CN112952876B - 一种分布式数据中心型变电站协同运行与优化调度方法 - Google Patents

一种分布式数据中心型变电站协同运行与优化调度方法 Download PDF

Info

Publication number
CN112952876B
CN112952876B CN202110155171.1A CN202110155171A CN112952876B CN 112952876 B CN112952876 B CN 112952876B CN 202110155171 A CN202110155171 A CN 202110155171A CN 112952876 B CN112952876 B CN 112952876B
Authority
CN
China
Prior art keywords
data center
power
station
charging
battery
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
Application number
CN202110155171.1A
Other languages
English (en)
Other versions
CN112952876A (zh
Inventor
郭熠昀
梅超
陈培铭
孟超
杨琪
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.)
Xiamen University
State Grid Fujian Electric Power Co Ltd
Xiamen Power Supply Co of State Grid Fujian Electric Power Co Ltd
Original Assignee
Xiamen University
State Grid Fujian Electric Power Co Ltd
Xiamen Power Supply Co of State Grid Fujian 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 Xiamen University, State Grid Fujian Electric Power Co Ltd, Xiamen Power Supply Co of State Grid Fujian Electric Power Co Ltd filed Critical Xiamen University
Priority to CN202110155171.1A priority Critical patent/CN112952876B/zh
Publication of CN112952876A publication Critical patent/CN112952876A/zh
Application granted granted Critical
Publication of CN112952876B publication Critical patent/CN112952876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种分布式数据中心型变电站协同运行与优化调度方法，包括步骤：建立充电站模型、光伏电站模型、储能电站模型以及数据中心模型；以经济效益最优为目标，考虑工程实际约束，建立分布式数据中心型变电站优化调度模型；求解分布式数据中心型变电站优化调度模型，得到全局最优的分布式数据中心型变电站联合运行与优化调度方案。本发明能够提升了分布式数据中心型变电站经济效益与环境效益。

