CN117477627B - 基于混合储能的数据中心能源系统节能智控方法 - Google Patents

基于混合储能的数据中心能源系统节能智控方法 Download PDF

Info

Publication number
CN117477627B
CN117477627B CN202311789595.9A CN202311789595A CN117477627B CN 117477627 B CN117477627 B CN 117477627B CN 202311789595 A CN202311789595 A CN 202311789595A CN 117477627 B CN117477627 B CN 117477627B
Authority
CN
China
Prior art keywords
power
representing
data
data center
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.)
Active
Application number
CN202311789595.9A
Other languages
English (en)
Other versions
CN117477627A (zh
Inventor
程浙武
吕亮
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.)
Ningbo Liangkong Information Technology Co ltd
Original Assignee
Ningbo Liangkong Information Technology 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 Ningbo Liangkong Information Technology Co ltd filed Critical Ningbo Liangkong Information Technology Co ltd
Priority to CN202311789595.9A priority Critical patent/CN117477627B/zh
Publication of CN117477627A publication Critical patent/CN117477627A/zh
Application granted granted Critical
Publication of CN117477627B publication Critical patent/CN117477627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/28—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J2203/20—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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Abstract

本发明提供了基于混合储能的数据中心能源系统节能智控方法，包括：步骤S1，获取能源系统设备的当前状态数据、运行数据；步骤S2，构建面向预测周期的控制变量；步骤S3，将控制变量、当前状态数据、运行数据代入预设的电力成本优化模型；步骤S4，利用混整优化算法求解一定约束条件下的电力成本优化问题，得到电池单元和蓄冷单元的预测功率数据；步骤S5,将预测功率数据输出至上位控制系统指导预测周期内数据中心能源系统的优化控制，随后返回步骤S1，继续下个预测周期的电力成本优化。有益效果是本发明采用智能化预测控制方法对电储能和蓄冷混合储能的动态协同优化，提高数据中心机房的储能利用率，实现降低数据中心机房电力成本的目的。

