CN115800264A - 一种数据中心接入配电网集群方法、装置及介质 - Google Patents
一种数据中心接入配电网集群方法、装置及介质 Download PDFInfo
- Publication number
- CN115800264A CN115800264A CN202211579525.6A CN202211579525A CN115800264A CN 115800264 A CN115800264 A CN 115800264A CN 202211579525 A CN202211579525 A CN 202211579525A CN 115800264 A CN115800264 A CN 115800264A
- Authority
- CN
- China
- Prior art keywords
- data center
- data
- load
- server
- time
- 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.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种数据中心接入配电网集群方法、装置及介质,涉及配电网技术领域。本申请方法包括:获取配电网及接入其中的数据中心的相关参数;基于动态频率调节,建立单个数据中心IT设备功耗模型;针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。该方法解决了分布式数据中心大规模接入配电网时的能量调度问题,通过需求侧管理手段将算力网络与电力网络紧密耦合在一起,对于消纳间歇式可再生能源、提高电网弹性、减少碳排放意义重大;同时,充分利用数据中心负载时空可转移特性还能给运营商带来额外收益。
Description
技术领域
本申请涉及配电网技术,更具体地说,涉及一种数据中心接入配电网集群方法、装置及介质。
背景技术
随着全球分布的数据中心大量部署和云计算服务需求激增,配电网也接入了大量的数据中心。然而,数据中心高运行能耗和碳污染问题日益严重,针对这种新兴的高能耗负荷,有必要对接入配电网的数据中心进行集群调控,以指导数据中心的有序接入。
发明内容
鉴于此,为了指导数据中心有序接入配电网,本申请提出了一种数据中心接入配电网集群方法、装置及介质。
为了实现上述目的,本申请提供了一种数据中心接入配电网集群方法,包括:获取配电网及接入其中的数据中心的相关参数;基于动态频率调节,建立单个数据中心IT设备功耗模型;针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。
优选的,所述相关参数包括:服务器的台数、服务器类型数、服务器的固定功耗、服务器CPU功耗系数、服务器CPU的工作频率、服务器CPU的工作电压、服务器CPU的利用率、服务器的服务效率、数据中心电能利用效率。
优选的,所述IT设备功耗与空调系统和配电系统能耗之间具有强相关性,所述IT设备功耗模型表示为:
式中:为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;Mi,k为节点i处数据中心k类型服务器的台数;Nk为服务器类型数;为数据中心k类服务器的固定功耗;为t时段节点i处数据中心k类型服务器的CPU功耗;电能利用效率(PUE)表征数据中心电能利用效率的参数,定义为数据中心总能耗与服务器能耗之比
其中,所述CPU功耗表示为:
式中:C1为CPU功耗系数;bi,k,t,s为与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变量;Ns为服务器频率挡位数;为节点i处数据中心k型服务器CPU的s挡工作频率;di',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;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挡工作频率标志位;M表示数值较大的常数。
优选的,所述数据中心服务器计算效率不能超过额定计算效率,表示为:
式中:di,k,ρ,t为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为t时段节点i处数据中心k型服务器的服务效率;C2为系数。
优选的,所述数据负载灵活调度策略包括:根据用户需求的服务器响应时间差异,将其分为延迟敏感型用户需求与延迟容忍型用户需求;所述延迟敏感型用户的响应实时性较高,将其作为不可调度的工作负荷进行处理;所述延迟容忍型用户需求存在可延迟处理的潜力,将其作为数据中心工作负荷需求响应的主要对象;对应的,
延迟敏感型数据负载表示为:
式中:di,ρ,t为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为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;Nδ为前端服务器总数;di',k,ρ,t为t时段节点i处数据中心每台k型服务器处理的ρ类型数据负载量;Dρ为ρ类延迟敏感型数据负载的延迟容忍时间;
