CN116755336A - 一种算力-热力灵活性协同的数据中心能量管理方法 - Google Patents
一种算力-热力灵活性协同的数据中心能量管理方法 Download PDFInfo
- Publication number
- CN116755336A CN116755336A CN202310715684.2A CN202310715684A CN116755336A CN 116755336 A CN116755336 A CN 116755336A CN 202310715684 A CN202310715684 A CN 202310715684A CN 116755336 A CN116755336 A CN 116755336A
- Authority
- CN
- China
- Prior art keywords
- data center
- period
- representing
- temperature
- cold
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 title description 10
- 238000001816 cooling Methods 0.000 claims abstract description 56
- 238000005265 energy consumption Methods 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 38
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 38
- 230000005611 electricity Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 10
- 230000017525 heat dissipation Effects 0.000 claims description 8
- 238000005485 electric heating Methods 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 3
- 108091006146 Channels Proteins 0.000 description 48
- 238000009825 accumulation Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 1
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 1
- 239000006243 Fine Thermal Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
一种算力‑热力灵活性协同的数据中心能量管理方法,包括:输入数据中心系统构成及参数;建立算力‑热力灵活性协同的数据中心优化调度模型;将得到的算力‑热力灵活性协同的数据中心优化调度模型中相关非线性约束进行线性化转换,建立混合整数线性优化模型,并调用相应求解器进行求解;输出求解结果,包括:数据负载调度策略、冷却设备供能功率、数据中心电能消耗及运行费用。本发明充分考虑了对数据中心数据负载和冷却设备灵活调度的协同,考虑热惯性及室外温度的影响,贴近实际系统运行,可有效地保证服务器的稳定运行,提高电能的利用效率,降低数据中心能耗和运行成本,支撑实现数据中心的综合优化。
Description
技术领域
本发明涉及一种数据中心优化运行方法。特别是涉及一种算力-热力灵活性协同的数据中心能量管理方法。
背景技术
随着互联网技术的快速发展,数据中心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,2021年,全球数据中心的总用电量高达2200至3200亿度,约占全球电力消耗总量的0.9-1.3%,如何有效减少数据中心能量消耗、提高数据中心能源利用效率已成为亟待解决的问题。
