CN113364042A - 一种数据中心光储协同优化配置方法和系统 - Google Patents
一种数据中心光储协同优化配置方法和系统 Download PDFInfo
- Publication number
- CN113364042A CN113364042A CN202010136529.1A CN202010136529A CN113364042A CN 113364042 A CN113364042 A CN 113364042A CN 202010136529 A CN202010136529 A CN 202010136529A CN 113364042 A CN113364042 A CN 113364042A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- data center
- storage battery
- time period
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003287 optical effect Effects 0.000 title claims abstract description 31
- 238000004146 energy storage Methods 0.000 claims abstract description 141
- 230000005611 electricity Effects 0.000 claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 26
- 238000010276 construction Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 150000001875 compounds Chemical class 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 210000000352 storage cell Anatomy 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 claims description 2
- 238000002330 electrospray ionisation mass spectrometry Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 239000013589 supplement Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 101710104074 Spermidine/putrescine-binding periplasmic protein Proteins 0.000 description 2
- 102100033142 Transcription factor 20 Human genes 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- H02J3/38—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
-
- 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
-
- 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
- H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
- H02J9/04—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source
- H02J9/06—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems
- H02J9/061—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems for DC powered loads
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种数据中心光储协同优化配置方法和系统，包括：获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；将典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；其中，光储协同优化配置模型是基于数据中心的供电可靠性建立的。本发明针对互联网数据中心的高能耗，现有研究仅是互联网数据中心与可再生能源都是简单的结合，没有考虑到数据中心的供电可靠性的缺点，能够在保障数据中心供电可靠性的基础上，最大程度降低数据中心运行成本，是对现有数据中心经济调度方案的补充和完善。
Description
技术领域
本发明属于电力系统设备优化配置技术领域，具体涉及一种数据中心光储协同优化配置方法和系统。
背景技术
