CN113394786B - 考虑数据负载不确定性的数据中心供能系统经济运行方法 - Google Patents
考虑数据负载不确定性的数据中心供能系统经济运行方法 Download PDFInfo
- Publication number
- CN113394786B CN113394786B CN202110834171.4A CN202110834171A CN113394786B CN 113394786 B CN113394786 B CN 113394786B CN 202110834171 A CN202110834171 A CN 202110834171A CN 113394786 B CN113394786 B CN 113394786B
- Authority
- CN
- China
- Prior art keywords
- data center
- data
- load
- power
- representing
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000004146 energy storage Methods 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 101150029755 park gene Proteins 0.000 description 23
- 150000001875 compounds Chemical class 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 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
- H02J3/02—Circuit arrangements for ac mains or ac distribution networks using a single network for simultaneous distribution of power at different frequencies; using a single network for simultaneous distribution of ac power and of dc power
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑数据负载不确定性的数据中心供能系统经济运行方法:根据数据中心园区配电网,输入交直流配电网络拓扑及参数信息,数据子中心的接入位置、服务器设备参数及数据负载的历史变化曲线,电力负荷接入位置及功率预测曲线,分布式电源接入位置、类型、容量及出力预测曲线,储能系统接入位置和容量,柔性变电站接入位置和容量,系统基准电压和基准功率;建立数据中心供能系统经济运行的确定性优化模型,得到其紧凑形式;建立考虑数据负载不确定性的数据中心供能系统经济运行的分布鲁棒优化模型;求解数据中心分布鲁棒优化模型,输出各数据中心的服务器设备调度策略及园区运行总成本。本发明有效减小了不确定性环境下数据负载的丢弃成本。
Description
技术领域
本发明涉及一种数据中心供能系统经济运行方法。特别是涉及一种考虑数据负载不确定性的数据中心供能系统经济运行方法.
背景技术
随着互联网技术的快速发展,数据中心(Internet data center,IDC)的规模和数量正在迅速扩大,逐渐成为有源配电网中的重要电力用户,大大增加了用电负荷量。据统计,数据中心的功耗已占全球总供电量的1.3%以上,在中国则占2.35%以上,如何有效实现数据中心的节能降损运行已成为亟待解决的问题。
由于数据中心中IT服务器通常为直流供电设备,采用直流供电方式将有效提高数据中心的运行效率。柔性变电站是基于电力电子装置的新型柔性配电设备,通过多种交直流变换环节可以实现多电压等级、交直流多电能形态配电网的柔性互联。基于与柔性变电站相连的直流环节,进行数据中心的高效集成与供电,柔性变电站通过改善中低压交直流配电网的潮流分布,以降低数据中心的运行损耗。而且,数据中心在时间尺度上可以灵活转移具有较长容忍服务延迟的数据负载,在空间维度上可以调节数据中心负荷从而达到平衡地区负荷的效果,因此,考虑数据中心的时间和空间负载调节潜力,可将数据中心作为一种需求侧响应资源,通过源-网-荷-储协调配合,进一步提高数据中心园区的运行经济性。
