CN118171775B - 基于资源共享的数据中心集群调度方法及装置 - Google Patents

基于资源共享的数据中心集群调度方法及装置 Download PDF

Info

Publication number
CN118171775B
CN118171775B CN202410336695.4A CN202410336695A CN118171775B CN 118171775 B CN118171775 B CN 118171775B CN 202410336695 A CN202410336695 A CN 202410336695A CN 118171775 B CN118171775 B CN 118171775B
Authority
CN
China
Prior art keywords
data center
data
power
energy
constraints
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
CN202410336695.4A
Other languages
English (en)
Other versions
CN118171775A (zh
Inventor
潘军
张力
刘晓鸥
刘建伟
杨利鸣
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.)
China Power Engineering Consulting Group Corp
Original Assignee
China Power Engineering Consulting Group Corp
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 China Power Engineering Consulting Group Corp filed Critical China Power Engineering Consulting Group Corp
Priority to CN202410336695.4A priority Critical patent/CN118171775B/zh
Publication of CN118171775A publication Critical patent/CN118171775A/zh
Application granted granted Critical
Publication of CN118171775B publication Critical patent/CN118171775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及能源优化技术领域，特别涉及一种基于资源共享的数据中心集群调度方法及装置。方法包括：基于预设的交互规则，构建目标数据中心集群的资源调度模型；所述预设的交互规则包括所述目标数据集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；以各数据中心的用能成本最小为目标，对所述资源调度模型进行求解，得到每个数据中心的调度结果，所述调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量。本申请，可以合理调度数据中心集群的各种资源，节能降碳，避免资源浪费。

Description

基于资源共享的数据中心集群调度方法及装置
技术领域
本发明涉及能源优化技术领域，特别涉及一种基于资源共享的数据中心集群调度方法及装置。
背景技术
随着信息通信技术的发展，数据中心作为重要的新型基础设施，其用能需求日益突出，碳排问题亦日益严重。因此，在我国碳交易市场的蓬勃发展下，也对由多个数据中心构成的数据中心集群的节能降碳提出了新的要求。
目前，为了保证数据中心集群的正常运行，每个数据中心均配备有单独的储能系统、供能系统和信息系统，每个数据中心独立运行，完成相应的数据处理任务。然而，由于每个数据中心的数据处理量和用能存在差异，导致独立运行模式下每个数据中心的储能闲置率、用能功率和碳排放量均较高，不利于整个数据中心集群的节能降碳，造成了极大的资源浪费。
因此，目前亟待需要一种基于资源共享的数据中心集群调度方法及装置来解决上述技术问题。
发明内容
本发明实施例提供了一种基于资源共享的数据中心集群调度方法及装置，可以合理调度数据中心集群的各种资源，节能降碳，避免资源浪费。
第一方面，本发明实施例提供了一种基于资源共享的数据中心集群调度方法，包括：