延迟容忍型数据负载表示为:
式中:Δλi,ρ,t为数据中心进行时间转移的数据负载变化量;Ei,ρ,t为t时段内节点i处数据中心中存储的ρ类型数据负载量;Ei,max为节点i处数据中心允许存储数据负载量的最大值;t0和T分别为开始、结束时段;Δt为时间间隔;
约束条件为:
优选的,所述分布式数据中心集群用电优化模型表示为:
式中:I是分布式数据中心集群中所有数据中心的集合;Ci代表分布式数据中心集群第i个数据中心的电力成本;分别代表数据中心i在t时刻的购电成本,蓄电池老化成本,发动机发电成本以及参与激励型DR获得的奖励。
优选的,所述分布式数据中心集群用电优化模型分别满足集群中各个数据中心各个时刻的批计算负载处理量约束、各个时刻交互式计算负载处理的约束、分布式数据中心DR模型约束;
所述集群中各个数据中心各个时刻的批计算负载处理量约束:
式中:λi,t′为数据i在参与DR时t′时刻批计算负载处理量;为t′时刻到达数据中心i的批计算负载;约束(28)的含义是从开始时刻到t时刻分布式数据中心集群所有数据中心累积处理的批计算负载小于所有数据中心累积到达的批计算负载;约束(29)和(30)是保证从开始时刻到t时刻集群中所有数据中心累积到达的批计算负载要在t+TD时刻或者调度结束时刻被所有数据中心合力处理完成;TD是批计算负载最大延迟时间;
所述各个时刻交互式计算负载处理的约束:
所述分布式数据中心DR模型约束:
本申请还提供了一种数据中心接入配电网集群装置,包括:第一单元,用于获取配电网及接入其中的数据中心的相关参数;第二单元,用于基于动态频率调节,建立单个数据中心IT设备功耗模型;第三单元,用于针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;第四单元,用于根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储了计算机程序,当所述计算机程序被处理器执行时,使得处理器执行上述所述的数据中心接入配电网集群方法。
有益效果
与现有技术相比,本技术方案具有的优点是:该方案通过需求侧管理手段将算力网络与电力网络紧密耦合在一起,解决了分布式数据中心大规模接入配电网时的能量调度问题,对于消纳间歇式可再生能源、提高电网弹性、减少碳排放意义重大;同时,充分利用数据中心负载时空可转移特性还能给运营商带来额外收益;分布式数据中心接入时通过计算负载的调度实现减少电网负荷峰谷差的场,适用于110kV及以下配电网中。
附图说明
图1是本申请的数据中心接入配电网集群方法的示意图;
图2是本申请的数据中心接入配电网集群装置的示意图。
图中主要附图标记:1、第一单元;2、第二单元、3第三单元;4第四单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如图1所示,本申请实施例提供了一种数据中心接入配电网集群方法,包括:
S110、获取配电网及接入其中的数据中心的相关参数;
S120、基于动态频率调节,建立单个数据中心IT设备功耗模型;
S130、针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;
S140、根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。
其中,相关参数包括:服务器的台数、服务器类型数、服务器的固定功耗、服务器CPU功耗系数、服务器CPU的工作频率、服务器CPU的工作电压、服务器CPU的利用率、服务器的服务效率、数据中心电能利用效率等。
其中,建立单个数据中心IT设备功耗模型的具体步骤如下:
数据中心(data center,DC)可看作一个集大数据运算和存储为一体的高性能计算机的集中地,能够提供数据存储、处理和传输服务,具备支持高品质电源和环境控制的设施。
DC的功耗主要由处理数据负荷(web数据负荷、视频处理数据负荷等)的服务器以及维持服务器正常运行的网络传输设备、存储设备、冷却系统、照明系统、配电系统等产生。数据中心负荷构成由可知,其中服务器能耗约占40%,存储设备和网络通信设备约各占5%,空调系统约占40%,配电系统约占10%。数据中心建模主要包括基于动态电压频率调节(dynamic voltage and frequency scaling,DVFS)技术的IT设备功耗建模以及数据负载调度策略建模。基于DVFS技术,数据中心的CPU可以灵活选择工作频率,提高IT设备工作效率;对数据负载进行灵活调度,可以降低数据中心功耗,提高光伏出力的消纳水平。
数据中心核心设备主要包括IT设备、冷却设备和配电设备等。其中,IT设备负责数据处理、数据存储及交互通信;冷却设备用于维持机房设备运行环境的温度和湿度;配电设备主要用于交直流电能转换,为IT设备提供可靠、高质量的电源。由此,数据中心功耗可表示为:
(1)数据中心UPS系统功率平衡约束