国内外已经开展了数据中心用电特性和灵活调度的研究,主要集中在基于价格的数据中心需求响应上,通过电价信号引导数据中心负载的时间分布,以平衡区域负载。但在考虑数据负载不确定性实现数据中心节能降损方面仍然存在挑战。需要考虑数据中心的时间尺度负荷调节潜力,并与柔性变电站协调配合,使得数据中心园区能够适应实际的数据负载波动。因此,急需一种考虑数据负载不确定性的数据中心供能系统经济运行方法,通过在时间尺度上灵活调度数据负载,实现不确定性运行环境下数据中心园区经济高效运行。
发明内容
本发明所要解决的技术问题是,提供一种能够保证数据中心园区的经济高效运行的考虑数据负载不确定性的数据中心供能系统经济运行方法。
本发明所采用的技术方案是:一种考虑数据负载不确定性的数据中心供能系统经济运行方法,包括如下步骤:
1)根据选定的柔性变电站供电的数据中心园区配电网,输入数据中心供能系统的交直流配电网络拓扑及参数信息,数据子中心的接入位置、服务器设备参数及数据负载的历史变化曲线,电力负荷接入位置及功率预测曲线,分布式电源接入位置、类型、容量及出力预测曲线,储能系统接入位置和容量,柔性变电站接入位置和容量,系统基准电压和基准功率;
2)依据步骤1)提供的数据中心供能系统参数信息,建立数据中心供能系统经济运行的确定性优化模型,包括:设定数据中心园区供能系统购电费用最小为目标函数,考虑数据中心功耗约束、延迟敏感型数据负载处理约束、延迟容忍型数据负载时间调度约束、柔性变电站运行约束、储能系统运行约束、交直流配电网络运行约束;
3)依据步骤2)得到的数据中心供能系统经济运行的确定性优化模型,得到确定性优化模型的紧凑形式;
4)依据得到的数据中心供能系统经济运行的确定性优化模型的紧凑形式和数据负载的历史变化曲线,得到数据负载的不确定性典型场景集,建立考虑数据负载不确定性的数据中心供能系统经济运行的分布鲁棒优化模型;
5)依据步骤4)得到的考虑数据负载不确定性的数据中心分布鲁棒优化模型,采用列和约束生成算法求解考虑数据负载不确定性的数据中心分布鲁棒优化模型,输出各数据中心的服务器设备调度策略及园区运行总成本。
本发明的考虑数据负载不确定性的数据中心供能系统经济运行方法,立足解决数据中心园区配电网的运行经济性提升问题,充分考虑柔性变电站的灵活功率控制和数据中心的负荷调节潜力,建立考虑数据负载不确定性的数据中心园区节能降损模型,得到面向数据中心园区配电网经济运行的柔性变电站和数据中心负载灵活调度策略,在经济性和保守性上达到均衡,有效减小了不确定性环境下数据负载的丢弃成本,保证数据中心园区的经济高效运行。
附图说明
图1是本发明考虑数据负载不确定性的数据中心供能系统经济运行方法的流程图;
图2是基于柔性变电站供电的数据中心园区配电网结构图;
图3是光伏及负荷运行预测曲线;
图4是系统分时电价曲线;
图5是数据工作负载历史曲线;
图6a是本发明实施例方案1中数据中心服务器工作频率变化曲线;
图6b是本发明实施例方案2中数据中心服务器工作频率变化曲线。
具体实施方式
下面结合实施例和附图对本发明的考虑数据负载不确定性的数据中心供能系统经济运行方法做出详细说明。
本发明的考虑数据负载不确定性的数据中心供能系统经济运行方法,针对数据中心园区配电网的节能降损问题,建立了考虑数据负载不确定性的数据中心园区节能降损模型,综合考虑考虑柔性变电站运行约束、数据中心灵活调度约束、数据负载不确定性约束、分布式电源运行约束、交直流配电网络运行约束,最终确定考虑数据负载不确定性的数据中心园区灵活调度策略。如图1所示,包括如下步骤:
1)根据选定的由柔性变电站供电的数据中心园区配电网,输入数据中心供能系统的交直流配电网络拓扑及参数信息,数据子中心的接入位置、服务器设备参数及数据负载的历史变化曲线,电力负荷接入位置及功率预测曲线,分布式电源接入位置、类型、容量及出力预测曲线,储能系统接入位置和容量,柔性变电站接入位置和容量,系统基准电压和基准功率;
对于本实施例,基于柔性变电站的数据中心园区配电网结构如图2所示,包含了柔性变电站、直流网络以及光伏电站、储能和数据中心,首先输入数据中心园区配电网负荷参数、线路参数及网络拓扑连接关系,详细参数见表1~表3。
表1负荷参数
表2交流网络参数
表3直流网络参数
柔性变电站内中压AC/DC换流器、DC/DC换流器和低压DC/AC换流器的容量分别为10MVA、10MW和5MVA,各换流器损耗系数为0.01;柔性变电站的10kV中压交流侧接入某110kV变电站10kV母线;光伏发电经过光伏直流升压站和直流线路接入柔性变电站的10kV中压直流侧,接入容量为2.5MW,可以通过数据中心就地消纳,也可通过交流10kV配电网上网消纳;柔性变电站的380V低压交流输出为数据中心的交流负荷供电,两个柔性变电站的750V低压直流互联为数据中心的直流负荷供电。为满足供电可靠性,设置储能系统接入750V低压直流侧备用,储能容量为5000kWh,荷电状态上下限为1000kWh和4500kWh,储能充放电功率上下限±1000kW。设定由两台门户服务器向数据中心传输数据,3个数据中心分别接入柔性变电站的低压直流侧,每处子数据中心装有两类服务器,相同类型服务器同质(性能、用电功率参数均相同),详细数据中心参数见表4;最后设置系统基准功率为1MVA,设置置信区间α1和α∝均为0.99。