Description

一种分布式数据中心型变电站协同运行与优化调度方法
技术领域
本发明涉及电力系统协同运行与优化调度设计技术领域，特别是一种分布式数据中心型变电站协同运行与优化调度方法。
背景技术
随着5G、云计算、大数据、物联网、人工智能、边缘计算等信息化技术的发展，“万物互联”不断推进，数据规模愈发庞大，对数据计算与处理能力提出了更高的要求。仅依靠移动终端资源与云计算平台逐渐无法满足该发展场景下的业务的高效性与实时性需求。为解决这一问题，可在云中心和终端传感设备之间设置边缘节点，继而将部分计算任务分配到这些边缘节点，就近提供网络、计算、存储等资源，以更好地满足业务的实时性要求，有效降低时延。这种分布式的计算模式即为边缘计算，相应节点被称为边缘数据中心。边缘数据中心作为用户和超大规模中心之间的缓存和数据聚合点，将会成为集中式数据中心的有力补充，共同完成庞大数据的处理工作。
面对边缘数据中心高密度、广分布、靠近用户侧的部署需求，电力系统提出了一种将变电站和数据中心站集成的新模式，并将其命名为“数据中心型变电站”。数据中心型变电站提倡利用电力企业变电站闲置的人力、电力、土地等资源，建设数据中心、储能站、充(换)电站、5G通信基站等功能站，全面承载电网业务数据，满足日益增长的数据存储、融通和增值运营需求。数据中心型变电站具有供电方便、地域分布广泛、布点位置密集等优势，是边缘数据中心选址建设的最佳选择。此外，数据中心型变电站是典型的综合能源系统载体，站内涵盖冷、热、电以及储能模块，涉及多种能源形式，运行情况复杂，其稳定、经济运行相关理论、方法和技术有待深入研究。
目前针对数据中心型变电站的优化方案主要是利用储能电站充放电的灵活性进行削峰填谷，进而优化变电站的运行成本。实施步骤如下：首先建立包含储能电站、数据中心、变电站、充电站的融合站，具体实现方式为：变电站为其它站提供建设场地，为充电站和边缘数据中心提供电源，储能电站为充电站和边缘数据中心提供移峰填谷服务，减少其运行电费；然后通过负荷模拟得到边缘数据中心和充电站的负荷数据，并构建储能电站的充放电模型，设定相应约束条件以及目标函数，最后利用粒子群优化算法求解得到储能电站最佳优化运行策略。
现有技术关于数据中心型变电站的运行优化仅考虑了储能电站的削峰填谷作用，而数据中心仅作为单纯用电负载。现有技术并未全面考虑变电站的能源与资源禀赋，缺乏对变电站空闲资源的合理规划，未考虑加装屋顶光伏可带来的经济效益与环境效益，同时还忽略了数据中心作为需求响应资源的灵活性，使得数据中心型变电站的碳排放与运行成本均未达到最低。
发明内容
有鉴于此，本发明的目的是提出一种分布式数据中心型变电站协同运行与优化调度方法，针对分布式数据中心型变电站进行联合运行优化，将储能电站的削峰填谷作用加以考量，利用变电站空闲资源加装屋顶光伏，还将数据中心作为需求响应资源纳入考虑，通过数据网络实现对不同类型数据负荷的调度，进一步提升了分布式数据中心型变电站经济效益与环境效益。
本发明采用以下方案实现：一种分布式数据中心型变电站协同运行与优化调度方法，具体包括以下步骤：
建立充电站模型、光伏电站模型、储能电站模型以及数据中心模型；
以经济效益最优为目标，考虑工程实际约束，建立分布式数据中心型变电站优化调度模型；
求解分布式数据中心型变电站优化调度模型，得到全局最优的分布式数据中心型变电站联合运行与优化调度方案。
进一步地，采用如下步骤建立充电站模型：
利用蒙特卡洛模拟抽取单辆电动汽车的起始充电时间与入站时电量水平，然后计算得出充电所需时间与充电结束时间，根据充电时间分布计算得到单辆电动车的实时充电功率分布，通过累加得到充电站实时负荷曲线：
式中，st(x)为第x辆电动车的起始充电时间，end(x)为第x辆电动车的充电结束时间；SEV(x)为第x辆电动车电池的起始荷电状态，SEV,max为电动车电池最大荷电状态值；CAP为电动车电池容量；Pc为电动车充电功率，ηc为电动车充电效率；Pi,t,x为i充电站中t时刻第x辆车的充电功率，PEV,i,t为i站t时刻电动车充电总负荷。