“数据中心站+储能电池站+变电站+新能源站”等三站或多站合一的建设模式是未来能源战略的发展方向。互联网数据中心(Internet Data Center,IDC)的电力消耗越来越严重。以中国为例，目前中国的数据中心总数已经超过了64万个，强大运算能力的背后是快速攀升的电力需求，2016年耗电是1100亿千瓦时，已经占到了整个中国国民用电的2％左右，2017年中国数据中心总耗电量达到1200-1300亿千瓦时，而未来更是处于快速激增的状态。然而，目前蓄电池储能电池的单位造价偏高，投资回收期较长，如何在巨大的电力负荷需求下优化数据中心的电力配置，提高运行效率的同时增强其可靠性是当前多站合一建设中的一个热点问题。
针对以上问题，当前研究方法有利用数据中心不间断电源(UninterruptiblePower Supply,UPS)参与调峰降低运营成本；或利用虚拟机技术将数据中心负荷转移到可再生能源附近，最大限度地利用可再生能源；或根据负荷的特点，利用诸如负荷时间转移、非电冷却设备的替代等解决数据中心的能源效率问题。与传统数据中心相比，上述方案均提升了数据中心用能的经济性，但没有考虑到数据中心的供电可靠性，与可再生能源都是简单的结合。
发明内容
为克服上述现有技术的不足，本发明提出一种数据中心光储协同优化配置方法，其改进之处在于，包括：
获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；
将所述典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；
其中，所述光储协同优化配置模型是基于数据中心的供电可靠性建立的；
所述典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；
所述典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。
优选的，所述光储协同优化配置模型的建立，包括：
以数据中心建设费用和能耗费用最小为目标设定目标函数，以数据中心供电可靠性、节点功率平衡、光伏出力、电网电力利用率、储能电池充放电功率和储能电池荷电状态为约束条件，建立光储协同优化配置模型。
优选的，所述目标函数的计算式如下：
minf＝CPV+CES+CG+CCa
式中，minf表示目标函数，CPV表示光伏的建设成本，CES表示储能电池的建设成本，CG表示数据中心的计算周期内耗电费用，CCa表示数据中心的容量电费；
光伏的建设成本CPV的计算式如下：
CPV＝CB,PV·EPV
式中，CB,PV表示单位光伏装机容量成本，EPV表示光伏的装机容量；
储能电池的建设成本CES的计算式如下：
CES＝CB,ES·EES
式中，CB,ES表示单位容量储能电池造价,EES表示储能电池的配置容量；
数据中心的计算周期内耗电费用CG的计算式如下：
式中，t表示计算周期内的时间段，M表示计算周期内的时间段总个数，
表示第t时间段从电网吸收的功率，πt表示第t时间段从电网吸收的功率；
数据中心的容量电费CCa的计算式如下：
CCa＝CB,Ca·Ppeak
式中，CB,Ca表示容量电费，Ppeak表示数据中心用电设备容量或最大需量。
优选的，所述数据中心供电可靠性约束的计算式如下：
式中，
表示储能电池第t个时间段的荷电状态，
第t个时间段数据中心原有不间断电源的荷电状态，EUPS表示数据中心原有不间断电源的容量，m表示不间断电源的寿命，λ表示储能电池的月自放电率，α表示月自放电后可恢复的荷电状态。
优选的，所述节点功率平衡约束的计算式如下：
式中，
表示第t时间段从电网吸收的功率，
表示第t时间段光伏注入的功率，
表示第t时间段储能电池注入的功率，
表示第t时间段数据中心的负荷功率；
第t时间段储能电池注入的功率
的计算式如下：
式中，u表示储能电池充电或放电的状态，储能电池放电时取1，充电时取0；
表示第t时间段储能电池的放电功率，
表示第t时间段储能电池的充电功率；
第t时间段储能电池的放电功率
的计算式如下：
式中，
表示储能电池在第t时间段参与削峰填谷的放电功率，
表示储能电池在第t时间段参与平滑光伏的放电功率；
第t时间段储能电池的充电功率
的计算式如下：
式中，
表示储能电池在第t时间段参与削峰填谷的充电功率，
表示储能电池在第t时间段参与平滑光伏的充电功率。
优选的，所述光伏出力约束的计算式如下：
式中，
表示第t时间段光伏注入的功率，PPV,min表示光伏的最小发电出力功率，PPV，max表示光伏的最大发电出力功率。
优选的，所述电网电力利用率约束的计算式如下：
式中，
表示第t时间段从电网吸收的功率，PUE表示数据中心能源使用效率限值。
优选的，所述储能电池充放电功率约束的计算式如下：
式中，
表示第t时间段储能电池注入的功率，PPCS max表示储能电池变流器额定值。
优选的，所述储能电池荷电状态约束的计算式如下：
式中，
表示储能电池第t-1个时间段的荷电状态；
表示第t时间段储能电池的充电功率，
表示第t时间段储能电池的放电功率；Δt表示一个时间段的时长；ηch表示储能电池的充电效率，ηdisch表示储能电池的放电效率；EES max表示储能电池的最大荷电状态，EES min
表示储能电池的最小荷电状态。
优选的，所述得到储能电池的容量和光伏装机容量之后，还包括：
基于储能电池的容量和光伏装机容量，对数据中心的可再生能源利用率和电网电力使用效率进行计算。
基于同一发明构思，本申请还提供了一种数据中心光储协同优化配置系统，其改进之处在于，包括：数据获取模块和优化配置模块；
所述数据获取模块，用于获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；
所述优化配置模块，用于将所述典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；