表4数据中心运行参数
2)依据步骤1)提供的数据中心供能系统参数信息,建立数据中心供能系统经济运行的确定性优化模型,包括:设定数据中心园区供能系统购电费用最小为目标函数,考虑数据中心功耗约束、延迟敏感型数据负载处理约束、延迟容忍型数据负载时间调度约束、柔性变电站运行约束、储能系统运行约束、交直流配电网络运行约束;
(1)所述的数据中心园区供能系统购电费用最小为目标函数表示为
(2)所述的数据中心功耗约束表示为
式中,表示t时段节点i处数据中心消耗的有功功率;表示t时段节点i处数据中心内服务器消耗的有功功率;表示t时段节点i处数据中心内冷却设备消耗的有功功率;表示t时段节点i处数据中心内辅助供电设备消耗的有功功率;PUEi为节点i处数据中心的电能利用效率;Mi,k表示节点i处数据中心运行的k型服务器总数;Nk表示数据中心内服务器类型总数;表示t时段节点i处数据中心每台k型服务器消耗的有功功率;表示节点i处数据中心每台k型服务器消耗的固定功率;表示t时段节点i处数据中心每台k型服务器CPU消耗的有功功率;C1表示服务器CPU功耗系数;表示t时段节点i处数据中心k型服务器CPU的工作频率;表示t时段节点i处数据中心k型服务器CPU的工作电压;ui,k,t表示t时段节点i处数据中心k型服务器CPU的利用率;Nρ表示数据负载类型总数;di,k,ρ,t表示t时段节点i处数据中心中k型服务器处理的ρ类型数据负载量;μi,k,t表示t时段节点i处数据中心k型服务器的服务效率。
服务器CPU都有离散可调的工作电压及工作频率,实际运行中,CPU可以在给定的几个频率中进行选择和调节,相同类型的服务器的CPU工作电压和服务效率μi,k,t均与工作频率成正比,则数据中心服务器CPU能耗可进一步表示为:
式中,C2表示CPU功耗系数;Ns表示服务器CPU工作频率档位数;ai,k,t,s表示t时段节点i处数据中心k型服务器CPU的s档工作频率标志位;表示节点i处数据中心k型服务器CPU的s档工作频率;和分别表示节点i处数据中心k型服务器CPU的1档、2挡和Ns档工作频率;d′i,k,t表示t时段节点i处数据中心每台k型服务器处理的数据负载量。
引入辅助变量bi,k,t,s=ai,k,t,sd′i,k,t对服务器CPU功耗模型进行线性化处理,可进一步表示为:
式中,bi,k,t,s表示与t时段节点i处数据中心内k型服务器处理的数据负载量关联的辅助变量;M表示数值较大的常数。
(3)所述的延迟敏感型数据负载处理约束可表示为
式中,Nδ表示前端服务器台数;Nk表示数据中心内服务器类型总数;di,ρ,t表示t时段节点i处数据中心处理的ρ类型数据负载量;λi,δ,ρ,t表示t时段前端服务器δ向节点i处数据中心传输的ρ类型数据负载量;μi,k,t表示t时段节点i处数据中心每台k型服务器数据计算效率;di,k,ρ,t表示t时段节点i处数据中心中k型服务器处理的ρ类型数据负载量;Mi,k表示节点i处数据中心运行的k型服务器总数;Dρ表示ρ类延迟敏感型数据负载的延迟容忍时间;C3表示服务器计算性能系数。
(4)所述的延迟容忍型数据负载时间调度约束可表示为:
式中,Nδ表示前端服务器台数;Nn表示网络节点总数;Nρ表示数据负载类型总数;Δλi,ρ,t表示t时段节点i处数据中心内ρ类型数据负载变化量;λi,δ,ρ,t表示t时段前端服务器δ向节点i处数据中心传输的ρ类型数据负载量;λi,j,ρ,t表示t时段节点j处数据中心向节点i处数据中心传输的ρ类型数据负载量;表示t时段节点i处数据中心向其它数据中心转移的ρ类型数据负载总量;di,ρ,t表示t时段节点i处数据中心处理的ρ类型数据负载量;Ei,ρ,t表示t时段节点i处数据中心存储的ρ类型数据负载总量;Ei,ρ,T和Ei,ρ,t0表示计算服务结束和开始时刻节点i处数据中心存储的ρ类型数据负载总量;Δt表示每个时段的时长;Ei,max表示节点i处数据中心数据负载存储上限;表示t′时段结束时刻应处理完成的ρ类型数据负载总量;Lδ,ρ,t表示t时段前端服务器δ传输的ρ类型数据负载总量;t0表示数据中心运行初始时段;tρ表示ρ类延迟容忍型数据负载的延迟容忍时间。
(5)以四端柔性变电站为例,变电站内部集成了中压AC/DC变流器、DC/DC变流器、低压DC/AC变流器等设备,所述的柔性变电站运行约束可表示为:
式中,表示t时段节点i处柔性变电站中压AC/DC换流器交流侧注入的有功功率;表示t时段节点j处柔性变电站中压AC/DC换流器直流侧输出的有功功率;表示t时段节点k处柔性变电站DC/DC换流器直流侧输出的有功功率;表示t时段节点g处柔性变电站低压DC/AC换流器交流侧输出的有功功率;μ1、μ2和μ3分别表示柔性变电站内中压AC/DC换流器、DC/DC换流器以及低压DC/AC换流器的损耗系数;表示t时段柔性变电站内中压AC/DC换流器直流侧输出的有功功率;和表示t时段柔性变电站内DC/DC换流器输入和输出的有功功率;表示t时段柔性变电站内低压DC/AC换流器直流侧输入的有功功率;表示t时段节点i处柔性变电站中压AC/DC换流器交流侧注入的无功功率;表示t时段节点g处柔性变电站低压DC/AC换流器交流侧输出的无功功率;和分别表示柔性变电站内中压AC/DC换流器交流侧输出的无功功率上下限;和分别表示柔性变电站内低压DC/AC换流器交流侧输出的无功功率上下限;表示柔性变电站内DC/DC换流器容量。
(6)所述的储能系统运行约束可表示为
式中,表示t时段节点i处储能系统的充放电功率;表示t时段节点i处储能系统充放电功率的最大值;ξi表示节点i处储能系统的充放电功率;和分别表示t+1时段与t时段节点i处储能系统储存的电量;Δt为每个调度时段的时长;和分别表示节点i处储能系统的储存电量下限与上限;和分别表示运行初始时刻t0和结束时刻T节点i处储能系统的储存电量值。
(7)所述的交直流配电网络运行约束可表示为
交流配电网潮流约束:
式中,表示交流线路集合;Ωac表示交流节点集合;Pij,t和Pjh,t分别表示t时段线路ij和线路jh传输的有功功率;Qij,t和Qjh,t表示t时段线路ij和线路jh传输的无功功率;Pj,t和Qj,t表示t时段节点j注入的有功和无功功率;lij,t表示t时段线路ij电流幅值的平方;vi,t表示t时段节点i电压幅值的平方;rij表示线路ij的电阻值;xij表示线路ij的电抗值;和表示t时段节点j处有功和无功负荷;和表示t时段节点j处柔性变电站中压AC/DC换流器交流端口注入的有功功率和无功功率。
直流配电网潮流运行约束:
3)依据步骤2)得到的数据中心供能系统经济运行的确定性优化模型,得到确定性优化模型的紧凑形式;
所述的数据中心供能系统经济运行的确定性优化模型的紧凑形式表示为
s.t.Az≥b,z∈{0,1} (12.b)
Cy≤f (12.c)
||Qy+q||2≤cTy+d (12.d)
Dy-Gz≤g (12.e)
Ey≤u (12.f)
式中,z表示离散型决策变量,即服务器频率档位相关变量ai,k,t,s;y表示连续型决策变量;u表示前端服务器接收数据负载值;A、C、Q、D、G、E表示系数矩阵;aT、b、f、q、cT、d、g表示常数列向量。
(1)仅含离散型变量z的不等式约束包括数据中心服务器频率档位限制约束,可表示为:
(2)仅含连续型变量y的不等式约束包括数据中心功耗约束、延迟敏感型数据负载处理约束、延迟容忍型数据负载时间调度约束、交直流网络潮流约束中的非二阶锥约束、柔性变电站运行约束中的非二阶锥约束和储能系统运行约束。
其中,柔性变电站运行约束中的非二阶锥约束可表示为
式中,表示t时段节点i处柔性变电站中压AC/DC换流器交流端口注入的有功功率;表示t时段节点j处柔性变电站中压AC/DC换流器直流端口注入的有功功率;表示t时段节点k处柔性变电站低压DC/AC换流器直流端口注入的有功功率;表示t时段节点g处柔性变电站低压DC/AC换流器交流端口注入的有功功率;μ1、μ2和μ3分别表示柔性变电站内中压AC/DC换流器、DC/DC换流器以及低压DC/AC换流器的损耗系数;表示t时段柔性变电站内中压AC/DC换流器直流侧输出的有功功率;和表示t时段柔性变电站内DC/DC换流器输入和输出的有功功率;表示t时段柔性变电站内低压DC/AC换流器直流侧输入的有功功率;表示t时段节点i处柔性变电站中压AC/DC换流器交流端口注入的无功功率;表示t时段节点g处柔性变电站低压DC/AC换流器交流端口注入的无功功率;和分别表示柔性变电站内中压AC/DC换流器交流侧输出的无功功率上下限;和分别表示柔性变电站内低压DC/AC换流器交流侧输出的无功功率上下限;分别表示柔性变电站内DC/DC换流器容量;和分别表示t时段柔性变电站内中压AC/DC换流器、DC/DC换流器以及低压DC/AC换流器的有功功率损耗。
其中,交直流配电网络运行约束中交流配电网非二阶锥潮流约束可表示为