进一步地，采用如下步骤建立光伏电站模型：
光伏发电过程模型如下：
Tm＝T+0.0138S(1-0.042v)(1+0.031T)；
式中，PPV为光伏发电输出功率，ε为温度系数，Tm为光伏组件实际温度，T为实际环境温度，S为实际太阳辐照强度，PSTC、TSTC和SSTC分别表示在STC测试条件下最大发电功率、环境温度和太阳辐照强度，v表示风速。
进一步地，采用如下步骤建立储能电站模型：
电池充放电过程模型如下：
Smin≤Si,t≤Smax；
αBA/c,i,t+αBA/d,i,t≤1；
0≤PBA/c,i,t≤αBA/c,i,tPBA/c,max；
0≤PBA/d,i,t≤αBA/d,i,tPBA/d,max；
式中，Si,t，Si,t-1为相邻时刻数据中心型变电站i的储能电站电池的荷电状态，CBA,i为电池设计容量，PBA/c,i,t-1与PBA/d,i,t-1分别为电池充、放电功率，αBA/c,i,t-1与αBA/d,i,t-1分别表示储能电池的充、放电状态，ηBA/c与ηBA/d分别为电池充、放电效率，Smin表示数据中心型变电站的储能电站电池的最小荷电，Smax表示数据中心型变电站的储能电站电池的最大荷电，PBA/c,max表示最大电池充电功率，PBA/d,max表示最大电池放电功率。
进一步地，采用如下步骤建立数据中心模型：
数据中心能耗采用下式计算；
PDC＝UPIT；
式中，PDC表示数据中心能耗，U为电能利用效率，PIT为IT设备能耗；
其中IT设备能耗PIT由服务器能耗估算，其中服务器能耗如下：
PIT＝Pws,t＝Ponnt+Pre(A-nt)；
式中，Pws,t为服务器总能耗，Pon为工作服务器能耗、Pre为休眠服务器能耗，A为服务器总数、nt为工作服务器数量。
进一步地，所述以经济效益最优为目标具体为：
建立目标函数如下：
min(R)＝Rinv+Rm+Rg-REV-RDC；
式中，Rinv为年等额投资成本，Rm为维护成本，Rg为购电成本，REV为充电站盈利，RDC为数据中心盈利；
其中，年等额投资成本的表达式为：
式中，f为资本回收因子，Eu为设备u的装机容量，pinv,u为设备u的单位投资成本；
其中，维护成本的表达是为：
式中，Pu,t为设备u在t时刻的用电功率，pm,u为设备u的单位维护费用；
其中，购电成本的表达式为：
式中，Pg,t为向电网购电功率，pt为购电价格；
其中，充电站盈利的表达式为：
式中，PEV,t为电动车充电功率，pch为电动车充电价格，pse为充电服务费；
其中，数据中心盈利表达式为：
式中，K为数据中心机柜年租金，Qi为数据中心i安置机柜数量。
进一步地，所述工程实际约束包括能量平衡约束、供能管网安全性约束、数据中心服务质量约束、储能约束、充电站功率约束以及设备装机容量约束。
进一步地，所述能量平衡约束如下：
PG,i,t+PPV,i,t＝PDC,i,t+PBA,i,t+PEV,i,t；
式中，PG,i,t为数据中心型变电站i在t时刻与电网交换功率；PPV,i,t为数据中心型变电站i在t时刻的光伏发电功率；PDC,i,t为数据中心型变电站i在t时刻的数据中心用电功率；PBA,i,t为数据中心型变电站i在t时刻储能电池与外界交换功率；PEV,i,t为数据中心型变电站i在t时刻充电站的电负荷；
所述供能管网安全性约束如下：
PG,i,t≤PG,max；
式中，PG,max为数据中心型变电站与电网交换功率上限；
所述数据中心服务质量约束如下：
式中，λk,i,t为在t时刻到达数据中心i的k型数据任务总量，nk,i,t为t时刻数据中心i中处理k型任务所需的工作服务器数量，ni,t为t时刻数据中心i工作服务器总量，μk为工作服务器对于k型数据任务的服务率，Dk为数据处理的延迟界限；
所述储能约束如下：
