CN115587481B - 一种数据中心和电网系统之间博弈效益的解算方法及装置 - Google Patents

一种数据中心和电网系统之间博弈效益的解算方法及装置 Download PDF

Info

Publication number
CN115587481B
CN115587481B CN202211179213.6A CN202211179213A CN115587481B CN 115587481 B CN115587481 B CN 115587481B CN 202211179213 A CN202211179213 A CN 202211179213A CN 115587481 B CN115587481 B CN 115587481B
Authority
CN
China
Prior art keywords
data center
node
operator
power
scheduling 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.)
Active
Application number
CN202211179213.6A
Other languages
English (en)
Other versions
CN115587481A (zh
Inventor
程昕云
陈欣
余竞航
王凌
邹昊东
杜元翰
肖茂然
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.)
Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Information and Telecommunication Branch of State Grid Jiangsu 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 Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202211179213.6A priority Critical patent/CN115587481B/zh
Publication of CN115587481A publication Critical patent/CN115587481A/zh
Application granted granted Critical
Publication of CN115587481B publication Critical patent/CN115587481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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]
    • 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

Abstract

本发明公开了电力系统经济调度领域的一种数据中心和电网系统之间博弈效益的解算方法及装置，旨在解决电网系统和数据中心之间成本的解算问题。其包括：获取需求响应补偿价格区间，在需求响应补偿价格区间下采样并计算数据中心的用电需求和电网系统的系统成本，获取最优值有希望的区域以后再次采样并重新拟合克里金元模型对数据中心的用电需求进行计算，通过迭代的方式不断计算并更新系统成本的最低值和克里金元模型直至满足终止条件。本发明通过利用克里金元模型替换数据中心运营商模型，可以不需要频繁访问数据中心的私密数据即可快速获取最优解，可在有效搜寻最优解的同时兼具较优的计算成本，具有良好的应用前景。