数据中心的电力消耗主要包括三部分:信息技术设备、冷却设备和辅助设备,分别约占一个典型数据中心能耗的50%、40%和10%。由此可见,IT和冷却设备占据了绝大部分的电力消耗。通过充分挖掘IT设备和冷却设备的灵活调度潜力,能够有效降低数据中心的整体能耗。IT设备的灵活性主要源于对计算负载的灵活调度能力。通过动态电压频率调节技术,IT设备的能耗可依据分配的数据负载,即需要处理的数据量而进行动态控制。一般来说,数据负载可分为延迟敏感型和延迟容忍型两类。延迟敏感型负载延迟要求较高,一旦任务被分配必须立即处理;而延迟容忍型数据负载只需要在限定期限内完成,具体处理时间可灵活调整。通过合理安排各类型数据负载的处理时刻,即可实现计算能耗灵活调整。冷却系统的灵活性源于冷却设备的灵活调度和对空间热惯性的利用。如通过优化冷水机的输出,可保持其运行在相对最佳工作状态;新风系统可作为一个补充设备,通过引入室外新风来减少冷却功率消耗;储能系统可实现制冷功率的峰谷转移,以减少分时电价下的运行成本。因此,充分挖掘IT设备和冷却设备的灵活调度潜力,基于灵活性协同进行数据中心能量管理,可进一步提高数据中心的运行经济性。
国内外已经开展了数据中心IT设备和冷却设备的灵活调度潜力的研究,主要考虑IT设备或冷却系统单一灵活性的利用,对另一个系统大多采用化简等值的方式,没有建立能够准确考虑IT设备、制冷环节各自及耦合特征的整体优化模型,且当前研究对冷却系统的考虑都较为简化,与实际数据中心的制冷结构差别较大。需要构建精细化的冷却系统模型,支撑对IT设备和制冷设备灵活性的协同利用,提高数据中心运行经济性和能效水平。因此,急需一种算力-热力灵活性协同的数据中心能量管理方法,通过在时间尺度上灵活调度数据负载,灵活调度冷却设备,利用空间热惯性,基于灵活性协同进行数据中心能量管理,实现数据中心园区的经济性运行。
发明内容
本发明所要解决的技术问题是,提供一种可较好地降低数据中心的运行成本,实现系统灵活运行的算力-热力灵活性协同的数据中心能量管理方法。
本发明所采用的技术方案是:一种算力-热力灵活性协同的数据中心能量管理方法,其特征在于,包括如下步骤:
1)输入数据中心系统构成及参数,包括机房设备组成、服务器参数信息、冷却设备参数信息、数据服务请求曲线、数据负载组成及容忍时间、数据中心热惯性参数信息、冷热通道温度初值、新风系统参数信息、室外温度信息、分时电价基本参数信息;
2)依据步骤1)提供的数据中心系统构成及参数,建立算力-热力灵活性协同的数据中心优化调度模型,包括:设定数据中心一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和最小为目标函数,分别考虑计算设备能耗约束、冷却系统运行约束、风冷系统能耗约束、数据负载灵活性调度约束、计算设备散热约束、新风-回风混合灵活性约束、冷热通道温度约束、系统电热功率平衡约束;
3)将步骤2)得到的算力-热力灵活性协同的数据中心优化调度模型中相关非线性约束进行线性化转换,建立混合整数线性优化模型,并调用相应求解器进行求解;
4)输出步骤3)的求解结果,包括:数据负载调度策略、冷却设备供能功率、数据中心电能消耗及运行费用。
步骤2)所述的设定数据中心一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和最小为目标函数,表示为:
min f=fE+fC+fD (1)
式中,f表示一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和;fE表示数据中心一个调度周期内运行费用;fC表示冷水机启停惩罚费用;fD表示弃数据费用;NT表示一个调度周期的总调度间隔数;ct表示t时段系统电价;表示t时段数据中心消耗的有功功率;/>表示t时段冷水机运行状态;cc表示冷水机单次启停惩罚成本;cd表示舍弃数据负载的单位惩罚成本;Ng表示数据负载类型总数;/>表示舍弃的g类型数据负载量。
步骤2)所述的风冷系统能耗约束,表示为:
式中,表示t时段风冷过程消耗的有功功率;/>表示数据中心运行的k型服务器所在热通道中的风扇总数;/>表示t时段k型服务器所在热通道中单个风扇消耗的有功功率;NK表示服务器类型总数;γF表示风扇功耗系数;/>Fk,t分别表示t时段k型服务器所在热通道每个风扇驱动供给的空气质量流量和空气流量;ρ表示空气密度;mk,t表示t时段k型服务器所在热通道中所有风扇驱动供给的总空气质量流量。
步骤2)所述的新风-回风混合灵活性约束,表示为:
式中,表示t时段数据中心用于冷却混合风的功率;mt表示t时段数据中心总热回风与室外新风混合后的质量流量;C表示空气的比热容;/>表示t时段混合风的温度;表示t时段被冷却后通入冷通道的冷风温度;δ表示室外新风与热回风的混合比;表示t时段室外温度;/>表示t时段各热通道回风汇聚后的数据中心总热回风温度;/>表示t时段k型服务器所在热通道的温度;mk,t表示t时段由k型服务器所在热通道所有风扇驱动供给的总空气质量流量;NK表示服务器类型总数。
步骤2)所述的冷热通道温度约束,表示为:
式中,C表示空气的比热容;ρ表示空气密度;VDc,C、VDC,H分别表示数据中心冷、热通道体积;RDC表示数据中心与室外环境间热阻;表示t时段冷通道供冷功率;/>表示t时段冷通道温度;/>表示t+1时段冷通道温度;/>表示t时段k型服务器散热功率;/>表示t时段k型服务器所在热通道供冷功率;mk,t表示t时段由k型服务器所在热通道所有风扇驱动供给的总空气质量流量;C表示空气的比热容;/>表示t时段k型服务器所在热通道的温度;/>表示t+1时段k型服务器所在热通道的温度;/>分别表示t时段冷通道、k型服务器所在热通道的温度变化;/>表示t时段室外温度;/>表示t时段被冷却后通入冷通道的冷风温度;/>分别表示数据中心冷通道温度的上、下限值;/>分别表示数据中心热通道温度的上、下限值;/>分别表示单时段数据中心冷通道温度变化的上、下限值;/>分别表示单时段数据中心热通道温度变化的上、下限值。
本发明的一种算力-热力灵活性协同的数据中心能量管理方法,立足解决数据中心的运行经济性提升问题,充分挖掘IT设备和冷却设备的灵活调度潜力,考虑IT设备和冷却设备灵活性的耦合关系,建立基于算力-热力灵活性协同的数据中心优化调度模型,通过非线性约束的线性化转化,调用相关数学求解器进行求解,得到算力-热力灵活性协同的数据中心数据负载及制冷设备出力灵活调度策略,可较好地降低数据中心的运行成本,实现系统灵活运行。本发明充分考虑了对数据中心数据负载和冷却设备灵活调度的协同,考虑热惯性及室外温度的影响,贴近实际系统运行,可有效地保证服务器的稳定运行,提高电能的利用效率,降低数据中心能耗和运行成本,支撑实现数据中心的综合优化。
附图说明
图1是本发明算力-热力灵活性协同的数据中心能量管理方法的系统结构图;
图2是数据中心机房布局图;
图3是数据服务请求曲线;
图4是系统分时电价曲线;
图5是室外温度曲线;
图6是典型日数据负载处理曲线;
图7是典型日冷水机的供冷功率曲线;
图8是方案1中数据中心热通道温度变化曲线;
图9是方案2中数据中心热通道温度变化曲线。
具体实施方式
下面结合实施例和附图对本发明的一种算力-热力灵活性协同的数据中心能量管理方法做出详细说明。
本发明的一种算力-热力灵活性协同的数据中心能量管理方法,包括如下步骤:
1)输入数据中心系统构成及参数,包括机房设备组成、服务器参数信息、冷却设备参数信息、数据服务请求曲线、数据负载组成及容忍时间、数据中心热惯性参数信息、冷热通道温度初值、新风系统参数信息、室外温度信息、分时电价基本参数信息;
2)依据步骤1)提供的数据中心系统构成及参数,建立算力-热力灵活性协同的数据中心优化调度模型,包括:设定数据中心一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和最小为目标函数,分别考虑计算设备能耗约束、冷却系统运行约束、风冷系统能耗约束、数据负载灵活性调度约束、计算设备散热约束、新风-回风混合灵活性约束、冷热通道温度约束、系统电热功率平衡约束;其中:
(1)所述的设定数据中心一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和最小为目标函数,表示为:
min f=fE+fC+fD (1)