式中，Si,t数据中心型变电站i的储能电站电池在t时刻的荷电状态，Smax与Smin分别为储能电池最大、最小荷电状态；CBA,i为电池设计容量，PIT,r为数据中心IT设备额定功率，Te为数据中心市电断绝时应急供电时间；αBA/c,i,t-1与αBA/d,i,t-1分别表示储能电池的充、放电状态；PBA/c,i,t-1与PBA/d,i,t-1分别为电池充、放电功率，PBA/c,max与PBA/d,max分别为储能电池最大充、放电功率；
所述充电站功率约束如下：
PEV,i,t≤Pi,max；
式中，Pi,max为充电站i可容纳最大用电功率；
所述设备装机容量约束如下：
Cu,min≤Cu≤Cu,max；
式中，Cu为设备的装机容量，Cu,min与Cu,max分别为设备u的装机容量上限和下限。
本发明还提供了一种分布式数据中心型变电站协同运行与优化调度系统，包括存储器、处理器以及存储于存储器中并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上文所述的方法步骤。
本发明还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上文所述的方法步骤。
与现有技术相比，本发明有以下有益效果：
1、本发明对站内各关键设备进行协同运行优化，实现光伏发电的平滑并网与储能设备的实时调度，提高了供能可靠性，实现了数据中心型变电站的经济效益与环境效益的提升；
2、本发明利用数据负荷的在空间上的可迁移性，将数据任务迁移至拥有富余计算能力且电价更低的数据中心，既可以进一步加快数据任务处理速度，提高用户体验，还可以进一步削减数据中心运行成本。
附图说明
图1为本发明实施例的技术原理图。
图2为本发明实施例的充电站负荷模拟流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种分布式数据中心型变电站协同运行与优化调度方法，设计包含变电站、边缘数据中心、光伏电站、储能电站与电动汽车充电站的数据中心型变电站基本架构，实现分布式多站之间的联合优化运行。具体实现方式为：变电站为其他功能站提供建设场地，并作为日常用电来源；数据中心作为灵活需求响应负载，结合不同站点的电价政策差异，通过数据网络实现数据负荷在各融合站点间的分配调度，可以实现电力负荷的转移，进而削减数据中心型变电站系统的运行成本；屋顶光伏电站充分利用场地太阳能资源，将太阳辐射能转化为电能，所发电能并入电网，作为协同供电来源；储能电站在保有数据中心应急备电量的同时，参与日常电力调度，高电价时为充电站与数据中心供电，可以实现削峰填谷，转移高峰负载；充电站的日常充电收益与数据中心的服务收益可用以补偿数据中心型变电站系统的运行成本。
具体包括以下步骤：
建立充电站模型、光伏电站模型、储能电站模型以及数据中心模型；
以经济效益最优为目标，考虑工程实际约束，建立分布式数据中心型变电站优化调度模型；
求解分布式数据中心型变电站优化调度模型，得到全局最优的分布式数据中心型变电站联合运行与优化调度方案。
在本实施例中，采用如下步骤建立充电站模型：
利用蒙特卡洛模拟抽取单辆电动汽车的起始充电时间与入站时电量水平，然后计算得出充电所需时间与充电结束时间，根据充电时间分布计算得到单辆电动车的实时充电功率分布，通过累加得到充电站实时负荷曲线：
式中，st(x)为第x辆电动车的起始充电时间，end(x)为第x辆电动车的充电结束时间；SEV(x)为第x辆电动车电池的起始荷电状态，SEV,max为电动车电池最大荷电状态值；CAP为电动车电池容量；Pc为电动车充电功率，ηc为电动车充电效率；Pi,t,x为i充电站中t时刻第x辆车的充电功率，PEV,i,t为i站t时刻电动车充电总负荷。本实施例设定充电负荷模拟以min为单位，对一天1440min进行模拟，每15分钟对充电站负荷进行一次结算，
在本实施例中，采用如下步骤建立光伏电站模型：
光伏发电过程模型如下：
Tm＝T+0.0138S(1-0.042v)(1+0.031T)；
