加。
Description
技术领域
本发明公开了考虑数据网络负荷调节潜力的电力系统阻塞管理方法,属于电力系统优化调度的技术领域。
背景技术
随着智能电网和电力市场的发展与完善,合理挖掘和调度需求侧资源已经成为提高电力系统综合运营效率、优化资源配置的重要途径。近年来,随着互联网技术的高速发展,全球数据中心的规模和数量正在迅速扩大,数据中心已经成体量可观的电力负荷。利用互联网数据中心(Internet data centers,IDCs)的地理分布差异,可以通过IDCs数据负荷的转移实现电力负荷的空间转移,区别于传统柔性负荷(空调、电动汽车等),主要是在时间维度上调节负荷从而达到削峰、填谷的效果,IDCs这一类型的负荷主要是在空间维度上调节负荷从而达到平衡地区负荷的效果,可将由IDCs组成的数据网络作为一种重要的需求响应资源纳入到电力系统运行中,以提高电力系统的综合运营效率。目前,已有国内外学者进行了相关的初步探索,然而,鲜有关于考虑IDCs空间负荷调节潜力的电力系统阻塞管理的相关研究。
发明内容
本发明的发明目的是针对上述背景技术的不足,提供了考虑数据网络负荷调节潜力的电力系统阻塞管理方法,既有利于利用数据网络的空间负荷调节潜力,又有利于电力网络的电力可靠运行与收益增加,解决了电力系统阻塞管理鲜有考虑IDCs空间负荷调节潜力的技术问题。
本发明为实现上述发明目的采用如下技术方案:
考虑数据网络负荷调节潜力的电力系统阻塞管理方法,
将基于信息属性的互联网数据中心功耗模型转化为优化互联网数据中心处理延迟敏感型数据负荷功耗和处理延迟容忍型数据负荷功耗的封装模型,
根据第二天的数据负荷预测量以及预测电价,在考虑了基于信息属性的互联网数据中心功耗模型的约束下,确定最小化运行成本下的数据负荷调度方案以及活跃服务器配置,结合互联网数据中心的初始功耗计划进行第二天的电力调度,
在预测系统第二天出现阻塞时,将所述封装模型纳入电力系统规划问题中,根据互联网数据中心的初始功耗计划确定机组组合、各机组出力计划并更新各互联网数据中心功耗的调节信号,
调整数据负荷调度方案以及活跃服务器配置以最小化互联网数据中心实际功耗和调节信号之间的差异。
作为考虑数据网络负荷调节潜力的电力系统阻塞管理方法的进一步优化方法,基于信息属性的互联网数据中心功耗模型为:
其中,为在时间槽t内IDC i的功耗,为在时间槽t内IDC i中处理延迟敏感型数据负荷的活跃服务器数量,为在时间槽t内IDC i中处理延迟容忍型数据负荷q的活跃服务器数量,Ω为IDC i处理的延迟容忍型数据负荷的集合,正常数ki的物理意义为IDC i增加一个活跃服务器而增加的功耗,正常数βi的物理意义为IDC i运营时的固定功耗,Mi是IDC i中服务器的数量,为在时间槽t内从前端门户网站服务器δ分配到IDCi且被处理的延迟敏感型数据负荷量,Φ为前端门户网站服务器的集合,为在时间槽t内从前端门户网站服务器δ分配到IDC i且被丢弃的延迟敏感型数据负荷量,表示在时间槽 t内到达前端门户网站服务器δ的延迟敏感型数据负荷量,为在时间槽t内IDC i处理的延迟容忍型数据负荷q的数量,为在时间槽t内IDC i丢弃的延迟容忍型数据负荷q的数量,为在时间槽t内到达IDC i的延迟容忍型数据负荷q的数量,(j-1)τq、jτq、(j+1)τq表示第(j-1)、j、(j+1)个以τq个单位时间槽为时间长度的时间槽,μi为IDC i中的每个活跃服务器的平均服务速率, D为IDC运营商和用户签订的服务水平协议中数据负荷处理的延迟界限,延迟容忍型数据负荷q的延迟界限为2τq个时间槽。
其中,为在时间槽t内IDC i中处理延迟敏感型数据负荷所产生的功耗,为在时间槽t内IDC i中处理延迟容忍型数据负荷q所产生的功耗,1/θi,ud、 1/θi,d,q分别表示IDC i处理单位交互式数据负荷、批处理数据负荷q所需的最小变动功耗,表示时间槽t内IDCs所需处理的交互式数据负荷总量,表示从时间槽jτq到时间槽(j+1)τq-1共τq个单位时间槽内IDC i所需处理的批处理数据负荷q的总量,πi为IDC i功耗的上限。
作为考虑数据网络负荷调节潜力的电力系统阻塞管理方法的再进一步优化方案,确定最小化运行成本下的数据负荷调度方案以及活跃服务器配置的目标函数为:ω1、ω2、ω3,q为权重因子,Γ1为电能成本, 为IDC i所在节点在时间槽t的预测电价,Γ2为丢弃延迟敏感型数据负荷的成本,Γ3为丢弃延迟容忍型数据负荷q的成本,
作为考虑数据网络负荷调节潜力的电力系统阻塞管理方法的更进一步优化方案,电力系统规划问题以为各节点发电机组有功出力及节点间线路过载量最小目标且以常规潮流约束和所述封装模型为约束条件,目标函数为:常规潮流约束为:
其中,ωg、ωover为权重因子,为节点I处发电机组在时间槽t内的有功出力成本,为节点I处发电机组在时间槽t内的有功出力,为节点I处除IDCs外的其它负荷在时间槽t内的有功功耗,ηI表示IDC i是否位于节点I,为 IDC i在时间槽t内的有功功耗,分别为节点I、节点J在时间槽t内的电压模值,为节点I、节点J在时间槽t内的电压相角差,为节点I在时间槽t 内的电压相角,GIJ、BIJ分别为节点I、节点J间线路导纳的实数和虚数部分, VI,max、VI,min分别为节点I处电压模值的上下限,为节点I、节点J间线路在时间槽t内的有功功率流,PIJ,max为节点I、节点J间线路的有功功率流上限,Π为电力系统的节点集合。
本发明采用上述技术方案,具有以下有益效果:综合考虑了IDCs的空间负荷调节潜力以及时间负荷调节潜力,所提出的方法是IDCs负荷调节潜力在电力系统中的具体应用的探索,将IDCs功耗模型转换为优化处理交互式数据负荷功耗及批处理数据负荷功耗的封装模型,将IDCs功耗模型纳入次日IDCs用电计划规划及电力系统规划调度中,既有利于电力网络对数据网络空间负荷调节潜力的利用,又有利于数据网络的电力可靠运行与收益增加,可为实现数据网络与电力网络的友好互动提供理论支撑。
附图说明
图1为考虑数据网络负荷调节潜力的电力系统阻塞管理方法的流程图。
具体实施方式
下面结合图1对发明的技术方案进行详细说明。
步骤一:建立基于信息能量的数据网络功耗模型
定义T={1,2,…U}为时间槽的集合,定义N={1,2,…V}为一组分布于不同电力节点的IDCs的集合,IDCs通过网络传输线路构成数据网络。在时间槽t(t∈T) 内,对于IDC i(i∈N),假设:
1)IDC i为高效数据中心,其它(网络传输设备、存储设备、冷却系统、照明系统、配电系统等)功耗是服务器功耗的线性函数;
2)IDC i采用动态集群服务器配置(dynamic cluster server configuration,DCSC),即仅运行最少数量的活跃服务器以额定功率处理数据负荷,其它服务器关闭或睡眠;
3)IDC i为均匀数据中心,即IDC i中的所有服务器是同质的(性能、额定功率等);
4)分配到IDC i的数据负荷均匀分布到各活跃服务器上;
5)采用M/M/1排队模型来估计延迟敏感型数据负荷在IDC i中的平均逗留时间,平均逗留时间不超过IDC运营商和用户签订的服务水平协议(service level agreement,SLA)中的延迟界限D,且延迟界限D不超过一个时间槽的长度;
6)分布于不同电力节点的IDC i由一个单一的IDC运营商统一管理,并采用数据负荷均衡技术(Geographic Load Balancing,GLB),由一个数据负荷均衡管理器负责分配到达前端门户网站服务器的延迟敏感型数据负荷量至不同地区的IDCs;
7)延迟容忍型负荷采用就近原则在本地IDC处理,且其延迟界限超过一个时间槽的长度。
则基于信息属性的IDCs功耗模型为:
式(1)中,为在时间槽t内IDC i的功耗;为在时间槽t内IDC i 中处理延迟敏感型数据负荷的活跃服务器数量;为在时间槽t内IDC i中处理延迟容忍型数据负荷q的活跃服务器数量,Ω为IDC i处理的延迟容忍型数据负荷的集合;正常数ki的物理意义为IDC i增加一个活跃服务器而增加的功耗;正常数βi的物理意义为IDC i运营时的固定功耗;Mi是IDC i中服务器的数量;为在时间槽t内从前端门户网站服务器δ分配到IDC i且被处理的延迟敏感型数据负荷量,Φ为前端门户网站服务器的集合;为在时间槽t 内从前端门户网站服务器δ分配到IDC i且被丢弃的延迟敏感型数据负荷量;表示在时间槽t内到达前端门户网站服务器δ的延迟敏感型数据负荷量;为在时间槽t内IDC i处理的延迟容忍型数据负荷q的数量;为在时间槽t内IDC i丢弃的延迟容忍型数据负荷q的数量;为在时间槽t内到达IDC i的延迟容忍型数据负荷q的数量;(j-1)τq、jτq、(j+1)τq表示第(j-1)、j、 (j+1)个以τq个单位时间槽为时间长度的时间槽;μi为IDC i中的每个活跃服务器的平均服务速率,当服务器同质时(假设条件3),μi的值等于单个活跃服务器的服务速率,是一个取决于服务器性能和数据负荷种类的固定性能参数;D为 IDC运营商和用户签订的服务水平协议中数据负荷处理的延迟界限,延迟容忍型数据负荷q的延迟界限为2τq个时间槽。
考虑到一个IDC中有数以万计的服务器及数据负荷量,一个服务器或一个数据负荷所产生的功耗(W级)对(kW级甚至MW级)的影响几乎可以忽略不计,可放松式(1)中对的整数约束,定义则式(1)可转换并封装为:
其中,
式(2)中,为在时间槽t内IDC i中处理延迟敏感型数据负荷所产生的功耗,为在时间槽t内IDC i中处理延迟容忍型数据负荷q所产生的功耗, 1/θi,ud、1/θi,d,q分别表示IDC i处理单位交互式数据负荷、批处理数据负荷q 所需的最小变动功耗;表示时间槽t内IDCs所需处理的交互式数据负荷总量;表示从时间槽jτq到时间槽(j+1)τq-1共τq个单位时间槽内IDC i所需处理的批处理数据负荷q的总量;πi、βi分别为IDC i功耗的上下限。