式中,表示交流线路集合;Ωac表示交流节点集合;Pij,t和Pjh,t分别表示t时段线路ij和线路jh传输的有功功率;Qij,t和Qjh,t表示t时段线路ij和线路jh传输的无功功率;Pj,t和Qj,t表示t时段节点j注入的有功和无功功率;lij,t表示t时段线路ij电流幅值的平方;vi,t表示t时段节点i电压幅值的平方;rij表示线路ij的电阻值;xij表示线路ij的电抗值;和表示t时段节点j处有功和无功负荷;和表示t时段节点j处柔性变电站中压AC/DC换流器交流端口注入的有功功率和无功功率。
其中,交直流配电网络运行约束中直流配电网非二阶锥潮流约束可表示为
(3)含连续型变量y的二阶锥约束包括柔性变电站运行约束和交直流配电网络运行约束中的二阶锥约束,可表示为:
式中,表示t时段节点i处柔性变电站中压AC/DC换流器交流端口注入的有功功率;表示t时段节点g处柔性变电站低压DC/AC换流器交流端口注入的有功功率;表示t时段节点i处柔性变电站中压AC/DC换流器交流端口注入的无功功率;表示t时段节点g处柔性变电站低压DC/AC换流器交流端口注入的无功功率;和分别表示柔性变电站内中压AC/DC换流器和低压DC/AC换流器容量;表示交流线路集合;Ωac表示交流节点集合;表示直流线路集合;Ωdc表示直流节点集合;Pij,t表示t时段线路ij传输的有功功率;Qij,t表示t时段线路ij传输的无功功率;lij,t表示t时段线路ij电流幅值的平方;vi,t表示t时段节点i电压幅值的平方。
(4)含连续型变量y和离散型变量z的不等式约束包括数据中心档位与数据处理能力之间关系的约束,可表示为:
0≤bi,k,t,s≤ai,k,t,sM (18)
d′i,k,t-(1-ai,k,t,s)M≤bi,k,t,s≤d′i,k,t+(1-ai,k,t,s)M
式中,bi,k,t,s表示与t时段节点i处数据中心内k型服务器处理的数据负载量关联的辅助变量,且bi,k,t,s=ai,k,t,sd′i,k,t;M表示数值较大的常数。
(5)含连续型变量y和涉及不确定性变量u的不等式约束包括前端服务器分配给各个数据中心的数据负载总量与前端服务器接收到的数据负载量关系约束,可表示为:
式中,Nδ表示前端服务器台数;di,ρ,t表示t时段节点i处数据中心处理的ρ类型数据负载量;λi,δ,ρ,t表示t时段前端服务器δ向节点i处数据中心传输的ρ类型数据负载量。
4)依据得到的数据中心供能系统经济运行的确定性优化模型的紧凑形式和数据负载的历史变化曲线,得到数据负载的不确定性典型场景集,建立考虑数据负载不确定性的数据中心供能系统经济运行的分布鲁棒优化模型;
(1)所述的数据负载的不确定性典型场景集,可通过采用k-means方法,对数据负载的历史变化曲线聚类得到,表示为:
式中,Nω表示由历史数据生成的典型场景数;pω表示典型场景ω发生的概率;ψ表示数据负载的不确定性场景概率的置信集合;ψ1和ψ∞分别表示用1-范数和∞-范数进行限制的置信区间;p0表示典型场景中数据负载接收量的概率初始值,p表示典型场景中数据负载接收量的概率;θ1与θ∞表示概率分布集的可信度;α表示置信度;表示数据负载不确定性典型场景概率实数集;N表示历史数据中场景总数。
(2)所述的考虑数据负载不确定性的数据中心经济运行分布鲁棒优化模型可表示为
s.t.Az≥b,z∈{0,1} (21.b)
Cyω≤f (21.c)
||Qyω+qi||2≤cTyω+d (21.d)
Dyω+Gz≤g (21.e)
Eyω≤uω (21.f)
式中,yω表示在第ω个典型场景下的连续变量,包括交直流配电网中线路有功功率、线路无功功率、节点电压、柔性变电站传输有功功率、柔性变电站补偿无功功率、分布式电源有功出力、分布式电源无功出力、储能系统有功出力、数据中心前端服务器传输数据量、数据中心处理的数据负载量、数据中心存储数据量、数据中心功耗;uω表示第ω个典型场景下的数据负载量,包括数据负载量;z表示分布鲁棒优化模型中的离散型变量,包括数据中心服务器频率档位;A、C、Q、D、G、E表示系数矩阵;aT、b、f、qi、cT、d、g表示常数列向量。
5)依据步骤4)得到的考虑数据负载不确定性的数据中心分布鲁棒优化模型,采用列和约束生成算法求解考虑数据负载不确定性的数据中心分布鲁棒优化模型,输出各数据中心的服务器设备调度策略及园区运行总成本
上述数据中心经济运行分布鲁棒优化模型为两阶段三层优化问题,求解使用列与约束生成算法,将模型分为主问题和子问题,进行反复迭代求解。具体求解步骤如下:
(1)设定下界LB=0,上界UB=∞,设置迭代次数r=1;
(2)求解主问题,得到数据中心园区最小运行成本及服务器设备调度策略,并更新主问题下界值LB=max{LB,η*};其中,主问题表示为
(3)求解内层子问题,得到固定服务器设备调度策略下各场景最小运行成本。其中,内层子问题可表示为
式中,hω表示内层子问题求解时的辅助变量。