Description

基于混合储能的数据中心能源系统节能智控方法
技术领域
本发明涉及能源系统的技术领域，具体而言，涉及基于混合储能的数据中心能源系统节能智控方法。
背景技术
随着设备的不断更新换代，使得传统数据中心能源系统的能耗高、设备配置不灵活、经济性不明显等问题逐渐突出，在低碳、环保、能源可持续发展的大背景下，数据中心能源系统的节能降本具有重要意义。
近年来，用电负荷不断增大但呈现显著的峰谷特征、新能源发电占比提升但其与用电负荷存在时空错配等原因导致的峰谷电价差异不断增大，储能因其可以实现能耗在时间轴上平移，成为电网负荷调节和用户侧电能需求优化的重要手段，因此，基于储能应用的数据中心能源系统智能化预测控制技术成为数据中心电力成本优化的重要可行手段。
但是现有的数据中心能源系统存在以下几个问题：
1）储能配置单一，一般小型的数据中心机房只会配置电储能设备，中大型的数据中心机房也只会将蓄冷设备主要用于应急，而由于电网功能在不同时刻的成本差异，使得长期使用电储能设备的情况下造成电力成本过大；
2）储能利用率低，电网断电才会真正消耗电池电能供电使得电储能容量闲置，数据中心机房服务器的实际负载率低使得电储能功率闲置，而蓄冷设备也只会在应急时启用；
3）缺乏动态协同控制，电储能、蓄冷的削峰填谷很少进行协同控制，并缺乏数据中心机房内设备功率的分配优化，使得削峰填谷效果较差。
发明内容
本发明要解决的问题是：提供基于混合储能的数据中心能源系统节能智控方法，能够优化储能配置减小电力成本、提高储能利用率、辅助进行动态协同优化并进行数据中心机房内设备功率的分配优化以提高削峰填谷效果。
为解决上述问题，本发明提供基于混合储能的数据中心能源系统节能智控方法，数据中心能源系统包括电网、电池单元、蓄冷单元、制冷设备和数据中心机房，所述电网分别与所述电池单元和所述制冷设备电连接，所述蓄冷单元与所述制冷设备电连接，所述数据中心机房分别与所述蓄冷单元和所述电池单元电连接，所述节能智控方法包括以下步骤：
步骤S1，获取所述电池单元及所述蓄冷单元的当前状态数据、所述电池单元的第一运行数据、所述蓄冷单元的第二运行数据、所述电网的收支数据、所述制冷设备的第三运行数据和所述数据中心机房的第四运行数据；
步骤S2，基于预先配置的预测周期，构建对应的控制变量，所述控制变量包含有所述电池单元及所述蓄冷单元的每个时刻的预测功率数据和每个时刻的二元工作状态变量；
步骤S3，将所述控制变量、各所述当前状态数据、所述第一运行数据、所述第二运行数据、所述收支数据、所述第三运行数据和所述第四运行数据输入至预先配置的电力成本优化模型计算所述数据中心机房对应的预测周期电力成本；
步骤S4，基于所述预测周期电力成本、所述控制变量和预先配置的约束矩阵数据，通过混整优化算法求解所述电力成本优化模型的电力成本优化问题得到预测周期内所述电池单元及所述蓄冷单元每个时刻的所述预测功率数据；
步骤S5,将各所述预测功率数据输出至上位控制系统指导所述电池单元和所述蓄冷单元进行预测周期内的优化控制，随后返回所述步骤S1，继续下个预测周期的电力成本优化。
本方案中，所述电池单元的所述预测功率数据包括每个时刻的充电功率和放电功率，所述蓄冷单元的所述预测功率数据包括每个时刻的蓄冷功率和放冷功率，所述步骤S2中，通过以下表达式构建得到所述控制变量：
；
其中，
x表示所述控制变量；
表示预测周期起始时刻下所述电池单元的所述充电功率；
表示预测周期结束时刻下所述电池单元的所述充电功率；
表示预测周期起始时刻下所述电池单元的所述放电功率；
表示预测周期结束时刻下所述电池单元的所述放电功率；
表示预测周期起始时刻下所述蓄冷单元的所述蓄冷功率；
表示预测周期结束时刻下所述蓄冷单元的所述蓄冷功率；
表示预测周期起始时刻下所述蓄冷单元的所述放冷功率；
表示预测周期结束时刻下所述蓄冷单元的所述放冷功率；
表示预测周期起始时刻下所述电池单元的所述二元工作状态变量；
表示预测周期结束时刻下所述电池单元的所述二元工作状态变量；
表示预测周期起始时刻下所述蓄冷单元的所述二元工作状态变量；
表示预测周期结束时刻下所述蓄冷单元的所述二元工作状态变量；
1表示预测周期起始时刻，且1＜k；
表示预测周期结束时刻，且/>大于k。