步骤二:提出考虑数据网络负荷调节潜力的阻塞管理框架
图1给出了考虑数据网络负荷调节潜力的阻塞管理框架的设计结构,共分为三个阶段,其主要设计目标是充分利用IDCs的时空负荷调节潜力,并能保护终端用户的隐私,减轻集中式控制的计算负担。具体如下:
在第一阶段,根据第二天的数据负荷量预测以及电价预测,IDC运营商通过确定数据负荷调度以及活跃服务器配置以最小化运行成本,该阶段制定为问题1(P1),然后,IDC运营商根据优化结果,将初始功耗计划提供给电力系统运营商(SO),SO进行相关计算,如果预测第二天可能出现阻塞,则进入第二阶段;
在第二阶段,IDCs的参数(i.e.βi、θi,ud、θi,d,q、πi)被广播到 SO,然后,SO通过确定机组组合、各机组出力计划和各IDCs的功耗使总供电成本和线路过载量最小,其中,约束主要包括典型的交流潮流方程和封装的IDCs 负荷模型,该阶段制定为问题2(P2),然后,调节信号被广播到IDC运营商;
在第三阶段,IDC运营商通过重新安排数据负荷调度以及活跃服务器配置以最小化其实际功耗和调节信号之间的差异,该阶段制定为问题3(P3)。
步骤三:建立考虑数据网络负荷调节潜力的阻塞管理模型
1)初始次日用电计划制定(P1)
2)考虑数据网络负荷调节潜力的阻塞管理问题制定(P2)
式(4)中,ωg、ωover为权重因子;为节点I处发电机组在时间槽t内的有功出力成本;为节点I处发电机组在时间槽t内的有功出力;为节点 I处除IDCs外的其它负荷在时间槽t内的有功功耗;ηI表示IDC i是否位于节点 I;为IDC i在时间槽t内的有功功耗;分别为节点I、节点J在时间槽t 内的电压模值;为节点I、节点J在时间槽t内的电压相角差,为节点I在时间槽t内的电压相角;GIJ、BIJ分别为节点I、节点J间线路导纳的实数和虚数部分;VI,max,VI,min分别为节点I处电压模值的上下限;为节点I、节点J间线路在时间槽t内的有功功率流;PIJ,max为节点I、节点J间线路的有功功率流上限;Π为电力系统的节点集合。
3)最终次日用电计划(P3)
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 (3)
1.考虑数据网络负荷调节潜力的电力系统阻塞管理方法,其特征在于,
将基于信息属性的互联网数据中心功耗模型转化为优化互联网数据中心处理延迟敏感型数据负荷功耗和处理延迟容忍型数据负荷功耗的封装模型,其中,
所述基于信息属性的互联网数据中心功耗模型为:其中,为在时间槽t内IDC i的功耗,为在时间槽t内IDC i中处理延迟敏感型数据负荷的活跃服务器数量,为在时间槽t内IDC i中处理延迟容忍型数据负荷q的活跃服务器数量,Ω为IDC i处理的延迟容忍型数据负荷的集合,正常数ki的物理意义为IDC i增加一个活跃服务器而增加的功耗,正常数βi的物理意义为IDC i运营时的固定功耗,Mi是IDC i中服务器的数量,为在时间槽t内从前端门户网站服务器δ分配到IDC i且被处理的延迟敏感型数据负荷量,Φ为前端门户网站服务器的集合,为在时间槽t内从前端门户网站服务器δ分配到IDCi且被丢弃的延迟敏感型数据负荷量,表示在时间槽t内到达前端门户网站服务器δ的延迟敏感型数据负荷量,为在时间槽t内IDC i处理的延迟容忍型数据负荷q的数量,为在时间槽t内IDC i丢弃的延迟容忍型数据负荷q的数量,为在时间槽t内到达IDC i的延迟容忍型数据负荷q的数量,(j-1)τq、jτq、(j+1)τq表示第(j-1)、j、(j+1)个以τq个单位时间槽为时间长度的时间槽,μi为IDC i中的每个活跃服务器的平均服务速率,D为IDC运营商和用户签订的服务水平协议中数据负荷处理的延迟界限,延迟容忍型数据负荷q的延迟界限为2τq个时间槽,
所述封装模型的目标函数为:约束条件为:其中,为在时间槽t内IDC i中处理延迟敏感型数据负荷所产生的功耗,为在时间槽t内IDC i中处理延迟容忍型数据负荷q所产生的功耗,1/θi,ud、1/θi,d,q分别表示IDC i处理单位交互式数据负荷、批处理数据负荷q所需的最小变动功耗,表示时间槽t内IDCs所需处理的交互式数据负荷总量,表示从时间槽jτq到时间槽(j+1)τq-1共τq个单位时间槽内IDC i所需处理的批处理数据负荷q的总量,πi为IDC i功耗的上限;
根据第二天的数据负荷预测量以及预测电价,在考虑了基于信息属性的互联网数据中心功耗模型的约束下,确定最小化运行成本下的数据负荷调度方案以及活跃服务器配置,结合互联网数据中心的初始功耗计划进行第二天的电力调度;
在预测系统第二天出现阻塞时,将所述封装模型纳入电力系统规划问题中,根据互联网数据中心的初始功耗计划确定机组组合、各机组出力计划并更新各互联网数据中心功耗的调节信号;
调整数据负荷调度方案以及活跃服务器配置以最小化互联网数据中心实际功耗和调节信号之间的差异。