式中，PPV为光伏发电输出功率，ε为温度系数，Tm为光伏组件实际温度，T为实际环境温度，S为实际太阳辐照强度，PSTC、TSTC和SSTC分别表示在STC测试条件下最大发电功率、环境温度和太阳辐照强度，v表示风速。本实施例中，环境温度取(25℃)，太阳辐射照度取1000(W/m2)。
在本实施例中，采用如下步骤建立储能电站模型：
电池充放电过程模型如下：
Smin≤Si,t≤Smax；
αBA/c,i,t+αBA/d,i,t≤1；
0≤PBA/c,i,t≤αBA/c,i,tPBA/c,max；
0≤PBA/d,i,t≤αBA/d,i,tPBA/d,max；
式中，Si,t，Si,t-1为相邻时刻数据中心型变电站i的储能电站电池的荷电状态，CBA,i为电池设计容量，PBA/c,i,t-1与PBA/d,i,t-1分别为电池充、放电功率，αBA/c,i,t-1与αBA/d,i,t-1分别表示储能电池的充、放电状态，为开关变量，以保证电池不会同时进行充、放电，ηBA/c与ηBA/d分别为电池充、放电效率，Smin表示数据中心型变电站的储能电站电池的最小荷电，Smax表示数据中心型变电站的储能电站电池的最大荷电，PBA/c,max表示最大电池充电功率，PBA/d,max表示最大电池放电功率。
在本实施例中，采用如下步骤建立数据中心模型：数据中心能耗主要由IT设备能耗、制冷设备能耗与配电系统能耗组成，其中IT设备能耗主要包括服务器能耗、通信设备能耗与存储设备能耗，该能耗大部分(约80％)在服务器处理数据时生成。通过建立服务器能耗模型可对IT设备能耗进行估算，进而利用电能利用效率(PUE)值计算得到数据中心总能耗。
其中，数据中心能耗采用下式计算；
PDC＝UPIT；
式中，PDC表示数据中心能耗，U为电能利用效率，PIT为IT设备能耗；
其中IT设备能耗PIT由服务器能耗估算，服务器状态可分为工作状态与休眠状态，服务器能耗可通过调整工作服务器数量进行灵活调控，其中服务器能耗如下：
PIT＝Pws,t＝Ponnt+Pre(A-nt)；
式中，Pws,t为服务器总能耗，Pon为工作服务器能耗、Pre为休眠服务器能耗，A为服务器总数、nt为工作服务器数量。
在本实施例中，所述以经济效益最优为目标具体为：本实施例考虑经济性指标，以最小化数据中心型变电站年总成本为目标函数，对数据中心型变电站运行优化展开研究。具体目标函数如下：
min(R)＝Rinv+Rm+Rg-REV-RDC；
式中，Rinv为年等额投资成本，Rm为维护成本，Rg为购电成本，REV为充电站盈利，RDC为数据中心盈利；
其中，年等额投资成本的表达式为：
式中，f为资本回收因子，Eu为设备u的装机容量，pinv,u为设备u的单位投资成本；
其中，维护成本的表达是为：
式中，Pu,t为设备u在t时刻的用电功率，pm,u为设备u的单位维护费用；
其中，购电成本的表达式为：
式中，Pg,t为向电网购电功率，pt为购电价格；
其中，充电站盈利的表达式为：
式中，PEV,t为电动车充电功率，pch为电动车充电价格，pse为充电服务费；其中，数据中心盈利表达式为：
式中，K为数据中心机柜年租金，Qi为数据中心i安置机柜数量。
在本实施例中，所述工程实际约束包括能量平衡约束、供能管网安全性约束、数据中心服务质量约束、储能约束、充电站功率约束以及设备装机容量约束。
在本实施例中，所述能量平衡约束如下：
PG,i,t+PPV,i,t＝PDC,i,t+PBA,i,t+PEV,i,t；
式中，PG,i,t为数据中心型变电站i在t时刻与电网交换功率；PPV,i,t为数据中心型变电站i在t时刻的光伏发电功率；PDC,i,t为数据中心型变电站i在t时刻的数据中心用电功率；PBA,i,t为数据中心型变电站i在t时刻储能电池与外界交换功率；PEV,i,t为数据中心型变电站i在t时刻充电站的电负荷；
所述供能管网安全性约束如下：
PG,i,t≤PG,max；
式中，PG,max为数据中心型变电站与电网交换功率上限；数据中心型变电站用电来源为变电站闲置电力资源，因而为保证变电站对周边供电的可靠性，数据中心型变电站与电网交换功率需考虑变电站周边供电情况以及供能管网限制；