本方案中，所述第一运行数据包括所述电池单元的第一自充放系数、充电效率、放电效率、额定容量和离散周期，则所述步骤S2中，通过以下计算公式构建得到所述电池单元每个时刻的所述预测功率数据：
；
其中，
表示k+1时刻所述电池单元的所述预测功率数据；
表示所述第一自充放系数；
表示k时刻所述电池单元的所述当前状态数据；
表示所述充电效率；
表示k时刻所述电池单元的所述充电功率；
表示所述放电效率；
表示k时刻所述电池单元的所述放电功率；
表示所述电池单元的离散化常数；
表示所述离散周期；
表示所述额定容量。
本方案中，所述第二运行数据包括所述蓄冷单元的第二自充放系数、蓄冷效率、放冷效率、额定蓄冷容量和离散周期，则所述步骤S2中，通过以下计算公式构建得到所述蓄冷单元每个时刻的所述预测功率数据：
；
其中，
表示k+1时刻所述蓄冷单元的所述预测功率数据；
表示所述第二自充放系数；
表示k时刻所述蓄冷单元的所述当前状态数据；
表示所述蓄冷效率；
表示k时刻所述蓄冷单元的所述蓄冷功率；
表示所述放冷效率；
表示k时刻所述蓄冷单元的所述放冷效率；
表示所述蓄冷单元的离散化常数；
表示所述离散周期；
表示所述额定蓄冷容量。
本方案中，所述第三运行数据为所述制冷设备的第一消耗功率，所述第四运行数据为所述数据中心机房的第二消耗功率，所述收支数据包括所述电网的电池储能寿命损耗成本、电力市场获利和电费，则所述步骤S3包括：
步骤S31，将所述控制变量、各所述当前状态数据、所述第一运行数据、所述第二运行数据、所述收支数据、所述第三运行数据和所述第四运行数据输入至预先配置的所述电力成本优化模型中；
步骤S32，所述电力成本优化模型根据各所述预测功率数据、所述第一消耗功率和所述第二消耗功率得到所述数据中心机房的电网输入功率；
步骤S33，所述电力成本优化模型根据所述电网输入功率和所述电费得到所述电网对应的电费支出；
步骤S34，所述电力成本优化模型根据所述电费支出、所述预测周期、所述电池储能寿命损耗成本和所述电力市场获利得到所述数据中心机房对应的所述预测周期电力成本。
本方案中，所述步骤S32中，通过以下计算公式得到所述电网输入功率：
；
其中，
表示k时刻的所述电网输入功率；
表示k时刻的所述充电功率；
表示k时刻的所述第一消耗功率；
表示k时刻的所述放电功率；
表示k时刻的所述第二消耗功率。
本方案中，所述步骤S33中，通过以下计算公式得到所述电网对应的所述电费支出：
；
其中，
表示k时刻所述电网（1）对应的所述电费支出；
表示k时刻所述数据中心机房（5）消耗的所述电网输入功率；
表示k时刻所述电网（1）的所述电费
本方案中，所述步骤S34中，通过以下计算公式得到所述预测周期电力成本：
；
其中，
表示所述预测周期电力成本；
表示所述预测周期；
表示k时刻所述电网对应的所述电费支出；
表示k时刻所述电网的所述电池储能寿命损耗成本；
表示k时刻所述电网的所述电力市场获利。
本方案中，所述约束矩阵数据包括第一不等式约束系数矩阵、第二不等式约束系数矩阵、第一等式约束矩阵、第二等式约束矩阵、所述控制变量的取值下限矩阵和取值上限矩阵，所述步骤S4中，求解所述电力成本优化问题的表达式如下所示：
；
其中，
表示所述预测周期电力成本；
x表示所述控制变量；
A表示所述第一不等式约束系数矩阵；
b表示所述第二不等式约束系数矩阵；
表示所述第一等式约束矩阵；
表示所述第二等式约束矩阵；
表示所述取值下限矩阵；
表示所述取值上限矩阵。
本发明具有以下有益效果：
1）优化储能配置，通过采用电池单元和蓄冷单元相结合的基于混合储能的数据中心能源系统实现，并且结合预测周期电力成本计算得到的预测功率数据，能够充分利用电网功能在不同时刻的成本差异调节电池单元和蓄冷单元的功率参数，进而降低数据中心机房的电力成本；
2）提高储能利用率，传统储能系统只是起到稳定供电质量或蓄冷应急急用的作用，而本发明中能够对混合储能的电池单元和蓄冷单元的功率参数进行优化分配实现对数据中心机房用能需求的响应，从而提高电池单元和蓄冷单元的储能利用率；