Description

一种数据中心和电网系统之间博弈效益的解算方法及装置
技术领域
本发明涉及一种数据中心和电网系统之间博弈效益的解算方法及装置，属于电力系统经济调度技术领域。
背景技术
在人类社会日益数字化的背景下，数据中心(Data Center，简称DC)行业在过去几十年中呈现出巨大增长。商业云服务提供商(如谷歌、Facebook、亚马逊)，已经部署了大量地理分布式分布式数据中心。随着计算服务需求的不断增长，从2010年到2018年，数据中心中安装的服务器数量增加了30％。2016年，发展中国家的能源需求占全球能源消费的3％，并以15％-20％的年增长率持续增长。
作为一种新型的需求响应(Demand Response，简称DR)资源提供者，数据中心近年来一直是研究热点。由于空间和时间上可转移的工作负载，分布式控制系统在需求响应项目中显示出巨大的潜力。由于分布式控制系统的需求响应能力，地理分布式分布式控制系统可以利用地理负载平衡的经济效益，构建考虑数据传输和迁移能量成本的联合计算模型以解决数据中心和电网系统之间的成本问题。
现有研究中一般通过利用智能算法对电网系统和数据中心之间的效益进行解算，过程中需要不断访问数据中心运营商(Data Ceter Operator，简称DCO)的实际模型来取得最优值，因此传统的智能算法不仅运算成本大，且未充分考虑到数据中心运营商的隐私保护问题，考虑到数据中心中存在许多敏感数据(例如：数据中心内部重要设备参数和用户计算服务请求)，因此目前研究中应用的效益解算方法仍有待优化。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种数据中心和电网系统之间博弈效益的解算方法及装置，旨在解决电网系统和数据中心之间成本的解算问题，可以不需要频繁访问数据中心的私密数据即可快速获取最优解，具有良好的应用前景。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种数据中心和电网系统之间博弈效益的解算方法，所述方法包括如下步骤：
获取电网系统运营商次日需求响应时段的需求响应补偿价格区间，应用分层抽样在价格区间内获取需求响应补偿价格的采样点，将采样点发送至数据中心运营商的模型中，计算数据中心运营商真实的用电需求；
将每个需求响应补偿价格的采样点和对应用电需求拟合克里金元模型，确定回归系数δ，克里金元模型：
y(x)＝rT(x)δ+z(x) (1)
式中，x是需求响应补偿价格的采样点集，其中x＝[x1,x2,…,xJ]，其中J是采样点的数量，y(x)是y＝[y1(x1),y2(x2),…,yJ(xJ)]的结果输出集，代表数据中心运营商的用电需求，rT(x)是回归模型中基函数集的转置，δ是根据需求响应补偿价格和用电需求确定的回归系数，δ＝[δ1,δ2,…,δQ]，Q是回归模型中基函数的数量，z(x)是具有零均值和协方差的高斯平稳过程；
将需求响应补偿价格和数据中心运营商用电需求带入电网系统运营商模型，计算并寻找系统成本最低值有希望的区域，在每个有希望的区域中应用分层抽样方法新增需求响应补偿价格的采样点；
将每个区域新增的采样点带入数据中心运营商模型、计算每个采样点的用电需求，根据新的采样点和用电需求计算系统成本并以低系统成本为条件进入迭代循环，所述迭代循环过程包括：应用最新的克里金元模型计算数据中心用电需求、用电网系统运营商模型计算每个抽样点的系统成本，对于具有低系统成本的采样点，调用数据中心运营商的真实模型，计算数据中心运营商真实的用电需求，根据这些采样点与真实用电需求价格的关系更新克里金元模型、再次寻找系统成本最低值有希望的区域并对所有有希望的区域进行分层抽样；所述迭代循环的终止条件为获得的系统成本满足终止标准；
获取满足终止标准的需求响应补偿价格，将该需求响应补偿价格带入数据中心运营商模型和电网运营商模型进行实际成本的解算。
具体的，所述电网系统运营商模型中系统成本的计算公式为：
式中，F1为电网系统运营商的总成本，Ccoc,t为调度时段t给予数据中心运营商c的需求响应补偿成本，Cssb,t为在调度时段t处于节点b的机组的启停成本，Copb,t为在调度时段t处于节点b的机组的运行成本；
其中Ccoc,t、Cssb,t和Copb,t的计算公式分别为：
式中，为在调度时段t数据中心运营商c处于节点b的数据中心的用电功率降低量，cuu为发电机组u的机组启动成本系数，/>为在调度时段t处在节点b发电机组u的机组启动指示量，cdu为发电机组u的机组停机成本系数，/>为处在节点b发电机组u的在调度时段t的机组关停指示量，Δt为调度时间间隔，a0，a1，a2为机组单位运行成本系数，Pu,b,t为处在节点b发电机组u的在调度时段t的电功率，Su,b,t为处在节点b发电机组u在调度时段t的运行状态，/>为数据中心运营商集合，/>为电网节点集合，/>为调度时段集合。
具体的，还包括电力系统的运行约束，所述电力系统的运行约束包括：机组的二进制运行状态和二进制启动/关闭指示量：
机组的输出限制及其运行状态：
电力系统的功率平衡约束：
传输容量限制：
需求响应补偿价格限制：
式中，Su,b,t-1为处在节点b发电机组u在调度时段t-1的运行状态，Pu,b,t为处在节点b发电机组u的在调度时段t的电功率，为处在节点b发电机组u的最小电功率，/>为处在节点b发电机组u的最大电功率，/>为在调度时段t数据中心运营商c处于节点b的数据中心的需求响应电力需求，Do,b,t为调度时段t处于节点b除数据中心以外的负载在的电力需求，Kl为输电线路i的输电分配系数矩阵，Eu为发电机组u的连接矩阵，/>为在调度时段t处于节点b的数据中心的需求响应电力需求，Db,t为处于节点b的数据中心在调度时段t的电力需求，/>为输电线路l传输下限，/>为输电线路l传输上限，mc,t为数据中心运营商c在调度时段t的需求响应补偿价格，/>为数据中心运营商c的最大需求响应补偿价格，/>为输电线路集合，/>为调度时段集合，/>为需求响应调度时段集合，/>为发电机组集合。