数据中心作为重要的基础设施,需配置大容量的不间断电源(uninterruptiblepower system,UPS)系统保证数据中心的高可靠性。在市电输入稳定的情况下,UPS将市电稳压后供应给数据中心使用,保护精密设备不受损坏,使得服务器维持正常工作状态,与此同时向本地配置的蓄电池充电。因此,数据中心功率平衡约束可表示为
式中:Pt UPS为t时段向数据中心供能的UPS有功功率,也即是整个数据中心系统的负荷需求;Eon,t为t时段UPS中蓄电池充电的有功功率,当蓄电池充满后,Eon,t等于0;ηrec,gs为整流器的工作效率;ηinv,ls为逆变器的工作效率。
关于蓄电池充电过程有以下约束。
1)蓄电池充电能量平衡。
Es,t=(1-θ)·Es,t-1+Eon,t·λc (3)
式中:Es,t为t时段蓄电池储存的电量;θ为蓄电池自放电率;λc为蓄电池充电效率。
2)蓄电池容量约束。
3)蓄电池充电特性约束。
(2)基于DVFS技术的IT设备功耗模型
1)IT设备能耗
数据中心IT设备功率可表示为:
式中:为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;Mi,k为节点i处数据中心k类型服务器的台数;Nk为服务器类型数;为数据中心k类服务器的固定功耗;为t时段节点i处数据中心k类型服务器的CPU功耗。
服务器功耗主要来源于CPU功耗,其它组件的设备功率可视为定值。依据DVFS技术,CPU的运行电压与其工作频率相关,可表示为:
式中:C0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表示数据负载类型数;di,k,ρ,t表示t时段节点i处数据中心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可以在给定的若干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:C1表示CPU功耗系数;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挡工作频率标志位;表示节点i处数据中心k型服务器CPU的挡工作频率;di',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,sdi',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:C1为CPU功耗系数;bi,k,t,s为与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变量;Ns为服务器频率挡位数;为节点i处数据中心k型服务器CPU的s挡工作频率;di',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;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挡工作频率标志位;M表示数值较大的常数。
由于数据中心内服务器的数据计算能力有限,需要保证数据中心服务器计算效率不能超过额定计算效率:
式中:di,k,ρ,t为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。数据中心服务器能够提供的计算资源Ri,k,t与服务器的服务效率和服务器数量有关,具体表示如下:
式中:μi,k,t为t时段节点i处数据中心k型服务器的服务效率;C2为系数。
2)空调能耗和配电设备能耗
为保证数据中心的安全稳定运行,冷却设备和配电设备能耗与IT设备功耗之间具有强相关性。即:
式中:电能利用效率(power usage effectiveness,PUE)表征数据中心电能利用效率的参数,定义为数据中心总能耗与服务器能耗之比目前国内普遍将PUE值在1.4以下作为新建数据中心的准入标准,在改扩建项目上,要求数据中心节能改造后,PUE值不高于1.4(北京)、1.3(上海)。
其中,数据中心数据负载灵活调度策略的具体说明为:
数据负载调度是指对不同类型数据计算需求进行操作的一种数据服务管理方式,根据用户需求的服务器响应时间差异,可以将其分为延迟敏感型用户需求与延迟容忍型用户需求。一般来说,由于延迟敏感型用户的响应实时性较高,普遍将其作为不可调度的工作负荷进行处理;而延迟容忍型用户需求本身就存在可延迟处理的潜力,因此是数据中心工作负荷需求响应的主要对象。对延迟敏感型和延迟容忍型两种数据负载进行调度,能有效改善系统的运行状态,这两类工作负荷的特性可表示如下:
1)延迟敏感型数据
延迟敏感型负载有严格的时间延迟要求,采用M/M/1排队模型对一个时间段内的排队延迟进行建模,保证数据中心在t时段内接收到的数据负载必须在该时段处理完成。延迟敏感型数据负载需满足的关系式如下:
式中:di,ρ,t为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为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;Nδ为前端服务器总数;di',k,ρ,t为t时段节点i处数据中心每台k型服务器处理的ρ类型数据负载量;Dρ为ρ类延迟敏感型数据负载的延迟容忍时间。
2)延迟容忍型数据
延迟容忍型负载则要求其在延迟容忍时间限制内处理完成即可,通常为几个小时。考虑到延迟容忍型数据负载时间调节特性,当前时段数据中心转移的数据负载与其计算完成的数据负载之间存在如下数量关系:
式中:Δλi,ρ,t为数据中心进行时间转移的数据负载变化量。
各时段内数据中心中存储数据负载量之间的关系表示如下:
式中:Ei,ρ,t为t时段内节点i处数据中心中存储的ρ类型数据负载量;Ei,max为节点i处数据中心允许存储数据负载量的最大值;t0和T分别为开始、结束时段;Δt为时间间隔。
为保证各类型数据负载均在其容忍时间内处理完成,增加以下约束:
其中,建立分布式数据中心集群用电优化模型可以具体表述为:
考虑到分布式数据中心集群属于同一家企业,分布式数据中心集群用电优化模型不关注单个数据中心的电力成本而是优化集群中所有数据中心的总电力成本。如下式所示:
式中:I是分布式数据中心集群中所有数据中心的集合;Ci代表分布式数据中心集群第i个数据中心的电力成本;分别代表数据中心i在t时刻的购电成本,蓄电池老化成本,发动机发电成本以及参与激励型DR获得的奖励。
式中:Ei,t为第i个数据中心参与DR后t时刻的购电量;πi,t为数据中心的购电电价;为第i个数据中心的总功率;为数据中心储能电池在t时刻的充电功率和放电功率;PUE为数据中心总功率与服务器消耗的能源的比值;为第i个数据中心在t时刻活跃服务器数目;是服务器在空闲状态下的电力消耗;代表服务器CPU利用率达到最大时的电力消耗;为服务器的CPU利用率;和为第i个数据中心在t时刻处理的批计算负载,交互式计算负载;μserver为单个服务器的计算速度。
式中:和代表数据中心i蓄电池t时刻的充电功率和放电功率;为蓄电池单位充放电功率给数据中心带来的老化成本;为蓄电池的价格;和为蓄电池的最大充放电量次数和容量;为第i个数据中心发电机各个时刻的发电功率、启动指示、关停指示。分别为发电机的单位发电功率的燃料成本、发电机启动成本、发电机关停成本。
式中:为数据中心i不参与DR本应消耗的购电量,通常称为基线负荷;ρi,t为第i个数据中心所在地区DR发布者给DR参与者提供的单位负荷削减奖励。激励型DR具有偶然性,ρi,t等于0则代表第i个数据中心所处地区无激励型DR。
对于分布式数据中心集群,他们在调度批计算负载时不仅可以在时间尺度上迁移批计算负载,还可以在各个分布式数据中心之间相互转移。分布式数据中心集群中各个数据中心各个时刻的批计算负载处理量约束如下:
式中:λi,t′为数据i在参与DR时t′时刻批计算负载处理量;为t′时刻到达数据中心i的批计算负载;约束(28)的含义是从开始时刻到t时刻分布式数据中心集群所有数据中心累积处理的批计算负载小于所有数据中心累积到达的批计算负载;约束(29)和(30)是保证从开始时刻到t时刻集群中所有数据中心累积到达的批计算负载要在t+TD时刻或者调度结束时刻被所有数据中心合力处理完成;TD是批计算负载最大延迟时间。
对于交互式计算负载而言,其到达后需要立即被处理,既可以在本地数据中心处理也可以转移到其他数据中心进行处理,但都需要满足同一时刻集群中所有数据中心的交互式负载处理量等于所有数据中心的交互式计算负载到达量。因此分布式数据中心各个时刻交互式计算负载处理的约束如下式所示:
与单个数据中心DR模型相同,分布式数据中心DR模型可以灵活调整集群中各个数据中心活跃服务器数目来节约能源,调整活跃服务器数目时要保证服务质量,约束如下式所示:
本申请实施例还提供了了一种计算机可读存储介质,计算机可读存储介质存储了计算机程序,当计算机程序被处理器执行时,使得处理器执行如上所述的数据中心接入配电网集群方法部分或全部指令。(所述数据中心接入配电网集群方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述数据中心接入配电网集群方法的功能。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
如图2所示,本申请还提供了一种数据中心接入配电网集群装置,包括:第一单元1,用于获取配电网及接入其中的数据中心的相关参数;第二单元2,用于基于动态频率调节,建立单个数据中心IT设备功耗模型;第三单元3,用于针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;第四单元4,用于根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元可结合为一个单元,一个单元可拆分为多个单元,或一些特征可以忽略等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种数据中心接入配电网集群方法,其特征在于,包括:
获取配电网及接入其中的数据中心的相关参数;
基于动态频率调节,建立单个数据中心IT设备功耗模型;
针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;
根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。
2.根据权利要求1所述的数据中心接入配电网集群方法,其特征在于,所述相关参数包括:服务器的台数、服务器类型数、服务器的固定功耗、服务器CPU功耗系数、服务器CPU的工作频率、服务器CPU的工作电压、服务器CPU的利用率、服务器的服务效率、数据中心电能利用效率。
3.根据权利要求1所述的数据中心接入配电网集群方法,其特征在于,所述IT设备功耗与空调系统和配电系统能耗之间具有强相关性,所述IT设备功耗模型表示为:
式中:为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;Mi,k为节点i处数据中心k类型服务器的台数;Nk为服务器类型数;为数据中心k类服务器的固定功耗;为t时段节点i处数据中心k类型服务器的CPU功耗;电能利用效率(PUE)表征数据中心电能利用效率的参数,定义为数据中心总能耗与服务器能耗之比
其中,所述CPU功耗表示为:
5.根据权利要求1所述的数据中心接入配电网集群方法,其特征在于,所述数据负载灵活调度策略包括:根据用户需求的服务器响应时间差异,将其分为延迟敏感型用户需求与延迟容忍型用户需求;所述延迟敏感型用户的响应实时性较高,将其作为不可调度的工作负荷进行处理;所述延迟容忍型用户需求存在可延迟处理的潜力,将其作为数据中心工作负荷需求响应的主要对象;对应的,
延迟敏感型数据负载表示为:
式中:di,ρ,t为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为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;Nδ为前端服务器总数;di',k,ρ,t为t时段节点i处数据中心每台k型服务器处理的ρ类型数据负载量;Dρ为ρ类延迟敏感型数据负载的延迟容忍时间;
延迟容忍型数据负载表示为:
式中:Δλi,ρ,t为数据中心进行时间转移的数据负载变化量;Ei,ρ,t为t时段内节点i处数据中心中存储的ρ类型数据负载量;Ei,max为节点i处数据中心允许存储数据负载量的最大值;t0和T分别为开始、结束时段;Δt为时间间隔;
约束条件为:
7.根据权利要求6所述的数据中心接入配电网集群方法,其特征在于,所述分布式数据中心集群用电优化模型分别满足集群中各个数据中心各个时刻的批计算负载处理量约束、各个时刻交互式计算负载处理的约束、分布式数据中心DR模型约束;
所述集群中各个数据中心各个时刻的批计算负载处理量约束:
数据中心i的批计算负载;约束的含义是从开始时刻到t时刻分布式数据中心集群所有数据中心累积处理的批计算负载小于所有数据中心累积到达的批计算(29)(30)
负载;约束和是保证从开始时刻到t时刻集群中所有数据中心累积到达的批计算负载要在t+TD时刻或者调度结束时刻被所有数据中心合力处理完成;TD是批计算负载最大延迟时间;
所述各个时刻交互式计算负载处理的约束:
所述分布式数据中心DR模型约束:
8.一种数据中心接入配电网集群装置,其特征在于,包括:
第一单元,用于获取配电网及接入其中的数据中心的相关参数;
第二单元,用于基于动态频率调节,建立单个数据中心IT设备功耗模型;
第三单元,用于针对分布式数据中心的计算负载时空可转移特性,建立数据中心数据负载灵活调度策略;
第四单元,用于根据所述数据负载灵活调度策略,建立分布式数据中心集群用电优化模型。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储了计算机程序,当所述计算机程序被处理器执行时,使得处理器执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211579525.6A CN115800264A (zh) | 2022-12-09 | 2022-12-09 | 一种数据中心接入配电网集群方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211579525.6A CN115800264A (zh) | 2022-12-09 | 2022-12-09 | 一种数据中心接入配电网集群方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115800264A true CN115800264A (zh) | 2023-03-14 |
Family