3）辅助进行动态协同优化，本发明中通过建立针对电池单元和蓄冷单元的电力成本优化模型，可以根据基于混合储能的数据中心能源系统内各组成部分的数据进行电力成本优化问题的求解得到精确至每个时刻的预测功率数据，基于该数据进行设备功率的动态优化分配，充分发挥电池单元和蓄冷单元各自的削峰填谷作用，以提高整体的削峰填谷效果。
附图说明
图1为本发明的数据中心能源系统的结构原理图；
图2为本发明的步骤流程图；
图3为本发明的步骤S3的具体流程图；
附图标记说明：1、电网；2、电池单元；3、蓄冷单元；4、制冷设备；5、数据中心机房；6、换热器。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明中，基于现有技术中存在的上述问题，现提供基于混合储能的数据中心能源系统节能智控方法，如图1所示，数据中心能源系统包括电网1、电池单元2、蓄冷单元3、制冷设备4和数据中心机房5，电网1分别与电池单元2和制冷设备4电连接，蓄冷单元3与制冷设备4电连接，数据中心机房5分别与蓄冷单元3和电池单元2电连接，节能智控方法如图2包括以下步骤：
步骤S1，获取电池单元2及蓄冷单元3的当前状态数据、电池单元2的第一运行数据、蓄冷单元3的第二运行数据、电网1的收支数据、制冷设备4的第三运行数据和数据中心机房5的第四运行数据；
步骤S2，基于预先配置的预测周期，构建对应的控制变量，控制变量模型内包含有电池单元2及蓄冷单元3的每个时刻的预测功率数据和每个时刻的二元工作状态变量；
步骤S3，将控制变量、各当前状态数据、第一运行数据、第二运行数据、收支数据、第三运行数据和第四运行数据输入至预先配置的电力成本优化模型中得到数据中心机房5对应的预测周期电力成本；
步骤S4，基于预测周期电力成本、控制变量和预先配置的约束矩阵数据，通过混整优化算法求解电力成本优化模型的电力成本优化问题得到预测周期内电池单元2及蓄冷单元3每个时刻的预测功率数据；
步骤S5,将各预测功率数据输出至上位控制系统指导电池单元2和蓄冷单元3进行预测周期内的优化控制，随后返回步骤S1，继续下个预测周期的电力成本优化。
本方案中，如图1所示，基于混合储能的数据中心能源系统主要由电网1、电池单元2、蓄冷单元3、制冷设备4、换热器6以及数据中心机房5组成，其中，电池单元2负责提供维持数据中心机房5中IT设备运行的电能，以保证供电质量的稳定；制冷设备4和蓄冷单元3共同提供数据中心机房5中IT设备冷却所需的冷量；蓄冷单元3的所存储冷量由制冷设备4提供；对电池单元2进行充电和维持制冷设备4运行所需的电能由电网1提供，而换热器6负责接收数据中心机房5产生的热量和蓄冷单元3提供的冷量进行换热保证数据中心机房5的正常运行。
进一步的，在具体实施时，电网1与电池单元2之间需要设置转换器将交流电转换成直流电对电池单元2进行充电，电池单元2输出端则需要设置逆变器将直流电转换成具有稳定电压的交流电供数据中心机房5内的IT设备使用；制冷设备4、蓄冷单元3以及换热器6之间需要设置若干阀门、泵，实现对以蓄冷介质为载体的冷量分配。
本方案中，针对储能配置单一问题，本发明采用电储能和蓄冷相结合的混合储能的储能系统方案，并根据数据中心机房5耗电和制冷的动态需求，充分利用储能系统与电网1供能在不同时刻的成本差异对能源系统中各设备功率进行优化控制，以实现降低数据中心机房5电力成本的目的；针对储能利用率低的问题，本发明提出了基于混合储能的数据中心能源系统节能智控方案，通过对电网1和储能系统的功率进行优化分配来共同实现对用能需求的响应，从而提高储能系统的容量利用率，此外，对数据中心机房5用能负荷的短期精准预测是充分利用储能系统容量的同时保障数据中心机房5功能稳定性和安全性的重要环节；针对不同类型储能模块之间缺乏动态协同优化的问题，本发明建立了数据中心机房5的电力成本优化模型，可以根据数据中心机房5用能负荷的变化对能源系统中各设备功率进行动态的优化分配，充分发挥混合储能系统中电池单元2和蓄冷单元3各自的削峰填谷作用。
本方案中，结合基于混合储能的数据中心能源系统构建电力成本优化模型，以最小化预测周期内数据中心机房5的电力成本为优化目标，以电力平衡约束与冷却负荷响应为主要约束条件，建立了电力成本优化模型，通过循环求解对应的电力成本优化问题，实现面向“调峰储电+调峰蓄冷+电力市场获利”联动的数据中心能源系统的动态优化控制。