所述数据中心服务质量约束如下：数据中心要实现盈利首先需要满足数据处理的服务质量要求，延迟时间是影响数据中心服务质量的一项重要指标。数据处理任务生成后，首先通过传输网络到达数据中心，然后进入排队序列，根据先来先服务的原则，等待数据中心对其进行处理。延迟时间约束如下：
式中，λk,i,t为在t时刻到达数据中心i的k型数据任务总量，nk,i,t为t时刻数据中心i中处理k型任务所需的工作服务器数量，ni,t为t时刻数据中心i工作服务器总量，μk为工作服务器对于k型数据任务的服务率，该值取决于服务器性能，Dk为数据处理的延迟界限，针对不同类型数据负荷具有不同的时延要求；
所述储能约束如下：储能设备需在保证数据中心应急电量充足条件下，调用电池部分容量转移峰时负载，并且考虑到电池寿命衰减问题，电池充放电深度均不宜过大。电池充放电约束如下：
式中，Si,t数据中心型变电站i的储能电站电池在t时刻的荷电状态，Smax与Smin分别为储能电池最大、最小荷电状态；CBA,i为电池设计容量，PIT,r为数据中心IT设备额定功率，Te为数据中心市电断绝时应急供电时间，取值15min；αBA/c,i,t-1与αBA/d,i,t-1分别表示储能电池的充、放电状态，为开关变量，以保证电池不会同时进行充、放电；PBA/c,i,t-1与PBA/d,i,t-1分别为电池充、放电功率，PBA/c,max与PBA/d,max分别为储能电池最大充、放电功率；
所述充电站功率约束如下：筹建电动汽车充电站时需考虑变电站土地资源限制与剩余供电容量限制，因此各级变电站安装充电桩数量有限，充电站实时用电功率约束如下：
PEV,i,t≤Pi,max；
式中，Pi,max为充电站i可容纳最大用电功率；
所述设备装机容量约束如下：
Cu,min≤Cu≤Cu,max；
式中，Cu为设备的装机容量，Cu,min与Cu,max分别为设备u的装机容量上限和下限。
最后，在数学规划与优化建模软件GAMS中，建立混合整数非线性规划(MINLP)模型,调用LINDOGLOBAL求解器以最小化年总成本为优化目标对模型进行求解，得到全局最优的分布式数据中心型变电站联合运行与优化调度方案，实现系统年总成本最低，经济性最优。其中，利用不同的软件平台如matlab、python等也可以实现模型的仿真求解。
本实施例还提供了一种分布式数据中心型变电站协同运行与优化调度系统，包括存储器、处理器以及存储于存储器中并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上文所述的方法步骤。
本实施例还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上文所述的方法步骤。
综上，本实施例考虑利用变电站屋顶空间资源以及站内原有变压器资源，建造屋顶分布式光伏电站，实现了经济效益与环境效益的提升；考虑了储能电站平抑负荷、削峰填谷的作用，实现了高电价时段负荷向低电价时段的转移；还考虑了各数据中心位处不同空间，电价政策存在差异，利用电价在不同空间的差异以及数据任务的可传输性，实现各数据中心型变电站之间数据任务的迁移调度。通过本发明提出的数据中心型变电站运行优化策略，其一对站内各关键设备进行协同运行优化，实现光伏发电的平滑并网与储能设备的实时调度，提高了供能可靠性，实现了数据中心型变电站的经济效益与环境效益的提升；其二利用数据负荷的在空间上的可迁移性，将数据任务迁移至拥有富余计算能力且电价更低的数据中心，既可以进一步加快数据任务处理速度，提高用户体验，还可以进一步削减数据中心运行成本。总的来说，在现有技术方案的基础上，本发明除了考虑储能电站的作用，还引入屋顶光伏电站进行联合供能，并对数据中心在电力负荷调度上的灵活性加以考虑，不仅提高了数据中心的服务质量，削减了运行成本，还提高了数据中心型变电站的环境效益。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (3)