具体的，所述数据中心运营商模型中总成本的计算公式为：
式中，F2,c为数据中心运营商c的总成本，Rcoc,t为在调度时段t数据中心运营商c的需求响应补偿收入，Cdic,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的不满意成本，Celc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的电力成本，为数据中心运营商集合；
其中，Rcoc,t、Cdic,b,t和Celc,b,t的计算公式分别为：
式中，Ccoc,t为调度时段t给予数据中心运营商c的需求响应补偿成本，mc,t为在调度时段t数据中心运营商c的需求响应补偿价格，为在调度时段t数据中心运营商c处于节点b的数据中心的电功率降低量，Δt为调度时间间隔，Cdic,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的不满意成本，ac为数据中心运营商c的对于更改原始计算服务响应计划的不满意因子，Celc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的电力成本，LMPb,t为在调度时段t节点b的节点边际电价，/>为在调度时段t数据中心运营商c处于节点b的数据中心的需求响应电力需求，/>为数据中心运营商集合，/>为母线集合，/>为调度时段集合，/>为需求响应调度时段集合。
具体的，还包括数据中心的运行约束，所述数据中心的运行约束包括：延迟敏感工作负载的执行时间：
延迟容忍工作负载的执行时间限定：
数据中心平均服务器利用率的确定：
数据中心服务器利用率的限制：
数据中心服务器的功耗：
数据中心电力需求的确定：
数据中心电功率需求的限制：
数据中心功率降低的实质：
式中，为在时间tarr工作负载a到达数据中心运营商c处于节点b的负载到达速率，/>为在时间tarr工作负载a到达数据中心运营商c的负载到达速率，λc,b,a,t为在调度时段t工作负载a到达数据中心运营商c处于节点b的负载到达速率，ASUc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的平均服务器利用率，Nc,b为数据中心运营商c的节点b的服务器数量，sc,b为数据中心运营商c的节点b的服务器的服务速率，/>为数据中心运营商c处于节点b的数据中心的最大平均服务器利用率，/>为在调度时段t数据中心运营商c处于节点b的数据中心的服务器电功率，/>为数据中心运营商c处于节点b的数据中心的服务器最大电功率，/>为数据中心运营商c处于节点b的数据中心的服务器空闲状态电功率，PUEc,b为数据中心运营商c处于节点b的数据中心的用电效率，为数据中心运营商c处于节点b的数据中心的最小电力需求，/>为数据中心运营商c处于节点b的数据中心的最大电力需求，/>为在调度时段t数据中心运营商c处于节点b的数据中心的预测电力需求，/>为在调度时段t数据中心运营商c处于节点b的数据中心的电功率降低量，/>为延迟敏感工作负载，/>为延迟容忍工作负载。
具体的，所述寻找系统成本最低值有希望的区域包括：将各采样点对应的系统运营商系统成本按照从低到高排列，根据排序确定最有可能包含全局最优解的区域边界。
具体的，迭代过程的终止条件为：
式中，F1 r+1为第r+1次迭代的电网系统运营商的总成本；F1 r为第r次迭代的电网系统运营商的总成本；ξ为迭代收敛因子。
具体的，所述分层抽样采用拉丁超立方体抽样。
第二方面，本发明提供了一种数据中心和电网系统之间博弈效益的解算装置，包括处理器及存储介质：
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行上述任一项所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
1、本发明在解算电网系统成本的过程中，不断应用克里金元模型替换下层数据中心运营商模型来解算数据中心的用电需求，并根据解算结果找到最优值有希望的区域并进行实际的解算与迭代，这种基于克里金元模型的算法不需要跟随者的内部隐私信息，上下层之间仅交互非敏感信息，与智能算法(如遗传算法和粒子群优化算法)相比，基于克里金元模型的算法在优化过程中不会频繁调用下层模型，从而在保障数据私密性的同时实现节省计算成本；
2、本发明通过应用最近的采样点不断对克里金元模型进行拟合，可有效保障运算过程中克里金元模型的强拟合性能。
附图说明
图1是基于空间探索和单峰区域消除算法的斯坦伯格博弈优化流程图；
图2是三个数据中心运营商拥有的数据中心位置示意图；
图3是基于图2的三个区域的区域边际价格示意图；
图4是日前接受的日前接受工作负载和日前预测小时前工作负载示意图；
图5是不同算法的迭代收敛示意图
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符"/"，一般表示前后关联对象是一种“或”的关系。
实施例一：
图1是本发明实施例一中的一种数据中心和电网系统之间博弈效益的解算方法的流程图。本实施例提供的数据中心和电网系统之间博弈效益的解算方法可以由装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的智能手机，平板电脑或计算机设备。参见图1，本实施的方法具体包括如下步骤：
获取电网系统运营商次日需求响应时段的需求响应补偿价格区间，应用分层抽样(如拉丁超立方体抽样)在价格区间内获取需求响应补偿价格的采样点，将采样点发送至数据中心运营商的模型中，计算数据中心运营商真实的用电需求，此步骤中，电力需求的计算由数据中心运营商根据需求响应补偿价格进行计算，电力系统成本根据数据中心的用电需求和需求响应补偿价格进行计算；