ID=85419143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211579525.6A Pending CN115800264A (zh) | 2022-12-09 | 2022-12-09 | 一种数据中心接入配电网集群方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115800264A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431436A (zh) * | 2023-03-23 | 2023-07-14 | 北京神州安付科技股份有限公司 | 基于云服务器密码机的能耗监测系统及方法 |
CN117196256A (zh) * | 2023-10-18 | 2023-12-08 | 阿里云计算有限公司 | 电力市场环境下数据中心工作负载的调度方法与设备 |
-
2022
- 2022-12-09 CN CN202211579525.6A patent/CN115800264A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431436A (zh) * | 2023-03-23 | 2023-07-14 | 北京神州安付科技股份有限公司 | 基于云服务器密码机的能耗监测系统及方法 |
CN117196256A (zh) * | 2023-10-18 | 2023-12-08 | 阿里云计算有限公司 | 电力市场环境下数据中心工作负载的调度方法与设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115800264A (zh) | 一种数据中心接入配电网集群方法、装置及介质 | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
US10747289B2 (en) | Data center power manipulation | |
CN116404655A (zh) | 配网负荷柔性调控方法及系统 | |
CN116191556A (zh) | 考虑新能源消纳和机组组合的5g基站需求响应方法及系统 | |
CN108667078B (zh) | 一种区外电源引致辅助服务成本计算方法 | |
CN110929959B (zh) | 一种电网局部深度调峰费用分摊方法及装置 | |
CN108629448B (zh) | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 | |
CN115021406B (zh) | 一种整合经济性模型预测控制的微电网控制器 | |
CN116187702A (zh) | 一种源网荷储协同互动优化调度系统 | |
CN112467774A (zh) | 基于全局能效寻优和soc自适应的储能系统管控方法及装置 | |
CN117639022B (zh) | 一种储能多元复用调控方法、系统及电子设备 | |
CN111291977A (zh) | 一种计及微网系统内负荷响应机制的利益分配方法 | |
US20240095764A1 (en) | Robust dispatch method for flexibility resources of large-scale data center microgrid cluster | |
CN112927095B (zh) | 一种电热联合系统多时间尺度协调调度方法 | |
CN117096957B (zh) | 一种配电网多源协同优化方法及系统 | |
CN109193716B (zh) | 一种模块化超导磁储能系统功率分配方法及装置 | |
CN117521996A (zh) | 考虑5g通信基站的电-气综合能源系统优化运行方法 | |
Ma et al. | Green Base Station Battery Dispatchable Capacity Modeling and Optimization | |
CN117154786A (zh) | 一种考虑多种调频需求的分布式储能协同控制方法及系统 | |
CN111525619A (zh) | 基于可控负荷的交直流混合能源系统优化调度方法 | |
CN117875599A (zh) | 一种集成报量报价机制的园区级ems系统运行方法 | |
Li et al. | Dynamic feedback-based active equalization control method for state of charge of battery energy storage in the power grid | |
CN116780662A (zh) | 一种基于一致性算法的配电台区光储分布式控制方法 | |
Wu et al. | Energy efficient optimization method for green data center based on cloud computing |
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 |