其中，所述光储协同优化配置模型是基于数据中心的供电可靠性建立的；
所述典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；
所述典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。
优选的，该系统还包括建模模块；
所述建模模块，用于以数据中心建设费用和能耗费用最小为目标设定目标函数，以数据中心供电可靠性、节点功率平衡、光伏出力、电网电力利用率、储能电池充放电功率和储能电池荷电状态为约束条件，建立光储协同优化配置模型。
与最接近的现有技术相比，本发明具有的有益效果如下：
本发明提供一种数据中心光储协同优化配置方法和系统，包括：获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；将典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；其中，光储协同优化配置模型是基于数据中心的供电可靠性建立的；典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。本发明针对互联网数据中心的高能耗，现有研究仅是互联网数据中心与可再生能源都是简单的结合，没有考虑到数据中心的供电可靠性的缺点，能够在保障数据中心供电可靠性的基础上，最大程度降低数据中心运行成本，是对现有数据中心经济调度方案的补充和完善。
进一步的，本发明考虑数据中心的储能电池额外参与削峰填谷和平滑光伏功率输出两种应用，以数据中心建设费用和能耗费用最小为目标函数，基于数据中心的用电需求和当地电网的分时电价，优化得出最优储能电池容量和光伏装机容量，该方法能够精益分析数据中心的经济收益和能源消耗，最大程度降低数据中心运行成本，并增加数据中心光伏的接纳能力。
附图说明
图1为本发明提供的一种数据中心光储协同优化配置方法流程示意图；
图2为本发明涉及的PUE＝2.0的数据中心各部分的能耗占比示意图；
图3为本发明涉及的典型日24个时段负荷功率和电网电价示意图；
图4为本发明实施例中基于经济调度的互联网数据中心光储协同优化配置方法计算流程图；
图5为本发明提供的一种数据中心光储协同优化配置系统基本结构示意图；
图6为本发明提供的一种数据中心光储协同优化配置系统详细结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
当前研究方法有利用数据中心不间断电源(Uninterruptible Power Supply,UPS)参与调峰降低运营成本；或利用虚拟机技术将数据中心负荷转移到可再生能源附近，最大限度地利用可再生能源；或根据负荷的特点，利用诸如负荷时间转移、非电冷却设备的替代等解决数据中心的能源效率问题。与传统数据中心相比，上述方案均提升了数据中心用能的经济性，但没有考虑到数据中心的供电可靠性，与可再生能源都是简单的结合，没有提出兼顾能效和可靠性的储能和新能源协同优化的配置方法。
本发明是为了降低数据中心运行成本和进一步提高IDC供电可靠性而提出的，针对互联网数据中心的高能耗，提供一种数据中心光储协同优化配置方法，该方法能够精益分析数据中心的经济收益和能源消耗，并且考虑IDC原有UPS的自放电作用，基于数据中心的用电需求和当地电网的分时电价，优化得出最优储能电池容量和光伏装机容量，是对现有数据中心经济调度方案的补充和完善。
实施例1：
本发明提供的一种电网连续运行仿真断面的生成方法流程示意图如图1所示，包括：
步骤1：获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；
步骤2：将典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；
其中，光储协同优化配置模型是基于数据中心的供电可靠性建立的；
典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；
典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。
具体的，一个互联网数据中心光储协同优化配置方法的实施例流程如图4所示，本方法是为了最大程度的降低数据中心能耗，它包括以下步骤：
步骤101，明确数据中心的用能现状、负荷构成、负荷特性以及能耗费用构成。
如图2所示为PUE＝2.0的数据中心各部分的能耗占比。
IDC机房的能耗主要包括4个部分：IT设备用电、变压器/UPS供电系统、空调系统(制冷系统、通风及加湿系统)、照明设施。其中前3部分占到IDC机房能耗的90％以上，空调制冷系统耗电占总能耗的37％，现有机房实际运行中的能耗达到了50％左右的占比，由此可以确认空调制冷系统的能耗过高是IDC机房电源使用效率(Power UsageEffectiveness，PUE)值偏大的主要原因。
数据中心能耗费用由两部分组成：1)能量费用，取决于某个计费周期内数据中心消耗的电能多少；2)峰值负荷费用，是一种与数据中心在计费周期内最大负荷相关的费用，这类费用十分昂贵。
步骤102，明确数据中心内储能发挥的作用。
在传统数据中心中，储能一般以非间断电源UPS的形式存在，仅在供电异常时作为应急电源使用，为备用柴油发电机的预热提供短暂的过渡缓冲时间。在发电机预热过程中，快速放电的储能元件能够为数据中心来提供短时间的电能供给。在本发明中，储能电池还参与削峰填谷应用和平滑光伏出力，增加IDC光伏的接纳能力。