将每个需求响应补偿价格的采样点和对应用电需求拟合克里金元模型，确定回归系数δ，克里金元模型：
y(x)＝rT(x)δ+z(x) (1)
式中，x是需求响应补偿价格的采样点集，其中x＝[x1,x2,…,xJ]，其中J是采样点的数量，y(x)是y＝[y1(x1),y2(x2),…,yJ(xJ)]的结果输出集，代表数据中心运营商的用电需求，rT(x)是回归模型中基函数集的转置，δ是根据需求响应补偿价格和用电需求确定的回归系数，δ＝[δ1,δ2,…,δQ]，Q是回归模型中基函数的数量，z(x)是具有零均值和协方差的高斯平稳过程，通过上述克里金元模型，数据中心的用电需求和需求相应补偿价格可以形成相对稳定的隐性映射关系，关系式可表达为：
式中，f(·)表示需求响应补偿价格和电力需求之间的隐性映射关系；为电力需求，/>mc为需求响应补偿价格，/> T是最后的调度时段；TDR是最后一个需求响应时段；
将需求响应补偿价格和数据中心运营商用电需求带入电网系统运营商模型，带入的参数可表述为训练集H，H＝[H1,H2,…,HJ]。每个训练点Hj表示为其中由每个采样点应用确定的克里金元模型进行计算，最后计算并寻找系统成本最低值有希望的区域，为了便于计算并准确获得有希望区域的区间范围，可以在寻找时将各个采样点对应的系统成本从高到低排列从而筛选出最优值可能存在的区域，相较于一个个比较划分区间其计算更为简便。寻找到有希望的区域以后在每个有希望的区域中应用分层抽样方法新增需求响应补偿价格的采样点，其中分层抽样方法可以优选为拉丁超立方体抽样，相对于其他随机采样或分层采样方法，拉丁超立方采样能通过少量采样得到相对精确的结果；
将每个区域新增的采样点带入数据中心运营商模型、计算每个采样点的用电需求，根据新的采样点和用电需求计算系统成本并以低系统成本为条件进入迭代循环，所述迭代循环过程包括：应用最新的克里金元模型计算数据中心用电需求、用电网系统运营商模型计算每个抽样点的系统成本，对于具有低系统成本的采样点，调用数据中心运营商的真实模型，计算数据中心运营商真实的用电需求，根据这些采样点与真实用电需求价格的关系更新克里金元模型、再次寻找系统成本最低值有希望的区域并对所有有希望的区域进行分层抽样；所述迭代循环的终止条件为获得的系统成本满足终止标准，在此迭代步骤中，克里金元模型随着采样点的不断划分不断更新，保障了克里金元模型在每个层级中的高拟合性能，实现了对应迭代层级中对数据中用电需求准确的计算，步骤中，迭代的终止条件为系统成本满足终止标准，其中终止标准可以是：
式中，F1 r+1为第r+1次迭代的电网系统运营商的总成本，F1 r为第r次迭代的电网系统运营商的总成本，ξ为定义好的迭代收敛因子，此时，迭代过程的细致程度可以由收敛因子决定，为迭代过程的终止提供了准确的目标。
获取满足终止标准的需求响应补偿价格，此需求响应补偿价格即为本发明中需要解算的最优值，此时将该需求响应补偿价格带入数据中心运营商模型和电网运营商模型进行实际成本的解算即可。
上述方法步骤中，电网系统运营商SO首先向各数据中心运营商DCO下发针对次日需求响应时段的日前需求响应补偿价格，各DCO基于日前接收工作负载(Day-AheadReceived Workload，简称DARW)和日前预测的小时前接收工作负载(Hour-Ahead ReceivedWorkload，简称HARW)，对SO发布的日前需求响应补偿价格做出最佳电力需求量响应。SO和DCO不断进行策略交互(即需求响应补偿价格和电力需求量)，直到找到最佳的需求响应补偿价格和电力需求量。在交互过程中，SO和DCO给出的策略是存在时间先后顺序的，SO与DCO之间存在收益冲突。因此，上述需求响应调度过程被看作为“一个领导者，N个跟随者”斯坦伯格博弈，因此本发明实际是基于斯坦伯格博弈以电网系统运营商为领导者对电网系统成本和数据中心运营商成本进行解算的过程，在此过程中应用克里金元模型替换下层的数据中心模型，降低了对数据中心的访问量，可在保障高私密性的同时有效降低计算成本。
系统运营商的优化目标是最小化系统成本，本发明基于的电网系统模型，系统成本来自需求响应补偿成本、机组启动/关闭成本和机组运行成本，计算电网系统的成本公式为：
式中，F1为电网系统运营商的总成本，Ccoc,t为调度时段t给予数据中心运营商c的需求响应补偿成本，Cssb,t为在调度时段t处于节点b的机组的启停成本，Copb,t为在调度时段t处于节点b的机组的运行成本；
其中Ccoc,t、Cssb,t和Copb,t的计算公式分别为：
式中，为在调度时段t数据中心运营商c处于节点b的数据中心的用电功率降低量，cuu为发电机组u的机组启动成本系数，/>为在调度时段t处在节点b发电机组u的机组启动指示量，cdu为发电机组u的机组停机成本系数，/>为处在节点b发电机组u的在调度时段t的机组关停指示量，Δt为调度时间间隔，a0，a1，a2为机组单位运行成本系数，Pu,b,t为处在节点b发电机组u的在调度时段t的电功率，Su,b,t为处在节点b发电机组u在调度时段t的运行状态，/>为数据中心运营商集合，/>为电网节点集合，/>为调度时段集合。
本发明的电网系统模型中，每个数据中心运营商的需求响应补偿价格是不同的，为了保障电网系统的运行安全，对电网系统的运行进行约束：
定义机组的二进制运行状态和二进制启动/关闭指示量：
机组的输出限制及机组运行状态：
电力系统的功率平衡约束：
传输容量的限制：
需求响应补偿价格限制：