3.根据权利要求1所述考虑数据网络负荷调节潜力的电力系统阻塞管理方法,其特征在于,电力系统规划问题以为各节点发电机组有功出力及节点间线路过载量最小目标且以常规潮流约束和所述封装模型为约束条件,目标函数为:常规潮流约束为:
其中,ωg、ωover为权重因子,为节点I处发电机组在时间槽t内的有功出力成本,为节点I处发电机组在时间槽t内的有功出力,为节点I处除IDCs外的其它负荷在时间槽t内的有功功耗,ηI表示IDC i是否位于节点I,为IDC i在时间槽t内的有功功耗,分别为节点I、节点J在时间槽t内的电压模值,为节点I、节点J在时间槽t内的电压相角差,为节点I在时间槽t内的电压相角,GIJ、BIJ分别为节点I、节点J间线路导纳的实数和虚数部分,VI,max、VI,min分别为节点I处电压模值的上下限,为节点I、节点J间线路在时间槽t内的有功功率流,PIJ,max为节点I、节点J间线路的有功功率流上限,Π为电力系统的节点集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735373.1A CN109034557B (zh) | 2018-07-06 | 2018-07-06 | 考虑数据网络负荷调节潜力的电力系统阻塞管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735373.1A CN109034557B (zh) | 2018-07-06 | 2018-07-06 | 考虑数据网络负荷调节潜力的电力系统阻塞管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109034557A CN109034557A (zh) | 2018-12-18 |
CN109034557B true CN109034557B (zh) | 2021-07-02 |
Family
ID=64641366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810735373.1A Active CN109034557B (zh) | 2018-07-06 | 2018-07-06 | 考虑数据网络负荷调节潜力的电力系统阻塞管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034557B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112994037B (zh) * | 2021-02-02 | 2022-08-09 | 青海大学 | 智能电网环境中数据中心功耗调节方法、系统、介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107423133A (zh) * | 2017-06-29 | 2017-12-01 | 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 |
CN107482766A (zh) * | 2017-07-05 | 2017-12-15 | 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 |
-
2018
- 2018-07-06 CN CN201810735373.1A patent/CN109034557B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107423133A (zh) * | 2017-06-29 | 2017-12-01 | 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 |
CN107482766A (zh) * | 2017-07-05 | 2017-12-15 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN109034557A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bahrami et al. | Data center demand response in deregulated electricity markets | |
CN103384272B (zh) | 一种云服务分布式数据中心系统及其负载调度方法 | |
Ghamkhari et al. | Data centers to offer ancillary services | |
Ghavami et al. | Decentralized charging of plug-in electric vehicles with distribution feeder overload control | |