据统计，中国2018年上半年城市范围内平均供电可靠率为99.971％，数据中心UPS每年利用率极低，由此造成了供电设备资源的浪费。考虑到建设储能电池需要匹配一定量的储能变流器PCS，利用原数据中心PCS建设额外的储能电池减少初始投资费用，充分发挥削峰填谷作用协助节省电费、降低峰值负荷。在数据中心面临停电威胁时切换到原数据中心UPS进行供电，保证数据中心供电的可靠性。
额外安装的储能电池在互联网数据中心IDC设计中发挥着以下三方面关键作用：
1)与传统IDC类似，储能用作应急电源UPS使用，在发生停电故障时，为备用柴油发电机的预热提供短暂的缓冲时间，避免故障修复过程中的电能中断，以保证安全、稳定的电力供应，保护数据中心不因供电不稳而停机；
2)额外安装的储能电池可以用来管理数据中心中偶尔发生的峰值负载。面对峰值负载带来的功耗尖峰，储能电池释放其储存的能量，参与调峰，降低数据中心的峰值负荷费用；
3)额外安装的储能电池可以用来管理新能源波动。由于以风电、光伏为代表的可再生能源出力具有随机性、间歇性和波动性的特点，储能电池能够改善可再生能源输出的不稳定性，从而加大数据中心对风光等可再生能源的消纳量。在用电低谷时，储能电池适时地吸收多余的可再生能源发电，并在可再生能源间歇性不足或用电高峰时放电以弥补供电缺口。
步骤103，建立IDC光储协同优化配置模型。
将1日24个小时划分为24个时段，其分别对应每日的00:00—01:00，01:00—02:00，...，23:00—00:00，用t表示各时段，t＝1，2，...，24。
(1)目标函数
考虑IDC额外新建储能电池参与削峰填谷和平滑光伏功率输出两种应用，旨在最大程度的降低数据中心能耗费用，以数据中心建设费用和能耗费用最小为目标函数：
minf＝CPV+CES+CG+CCa (1)
CPV＝CB,PV·EPV (2)
CES＝CB,ES·EES (3)
CCa＝CB,Ca·Ppeak (5)
式中：minf表示目标函数；CPV表示光伏的建设成本；CES表示储能的建设成本；CG表示绿色IDC的年耗电费用；CCa表示IDC的容量电费；CB,PV表示单位光伏装机容量成本；EPV表示光伏的装机容量；CB,ES表示单位容量储能造价；EES表示储能的配置容量；
表示第t时间段从电网吸收的功率；πt表示第t时间段的电网电价；M表示计算周期内的时间段总个数；CB,Ca表示容量电费；Ppeak表示数据中心用电设备容量或最大需量。当计算周期为1年时，M＝8760。
(2)约束条件
1)节点功率平衡约束
通过储能电池平滑光伏出力，IDC最大化利用光伏发电，当光伏出力大于IDC的实时需求时，过剩的电力由储能电池吸收，但是不能向上级电网返送。在同一时间段储能电池只能存在一种状态。
式中：
表示第t个时间段电网注入的有功功率；
表示第t个时间段光伏注入的有功功率；
表示第t个时间段储能的注入功率；
表示第t时间段数据中心的负荷有功功率；
和
表示储能在第t时间段参与削峰填谷的充电和放电功率；
和
表示储能在第t时间段参与平滑光伏的充电和放电功率；
和
表示上储能第t个时间段的充电和放电功率；u取0或1，储能放电时取1，充电时取0。
2)光伏出力约束
式中：PPV,min表示光伏的最小发电出力功率；PPV.max光伏的最大发电出力功率。
3)电网电力利用率约束
《上海市经济信息化委、市发展改革委关于加强本市互联网数据中心统筹建设的指导意见》指出，推动数据中心节能技改和结构调整，存量改造数据中心能源使用效率值(Power Usage Effectiveness，PUE)不高于1.4。考虑到PUE不适用于绿色IDC，提出采用电网电力使用效率(Grid Power Usage Effectiveness，GUE)对IDC进行约束，其表示为IDC使用的电网电量与IT设备能耗的比值。
4)储能充放电功率约束
式中：PPCS max表示储能变流器额定值。
5)储能荷电状态约束
式中：
表示储能第t-1个时间段的荷电状态；EES min表示储能的最小荷电状态；EES max表示储能的最大荷电状态；ηch和ηdisch表示储能的充电和放电效率；Δt表示一个时间段的时长。
6)IDC供电可靠性约束
式(15)表示额外安装的电池在任意时刻与考虑自放电的UPS电池电量之和大于等于原有UPS电池的满电量，满足进一步提高IDC供电可靠性的要求。
式中：
表示储能第t个时间段的荷电状态；
表示第t个时间段IDC原有UPS的荷电状态；EUPS表示IDC原有UPS的容量；λ表示储能的月自放电率；α表示月自放电后可恢复的荷电状态；m表示IDC的UPS寿命。
步骤104，获取要配置的数据中心典型参数，根据数据中心的实际情况，获取典型日24个时段负荷功率和电网电价等参数，根据步骤103的模光储协同优化配置型，优化储能电池的容量和光伏装机。以某数据中心的实际情况为例，典型日24个时段负荷功率和电网电价如图3所示，数据中心的最大负荷为1592kW。储能变流器PCS设备容量为4000kW。电网峰时、平段、谷时电价为1.148元/kWh、0.72元/kWh和0.251元/kWh。储能电池选择磷酸铁锂电池，其单位容量成本CB,ES＝1500元/kWh，储能电池的寿命周期LC＝10年，一年以365天计，储能电池的充放电深度为10％～90％，充放电效率ηch＝ηdisch＝80％。光伏年发电利用小时数选取青海省2018年光伏平均利用小时数1460小时作为本算例的光伏数据，单位光伏装机容量成本CB,PV CB,PV＝6000元/kW，数据中心容量电费CB,Ca取20元/kVA/月。