式中，Su,b,t-1为处在节点b发电机组u在调度时段t-1的运行状态，Pu,b,t为处在节点b发电机组u的在调度时段t的电功率，为处在节点b发电机组u的最小电功率，/>为处在节点b发电机组u的最大电功率，/>为在调度时段t数据中心运营商c处于节点b的数据中心的需求响应电力需求，Do,b,t为调度时段t处于节点b除数据中心以外的负载在的电力需求，Kl为输电线路i的输电分配系数矩阵，Eu为发电机组u的连接矩阵，/>为在调度时段t处于节点b的数据中心的需求响应电力需求，Db,t为处于节点b的数据中心在调度时段t的电力需求，/>为输电线路l传输下限，/>为输电线路l传输上限，mc,t为数据中心运营商c在调度时段t的需求响应补偿价格，/>为数据中心运营商c的最大需求响应补偿价格，为输电线路集合，/>为调度时段集合，/>为需求响应调度时段集合，/>为发电机组集合。
数据中心运营商的的优化目标是最小化其总成本，本发明所应用的数据中心运营商的成本模型为：
式中，F2,c为数据中心运营商c的总成本，Rcoc,t为在调度时段t数据中心运营商c的需求响应补偿收入，Cdic,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的不满意成本，Celc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的电力成本，为数据中心运营商集合。
其中，Rcoc,t、Cdic,b,t和Celc,b,t的计算公式分别为：
此公式含义为数据中心运营商的收入来自需求响应补偿收入；
考虑到更改原始计算服务响应计划对用户满意度的影响，此公式含义为将不满意成本计入数据中心运营商成本；
此公式含义为数据中心运营商的购电成本；
上述公式中，Ccoc,t为调度时段t给予数据中心运营商c的需求响应补偿成本，mc,t为在调度时段t数据中心运营商c的需求响应补偿价格，为在调度时段t数据中心运营商c处于节点b的数据中心的电功率降低量，Δt为调度时间间隔，Cdic,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的不满意成本，ac为数据中心运营商c的对于更改原始计算服务响应计划的不满意因子，Celc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的电力成本，LMPb,t为在调度时段t节点b的节点边际电价，/>为在调度时段t数据中心运营商c处于节点b的数据中心的需求响应电力需求，/>为数据中心运营商集合，/>为母线集合，/>为调度时段集合，/>为需求响应调度时段集合。
数据中心运营商应当满足运行约束：
延迟敏感工作负载的执行时间：
意味着延迟敏感的工作负载应在它们到达时立即执行；
延迟容忍工作负载的执行时间限定：
意味着延迟容忍工作负载的执行时间不应晚于其最大可容忍延迟时间；
数据中心平均服务器利用率的确定：
意味着数据中心平均服务器利用率由其接收的工作负载、服务器数量和服务器的服务速率确定；
数据中心服务器利用率的限制：
数据中心服务器的功耗：
数据中心电力需求的确定：
意味着数据中心的电力需求由其电力使用效率和服务器的电力消耗决定；数据中心电功率需求的限制：
数据中心功率降低的实质：
意味着数据中心的功率减少由数据中心的预测功率需求与参与需求响应后的数据中心功率需求之间的差值确定。
式中，为在时间tarr工作负载a到达数据中心运营商c处于节点b的负载到达速率，/>为在时间tarr工作负载a到达数据中心运营商c的负载到达速率，λc,b,a,t为在调度时段t工作负载a到达数据中心运营商c处于节点b的负载到达速率，ASUc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的平均服务器利用率，Nc,b为数据中心运营商c的节点b的服务器数量，sc,b为数据中心运营商c的节点b的服务器的服务速率，/>为数据中心运营商c处于节点b的数据中心的最大平均服务器利用率，/>为在调度时段t数据中心运营商c处于节点b的数据中心的服务器电功率，/>为数据中心运营商c处于节点b的数据中心的服务器最大电功率，/>为数据中心运营商c处于节点b的数据中心的服务器空闲状态电功率，PUEc,b为数据中心运营商c处于节点b的数据中心的用电效率，为数据中心运营商c处于节点b的数据中心的最小电力需求，/>为数据中心运营商c处于节点b的数据中心的最大电力需求，/>为在调度时段t数据中心运营商c处于节点b的数据中心的预测电力需求，/>为在调度时段t数据中心运营商c处于节点b的数据中心的电功率降低量，/>为延迟敏感工作负载，/>为延迟容忍工作负载。
为验证本发明所提分布式优化算法的有效性，在MATLAB 2021a环境下，利用本发明设计的基于克里金元模型的数据中心运营商和系统运营商的需求响应斯坦伯格博弈方法进行求解。系统硬件配置为i7-9700,CPU 3.00GHz,16.00GB内存，操作系统为Win1064bit。
本发明场景为IEEE 30节点电力系统，在该系统中进行仿真，得到对应结果。该系统集成了不同数据中心运营商拥有的数据中心，数据中心的位置如图2所示。电力系统分为三个不同区域，其中节点边际电价不同，三个区域的节点边际电价如图3所示。系统运营商发布的日前需求响应时段为下午4:00至晚上8:00，系统运营商发布的当天小时头需求响应时段为晚上6:00至7:00。
每个数据中心包含100个批处理服务器，每个批处理服务器聚合10000个子服务器，子服务器的服务速率为1.2，子服务器的能耗如表1所示。
表1子服务器能耗
数据中心的电力使用效率设置为1.5，ASU的上限设置为90％。分配给每个数据中心运营商的计算工作负载有五种类型，表2给出了计算工作负载的详细信息，其中关于日前接收的日前接受工作负载DARW和日前预测的小时前接收工作负载(Hour-Ahead ReceivedWorkload，简称HARW)可参见图4所示。
表2数据中心接收计算工作负载的详细信息
根据上述条件应用不同调度模式进行仿真，由表3给出四种模式下不同的仿真结果。
表3四种调度模式的调度结果对比