并且，采用混整优化算法对数据中心机房5的基于电力成本优化模型的预测周期电力成本优化问题进行求解，可获得对应的预测周期内电池单元2和蓄冷单元3的操作指令，实现数据中心机房5预测周期电力成本的优化。
本方案中，根据获取到的能源设备的当前状态数据、第一运行数据、第二运行数据结合控制变量模型和预测周期电力成本计算求解对应的电力成本优化问题得到预测周期内的预测功率数据提供给上位控制系统，实现对能源设备的动态优化控制。
本发明中，电池单元2的预测功率数据包括每个时刻的充电功率和放电功率，蓄冷单元3的预测功率数据包括每个时刻的蓄冷功率和放冷功率，步骤S2中，通过以下表达式构建得到控制变量：
；
其中，
x表示控制变量；
表示预测周期起始时刻下电池单元2的充电功率；
表示预测周期结束时刻下电池单元2的充电功率；
表示预测周期起始时刻下电池单元2的放电功率；
表示预测周期结束时刻下电池单元2的放电功率；
表示预测周期起始时刻下蓄冷单元3的蓄冷功率；
表示预测周期结束时刻下蓄冷单元3的蓄冷功率；
表示预测周期起始时刻下蓄冷单元3的放冷功率；
表示预测周期结束时刻下蓄冷单元3的放冷功率；
表示预测周期起始时刻下电池单元2的二元工作状态变量；
表示预测周期结束时刻下电池单元2的二元工作状态变量；
表示预测周期起始时刻下蓄冷单元3的二元工作状态变量；
表示预测周期结束时刻下蓄冷单元3的二元工作状态变量；
1表示预测周期起始时刻，且1＜k；
表示预测周期结束时刻，且/>大于k。
本方案中，二元工作状态变量取0时表示电池单元2处于充电状态或蓄冷单元3处于蓄冷状态，二元工作状态变量取1时表示充电单元处于放电状态或蓄冷单元3处于放冷状态。
本方案中，为了保证有储能参与的电力成本的可比较性，设定预测周期内，电池单元2和蓄冷单元3的始末状态一致，即
；
其中，表示预测周期起始时刻电池单元2的预测功率数据，表示预测周期结束时刻电池单元2的预测功率数据，/>表示预测周期起始时刻蓄冷单元3的预测功率数据，/>表示预测周期结束时刻蓄冷单元3的预测功率数据。
本发明中，第一运行数据包括电池单元2的第一自充放系数、充电效率、放电效率、额定容量和离散周期，则步骤S2中，通过以下计算公式构建得到电池单元2每个时刻的预测功率数据：
；
其中，
表示k+1时刻电池单元2的预测功率数据；
表示第一自充放系数；
表示k时刻电池单元2的当前状态数据；
表示充电效率；
表示k时刻电池单元2的充电功率；
表示放电效率；
表示k时刻电池单元2的放电功率；
表示电池单元2的离散化常数；
表示离散周期；
表示额定容量。
本方案中，通过电力成本优化模型反映电池单元2状态的动态变化，可以通过k时刻的当前状态数据来计算得到k+1时刻的预测功率数据，为电力成本优化模型提供数据基础。
并且，，/>，充电功率和放电功率的单位均为kW，离散化常数的单位为/>，离散周期的单位为h，额定容量的单位为kWh。
本方案中，如要计算得到k+2时刻的预测功率数据，只需将k=k+1代入上述公式中即可，并以此类推。
本发明中，第二运行数据包括蓄冷单元3的第二自充放系数、蓄冷效率、放冷效率、额定蓄冷容量和离散周期，则步骤S2中，通过以下计算公式构建得到蓄冷单元3每个时刻的预测功率数据：
；
其中，
表示k+1时刻蓄冷单元3的预测功率数据；
表示第二自充放系数；
表示k时刻蓄冷单元3的当前状态数据；
表示蓄冷效率；
表示k时刻蓄冷单元3的蓄冷功率；
表示放冷效率；
表示k时刻蓄冷单元3的放冷效率；
表示蓄冷单元3的离散化常数；
表示离散周期；
表示额定蓄冷容量。
本方案中，通过电力成本优化模型反映蓄冷单元3状态的动态变化，可以通过k时刻的当前状态数据来计算得到k+1时刻的预测功率数据，为电力成本优化模型提供数据基础。
并且，，/>，蓄冷功率和放冷功率的单位均为kW，蓄冷效率和放冷效率均取1，离散化常数的单位为/>，离散周期的单位为h，额定蓄冷容量的单位为kWh。
本方案中，如要计算得到k+2时刻的预测功率数据，只需将k=k+1代入上述公式中即可，并以此类推。
本发明中，第三运行数据为制冷设备4的第一消耗功率，第四运行数据为数据中心机房5的第二消耗功率，收支数据包括电网1的电池储能寿命损耗成本、电力市场获利和电费，则步骤S3如图3所示，包括：