步骤105，根据步骤104优化的结果，进行如下计算：
提出使用可再生能源利用率(Renewable Energy Usage Effectiveness，RUE)和电网电力使用效率(Grid Power Usage Effectiveness，CUE)对IDC进行评价，计算公式为：
静态投资回收期表示恢复储能投资所需的时间段。对储能全寿命周期最大时间进行评估以确定投资回收期，累积现金流等于零的年份(y)即为投资回收期。如下式所示：
SPBP＝{y,where CCF y＝＝0} (20)
式中：CES表示储能电池的投资成本；CCF表示累积现金流；Vy表示第y年IDC节省的运行费用；SPBP表示储能的静态投资回收期。
实施例2：
基于同一发明构思，本发明还提供了一种数据中心光储协同优化配置系统，由于这些设备解决技术问题的原理与数据中心光储协同优化配置方法相似，重复之处不再赘述。
该系统基本结构如图5所示，包括数据获取模块和优化配置模块；
其中，数据获取模块，用于获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；
优化配置模块，用于将典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；
其中，光储协同优化配置模型是基于数据中心的供电可靠性建立的；
典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；
典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。
数据中心光储协同优化配置系统详细结构如图6所示。该系统还包括：建模模块；
建模模块，用于以数据中心建设费用和能耗费用最小为目标设定目标函数，以数据中心供电可靠性、节点功率平衡、光伏出力、电网电力利用率、储能电池充放电功率和储能电池荷电状态为约束条件，建立光储协同优化配置模型。
其中，该系统还包括评价模块；
评价模块，用于基于储能电池的容量和光伏装机容量，对数据中心的可再生能源利用率和电网电力使用效率进行计算。
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。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。
Claims (12)
1.一种数据中心光储协同优化配置方法，其特征在于，包括：
获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；
将所述典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；
其中，所述光储协同优化配置模型是基于数据中心的供电可靠性建立的；
所述典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；
所述典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。
2.如权利要求1所述的方法，其特征在于，所述光储协同优化配置模型的建立，包括：
以数据中心建设费用和能耗费用最小为目标设定目标函数，以数据中心供电可靠性、节点功率平衡、光伏出力、电网电力利用率、储能电池充放电功率和储能电池荷电状态为约束条件，建立光储协同优化配置模型。
3.如权利要求2所述的方法，其特征在于，所述目标函数的计算式如下：
minf＝CPV+CES+CG+CCa
式中，minf表示目标函数，CPV表示光伏的建设成本，CES表示储能电池的建设成本，CG表示数据中心的计算周期内耗电费用，CCa表示数据中心的容量电费；
光伏的建设成本CPV的计算式如下：
CPV＝CB，PV·EPV
式中，CB，PV表示单位光伏装机容量成本，EPV表示光伏的装机容量；
储能电池的建设成本CES的计算式如下：
CES＝CB，ES·EES
式中，CB，ES表示单位容量储能电池造价，EES表示储能电池的配置容量；
数据中心的计算周期内耗电费用CG的计算式如下：
式中，t表示计算周期内的时间段，M表示计算周期内的时间段总个数，
表示第t时间段从电网吸收的功率，πt表示第t时间段从电网吸收的功率；
数据中心的容量电费CCa的计算式如下：
CCa＝CB，Ca·Ppeak
式中，CB，Ca表示容量电费，Ppeak表示数据中心用电设备容量或最大需量。
4.如权利要求2所述的方法，其特征在于，所述数据中心供电可靠性约束的计算式如下：
式中，
表示储能电池第t个时间段的荷电状态，
第t个时间段数据中心原有不间断电源的荷电状态，EUPS表示数据中心原有不间断电源的容量，m表示不间断电源的寿命，λ表示储能电池的月自放电率，α表示月自放电后可恢复的荷电状态。
5.如权利要求2所述的方法，其特征在于，所述节点功率平衡约束的计算式如下：
式中，
表示第t时间段从电网吸收的功率，
表示第t时间段光伏注入的功率，
表示第t时间段储能电池注入的功率，
表示第t时间段数据中心的负荷功率；
第t时间段储能电池注入的功率
的计算式如下：
式中，u表示储能电池充电或放电的状态，储能电池放电时取1，充电时取0；
表示第t时间段储能电池的放电功率，
表示第t时间段储能电池的充电功率；
第t时间段储能电池的放电功率
的计算式如下：
式中，
表示储能电池在第t时间段参与削峰填谷的放电功率，
表示储能电池在第t时间段参与平滑光伏的放电功率；
第t时间段储能电池的充电功率
的计算式如下：
式中，