式中,f表示一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和;fE表示数据中心一个调度周期内运行费用;fC表示冷水机启停惩罚费用;fD表示弃数据费用;NT表示一个调度周期的总调度间隔数;ct表示t时段系统电价;表示t时段数据中心消耗的有功功率;/>表示t时段冷水机运行状态;cc表示冷水机单次启停惩罚成本;cd表示舍弃数据负载的单位惩罚成本;Ng表示数据负载类型总数;/>表示舍弃的g类型数据负载量。
模型相关的二进制变量为1代表供能模式/设备处于执行/启动状态,为0代表不执行/停机状态,下同。
(2)所述的计算设备能耗约束,表示为:
式中,表示t时段数据中心消耗的有功功率;/>表示t时段数据中心内IT设备消耗的有功功率;/>表示t时段数据中心内冷却设备消耗的有功功率;/>表示t时段数据中心内辅助供电设备消耗的有功功率,/>为其中的固定部分,χ为辅助供电设备消耗的有功功率与IT设备消耗的有功功率间的比例系数;/>表示数据中心运行的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时段数据中心每台k型服务器消耗的有功功率;/>表示数据中心每台k型服务器消耗的固定功率;/>表示t时段数据中心每台k型服务器CPU消耗的有功功率;C1表示服务器CPU能耗系数;/>表示t时段数据中心k型服务器CPU的工作频率;/>表示t时段数据中心k型服务器CPU的工作电压;uk,t表示t时段数据中心k型服务器CPU的利用率;Ng表示数据负载类型总数;dk,g,t表示t时段数据中心中k型服务器处理的g类型数据负载量;μk,t表示t时段数据中心k型服务器的服务效率。
(3)所述的冷却系统运行约束包括:
(3.1)冷水机能耗约束:
式中,表示t时段冷水机消耗的有功功率;/>表示t时段冷水机输出功率;COP表示冷水机制冷性能系数(coefficient of performance,COP);α0、α1、α2、α3表示系数;Nt表示t时段冷水机的部分负荷率;QWC,rated表示冷水机的额定冷却能力。
(3.2)蓄冷水箱运行约束:
式中,表示t时段蓄冷水箱消耗的有功功率;/>表示t时段蓄冷水箱运行状态;PWT,rated表示蓄冷水箱额定电功率;Wt C表示t时段蓄冷水箱存储冷量;εc表示储能装置的能量损耗率;/>分别表示t时段水箱蓄冷、放冷功率;α、β分别表示储能装置的能量储存和释放效率;/>表示蓄冷水箱容量;/>分别表示t时段水箱蓄冷、放冷状态; 分别表示水箱蓄冷、放冷功率上限。
(4)所述的风冷系统能耗约束,表示为:
式中,表示t时段风冷过程消耗的有功功率;/>表示数据中心运行的k型服务器所在热通道中的风扇总数;/>表示t时段k型服务器所在热通道中单个风扇消耗的有功功率;NK表示服务器类型总数;γF表示风扇功耗系数;/>Fk,t分别表示t时段k型服务器所在热通道每个风扇驱动供给的空气质量流量和空气流量;ρ表示空气密度;mk,t表示t时段k型服务器所在热通道中所有风扇驱动供给的总空气质量流量。
(5)所述的数据负载灵活性调度约束,表示为:
Δλg,t=λg,t-dg,t (27)
dg,t≥0 (29)
Eg,t=Eg,t-1+Δλg,tΔt (30)
Eg,t≥0 (33)
式中,μk,t表示t时段数据中心每台k型服务器数据计算效率;Cs表示系数;Nk表示数据中心内服务器类型总数;Dg表示g类延迟敏感型数据负载的延迟容忍时间;λg,t表示t时段前端服务器向数据中心传输的g类型数据负载量;dg,t表示t时段数据中心处理的g类型数据负载量;dk,g,t表示t时段数据中心中k型服务器处理的g类型数据负载量;Eg,t表示数据中心存储的g类型数据负载量;表示舍弃的g类型数据负载量;t0表示数据中心运行初始时段;Emax表示数据中心存储设备容量;/>表示tq时段结束时刻应处理完成的g类型数据负载总量;tg表示g类延迟容忍型数据负载的延迟容忍时间。
(6)所述的计算设备散热约束,表示为:
式中,表示t时段k型服务器总产热量。
(7)所述的新风-回风混合灵活性约束,表示为:
式中,表示t时段数据中心用于冷却混合风的功率;mt表示t时段数据中心总热回风与室外新风混合后的质量流量;C表示空气的比热容;/>表示t时段混合风的温度;表示t时段被冷却后通入冷通道的冷风温度;δ表示室外新风与热回风的混合比;表示t时段室外温度;/>表示t时段各热通道回风汇聚后的数据中心总热回风温度;/>表示t时段k型服务器所在热通道的温度;mk,t表示t时段由k型服务器所在热通道所有风扇驱动供给的总空气质量流量;NK表示服务器类型总数。
(8)所述的冷热通道温度约束,表示为:
式中,C表示空气的比热容;ρ表示空气密度;VDC,C、VDC,H分别表示数据中心冷、热通道体积;RDC表示数据中心与室外环境间热阻;表示t时段冷通道供冷功率;/>表示t时段冷通道温度;/>表示t+1时段冷通道温度;/>表示t时段k型服务器散热功率;/>表示t时段k型服务器所在热通道供冷功率;mk,t表示t时段由k型服务器所在热通道所有风扇驱动供给的总空气质量流量;C表示空气的比热容;/>表示t时段k型服务器所在热通道的温度;/>表示t+1时段k型服务器所在热通道的温度;/>分别表示t时段冷通道、k型服务器所在热通道的温度变化;/>表示t时段室外温度;/>表示t时段被冷却后通入冷通道的冷风温度;/>分别表示数据中心冷通道温度的上、下限值;/>分别表示数据中心热通道温度的上、下限值;/>分别表示单时段数据中心冷通道温度变化的上、下限值;/>分别表示单时段数据中心热通道温度变化的上、下限值。
(9)所述的系统电热功率平衡约束,表示为:
式中,表示t时段冷却设备消耗的有功功率;/>表示t时段辅助冷却设备消耗的有功功率,包括水泵和冷却塔耗能(电);/>表示t时段冷水机直接供给数据中心,未被存储的冷功率。
3)将步骤2)得到的算力-热力灵活性协同的数据中心优化调度模型中相关非线性约束进行线性化转换,建立混合整数线性优化模型,并调用相应求解器进行求解;
(1)对于公式(8)、(16)、(32)、(34)、(43)、(44)存在离散变量与连续变量的乘积项,通过引入辅助变量和约束将这些非线性项线性化;线性化后,此优化问题转化成一个混合整数线性优化问题;具体方式为:
对非线性项dr,其中d为离散变量,r为连续变量,且d∈{d1,d2,...,dN},其中/>且as∈{0,1},可引入辅助变量Rs=asr对其进行线性化处理,则原非线性项可表示为/>且Rs满足如下约束:
0≤Rs≤asM (54)
r-(1-as)M≤Rs≤r+(1-as)M (55)
式中,M表示数值较大的常数;
(2)对于公式(13)中存在连续变量与连续变量的乘积项,利用最小二乘法将其线性拟合处理;线性化后,此优化问题转化成一个混合整数线性优化问题;具体方式如下:
对非线性多项式R=k0rN+k1r2+k2r+k3r0,其中r为连续正变量,N为最高次项系数,k0、k1、k2、k3为多项式系数,利用最小二乘法将其线性拟合处理,可得到分段线性模型如下:
式中,rmin1、rmin2、rmin3表示各段下限,rmax1、rmax2、rmax3表示各段上限。
4)输出步骤3)的求解结果,包括:数据负载调度策略、冷却设备供能功率、数据中心电能消耗及运行费用等。
本发明的一种算力-热力灵活性协同的数据中心能量管理方法,线性化后采用相关求解器求解,得到调度周期内系统运行方案。
对于本发明的实施例,首先输入电价信息,室外温度信息和系统一个调度周期数据服务请求值;然后输入机房设备组成、服务器参数信息、冷却设备参数信息、数据负载组成及容忍时间、数据中心热惯性参数信息、冷热通道温度初值、新风系统参数信息。
本系统数据中心系统结构如图1所示,机房布置如图2所示。机房内共包含12000台服务器,平均放置在600个机架上。一个机架可放置20台服务器,每20个机架为一行,共有30行机架。服务器机架背对背放置,每两行机架为一组,每组机架放置相同类型的服务器。每个机架上设有10台风扇,将通入冷通道的冷风抽进热通道。本文共设两种类型服务器,详细参数见表1。由于不同类型服务器参数不同,处理相同数据负载量时的能耗及散热量也会存在差异,因此本文设置两种类型热通道,热惯性参数见表2。前端下发的数据负载随时间发生变化。以数据中心单时段能够处理的最大数据负载量为基值,14天数据服务请求曲线如图3所示,包括一类延迟敏感型数据负载和两类延迟容忍型数据负载,数据负载比例为3:4:3,其中,延迟敏感型数据负载延迟容忍时间为0.5s,两类延迟容忍型数据负载延迟容忍时间分别为4小时和6小时。电价采用分时电价,峰值、平值与谷值电价分别为1.35元/kWh、0.9元/kWh和0.46元/kWh,如图4所示。室外温度曲线如图5所示。冷却设备参数见表3,新风系统参数见表4。