基于预设的交互规则，构建目标数据中心集群的资源调度模型；所述预设的交互规则包括所述目标数据中心集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；
以各数据中心的用能成本最小为目标，对所述资源调度模型进行求解，得到每个数据中心的调度结果，所述调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量。
第二方面，本发明实施例还提供了一种基于资源共享的数据中心集群调度装置，包括：
构建单元，用于基于预设的交互规则，构建目标数据中心集群的资源调度模型；所述预设的交互规则包括所述目标数据中心集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；
求解单元，用于以各数据中心的用能成本最小为目标，对所述资源调度模型进行求解，得到每个数据中心的调度结果，所述调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量。
第三方面，本发明实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种基于资源共享的数据中心集群调度方法及装置。根据数据中心集群中各数据中心的用能差异，确定各数据中心之间各种指标的交互规则。通过数据交互、电力交互以及碳流交互，可以有效降低数据中心集群的运行成本和碳排放量。通过设定储能分配规则，可以仅在数据中心集群中建设一套储能设备，根据各数据中心的运行状态为其分配储能资源，从而有效提高储能设备的利用率，防止设备闲置。由此可见，本申请可以合理调度数据中心集群的各种资源，节能降碳，避免资源浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的基于资源共享的数据中心集群调度方法的结构示意图；
图2是本发明一实施例提供的一种电子设备的硬件架构图；
图3是本发明一实施例提供的一种基于资源共享的数据中心集群调度装置的结构图；
图4是本发明一实施例提供的数据中心集群示意图；
图5是本发明一实施例提供的采用本申请调度方法和其它三种调度方法的调度结果对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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的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。
请参考图1，本发明实施例提供了一种基于资源共享的数据中心集群调度方法，该方法包括：
步骤100，基于预设的交互规则，构建目标数据中心集群的资源调度模型；预设的交互规则包括目标数据中心集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；
步骤102，以各数据中心的用能成本最小为目标，对资源调度模型进行求解，得到每个数据中心的调度结果，调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量。
在该实施例中，根据数据中心集群中各数据中心的用能差异，确定各数据中心之间各种指标的交互规则。通过数据交互、电力交互以及碳流交互，可以有效降低数据中心集群的运行成本和碳排放量。通过设定储能分配规则，可以仅在数据中心集群中建设一套储能设备，根据各数据中心的运行状态为其分配储能资源，从而有效提高储能设备的利用率，防止设备闲置。由此可见，本申请可以合理调度数据中心集群的各种资源，节能降碳，避免资源浪费。
下面描述图1所示的各个步骤的执行方式。
首先，针对步骤100，基于预设的交互规则，构建目标数据中心集群的资源调度模型。
如图4所示，为某个数据中心集群的架构示意图，从图中可以看出，该集群中包括多个数据中心，每个数据中心中都设置有用能设备(如服务器)、可再生能源和燃气轮机。整个集群共用储能设备，且该集群可以与上级电网、碳市场和数据用户进行资源和数据交互。当然，该集群中的各设备只是简单示意图，用户可以根据实际情况建设更多或更少的设备。
在图4的集群中，可再生能源、燃气轮机、上级电网和共享储能可共同满足每个数据中心的用能需求。数据中心的用能设备主要为服务器。服务器处理的数据负荷可分为实时交互数据和延时处理数据两类，前者需要即时处理，后者可延时处理。数据中心的碳排放主要来自于燃气轮机消耗天然气发电和从上级电网购电。按照碳市场交易机制，当数据中心的碳排放量大于其碳配额时，需要从碳市场购买碳排放权；当数据中心的碳排放量小于其碳配额时，可以将其碳排放权在碳市场进行出售。