(4)求解外层子问题,得到最恶劣场景下数据中心园区运行成本及场景概率分布,更新目标函数的上界值UB=max{UB,L*}。其中,外层子问题可表示为
式中,L表示外层子问题中求解时的辅助变量;L*表示外层子问题最优解。
(5)判断目标函数上界值和下界值之差是否小于设定的收敛精度ε。若小于,停止迭代;否则,更新主问题场景概率分布,在主问题中添加新的连续变量及与新增连续变量相关约束,约束包括仅含连续型变量的不等式约束、含连续型变量的二阶锥约束、含连续型变量和离散型变量z的不等式约束、含连续型变量和涉及不确定性变量uω的不等式约束,更新迭代次数,r=r+1,返回步骤(2),重新求解主问题。
为充分验证本发明考虑数据负载不确定性的数据中心供能系统经济运行方法的先进性,本实施例中,采取如下两种方案进行对比分析:
方案1:不考虑数据负载不确定性,对柔性变电站、储能系统及数据中心负载进行灵活调度,得到数据中心服务器设备的确定性调度策略;
方案2:考虑数据负载不确定性,对柔性变电站、储能系统及数据中心负载进行灵活调度,得到数据中心服务器设备的分布鲁棒调度策略。
考虑数据负载波动范围为±20%,通过蒙特卡洛模拟随机生成100个运行场景,对数据中心服务器设备的确定性调度策略和分布鲁棒调度策略结果进行对比分析。
方案1和方案2的优化结果对比见表5,光伏及负荷运行预测曲线见图3,配电系统分时电价见图4,数据中心工作负载历史曲线见图5,方案1和2中数据中心服务器工作频率见图6a和图6b。
表5有源配电系统数据中心运行成本对比
执行优化计算的计算机硬件环境为Intel(R)Xeon(R)CPU E5-1620,主频为3.70GHz,内存为32GB;软件环境为Windows 10操作系统。
由方案1和2对比可以看出,考虑数据中心负载不确定性,采用分布式鲁棒优化方法对数据中心工作负载进行优化调度,在经济性和保守性上达到均衡,有效减小不确定性环境下数据负载的丢弃成本,保证数据中心园区的经济高效运行。
Claims (1)
1.一种考虑数据负载不确定性的数据中心供能系统经济运行方法,其特征在于,包括如下步骤:
1)根据选定的柔性变电站供电的数据中心园区配电网,输入数据中心供能系统的交直流配电网络拓扑及参数信息,数据子中心的接入位置、服务器设备参数及数据负载的历史变化曲线,电力负荷接入位置及功率预测曲线,分布式电源接入位置、类型、容量及出力预测曲线,储能系统接入位置和容量,柔性变电站接入位置和容量,系统基准电压和基准功率;
2)依据步骤1)提供的数据中心供能系统参数信息,建立数据中心供能系统经济运行的确定性优化模型,包括:设定数据中心园区供能系统购电费用最小为目标函数,考虑数据中心功耗约束、延迟敏感型数据负载处理约束、延迟容忍型数据负载时间调度约束、柔性变电站运行约束、储能系统运行约束、交直流配电网络运行约束;
3)依据步骤2)得到的数据中心供能系统经济运行的确定性优化模型,得到确定性优化模型的紧凑形式;
4)依据得到的数据中心供能系统经济运行的确定性优化模型的紧凑形式和数据负载的历史变化曲线,得到数据负载的不确定性典型场景集,建立考虑数据负载不确定性的数据中心供能系统经济运行的分布鲁棒优化模型;
所述的数据负载的不确定性典型场景集,采用k-means方法,对数据负载的历史变化曲线进行聚类得到,表示为:
式中,Nω表示由历史数据生成的典型场景数;pω表示典型场景ω发生的概率;ψ表示数据负载的不确定性场景概率的置信集合;ψ1和ψ∞分别表示用1-范数和∞-范数进行限制的置信区间;p0表示典型场景中数据负载接收量的概率初始值,p表示典型场景中数据负载接收量的概率;θ1与θ∞表示概率分布集的可信度;α表示置信度;表示数据负载不确定性典型场景概率实数集;N表示历史数据中场景总数;
所述的考虑数据负载不确定性的数据中心供能系统经济运行的分布鲁棒优化模型表示为:
s.t.Az≥b,z∈{0,1} (2.b)
Cyω≤f (2.c)
‖Qyω+qi‖2≤cTyω+d (2.d)
Dyω+Gz≤g (2.e)
Eyω≤uω (2.f)
式中,yω表示在第ω个典型场景下的连续变量,包括交直流配电网中线路有功功率、线路无功功率、节点电压、柔性变电站传输有功功率、柔性变电站补偿无功功率、分布式电源有功出力、分布式电源无功出力、储能系统有功出力、数据中心前端服务器传输数据量、数据中心处理的数据负载量、数据中心存储数据量、数据中心功耗;uω表示第ω个典型场景下的数据负载量,包括数据负载量;z表示分布鲁棒优化模型中的离散型变量,包括数据中心服务器频率档位;A、C、Q、D、G、E表示系数矩阵;aT、b、f、qi、cT、d、g表示常数列向量