表示储能电池在第t时间段参与削峰填谷的充电功率，
表示储能电池在第t时间段参与平滑光伏的充电功率。
6.如权利要求2所述的方法，其特征在于，所述光伏出力约束的计算式如下：
式中，
表示第t时间段光伏注入的功率，PPV，min表示光伏的最小发电出力功率，PPV.max表示光伏的最大发电出力功率。
7.如权利要求2所述的方法，其特征在于，所述电网电力利用率约束的计算式如下：
式中，
表示第t时间段从电网吸收的功率，PUE表示数据中心能源使用效率限值。
8.如权利要求2所述的方法，其特征在于，所述储能电池充放电功率约束的计算式如下：
式中，
表示第t时间段储能电池注入的功率，PPCS max表示储能电池变流器额定值。
9.如权利要求2所述的方法，其特征在于，所述储能电池荷电状态约束的计算式如下：
式中，
表示储能电池第t-1个时间段的荷电状态；
表示第t时间段储能电池的充电功率，
表示第t时间段储能电池的放电功率；Δt表示一个时间段的时长；ηch表示储能电池的充电效率，ηdisch表示储能电池的放电效率；EES max表示储能电池的最大荷电状态，EES min表示储能电池的最小荷电状态。
10.如权利要求1所述的方法，其特征在于，所述得到储能电池的容量和光伏装机容量之后，还包括：
基于储能电池的容量和光伏装机容量，对数据中心的可再生能源利用率和电网电力使用效率进行计算。
11.一种数据中心光储协同优化配置系统，其特征在于，包括：数据获取模块和优化配置模块；
所述数据获取模块，用于获取数据中心典型参数以及数据中心典型日各时间段负荷功率和电网电价；
所述优化配置模块，用于将所述典型参数以及典型日各时间段负荷功率和电网电价输入预先建立的光储协同优化配置模型，得到储能电池的容量和光伏装机容量；
其中，所述光储协同优化配置模型是基于数据中心的供电可靠性建立的；
所述典型参数包括：数据中心的最大负荷、储能电池变流器的设备容量、单位容量储能电池造价、储能电池的充放电效率、单位光伏装机容量成本和容量电费；
所述典型日包括：最大负荷日或日负荷特性与多数日最相似的工作日。
12.如权利要求10所述的系统，其特征在于，还包括建模模块；
所述建模模块，用于以数据中心建设费用和能耗费用最小为目标设定目标函数，以数据中心供电可靠性、节点功率平衡、光伏出力、电网电力利用率、储能电池充放电功率和储能电池荷电状态为约束条件，建立光储协同优化配置模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010136529.1A CN113364042B (zh) | 2020-03-02 | 2020-03-02 | 一种数据中心光储协同优化配置方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010136529.1A CN113364042B (zh) | 2020-03-02 | 2020-03-02 | 一种数据中心光储协同优化配置方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113364042A true CN113364042A (zh) | 2021-09-07 |
| CN113364042B CN113364042B (zh) | 2023-11-03 |
Family
ID=77523165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010136529.1A Active CN113364042B (zh) | 2020-03-02 | 2020-03-02 | 一种数据中心光储协同优化配置方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113364042B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024004185A1 (ja) * | 2022-06-30 | 2024-01-04 | 日本電信電話株式会社 | 最適配置決定装置、最適配置決定方法及びプログラム |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110429624A (zh) * | 2019-08-12 | 2019-11-08 | 万克能源科技有限公司 | 一种应用于数据中心储能系统的储能容量配置方法 |
-
2020
- 2020-03-02 CN CN202010136529.1A patent/CN113364042B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110429624A (zh) * | 2019-08-12 | 2019-11-08 | 万克能源科技有限公司 | 一种应用于数据中心储能系统的储能容量配置方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024004185A1 (ja) * | 2022-06-30 | 2024-01-04 | 日本電信電話株式会社 | 最適配置決定装置、最適配置決定方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113364042B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