对比采用不同调度方案系统的运行费用,结果见表5、6,其中方案一采用传统的经济调度策略(即不考虑时间上的负载分配和热灵活性,仅考虑不同类型服务器间的负载分配,进行数据中心优化调度);方案二考虑计算灵活性和热灵活性的协同,进行数据中心优化调度;方案三在方案二的基础上增加蓄冷水箱,进行数据中心优化调度。三种方案数据中心实时计算完成的数据负载总量见图6,冷水机的供冷功率见图7,方案一和二中热通道温度变化曲线见图8、图9。
表1数据中心服务器参数
表2数据中心热惯性参数
/>
表3冷却设备参数
表4新风系统参数
参数 | 数值 | 参数 | 数值 |
风扇风速档位/(m3/h) | 0.03/0.11/0.17 | 风扇功耗系数 | 5.45 |
新风回风混合比 | 0.5 |
表5电能消耗对比结果
表6运行成本对比结果
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。
对比不同方案下数据负载调度策略可以看出,通过对数据负载进行灵活调度,数据负载在各时段的分配发生峰谷转移(见图6),可实现数据中心IT设备的能耗灵活调整。
对比不同方案下冷却设备供能功率可以看出,考虑数据负载分配和冷水机制冷灵活性后,高峰期负荷在一定程度上移至低谷期(见图7),可有效实现冷水机出力的峰谷转移和效率提升,节约数据中心制冷成本。
对比不同方案下热通道温度变化曲线可以看出,考虑精细的热模型对冷热通道间的热传递过程进行耦合建模,系统更贴合实际运行情况,避免热通道温度越限情况的出现,将热通道温度较好地稳定在30-34℃之间(见图8、图9)。
对比不同方案下系统电能消耗及运行费用可以看出,考虑算力和热力灵活性后,制冷设备在各个时段更接近运行效率最高点,数据中心耗电量实现了由峰值电价时段向谷值电价时段的转移,数据中心的整体耗电功率可在一定程度上降低,大幅提升能效,分时电价机制下可大幅减少运行费用、提升运行经济性。
综上,本发明的一种算力-热力灵活性协同的数据中心能量管理方法,充分考虑了对数据中心数据负载和冷却设备灵活调度的协同,考虑热惯性及室外温度的影响,贴近实际系统运行,可有效地保证服务器的稳定运行,提高电能的利用效率,降低数据中心能耗和运行成本,支撑实现数据中心的综合优化。
Claims (5)
1.一种算力-热力灵活性协同的数据中心能量管理方法,其特征在于,包括如下步骤:
1)输入数据中心系统构成及参数,包括机房设备组成、服务器参数信息、冷却设备参数信息、数据服务请求曲线、数据负载组成及容忍时间、数据中心热惯性参数信息、冷热通道温度初值、新风系统参数信息、室外温度信息、分时电价基本参数信息;
2)依据步骤1)提供的数据中心系统构成及参数,建立算力-热力灵活性协同的数据中心优化调度模型,包括:设定数据中心一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和最小为目标函数,分别考虑计算设备能耗约束、冷却系统运行约束、风冷系统能耗约束、数据负载灵活性调度约束、计算设备散热约束、新风-回风混合灵活性约束、冷热通道温度约束、系统电热功率平衡约束;
3)将步骤2)得到的算力-热力灵活性协同的数据中心优化调度模型中相关非线性约束进行线性化转换,建立混合整数线性优化模型,并调用相应求解器进行求解;
4)输出步骤3)的求解结果,包括:数据负载调度策略、冷却设备供能功率、数据中心电能消耗及运行费用。
2.根据权利要求1所述的一种算力-热力灵活性协同的数据中心能量管理方法,其特征在于,步骤2)所述的设定数据中心一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和最小为目标函数,表示为:
minf=fE+fC+fD (1)
式中,f表示一个调度周期内运行费用、冷水机启停惩罚费用和舍弃数据费用之和;fE表示数据中心一个调度周期内运行费用;fC表示冷水机启停惩罚费用;fD表示弃数据费用;NT表示一个调度周期的总调度间隔数;ct表示t时段系统电价;表示t时段数据中心消耗的有功功率;/>表示t时段冷水机运行状态;cc表示冷水机单次启停惩罚成本;cd表示舍弃数据负载的单位惩罚成本;Ng表示数据负载类型总数;/>表示舍弃的g类型数据负载量。
3.根据权利要求1所述的一种算力-热力灵活性协同的数据中心能量管理方法,其特征在于,步骤2)所述的风冷系统能耗约束,表示为:
式中,表示t时段风冷过程消耗的有功功率;/>表示数据中心运行的k型服务器所在热通道中的风扇总数;/>表示t时段k型服务器所在热通道中单个风扇消耗的有功功率;NK表示服务器类型总数;γF表示风扇功耗系数;/>Fk,t分别表示t时段k型服务器所在热通道每个风扇驱动供给的空气质量流量和空气流量;ρ表示空气密度;mk,t表示t时段k型服务器所在热通道中所有风扇驱动供给的总空气质量流量。
4.根据权利要求1所述的一种算力-热力灵活性协同的数据中心能量管理方法,其特征在于,步骤2)所述的新风-回风混合灵活性约束,表示为:
式中,表示t时段数据中心用于冷却混合风的功率;mt表示t时段数据中心总热回风与室外新风混合后的质量流量;C表示空气的比热容;/>表示t时段混合风的温度;表示t时段被冷却后通入冷通道的冷风温度;δ表示室外新风与热回风的混合比;表示t时段室外温度;/>表示t时段各热通道回风汇聚后的数据中心总热回风温度;/>表示t时段k型服务器所在热通道的温度;mk,t表示t时段由k型服务器所在热通道所有风扇驱动供给的总空气质量流量;NK表示服务器类型总数。
5.根据权利要求1所述的一种算力-热力灵活性协同的数据中心能量管理方法,其特征在于,步骤2)所述的冷热通道温度约束,表示为:
式中,C表示空气的比热容;ρ表示空气密度;VDC,C、VDC,H分别表示数据中心冷、热通道体积;RDC表示数据中心与室外环境间热阻;表示t时段冷通道供冷功率;/>表示t时段冷通道温度;/>表示t+1时段冷通道温度;/>表示t时段k型服务器散热功率;/>表示t时段k型服务器所在热通道供冷功率;mk,t表示t时段由k型服务器所在热通道所有风扇驱动供给的总空气质量流量;C表示空气的比热容;/>表示t时段k型服务器所在热通道的温度;表示t+1时段k型服务器所在热通道的温度;/>分别表示t时段冷通道、k型服务器所在热通道的温度变化;/>表示t时段室外温度;/>表示t时段被冷却后通入冷通道的冷风温度;/>分别表示数据中心冷通道温度的上、下限值;/> 分别表示数据中心热通道温度的上、下限值;/>分别表示单时段数据中心冷通道温度变化的上、下限值;/>分别表示单时段数据中心热通道温度变化的上、下限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310715684.2A CN116755336A (zh) | 2023-06-16 | 2023-06-16 | 一种算力-热力灵活性协同的数据中心能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310715684.2A CN116755336A (zh) | 2023-06-16 | 2023-06-16 | 一种算力-热力灵活性协同的数据中心能量管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116755336A true CN116755336A (zh) | 2023-09-15 |
Family