步骤S31，将控制变量、各当前状态数据、第一运行数据、第二运行数据、收支数据、第三运行数据和第四运行数据输入至预先配置的电力成本优化模型中；
步骤S32，电力成本优化模型根据各预测功率数据、第一消耗功率和第二消耗功率得到数据中心机房5的电网输入功率；
步骤S33，电力成本优化模型根据电网输入功率和电费得到电网1对应的电费支出；
步骤S34，电力成本优化模型根据电费支出、预测周期、电池储能寿命损耗成本和电力市场获利得到数据中心机房5对应的预测周期电力成本。
本发明中，步骤S32中，通过以下计算公式得到电网输入功率：
；
其中，
表示k时刻的电网输入功率；
表示k时刻的充电功率；
表示k时刻的第一消耗功率；
表示k时刻的放电功率；
表示k时刻的第二消耗功率。
本方案中，预测周期内的数据中心机房5中IT设备功率的预测序列作为输入变量给定。
本发明中，步骤S33中，通过以下计算公式得到电网1对应的电费支出：
；
其中，
表示k时刻电网1对应的电费支出；
表示k时刻数据中心机房5消耗的电网输入功率；
表示k时刻电网1的电费。
本方案中，电网输入功率的单位为kW；电费的单位为￥/kW。
本发明中，步骤S34中，通过以下计算公式得到预测周期电力成本：
；
其中，
表示预测周期电力成本；
表示预测周期；
表示k时刻电网1对应的电费支出；
表示k时刻电网1的电池储能寿命损耗成本；
表示k时刻电网1的电力市场获利。
本方案中，电池储能寿命损耗成本可通过以下计算公式计算得到：
；
其中，表示k时刻的电池储能寿命损耗成本，/>表示平摊到单位电量变化的电池储寿命损耗成本，单位为￥/kW，/>表示k时刻的充电功率，/>表示k时刻的放电功率。/>
本方案中，电池单元2参与电力市场调节可以通过电池放电来减少其即时用电量，通过充电来增加用电量，因此，参与电力市场调节的获利可包括峰谷电价差获利、作为电网1的备用容量获利中的一种或多种。
其中，若电池单元2作为电网1的备用容量获利，则可通过以下计算公式计算得到：
；
其中，表示k时刻的备用容量获利；/>表示电网1运营商向电池单元2储能支付的每单位功率备用费，单位为¥/kW；/>表示电池单元2储能不匹配备用容量需要支付的罚款单位为¥/kWh；/>表示电池单元2的额定功率，单位为kW；/>表示k时刻数据中心机房5提交给电网1运营商进行调控响应评价的负荷曲线预测值；/>表示k时刻电网1运营商发出的归一化调节信号；上述公式中通过计算预测负荷曲线与数据中心从电网1中消耗的实际功率模拟监管不匹配的实际惩罚。
本方案中,若电池单元2利用峰谷电价差从电网1获利，则计算如下：
；
其中，表示k时刻利用峰谷电价差的获利；/>表示k时刻电网1的电费，单位为￥/kW；/>表示k时刻电池单元2中存储的电能平均成本，单位为￥/kW；表示k时刻的放电功率；/>表示k时刻的第二消耗功率。
本方案中，冷却负荷响应约束假设数据中心机房5中IT设备消耗的功率全都转化为热量，而冷却系统的冷量供应需求抵消上述热量，如下所示：
；
其中，表示k时刻的第一消耗功率；/>表示蓄冷效率；/>表示k时刻的蓄冷功率；/>表示k时刻的放冷功率；/>表示放冷效率；/>表示k时刻的第二消耗功率，单位为kW；/>表示换热器6的换热效率。
本发明中，约束矩阵数据包括第一不等式约束系数矩阵、第二不等式约束系数矩阵、第一等式约束矩阵、第二等式约束矩阵、控制变量的取值下限矩阵和取值上限矩阵，步骤S4中，求解电力成本优化问题的表达式如下所示：
；
其中，
表示预测周期电力成本；
x表示控制变量；
A表示第一不等式约束系数矩阵；
b表示第二不等式约束系数矩阵；
表示第一等式约束矩阵；
表示第二等式约束矩阵；
表示取值下限矩阵；
表示取值上限矩阵。
本方案中，不等式约束系数矩阵、等式约束矩阵、取值下限矩阵和取值上限矩阵对于参数确定的数据中心能源系统是已知量，其具体结构和数值由上文定义的各约束条件表达式决定。
虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员，在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (9)