·模式1：DCO不参与参与需求响应。
·模式2：DCO使用提议的算法参与日前需求响应。
·模式3：DCO使用基于克里金元模型算法参与日前需求响应和小时前需求响应。
·模式4：DCO使用KKT算法参与日前需求响应和小时前需求响应。
比较四种不同的调度模式，其中模式1的调度结果被视为基准值。当数据中心运营商DCO不参与需求响应时，DCO和系统运营商SO的成本最高。对于DCO参与日前需求响应的情况，DCO和SO的成本显著降低。对于DCO参与日前需求响应和小时前需求响应的情况，DCO和SO的成本将进一步降低。模式2和模式3的调度结果证明，为实现各自成本的最小化，DCO参与需求响应对DCO和SO都是“双赢”的，均能降低各自成本。与模式3的调度结果相比，模式4的相对变化率不超过1％。模式3和模式4的相似性意味着所提出的基于克里金元模型的算法可以在有效的数据隐私保护的情况下实现全局优化。
参照图5所示，为了比较所提出的基于空间探索和单峰区域消除(SEUMRE)的算法和包括粒子群优化(Particle Swam Optimization，简称PSO)算法、遗传算法(GeneticAlgorithm，简称GA)、人工免疫算法(Artificial Immune Algorithm，简称AIA)的智能算法的求解效率，以日前需求响应博弈过程为例，进行实际收敛过程的演算，实验结果如图5所示，虽然所提出的基于SEUMRE算法的迭代次数最多(15次)，但其收敛时间在四种算法中最少(928.98s)。此外，与智能算法相比，所提出的基于SEUMRE的算法在整个迭代过程中搜寻到的最优SO成本总是最低的。从四种算法的收敛过程可以得出，与其它三种智能算法相比，所提出的基于SEUMRE的算法在有效搜寻最优解的同时具有最小的计算成本。
实施例二：
本发明实施例还提供了一种数据中心和电网系统之间博弈效益的解算装置，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令至少可执行实施例一中为获得解算结果所必需要包含的步骤。
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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，所述方法包括如下步骤：
获取电网系统运营商次日需求响应时段的需求响应补偿价格区间，应用分层抽样在价格区间内获取需求响应补偿价格的采样点，将采样点发送至数据中心运营商的模型中，计算数据中心运营商真实的用电需求；
将每个需求响应补偿价格的采样点和对应用电需求拟合克里金元模型，确定回归系数δ，克里金元模型：
y(x)＝rT(x)δ+z(x) (1)
式中，x是需求响应补偿价格的采样点集，其中x＝[x1,x2,…,xJ]，其中J是采样点的数量，y(x)是y＝[y1(x1),y2(x2),…,yJ(xJ)]的结果输出集，代表数据中心运营商的用电需求，rT(x)是回归模型中基函数集的转置，δ是根据需求响应补偿价格和用电需求确定的回归系数，δ＝[δ1,δ2,…,δQ]，Q是回归模型中基函数的数量，z(x)是具有零均值和协方差的高斯平稳过程；
将需求响应补偿价格和数据中心运营商用电需求带入电网系统运营商模型，计算并寻找系统成本最低值有希望的区域，在每个有希望的区域中应用分层抽样方法新增需求响应补偿价格的采样点；
将每个区域新增的采样点带入数据中心运营商模型、计算每个采样点的用电需求，根据新的采样点和用电需求计算系统成本并以低系统成本为条件进入迭代循环，所述迭代循环过程包括：应用最新的克里金元模型计算数据中心用电需求、用电网系统运营商模型计算每个抽样点的系统成本，对于具有低系统成本的采样点，调用数据中心运营商的真实模型，计算数据中心运营商真实的用电需求，根据这些采样点与真实用电需求价格的关系更新克里金元模型、再次寻找系统成本最低值有希望的区域并对所有有希望的区域进行分层抽样；所述迭代循环的终止条件为获得的系统成本满足终止标准；
获取满足终止标准的需求响应补偿价格，将该需求响应补偿价格带入数据中心运营商模型和电网运营商模型进行实际成本的解算。
2.根据权利要求1所述的一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，所述电网系统运营商模型中系统成本的计算公式为：
式中，F1为电网系统运营商的总成本，Ccoc,t为调度时段t给予数据中心运营商c的需求响应补偿成本，Cssb,t为在调度时段t处于节点b的机组的启停成本，Copb,t为在调度时段t处于节点b的机组的运行成本；
其中Ccoc,t、Cssb,t和Copb,t的计算公式分别为：
式中，为在调度时段t数据中心运营商c处于节点b的数据中心的用电功率降低量，cuu为发电机组u的机组启动成本系数，/>为在调度时段t处在节点b发电机组u的机组启动指示量，cdu为发电机组u的机组停机成本系数，/>为处在节点b发电机组u的在调度时段t的机组关停指示量，Δt为调度时间间隔，a0，a1，a2为机组单位运行成本系数，Pu,b,t为处在节点b发电机组u的在调度时段t的电功率，Su,b,t为处在节点b发电机组u在调度时段t的运行状态，/>为数据中心运营商集合，/>为电网节点集合，/>为调度时段集合。
3.根据权利要求2所述的一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，还包括电力系统的运行约束，所述电力系统的运行约束包括：
机组的二进制运行状态和二进制启动/关闭指示量：
机组的输出限制及其运行状态：
电力系统的功率平衡约束：
传输容量限制：
需求响应补偿价格限制：