5)依据步骤4)得到的考虑数据负载不确定性的数据中心分布鲁棒优化模型,采用列和约束生成算法求解考虑数据负载不确定性的数据中心分布鲁棒优化模型,输出各数据中心的服务器设备调度策略及园区运行总成本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834171.4A CN113394786B (zh) | 2021-07-20 | 2021-07-20 | 考虑数据负载不确定性的数据中心供能系统经济运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834171.4A CN113394786B (zh) | 2021-07-20 | 2021-07-20 | 考虑数据负载不确定性的数据中心供能系统经济运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113394786A CN113394786A (zh) | 2021-09-14 |
CN113394786B true CN113394786B (zh) | 2022-09-23 |
Family
ID=77626837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110834171.4A Expired - Fee Related CN113394786B (zh) | 2021-07-20 | 2021-07-20 | 考虑数据负载不确定性的数据中心供能系统经济运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113394786B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114116183B (zh) * | 2022-01-28 | 2022-04-29 | 华北电力大学 | 基于深度强化学习的数据中心业务负载调度方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110460036A (zh) * | 2019-05-10 | 2019-11-15 | 四川大学 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
CN110729765A (zh) * | 2019-08-30 | 2020-01-24 | 四川大学 | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 |
CN112103997A (zh) * | 2020-09-04 | 2020-12-18 | 天津大学 | 考虑数据中心调节潜力的有源配电网运行灵活性提升方法 |
CN112418619A (zh) * | 2020-11-10 | 2021-02-26 | 天津大学 | 面向柔性变电站接入的数据中心园区配电网经济运行方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107887903B (zh) * | 2017-10-31 | 2020-12-04 | 深圳供电局有限公司 | 考虑元件频率特性的微电网鲁棒优化调度方法 |
CN110098611A (zh) * | 2019-03-13 | 2019-08-06 | 国网江苏省电力有限公司检修分公司 | 一种独立型交直流混合微网的两阶段鲁棒优化调度方法 |
-
2021
- 2021-07-20 CN CN202110834171.4A patent/CN113394786B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110460036A (zh) * | 2019-05-10 | 2019-11-15 | 四川大学 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
CN110729765A (zh) * | 2019-08-30 | 2020-01-24 | 四川大学 | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 |
CN112103997A (zh) * | 2020-09-04 | 2020-12-18 | 天津大学 | 考虑数据中心调节潜力的有源配电网运行灵活性提升方法 |
CN112418619A (zh) * | 2020-11-10 | 2021-02-26 | 天津大学 | 面向柔性变电站接入的数据中心园区配电网经济运行方法 |
Non-Patent Citations (2)
Title |
---|