1.一种分布式数据中心型变电站协同运行与优化调度方法，其特征在于，包括以下步骤：
建立充电站模型、光伏电站模型、储能电站模型以及数据中心模型；
以经济效益最优为目标，考虑工程实际约束，建立分布式数据中心型变电站优化调度模型；
求解分布式数据中心型变电站优化调度模型，得到全局最优的分布式数据中心型变电站联合运行与优化调度方案；
采用如下步骤建立充电站模型：
利用蒙特卡洛模拟抽取单辆电动汽车的起始充电时间与入站时电量水平，然后计算得出充电所需时间与充电结束时间，根据充电时间分布计算得到单辆电动车的实时充电功率分布，通过累加得到充电站实时负荷曲线：
式中，st(x)为第x辆电动车的起始充电时间，end(x)为第x辆电动车的充电结束时间；SEV(x)为第x辆电动车电池的起始荷电状态，SEV,max为电动车电池最大荷电状态值；CAP为电动车电池容量；Pc为电动车充电功率，ηc为电动车充电效率；Pi,t,x为i充电站中t时刻第x辆车的充电功率，PEV,i,t为i站t时刻电动车充电总负荷；
采用如下步骤建立光伏电站模型：
光伏发电过程模型如下：
Tm＝T+0.0138S(1-0.042v)(1+0.031T)；
式中，PPV为光伏发电输出功率，ε为温度系数，Tm为光伏组件实际温度，T为实际环境温度，S为实际太阳辐照强度，PSTC、TSTC和SSTC分别表示在STC测试条件下最大发电功率、环境温度和太阳辐照强度，v表示风速；
采用如下步骤建立储能电站模型：
电池充放电过程模型如下：
Smin≤Si,t≤Smax；
αBA/c,i,t+αBA/d,i,t≤1；
0≤PBA/c,i,t≤αBA/c,i,tPBA/c,max；
0≤PBA/d,i,t≤αBA/d,i,tPBA/d,max；
式中，Si,t，Si,t-1为相邻时刻数据中心型变电站i的储能电站电池的荷电状态，CBA,i为电池设计容量，PBA/c,i,t-1与PBA/d,i,t-1分别为电池充、放电功率，αBA/c,i,t-1与αBA/d,i,t-1分别表示储能电池的充、放电状态，ηBA/c与ηBA/d分别为电池充、放电效率，Smin表示数据中心型变电站的储能电站电池的最小荷电，Smax表示数据中心型变电站的储能电站电池的最大荷电，PBA/c,max表示最大电池充电功率，PBA/d,max表示最大电池放电功率；
采用如下步骤建立数据中心模型：
数据中心能耗采用下式计算；
PDC＝UPIT；
式中，PDC表示数据中心能耗，U为电能利用效率，PIT为IT设备能耗；
其中IT设备能耗PIT由服务器能耗估算，其中服务器能耗如下：
PIT＝Pws,t＝Ponnt+Pre(A-nt)；
式中，Pws,t为服务器总能耗，Pon为工作服务器能耗、Pre为休眠服务器能耗，A为服务器总数、nt为工作服务器数量；
所述以经济效益最优为目标具体为：
建立目标函数如下：
min(R)＝Rinv+Rm+Rg-REV-RDC；
式中，Rinv为年等额投资成本，Rm为维护成本，Rg为购电成本，REV为充电站盈利，RDC为数据中心盈利；
其中，年等额投资成本的表达式为：
式中，f为资本回收因子，Eu为设备u的装机容量，pinv,u为设备u的单位投资成本；
其中，维护成本的表达是为：
式中，Pu,t为设备u在t时刻的用电功率，pm,u为设备u的单位维护费用；
其中，购电成本的表达式为：
式中，Pg,t为向电网购电功率，pt为购电价格；
其中，充电站盈利的表达式为：
式中，PEV,t为电动车充电功率，pch为电动车充电价格，pse为充电服务费；
其中，数据中心盈利表达式为：
式中，K为数据中心机柜年租金，Qi为数据中心i安置机柜数量；所述工程实际约束包括能量平衡约束、供能管网安全性约束、数据中心服务质量约束、储能约束、充电站功率约束以及设备装机容量约束；
所述能量平衡约束如下：
PG,i,t+PPV,i,t＝PDC,i,t+PBA,i,t+PEV,i,t；
式中，PG,i,t为数据中心型变电站i在t时刻与电网交换功率；PPV,i,t为数据中心型变电站i在t时刻的光伏发电功率；PDC,i,t为数据中心型变电站i在t时刻的数据中心用电功率；PBA,i,t为数据中心型变电站i在t时刻储能电池与外界交换功率；PEV,i,t为数据中心型变电站i在t时刻充电站的电负荷；
所述供能管网安全性约束如下：
PG,i,t≤PG,max；
式中，PG,max为数据中心型变电站与电网交换功率上限；
所述数据中心服务质量约束如下：
式中，λk,i,t为在t时刻到达数据中心i的k型数据任务总量，nk,i,t为t时刻数据中心i中处理k型任务所需的工作服务器数量，ni,t为t时刻数据中心i工作服务器总量，μk为工作服务器对于k型数据任务的服务率，Dk为数据处理的延迟界限；
所述储能约束如下：
式中，Si,t数据中心型变电站i的储能电站电池在t时刻的荷电状态，Smax与Smin分别为储能电池最大、最小荷电状态；CBA,i为电池设计容量，PIT,r为数据中心IT设备额定功率，Te为数据中心市电断绝时应急供电时间；αBA/c,i,t-1与αBA/d,i,t-1分别表示储能电池的充、放电状态；PBA/c,i,t-1与PBA/d,i,t-1分别为电池充、放电功率，PBA/c,max与PBA/d,max分别为储能电池最大充、放电功率；
所述充电站功率约束如下：
PEV,i,t≤Pi,max；
式中，Pi,max为充电站i可容纳最大用电功率；
所述设备装机容量约束如下：
Cu,min≤Cu≤Cu,max；
式中，Cu为设备的装机容量，Cu,min与Cu,max分别为设备u的装机容量上限和下限。
2.一种分布式数据中心型变电站协同运行与优化调度系统，其特征在于，包括存储器、处理器以及存储于存储器中并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1所述的方法。
3.一种计算机可读存储介质，其特征在于，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1所述的方法。
CN202110155171.1A 2021-02-04 2021-02-04 一种分布式数据中心型变电站协同运行与优化调度方法 Active CN112952876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110155171.1A CN112952876B (zh) 2021-02-04 2021-02-04 一种分布式数据中心型变电站协同运行与优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110155171.1A CN112952876B (zh) 2021-02-04 2021-02-04 一种分布式数据中心型变电站协同运行与优化调度方法