式中，Su,b,t-1为处在节点b发电机组u在调度时段t-1的运行状态，Pu,b,t为处在节点b发电机组u的在调度时段t的电功率，为处在节点b发电机组u的最小电功率，/>为处在节点b发电机组u的最大电功率，/>为在调度时段t数据中心运营商c处于节点b的数据中心的需求响应电力需求，Do,b,t为调度时段t处于节点b除数据中心以外的负载在的电力需求，Kl为输电线路i的输电分配系数矩阵，Eu为发电机组u的连接矩阵，/>为在调度时段t处于节点b的数据中心的需求响应电力需求，Db,t为处于节点b的数据中心在调度时段t的电力需求，/>为输电线路l传输下限，/>为输电线路l传输上限，mc,t为数据中心运营商c在调度时段t的需求响应补偿价格，/>为数据中心运营商c的最大需求响应补偿价格，/>为输电线路集合，/>为调度时段集合，/>为需求响应调度时段集合，/>为发电机组集合。
4.根据权利要求1所述的一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，所述数据中心运营商模型中总成本的计算公式为：
式中，F2,c为数据中心运营商c的总成本，Rcoc,t为在调度时段t数据中心运营商c的需求响应补偿收入，Cdic,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的不满意成本，Celc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的电力成本，为数据中心运营商集合；
其中，Rcoc,t、Cdic,b,t和Celc,b,t的计算公式分别为：
式中，Ccoc,t为调度时段t给予数据中心运营商c的需求响应补偿成本，mc,t为在调度时段t数据中心运营商c的需求响应补偿价格，为在调度时段t数据中心运营商c处于节点b的数据中心的电功率降低量，Δt为调度时间间隔，Cdic,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的不满意成本，ac为数据中心运营商c的对于更改原始计算服务响应计划的不满意因子，Celc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的电力成本，LMPb,t为在调度时段t节点b的节点边际电价，/>为在调度时段t数据中心运营商c处于节点b的数据中心的需求响应电力需求，/>为数据中心运营商集合，/>为母线集合，为调度时段集合，/>为需求响应调度时段集合。
5.根据权利要求4所述的一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，还包括数据中心的运行约束，所述数据中心的运行约束包括：
延迟敏感工作负载的执行时间：
延迟容忍工作负载的执行时间限定：
数据中心平均服务器利用率的确定：
数据中心服务器利用率的限制：
数据中心服务器的功耗：
数据中心电力需求的确定：
数据中心电功率需求的限制：
数据中心功率降低的实质：
式中，为在时间tarr工作负载a到达数据中心运营商c处于节点b的负载到达速率，/>为在时间tarr工作负载a到达数据中心运营商c的负载到达速率，λc,b,a,t为在调度时段t工作负载a到达数据中心运营商c处于节点b的负载到达速率，ASUc,b,t为在调度时段t数据中心运营商c处于节点b的数据中心的平均服务器利用率，Nc,b为数据中心运营商c的节点b的服务器数量，sc,b为数据中心运营商c的节点b的服务器的服务速率，/>为数据中心运营商c处于节点b的数据中心的最大平均服务器利用率，/>为在调度时段t数据中心运营商c处于节点b的数据中心的服务器电功率，/>为数据中心运营商c处于节点b的数据中心的服务器最大电功率，/>为数据中心运营商c处于节点b的数据中心的服务器空闲状态电功率，PUEc,b为数据中心运营商c处于节点b的数据中心的用电效率，/>为数据中心运营商c处于节点b的数据中心的最小电力需求，/>为数据中心运营商c处于节点b的数据中心的最大电力需求，/>为在调度时段t数据中心运营商c处于节点b的数据中心的预测电力需求，/>为在调度时段t数据中心运营商c处于节点b的数据中心的电功率降低量，/>为延迟敏感工作负载，/>为延迟容忍工作负载。
6.根据权利要求1所述的一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，所述寻找系统成本最低值有希望的区域包括：将各采样点对应的系统运营商系统成本按照从低到高排列，根据排序确定最有可能包含全局最优解的区域边界。
7.根据权利要求1所述的一种数据中心和电网系统之间博弈效益的解算方法，其特征在于，迭代过程的终止条件为：
式中，为第r+1次迭代的电网系统运营商的总成本；/>为第r次迭代的电网系统运营商的总成本；ξ为迭代收敛因子。
8.根据权利要求1所述的一种数据中心和电网系统之间博弈效益的解算方法，所述分层抽样采用拉丁超立方体抽样。
9.一种数据中心和电网系统之间博弈效益的解算装置，其特征在于，包括处理器及存储介质：
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～8任一项所述方法的步骤。
CN202211179213.6A 2022-09-27 2022-09-27 一种数据中心和电网系统之间博弈效益的解算方法及装置 Active CN115587481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211179213.6A CN115587481B (zh) 2022-09-27 2022-09-27 一种数据中心和电网系统之间博弈效益的解算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211179213.6A CN115587481B (zh) 2022-09-27 2022-09-27 一种数据中心和电网系统之间博弈效益的解算方法及装置