Ghamkhari et al. | Optimal integration of renewable energy resources in data centers with behind-the-meter renewable generator | |
Zhang et al. | Greenware: Greening cloud-scale data centers to maximize the use of renewable energy | |
Doyle et al. | Stratus: Load balancing the cloud for carbon emissions control | |
Toosi et al. | A fuzzy logic-based controller for cost and energy efficient load balancing in geo-distributed data centers | |
Mohsenian-Rad et al. | Coordination of cloud computing and smart power grids | |
Chen et al. | Operational flexibility of active distribution networks with the potential from data centers | |
Zhang et al. | Electricity bill capping for cloud-scale data centers that impact the power markets | |
Vafamehr et al. | A framework for expansion planning of data centers in electricity and data networks under uncertainty | |
CN108170530B (zh) | 一种基于混合元启发式算法的Hadoop负载均衡任务调度方法 | |
CN113346558B (zh) | 一种虚拟电厂运行控制系统及控制方法 | |
Shao et al. | Optimal load balancing and energy cost management for internet data centers in deregulated electricity markets | |
CN112467722A (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN109146268B (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 | |
Qi et al. | When shared autonomous electric vehicles meet microgrids: Citywide energy-mobility orchestration | |
Leithon et al. | Cost-aware renewable energy management with application in cellular networks | |
Li et al. | Joint optimization of bandwidth for provider and delay for user in software defined data centers | |
Yacar et al. | Storage allocation and investment optimisation for transmission‐constrained networks considering losses and high renewable penetration | |
CN109034557B (zh) | 考虑数据网络负荷调节潜力的电力系统阻塞管理方法 | |
Li et al. | A dynamic game model for resource allocation in fog computing for ubiquitous smart grid | |
Gnibga et al. | Latency, Energy and Carbon Aware Collaborative Resource Allocation with Consolidation and QoS Degradation Strategies in Edge Computing | |
CN117608806A (zh) | 智能电网云边协同机制下计算任务雾-雾-云优化方法 |
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 |