从数据中心集群的角度来看，数据中心集群内部可通过电力交互、碳流交互和数据交互实现资源优化。数据中心集群运行时通过调用共享储能，可有效避免各数据中心单独配置储能的效率低下问题。
需要说明的是，当数据中心m和数据中心n进行功率交互、碳流交互和数据交互时，应满足相应的约束规则。
在一些实施方式中，数据交互规则为：
在任一调度周期内，针对目标数据中心集群中的每个数据中心，均执行：
判断该数据中心的待处理数据量是否超过其剩余处理能力；
若是，则确定过剩数据所需的处理能力；并判断其它数据中心的剩余处理能力是否大于该过剩数据所需的处理能力；若是，则将该目标数据中心的过剩数据发送至具有相应处理能力的数据中心，并由该具有相应处理能力的数据中心处理该过剩数据。
此外，待处理数据包括第一数据和第二数据，第一数据需要实时处理，第二数据需要在预设时间内完成。在实际工作中，第一数据和第二数据均应满足一致性约束，如下述方程所示：
INmn,t+INnm,t＝0，BAmn,t+BAnm,t＝0
式中，INmn,t和INnm,t分别为数据中心n和数据中心m间的第一数据的交换量；BAmn,t和BAnm,t分别为数据中心n和数据中心m间的第二数据的交换量。
在一些实施方式中，每个数据中心均包括可再生能源和燃气轮机，数据中心集群包括储能设备，且每个数据中心均可向电网购电；
电力交互规则和储能分配规则为：
针对每个数据中心，当其可再生能源和燃气轮机产生的电能不能满足其电能需求时；判断储能设备的剩余功率和容量是否大于其不足的电能需求；若是，则由储能设备为其提供不足的电能；若否，则判断当前电网购电成本是否小于可再生能源和燃气轮机的发电成本；若是，则从电网购买所需的不足电能；若否，则判断其它数据中心的可再生能源和/或燃气轮机是否有剩余电能，若有，则从其它数据中心购买所需的不足电能。
在该实施例中，各数据中心在进行电力交互时，应满足一致性约束，如下述方程所示：
Pmn,t+Pnm,t＝0
式中，Pmn,t和Pnm,t分别为数据中心n和数据中心m间的电功率交换；Pmn,t表示数据中心m向数据中心n传输的电功率，功率数值由数据中心m决定；Pnm,t表示数据中心n向数据中心m传输的电功率，功率数值由数据中心n决定。
此外，根据各数据中心对储能设备功率和容量的不同需求，需要根据各数据中心的实际运行状态进行储能资源的合理分配。储能分配规则需满足下述约束条件：
式中，PESS,n,t和EESS,n,t分别为时刻t分配给数据中心n的储能功率和储能容量；PESS,max和EESS,max分别为储能功率的上限和储能容量的上限；NIDC为数据中心集群包含的数据中心数量；EESS,n,0为数据中心n的储能剩余容量初值；ηEES为储能设备的充放电效率；Pch,n,τ和Pdch,n,τ分别为时刻τ数据中心n使用的储能设备的充电功率和放电功率。
通过上述约束，各数据中心分配的储能功率和容量均不会超过储能设备的功率上限和容量上限，利于储能设备的正常使用和延长其使用寿命。
在一些实施方式中，碳流交互规则为：
针对每个数据中心，判断其当前碳排放量是否超出其额定碳排放指标；若是，则判断其它数据中心是否有剩余碳排放额度；若有，则从其它数据中心购买碳排放指标；否则从外部市场购买碳排放指标。
该实施例通过碳流交互，可以减少数据中心集群的碳排放量并较少碳排放成本。此外，碳流交互也应满足一致性约束，如下述方程所示：
CEmn+CEnm＝0
式中，CEmn和CEnm为数据中心n和数据中心m间的碳配额的交换量。
在一些实施方式中，资源调度模型的目标函数为：
式中，Cn(xn,νn)为数据中心n的用电成本；xn为数据中心n的决策变量；vn为数据中心n与其它数据中心之间的耦合变量；NIDC为数据中心集群包含的数据中心数量；Gn(xn,vn)为数据中心n的不等式约束，包括储能分配约束和碳排放约束；Hn(xn,vn)为数据中心n的等式约束，包括用能设备运行约束、发电约束、购电约束和功率平衡约束；CE,n为数据中心n的用电成本；CESS,n为数据中心n使用储能资源的费用；CCE,n为数据中心n的碳交易成本。
在上述实施例中，为了保证数据中心集群的运行成本最低，在对目标函数进行求解时，以各数据中心的用能成本最小为目标，每个数据中心的优化调度模型如下述方程所示：
minCn＝CE,n+CESS,n+CCE,n (2)
式中，CE,n为数据中心n的用电成本；CESS,n为数据中心n使用储能资源的费用；CCE,n为数据中心n的碳交易成本。