Publications (2)

Publication Number Publication Date
CN115587481A CN115587481A (zh) 2023-01-10
CN115587481B true CN115587481B (zh) 2023-08-25

Family

ID=84778476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211179213.6A Active CN115587481B (zh) 2022-09-27 2022-09-27 一种数据中心和电网系统之间博弈效益的解算方法及装置

Country Status (1)

Country Link
CN (1) CN115587481B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084640A (zh) * 2019-04-17 2019-08-02 武汉大学 一种两阶段主从博弈的共享电动汽车补贴与定价方法
CN110197439A (zh) * 2019-05-05 2019-09-03 三峡大学 一种考虑源网荷多边不完全信息博弈的增量配电网规划方法
CN111507529A (zh) * 2020-04-18 2020-08-07 东北电力大学 基于经济-环境及能源动态定价双层博弈微能源网容量优化规划方法
CN111612552A (zh) * 2020-06-09 2020-09-01 东北电力大学 一种计及三主体竞价的综合能源系统日前迭代出清方法
CN114021785A (zh) * 2021-10-22 2022-02-08 三峡大学 一种考虑电热负荷调度弹性的综合能源系统优化调度方法
CN114707227A (zh) * 2022-04-28 2022-07-05 水利部南京水利水文自动化研究所 一种基于数字孪生的大坝安全预警消警方法及系统
CN114881794A (zh) * 2022-06-15 2022-08-09 燕山大学 考虑舒适度和用能替代的综合能源市场主从博弈交易方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084640A (zh) * 2019-04-17 2019-08-02 武汉大学 一种两阶段主从博弈的共享电动汽车补贴与定价方法
CN110197439A (zh) * 2019-05-05 2019-09-03 三峡大学 一种考虑源网荷多边不完全信息博弈的增量配电网规划方法
CN111507529A (zh) * 2020-04-18 2020-08-07 东北电力大学 基于经济-环境及能源动态定价双层博弈微能源网容量优化规划方法
CN111612552A (zh) * 2020-06-09 2020-09-01 东北电力大学 一种计及三主体竞价的综合能源系统日前迭代出清方法
CN114021785A (zh) * 2021-10-22 2022-02-08 三峡大学 一种考虑电热负荷调度弹性的综合能源系统优化调度方法
CN114707227A (zh) * 2022-04-28 2022-07-05 水利部南京水利水文自动化研究所 一种基于数字孪生的大坝安全预警消警方法及系统
CN114881794A (zh) * 2022-06-15 2022-08-09 燕山大学 考虑舒适度和用能替代的综合能源市场主从博弈交易方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"面向多用户的多时间尺度电力套餐与家庭能量优化策略";傅质馨 等;《电力系统保护与控制》;第21-31页 *

Also Published As

Publication number Publication date
CN115587481A (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
Chekired et al. Decentralized cloud-SDN architecture in smart grid: A dynamic pricing model
Kumar et al. Vehicular delay-tolerant networks for smart grid data management using mobile edge computing
Li et al. Noncooperative game-based distributed charging control for plug-in electric vehicles in distribution networks
Wang et al. Privacy-preserving energy scheduling in microgrid systems
Zhang et al. Joint edge server placement and service placement in mobile-edge computing
Wu et al. Green data center placement in optical cloud networks
CN103077082A (zh) 一种数据中心负载分配及虚拟机迁移节能方法及系统
Yao et al. Dynamic control of electricity cost with power demand smoothing and peak shaving for distributed internet data centers
CN110705107B (zh) 一种配电网电压评估方法、系统、设备和存储介质
Hogade et al. Energy and network aware workload management for geographically distributed data centers
CN107423133B (zh) 一种降低电网网损的数据中心间数据网络负载分配方法
CN113852135A (zh) 一种虚拟电厂能源调度方法、装置、存储介质及平台
CN112953007A (zh) 配电网调度方法、装置及系统、处理器、电子设备
CN102158533A (zh) 基于QoS的分布式web服务选择方法
Reiszadeh et al. Improving convergence properties of autonomous demand side management algorithms
CN115587481B (zh) 一种数据中心和电网系统之间博弈效益的解算方法及装置
CN116843152A (zh) 面向电力-数据服务的互联网数据中心双层规划方法
Mondal et al. Dynamic price-enabled strategic energy management scheme in cloud-enabled smart grid
Zhang et al. Minimizing electricity cost in geographical virtual network embedding
CN110689175A (zh) 混沌多重宇宙的分布式绿色云数据中心能耗优化方法
Biran et al. Enabling green content distribution network by cloud orchestration
AT&T
Zhang et al. A Cooperation Model of Data Center Cluster and Electricity Retailer Base on Demand Response
Zhang et al. Demand Response Optimization Strategy of Data Center Considering P2P Transaction
Haghnegahdar Enabling smart grid with the decentralized power cloud in the software-defined network (SDN) environment

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