Robust and Autonomous DC Bus Voltage Control and Stability Analysis for a DC Microgrid;Xialin Li,et al;《2016 IEEE 8th International Power Electronics and Motion Control Conference (IPEMC-ECCE Asia)》;20160714;全文 * |
期望场景下的并网型微电网两阶段鲁棒优化调度;桑博 等;《中国电机工程学报》;20200227;第40卷(第19期);第6161-6172页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113394786A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109980685B (zh) | 一种考虑不确定性的主动配电网分布式优化运行方法 | |
CN112418619B (zh) | 面向柔性变电站接入的数据中心园区配电网经济运行方法 | |
CN103872701B (zh) | 一种储能型交直流混合微网及其控制方法 | |
CN108879690B (zh) | 一种交直流混合微电网数据驱动控制方法 | |
CN109390962B (zh) | 一种多端柔直系统的不平衡功率自适应优化分配方法 | |
CN104011959A (zh) | 带分散电源系统的电源网格中频率和电压的主动控制方法 | |
CN103715686A (zh) | 一种适用于直流配电网线路的能效分析方法 | |
CN113394786B (zh) | 考虑数据负载不确定性的数据中心供能系统经济运行方法 | |
CN111049199A (zh) | 一种交直流混联微电网分布式动态经济调度方法 | |
CN111340386B (zh) | 一种交直流混合配电网调度方法 | |
Zhao et al. | Reactive power optimization in integrated electricity and gas systems | |
CN114282718A (zh) | 一种考虑多类型资源的数据中心园区供电协调规划方法 | |
Xing et al. | Optimal compensation control of railway co‐phase traction power supply integrated with renewable energy based on NSGA‐II | |
CN107069703B (zh) | 一种计及新能源接入的交直流配网规划方法 | |
CN113675872B (zh) | 基于送端稳定约束的多直流同时换相失败协调恢复排序法 | |
CN112636382B (zh) | 一种星型的交直流配用电系统运行稳定分析方法 | |
CN112736913B (zh) | 含分布式电源的配电网功率优化模式影响因素分析方法 | |
Li et al. | Study of multi‐objective optimal power flow of AC–DC hybrid system with DCpower flow controller | |
CN106849295A (zh) | 一种电池化成检测系统 | |
Wu et al. | Advanced design of microgrid interface for multiple microgrids based on MMC and energy storage unit | |
CN112103997A (zh) | 考虑数据中心调节潜力的有源配电网运行灵活性提升方法 | |
Zhao et al. | Distributed energy management for hybrid AC/DC microgrid parks | |
Nireekshana et al. | Enrichment of available transfer capability using TCSC | |
Sharif et al. | Dynamic online energy loss minimisation | |
Liu et al. | A distributed control scheme with cost optimization and capacity constraints |
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: 20220923 |