由于各数据中心可通过电力交互(即功率交互)实现数据中心集群的整体优化，所以数据中心m向数据中心n传输功率时，数据中心n应按照功率交互量支付过网费用。因此，数据中心n的用电成本由三部分构成，包括燃气轮机发电成本、与上级电网间的购售电费用和支付给数据中心m的过网费用，如下述方程所示。
式中，T为调度周期；bGT,n为数据中心n的燃气轮机发电成本系数；PGT,n,t为t时刻数据中心n的燃气轮机电功率；bUG,t为t时刻的上级电网电价；PUG,n,t为t时刻时数据中心n向上级电网的购售电功率；bEX为过网费。
数据中心n使用储能资源的费用，如下述方程所示：
CESS,n＝∑t∈T(bESS,PPESS,n,t+bESS,EEESS,n,t)
式中，bESS,P和bESS,E分别为储能功率和储能容量的使用成本系数。
数据中心n的碳交易成本即数据中心n在碳交易市场购买碳配额支付的费用，如下述方程所示：
式中，βCE为碳配额成本系数；为数据中心n在碳交易购买的碳配额。还需要说明的是，各数据中心的优化调度模型还需满足下述约束条件：
(1)用能设备运行约束，即服务器用能约束。
当各数据中心之间存在数据交互时，t时刻数据中心n服务的第一数据总量和第二数据总量均由两部分组成，一部分是数据中心n自身的数据量，另一部分是从数据中心m传输过来的数据量，如下述方程所示：
式中，INn,t和BAn,t分别为t时刻数据中心n服务器的第一数据总量和第二数据总量；INn,0,t和BAn,0,t分别为t时刻数据中心n自身的第一数据量和第二数据量。
此外，时刻t数据中心n接收到的第一数据需得到及时服务，而接收到的第二数据在最大延迟时间范围内完成服务即可，处理时间约束如下述方程所示：
式中，IN′n,t和BA′n,t分别为t时刻数据中心n服务的第一数据和第二数据；为第二数据完成服务的最大延迟时间。
还需要说明的是，为提高数据中心服务器的运算效率，数据中心n接收的信息数据按服务器数量平均分配。按照数据中心的能效水平γPUE，服务器及其配套设备的功率模型，如下述方程所示：
PIDC,n,t＝γPUENserve,n[Pidle,n+(Ppeak,n-Pidle,n)(INn′,t+BAn′,t)/(Nserve,nπserve)]
式中，PIDC，n,t为数据中心n在t时刻的功率；Nserve,n为数据中心n拥有的服务器总量；Pidle,n为数据中心n拥有的服务器的空载功率；Ppeak,n为数据中心n拥有的服务器的满载功率；πserve为服务器的服务速率。
(2)燃气轮机运行约束
0≤PGT,n,t≤PGT,n,max
式中，PGT,n,t为t时刻数据中心n所拥有的燃气轮机的发电功率；PGT,n,max为数据中心n所拥有的燃气轮机的发电功率上限。
(3)向上级电网购售电约束
数据中心n与上级电网间的购售电约束如下所示。当数据中心n从上级电网购电时，功率大于零；当数据中心n向上级电网售电时，功率小于零。
式中，为t时刻数据中心n与上级电网的功率交互量；为数据中心与上级主网间的功率交互上限。
(4)功率平衡约束
为了提高数据中心运行稳定性，应对数据中心n的可再生能源发电预测误差ξRE,n,t进行拟合，用k个高斯分布加权代数和表征可再生能源发电预测误差的概率密度函数f(ξRE,n,t)，如下述方程所示：
式中，ωn,l为高斯分量l的权重；δn,l为高斯分量l的方差；μn,l为高斯分量l的期望。
服务器及其配套设备功率也会随信息数据和环境参数变化而发生波动，同时当可再生能源发电出力偏离预测值时，数据中心的供能和用能也需实时保持功率平衡。在给定的置信度α下，功率平衡方程如下所示：
式中，PRE,n,t为数据中心n的可再生能源发电出力；ξL,n,t为服务器及其配套设备功率波动；α取0.95。
(5)碳排放约束
数据中心碳排放主要来自于燃气轮机发电和从上级电网购电，且数据中心碳排放量应小于其拥有的碳排放权，如下述方程所示：
式中，eGT为燃气轮机发电的碳排因子；eUG为上层电网碳排因子；为数据中心n的初始碳配额，为数据中心n购买的碳配额。
在上述约束下，对每个数据中心的调度模型进行求解，可以得到使每个数据中心成本最低的调度结果。
还需要说明的是，由于数据中心集群内的各数据中心相互耦合，若采用集中式优化框架需要采集各数据中心的隐私信息，一方面无法保证各数据中心的数据私密性，另一方面对通信系统的数据传输压力过大。因此，为降低通信系统压力，减小模型求解规模，本申请采用交替方向乘子法，通过增广拉格朗日函数将方程(1)松弛为NIDC个本地子问题独立求解。各本地子问题通过交换耦合变量vn的优化结果，进行迭代直至收敛可实现数据中心集群调度方案的优化。第k次迭代时的数据中心n优化调度问题应将方程(2)改写为如下形式：