1.基于混合储能的数据中心能源系统节能智控方法，其特征在于，数据中心能源系统包括电网（1）、电池单元（2）、蓄冷单元（3）、制冷设备（4）和数据中心机房（5），所述电网（1）分别与所述电池单元（2）和所述制冷设备（4）电连接，所述蓄冷单元（3）与所述制冷设备（4）电连接，所述数据中心机房（5）分别与所述蓄冷单元（3）和所述电池单元（2）电连接，所述节能智控方法包括以下步骤：
步骤S1，获取所述电池单元（2）及所述蓄冷单元（3）的当前状态数据、所述电池单元（2）的第一运行数据、所述蓄冷单元（3）的第二运行数据、所述电网（1）的收支数据、所述制冷设备（4）的第三运行数据和所述数据中心机房（5）的第四运行数据，所述第一运行数据包括所述电池单元（2）的自充放系数、充电效率、放电效率、额定容量和离散周期，所述第二运行数据包括所述蓄冷单元（3）的自充放系数、蓄冷效率、放冷效率、额定蓄冷容量和离散周期，所述第三运行数据为所述制冷设备（4）的消耗功率，所述第四运行数据为所述数据中心机房（5）的消耗功率，所述收支数据包括所述电网（1）的电池储能寿命损耗成本、电力市场获利和电费；
步骤S2，基于预先配置的预测周期，构建对应的控制变量，所述控制变量包含有所述电池单元（2）及所述蓄冷单元（3）的每个时刻的预测功率数据和每个时刻的二元工作状态变量；
步骤S3，将所述控制变量、各所述当前状态数据、所述第一运行数据、所述第二运行数据、所述收支数据、所述第三运行数据和所述第四运行数据输入至预先配置的电力成本优化模型中计算所述数据中心机房（5）对应的预测周期电力成本；
步骤S4，基于所述预测周期电力成本、所述控制变量和预先配置的约束矩阵数据，通过混整优化算法求解所述电力成本优化模型的电力成本优化问题得到预测周期内所述电池单元（2）及所述蓄冷单元（3）每个时刻的所述预测功率数据；
步骤S5,将各所述预测功率数据输出至上位控制系统指导所述电池单元（2）和所述蓄冷单元（3）进行预测周期内的优化控制，随后返回所述步骤S1，继续下个预测周期的电力成本优化。
2.根据权利要求1所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述电池单元（2）的所述预测功率数据包括每个时刻的充电功率和放电功率，所述蓄冷单元（3）的所述预测功率数据包括每个时刻的蓄冷功率和放冷功率，所述步骤S2中，通过以下表达式构建得到所述控制变量：
；
其中，
x表示所述控制变量；
表示预测周期起始时刻下所述电池单元（2）的所述充电功率；
表示预测周期结束时刻下所述电池单元（2）的所述充电功率；
表示预测周期起始时刻下所述电池单元（2）的所述放电功率；
表示预测周期结束时刻下所述电池单元（2）的所述放电功率；
表示预测周期起始时刻下所述蓄冷单元（3）的所述蓄冷功率；
表示预测周期结束时刻下所述蓄冷单元（3）的所述蓄冷功率；
表示预测周期起始时刻下所述蓄冷单元（3）的所述放冷功率；
表示预测周期结束时刻下所述蓄冷单元（3）的所述放冷功率；
表示预测周期起始时刻下所述电池单元（2）的所述二元工作状态变量；
表示预测周期结束时刻下所述电池单元（2）的所述二元工作状态变量；
表示预测周期起始时刻下所述蓄冷单元（3）的所述二元工作状态变量；
表示预测周期结束时刻下所述蓄冷单元（3）的所述二元工作状态变量；
1表示预测周期起始时刻，且1＜k；
表示预测周期结束时刻，且/>大于k。
3.根据权利要求2所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述步骤S2中，通过以下计算公式构建得到所述电池单元（2）每个时刻的所述预测功率数据：
；
其中，
表示k+1时刻所述电池单元（2）的所述预测功率数据；
表示所述电池单元（2）的自充放系数；
表示k时刻所述电池单元（2）的所述当前状态数据；
表示所述充电效率；
表示k时刻所述电池单元（2）的所述充电功率；
表示所述放电效率；
表示k时刻所述电池单元（2）的所述放电功率；
表示所述电池单元（2）的离散化常数；
表示所述离散周期；
表示所述额定容量。
4.根据权利要求2所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述步骤S2中，通过以下计算公式构建得到所述蓄冷单元（3）每个时刻的所述预测功率数据：
；
其中，
表示k+1时刻所述蓄冷单元（3）的所述预测功率数据；
表示所述蓄冷单元（3）的自充放系数；
表示k时刻所述蓄冷单元（3）的所述当前状态数据；
表示所述蓄冷效率；
表示k时刻所述蓄冷单元（3）的所述蓄冷功率；
表示所述放冷效率；
表示k时刻所述蓄冷单元（3）的所述放冷效率；
表示所述蓄冷单元（3）的离散化常数；
表示所述离散周期；
表示所述额定蓄冷容量。
5.根据权利要求2所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述步骤S3包括：
步骤S31，将所述控制变量、各所述当前状态数据、所述第一运行数据、所述第二运行数据、所述收支数据、所述第三运行数据和所述第四运行数据输入至预先配置的所述电力成本优化模型中；
步骤S32，所述电力成本优化模型根据各所述预测功率数据、所述制冷设备（4）的消耗功率和所述数据中心机房（5）的消耗功率得到所述数据中心机房（5）的电网输入功率；
步骤S33，所述电力成本优化模型根据所述电网输入功率和所述电费得到所述电网（1）对应的电费支出；
步骤S34，所述电力成本优化模型根据所述电费支出、所述预测周期、所述电池储能寿命损耗成本和所述电力市场获利得到所述数据中心机房（5）对应的所述预测周期电力成本。
6.根据权利要求5所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述步骤S32中，通过以下计算公式得到所述电网输入功率：
；
其中，
表示k时刻的所述电网输入功率；
表示k时刻的所述充电功率；
表示k时刻的所述制冷设备（4）的消耗功率；
表示k时刻的所述放电功率；
表示k时刻的所述数据中心机房（5）的消耗功率。
7.根据权利要求6所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述步骤S33中，通过以下计算公式得到所述电网（1）对应的所述电费支出：
；
其中，
表示k时刻所述电网（1）对应的所述电费支出；
表示k时刻所述数据中心机房（5）消耗的所述电网输入功率；
表示k时刻所述电网（1）的所述电费。
8.根据权利要求7所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述步骤S34中，通过以下计算公式得到所述预测周期电力成本：
；
其中，
表示所述预测周期电力成本；
表示预测周期结束时刻；
表示k时刻所述电网（1）对应的所述电费支出；
表示k时刻所述电网（1）的所述电池储能寿命损耗成本；
表示k时刻所述电网（1）的所述电力市场获利。
9.根据权利要求1所述的基于混合储能的数据中心能源系统节能智控方法，其特征在于，所述约束矩阵数据包括第一不等式约束系数矩阵、第二不等式约束系数矩阵、第一等式约束矩阵、第二等式约束矩阵、所述控制变量的取值下限矩阵和取值上限矩阵，所述步骤S4中，求解所述电力成本优化问题的表达式如下所示：
；
其中，
表示所述预测周期电力成本；
x表示所述控制变量；
A表示所述第一不等式约束系数矩阵；
b表示所述第二不等式约束系数矩阵；
表示所述第一等式约束矩阵；
表示所述第二等式约束矩阵；
表示所述取值下限矩阵；
表示所述取值上限矩阵。
CN202311789595.9A 2023-12-25 2023-12-25 基于混合储能的数据中心能源系统节能智控方法 Active CN117477627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311789595.9A CN117477627B (zh) 2023-12-25 2023-12-25 基于混合储能的数据中心能源系统节能智控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311789595.9A CN117477627B (zh) 2023-12-25 2023-12-25 基于混合储能的数据中心能源系统节能智控方法