ID=87949134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310715684.2A Pending CN116755336A (zh) | 2023-06-16 | 2023-06-16 | 一种算力-热力灵活性协同的数据中心能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116755336A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117395942A (zh) * | 2023-09-18 | 2024-01-12 | 广东云下汇金科技有限公司 | 一种基于智算中心的冷量自动调度系统 |
-
2023
- 2023-06-16 CN CN202310715684.2A patent/CN116755336A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117395942A (zh) * | 2023-09-18 | 2024-01-12 | 广东云下汇金科技有限公司 | 一种基于智算中心的冷量自动调度系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111952980B (zh) | 考虑需求侧响应不确定性的综合能源系统优化方法及系统 | |
CN111860965B (zh) | 考虑储能多类型服务的用户综合能源系统优化调度方法 | |
CN109523137B (zh) | 考虑楼宇热负荷需求响应的园区综合能源优化调度方法 | |
CN106127337B (zh) | 基于变频空调虚拟机组建模的机组组合方法 | |
CN106600080B (zh) | 一种数据网络与电力网络耦合模型参与系统经济调度方法 | |
CN109711080A (zh) | 一种冷热电联供系统多时间尺度优化运行方法 | |
CN116755336A (zh) | 一种算力-热力灵活性协同的数据中心能量管理方法 | |
CN112292013B (zh) | 基于时间序列的微模块数据中心热源预判和冷源调控方法 | |
CN111064209A (zh) | 一种综合储能优化配置方法和系统 | |
CN115186902A (zh) | 温室综合能源系统的调控方法、装置、终端及存储介质 | |
CN110486896B (zh) | 一种基于冷水机组能耗模型的串级空调系统优化控制方法 | |
CN116911437A (zh) | 一种考虑负载响应特性的数据中心能源系统优化调度方法 | |
CN110826239A (zh) | 一种冷热电联供型多微网主动配电系统调度方法 | |
CN113537618B (zh) | 一种考虑居民用户需求响应的综合能源系统优化调度方法 | |
CN108199369A (zh) | 面向多种电力市场准入关联的地域性微电网低成本优化运营方法 | |
CN111523792B (zh) | 综合能源系统调度参数计算、设备控制方法及相关装置 | |
CN116993062A (zh) | 一种水蓄冷空调系统的两阶段优化调度方法 | |
CN109921447B (zh) | 一种基于储能装置soc动态约束的微网经济调度方法 | |
CN114240010A (zh) | 应对需求侧不确定性的热电联产燃气轮机组调度方法 | |
CN113240154A (zh) | 考虑弹性能量云模型的多能源系统不确定性优化调度方法、装置及系统 | |
CN111697577A (zh) | 一种源网荷储多时间尺度统一协同调度方法和系统 | |
Ma et al. | Research on collaborative planning of distributed resources and energy storage in regional integrated energy system | |
CN110544044A (zh) | 一种分布式电源对分时电价发电响应的边缘协同计算方法 | |
CN111682537B (zh) | 一种考虑换热延时特性的电热联合系统及其调度方法 | |
CN112927095B (zh) | 一种电热联合系统多时间尺度协调调度方法 |
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 |