Publications (2)

Publication Number Publication Date
CN112952876A CN112952876A (zh) 2021-06-11
CN112952876B true CN112952876B (zh) 2024-04-09

Family

ID=76243877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110155171.1A Active CN112952876B (zh) 2021-02-04 2021-02-04 一种分布式数据中心型变电站协同运行与优化调度方法

Country Status (1)

Country Link
CN (1) CN112952876B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610310B (zh) * 2021-08-13 2024-02-13 宋代军 一种多因素确定城乡路网及其地块竖向的土方最小化方法
CN114185280B (zh) * 2021-12-06 2023-11-21 国网湖南省电力有限公司 基于嵌入式系统的储能电站半实物实时仿真架构搭建方法
CN118117664A (zh) * 2024-02-28 2024-05-31 国网上海市电力公司 考虑碳排放成本的分布式能源智能体经济调度优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2446519A1 (en) * 2009-06-26 2012-05-02 ABB Research Ltd. Load scheduling optimization in distributed system
CN108988325A (zh) * 2018-07-11 2018-12-11 华北电力大学 一种计及分布式电源和电动汽车接入的配电网规划方法
CN110363351A (zh) * 2019-07-15 2019-10-22 国网冀北电力有限公司唐山供电公司 一种分布式电源接入增量配电网评估优化规划方法及系统
CN110363353A (zh) * 2019-07-16 2019-10-22 厦门大学 一种分布式综合能源系统的优化设计和调度方法及系统
CN111697604A (zh) * 2020-06-19 2020-09-22 中国电力科学研究院有限公司 多站合一的配置方法、系统及设备
CN112018790A (zh) * 2020-07-30 2020-12-01 国电南瑞科技股份有限公司 基于分层分布式储能参与需求响应调节控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2446519A1 (en) * 2009-06-26 2012-05-02 ABB Research Ltd. Load scheduling optimization in distributed system
CN108988325A (zh) * 2018-07-11 2018-12-11 华北电力大学 一种计及分布式电源和电动汽车接入的配电网规划方法
CN110363351A (zh) * 2019-07-15 2019-10-22 国网冀北电力有限公司唐山供电公司 一种分布式电源接入增量配电网评估优化规划方法及系统
CN110363353A (zh) * 2019-07-16 2019-10-22 厦门大学 一种分布式综合能源系统的优化设计和调度方法及系统
CN111697604A (zh) * 2020-06-19 2020-09-22 中国电力科学研究院有限公司 多站合一的配置方法、系统及设备
CN112018790A (zh) * 2020-07-30 2020-12-01 国电南瑞科技股份有限公司 基于分层分布式储能参与需求响应调节控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向储能电站调度的光储发电系统运行优化策略研究;张国玉;洪超;陈杜琳;叶季蕾;;电力工程技术(第03期);56-62 *

Also Published As

Publication number Publication date
CN112952876A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN112952876B (zh) 一种分布式数据中心型变电站协同运行与优化调度方法
Fortenbacher et al. Optimal placement and sizing of distributed battery storage in low voltage grids using receding horizon control strategies
Liu et al. Optimal day-ahead charging scheduling of electric vehicles through an aggregative game model
Wang et al. Integrated energy exchange scheduling for multimicrogrid system with electric vehicles
El-Zonkoly Intelligent energy management of optimally located renewable energy systems incorporating PHEV
Fux et al. Economic and environmental aspects of the component sizing for a stand-alone building energy system: A case study
Alabi et al. Improved hybrid inexact optimal scheduling of virtual powerplant (VPP) for zero-carbon multi-energy system (ZCMES) incorporating Electric Vehicle (EV) multi-flexible approach
Ban et al. Optimal scheduling for integrated energy-mobility systems based on renewable-to-hydrogen stations and tank truck fleets
Liu et al. Frequency droop control with scheduled charging of electric vehicles
Ellahi et al. A modified hybrid particle swarm optimization with bat algorithm parameter inspired acceleration coefficients for solving eco-friendly and economic dispatch problems
Rajani et al. A hybrid optimization based energy management between electric vehicle and electricity distribution system
CN113315165B (zh) 四站融合的综合能源系统协调控制方法及协调控制系统
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN109245155A (zh) 基于不确定理论的配电网广义电源变电可信容量评估方法
Ma et al. Optimal configuration for photovoltaic storage system capacity in 5G base station microgrids
CN105956693B (zh) 一种基于分布式梯度算法的虚拟电厂经济调度方法
CN107302231A (zh) 一种小水电群接入电网的两目标随机经济调度方法
CN111293682A (zh) 一种基于协同模型预测控制的多微网能量管理方法
CN111738498A (zh) 一种综合能源系统鲁棒规划方法及系统
CN110867907B (zh) 一种基于多类型发电资源同质化的电力系统调度方法
CN116742812A (zh) 一种多能互补发电系统储能容量协调优化配置方法和系统
Strezoski et al. Enabling mass integration of electric vehicles through distributed energy resource management systems
Zhang et al. Planning strategy of multi-station integration for substations in power systems
Wang et al. The capacity optimization of the battery energy storage system in the combined cooling, heating and power microgrid
CN115622100B (zh) 一种使用光伏储能电池的企业用电分配监测系统及方法

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