Publications (2)

Publication Number Publication Date
CN117477627A CN117477627A (zh) 2024-01-30
CN117477627B true CN117477627B (zh) 2024-04-12

Family

ID=89636484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311789595.9A Active CN117477627B (zh) 2023-12-25 2023-12-25 基于混合储能的数据中心能源系统节能智控方法

Country Status (1)

Country Link
CN (1) CN117477627B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013143901A (ja) * 2012-01-12 2013-07-22 Chugoku Electric Power Co Inc:The 分散電源制御装置、分散電源制御システム及び分散電源制御方法
JP5496431B1 (ja) * 2013-06-26 2014-05-21 三菱電機株式会社 需給計画装置、需給計画方法、需給計画プログラムおよび記録媒体
CN109784569A (zh) * 2019-01-23 2019-05-21 华北电力大学 一种区域综合能源系统优化控制方法
CN111049136A (zh) * 2019-12-31 2020-04-21 青海能高新能源有限公司 电/热/冷三联储综合能源系统及方法
CN112212539A (zh) * 2020-10-27 2021-01-12 南京遒涯信息技术有限公司 一种多源动力与边缘云的智慧能源系统
CN113722895A (zh) * 2021-08-18 2021-11-30 国网上海市电力公司 一种基于多站融合的综合能源系统优化配置方法
CN115081700A (zh) * 2022-06-10 2022-09-20 国网(苏州)城市能源研究院有限责任公司 基于综合储能技术的数据中心多能协同优化方法及系统
CN115164361A (zh) * 2022-06-13 2022-10-11 中国电信股份有限公司 一种数据中心控制方法、装置、电子设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013143901A (ja) * 2012-01-12 2013-07-22 Chugoku Electric Power Co Inc:The 分散電源制御装置、分散電源制御システム及び分散電源制御方法
JP5496431B1 (ja) * 2013-06-26 2014-05-21 三菱電機株式会社 需給計画装置、需給計画方法、需給計画プログラムおよび記録媒体
CN109784569A (zh) * 2019-01-23 2019-05-21 华北电力大学 一种区域综合能源系统优化控制方法
CN111049136A (zh) * 2019-12-31 2020-04-21 青海能高新能源有限公司 电/热/冷三联储综合能源系统及方法
CN112212539A (zh) * 2020-10-27 2021-01-12 南京遒涯信息技术有限公司 一种多源动力与边缘云的智慧能源系统
CN113722895A (zh) * 2021-08-18 2021-11-30 国网上海市电力公司 一种基于多站融合的综合能源系统优化配置方法
CN115081700A (zh) * 2022-06-10 2022-09-20 国网(苏州)城市能源研究院有限责任公司 基于综合储能技术的数据中心多能协同优化方法及系统
CN115164361A (zh) * 2022-06-13 2022-10-11 中国电信股份有限公司 一种数据中心控制方法、装置、电子设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A级数据中心综合能源系统多目标优化设计和调度;刘成运等;《电力系统自动化》;20190725;全文 *
Tianyi Chen,et al..Robust Workload and Energy Management for Sustainable Data Centers.《IEEE Journal on Selected Areas in Communications》.2016,全文. *
含冰蓄冷装置的冷电联供型微网经济优化运行;施泉生等;《电源学报》;20191130;全文 *
计及多种储能协调运行的数据中心实时能量管理;吴云芸等;《电力自动化设备》;20211031;全文 *

Also Published As

Publication number Publication date
CN117477627A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN111882105A (zh) 含共享储能系统的微电网群及其日前经济优化调度方法
CN103443984B (zh) 基于电能成本运行液流电池系统的方法和系统
CN111400641A (zh) 一种含蓄热式电采暖的综合能源系统日前优化调度方法
CN111049198B (zh) 考虑储能寿命和调频性能的风储联合运行优化方法及系统
CN111293682B (zh) 一种基于协同模型预测控制的多微网能量管理方法
CN113555590B (zh) 多燃料电池模块发电系统及其控制方法
CN114336745A (zh) 一种基于源网荷储的多能互补智慧能源系统及控制方法
CN110611336B (zh) 包含双级需求侧响应的园区多能源系统优化运行方法
CN115663871A (zh) 一种液流电站控制系统及方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN111211569A (zh) 一种柔性负荷参与电网调峰的优化配置方法
CN112510683B (zh) 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN117477627B (zh) 基于混合储能的数据中心能源系统节能智控方法
CN115907240B (zh) 计及互补互济运行特性的电网多类型调峰资源规划方法
CN116544982A (zh) 一种光伏消纳与峰谷套利的光储系统及其控制方法
CN116191505A (zh) 一种低压台区源荷储充全局动态互动的调节方法及装置
CN116154836A (zh) 一种基于新能源消纳的机组组合及其能源管理优化系统
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
CN113964852A (zh) 一种面向共享储能的虚拟电厂的发电控制方法及装置
CN114418453A (zh) 一种基于电力市场的微电网多时间尺度能量管理系统
CN112421686A (zh) 一种信息物理融合的分布式可再生能源分层消纳调控方法
CN111695740B (zh) 一种基于参数控制的主动储能运行方法及系统
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
CN117639022B (zh) 一种储能多元复用调控方法、系统及电子设备
CN113852121B (zh) 一种电氢多能互补型综合能源系统的实时能量管理方法

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
GR01 Patent grant
GR01 Patent grant