| CN109325608A (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
| CN110932261A (zh) | 一种基于全局效益最大化的多能源系统联合装机规划方法 | |
| CN115081700A (zh) | 基于综合储能技术的数据中心多能协同优化方法及系统 | |
| CN111030101A (zh) | 一种基于多元化大数据清洁能源消纳联动调控方法及系统 | |
| CN113364042B (zh) | 一种数据中心光储协同优化配置方法和系统 | |
| CN115099489B (zh) | 一种基于最优经济测算的工商业储能系统容量配置方法 | |
| Li et al. | An optimal energy storage system sizing determination for improving the utilization and forecasting accuracy of photovoltaic (PV) power stations | |
| CN115759361A (zh) | 基于双层规划的交通能源调度方法、系统、设备和介质 | |
| Li et al. | Economic analysis of energy storage peak shaving considering full life cycle cost | |
| Zhu et al. | Research on power expansion planning under low carbon economy | |
| Qi et al. | Capacity and Power Allocation Strategy of Energy Storage Participating in Grid Peak Shaving | |
| Zhang et al. | Research on optimal configuration of energy storage in wind-solar microgrid considering real-time electricity price | |
| Yun et al. | Optimization of Operation Strategy of Virtual Power Plants Involved in Peak Shaving | |
| Sun et al. | Long-Term Planning of Shared Energy Storage for Multiple Renewable Energy Bases Considering the Growth of Renewables and Load Demand | |
| Li et al. | Analysis and Thinking on Promoting Coordinated and Orderly Development of New Energy and Energy Storage | |
| Chen et al. | Research on Utility Calculation Method of Pumped Storage Participating in Peak-Shaving Market | |
| CN115579918B (zh) | 一种用户侧储能调峰方法、系统、设备及介质 | |
| Qi et al. | Study on the cooperative optimized operation of power system source-grid-load-storage based on Gurobi mathematical programming | |
| Zeng et al. | Typical Application Scenarios and Economic Benefit Evaluation Methods of Battery Energy Storage System | |
| Zhou et al. | Capacity Allocation Optimization and Economic Analysis of Multi-Power System Including Wind Power, Photovoltaic, Thermal Power, and Storage | |
| CN110516982B (zh) | 一种省间电网多能互补能力指标的计算方法 | |
| Guo et al. | Evaluation of the Performance of Energy Storage System Participating in Grid Frequency Regulation | |
| Miao et al. | Research on New Energy Storage Planning Method for Provincial Power Grid in the Context of New Power System | |
| Tao et al. | Aggregating Energy Storage in Virtual Power Plant and Its Application in Unit Commitment |
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 |