式中，λk-1为第k-1次迭代中的拉格朗日乘子；ρk-1为第k-1次迭代中的拉格朗日惩罚因子；avm,k为第k次迭代中数据中心m与数据中心n的交互结果；avn,k为第k次迭代中数据中心n与数据中心m的交互结果；an和am分别为系数；为第k次迭代中数据中心m的耦合变量结果。
为了确保收敛，第k次迭代后的拉格朗日乘子更新方程，如下述方程所示：
式中，λk为第k次迭代中的拉格朗日乘子；ρk为第k次迭代中的拉格朗日惩罚因子；为第k次迭代中数据中心n的耦合变量结果。
当耦合变量的原始残差δP和对偶残差δD均小于给定值时，即表示数据中心集群优化调度结果已趋于稳定满足且所得结果足够稳定，此时应停止迭代过程。
交替方向乘子法收敛性敏感于增广拉格朗日函数的二次项惩罚因子。当采用交替方向乘子法求解问题时，为保证求解问题的收敛性，需选取合适的惩罚因子，但惩罚因子难以在事先预测合适的值，因此有必要采用惩罚因子自动更新机制，使得增广拉格朗日函数的二次项惩罚因子ρk会随迭代次数k改变。每次迭代后，ρk可根据原始残差δP和对偶残差δD调整自身大小，如下述方程所示：
式中，γ为大于1的常数；θmax和θmin分别为ρk的最大缩放因子和最小缩放因子。当δP相对δD较大时，ρk应增大；当δP相对δD较小时，ρk应缩小。
需要说明的是，为了进一步提高交替方向乘子法的收敛速度，增加收敛因子μn,k，还可以将交替方向乘子法收敛速度由O(1/k)提高至O(1/k2)。
下面，为了进一步说明本发明所提出的考虑共享储能的数据中心集群调度方法的有效性和合理性，下面设置以下四个场景进行对比验证，各场景的优化结果如表1所示，各场景下的碳交易成本和碳排放如图5所示。
场景1：各数据中心间独立运行，不进行任何交互；
场景2：各数据中心间仅进行数据交互，不交互功率和碳配额；
场景3：各数据中心间仅进行数据交互和功率交互，不交互碳配额；
场景4：采用本发明提出的资源共享的数据中心集群调度方法。
表1四种场景下的数据中心集群成本对比
场景1中各数据中心不存在耦合关系，其碳排放量和运行成本相比其他场景较高。主要原因在于在电网单价较高时段，数据中心2和数据中心3无法通过与数据中心1的功率交互满足自身用电需求，只能被迫向价格高且碳排大的上级电网购买电能，因此场景1的碳排放量和运行成本较高，这也说明了数据中心间进行功率交互的必要性。
场景2相较于场景1增加了数据中心间的数据交互，因此在场景2中数据中心1服务的信息数据量更大。主要原因是在电价较高时，数据中心2和数据中心3将自身的信息数据业务传递给数据中心1，以充分利用数据中心1的燃气轮机发电能力，从而避免购买价格贵且碳排高的上级电网电能，以降低数据中心集群的碳排放和运行成本。因此，上述分析了说明了数据中心间进行数据交互的必要性。
当数据中心1的服务器服务能力达到上限时，此时数据中心1的燃气轮机仍未满载，为提高燃气轮机的利用效率，场景3在场景2的基础上增加了功率交互，可以进一步降低数据中心集群的运行成本和碳排放量。但同时，由于数据中心1承担了过多的发电任务，导致其碳排放超过了其初始碳配额，而数据中心2和数据中心3的碳排放均小于其初始碳配额。因此，场景4在场景3的基础上考虑碳配额交互，避免了数据中心1在碳交易市场以昂贵的价格购买碳排放权，进而降低了数据中心集群的运行成本和碳交易成本，这也说明在数据中心间进行碳排放配额交互的必要性。
如图2、图3所示，本发明实施例提供了一种基于资源共享的数据中心集群调度装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图2所示，为本发明实施例提供的一种基于资源共享的数据中心集群调度装置所在电子设备的一种硬件架构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的电子设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图3所示，作为一个逻辑意义上的装置，是通过其所在电子设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。
本实施例提供的一种基于资源共享的数据中心集群调度装置，包括：
构建单元300，用于基于预设的交互规则，构建目标数据中心集群的资源调度模型；预设的交互规则包括目标数据中心集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；
求解单元302，用于以各数据中心的用能成本最小为目标，对资源调度模型进行求解，得到每个数据中心的调度结果，调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量。
在一些实施方式中，在任一调度周期内，针对目标数据中心集群中的每个数据中心，均执行：
判断该数据中心的待处理数据量是否超过其剩余处理能力；
若是，则确定过剩数据所需的处理能力；并判断其它数据中心的剩余处理能力是否大于该过剩数据所需的处理能力；若是，则将该目标数据中心的过剩数据发送至具有相应处理能力的数据中心，并由该具有相应处理能力的数据中心处理该过剩数据。
在一些实施方式中，待处理数据包括第一数据和第二数据，第一数据需要实时处理，第二数据需要在预设时间内完成。
在一些实施方式中，每个数据中心均包括可再生能源和燃气轮机，数据中心集群包括储能设备，且每个数据中心均可向电网购电；
电力交互规则和储能分配规则为：
针对每个数据中心，当其可再生能源和燃气轮机产生的电能不能满足其电能需求时；判断储能设备的剩余功率和容量是否大于其不足的电能需求；若是，则由储能设备为其提供不足的电能；若否，则判断当前电网购电成本是否小于可再生能源和燃气轮机的发电成本；若是，则从电网购买所需的不足电能；若否，则判断其它数据中心的可再生能源和/或燃气轮机是否有剩余电能，若有，则从其它数据中心购买所需的不足电能。
在一些实施方式中，储能分配规则需满足下述约束条件：
式中，PESS,n,t和EESS,n,t分别为时刻t分配给数据中心n的储能功率和储能容量；PESS,max和EESS,max分别为储能功率的上限和储能容量的上限；NIDC为数据中心集群包含的数据中心数量；EESS,n,0为数据中心n的储能剩余容量初值；ηEES为储能设备的充放电效率；Pch,n,τ和Pdch,n,τ分别为时刻τ数据中心n使用的储能设备的充电功率和放电功率。
在一些实施方式中，碳流交互规则为：
针对每个数据中心，判断其当前碳排放量是否超出其额定碳排放指标；若是，则判断其它数据中心是否有剩余碳排放额度；若有，则从其它数据中心购买碳排放指标；否则从外部市场购买碳排放指标。
在一些实施方式中，资源调度模型的目标函数为：
Cn(xn,νn)＝CE,n+CESS,n+CCE,n
式中，Cn(xn,νn)为数据中心n的用电成本；xn为数据中心n的决策变量；vn为数据中心n与其它数据中心之间的耦合变量；NIDC为数据中心集群包含的数据中心数量；Gn(xn,vn)为数据中心n的不等式约束，包括储能分配约束和碳排放约束；Hn(xn,vn)为数据中心n的等式约束，包括用能设备运行约束、发电约束、购电约束和功率平衡约束；CE,n为数据中心n的用电成本；CESS,n为数据中心n使用储能资源的费用；CCE,n为数据中心n的碳交易成本。
可以理解的是，本发明实施例示意的结构并不构成对一种基于资源共享的数据中心集群调度装置的具体限定。在本发明的另一些实施例中，一种基于资源共享的数据中心集群调度装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本发明任一实施例中的一种基于资源共享的数据中心集群调度方法。
本发明实施例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上存储有计算机程序，所述计算机程序在被处理器执行时，使所述处理器执行本发明任一实施例中的一种基于资源共享的数据中心集群调度方法。
具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
最后应说明的是：以上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精神和范围。

Claims (7)

1.一种基于资源共享的数据中心集群调度方法，其特征在于，包括：
基于预设的交互规则，构建目标数据中心集群的资源调度模型；所述预设的交互规则包括所述目标数据中心集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；
以各数据中心的用能成本最小为目标，对所述资源调度模型进行求解，得到每个数据中心的调度结果，所述调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量；
所述数据交互规则为：
在任一调度周期内，针对所述目标数据中心集群中的每个数据中心，均执行：
判断该数据中心的待处理数据量是否超过其剩余处理能力；
若是，则确定过剩数据所需的处理能力；并判断其它数据中心的剩余处理能力是否大于该过剩数据所需的处理能力；若是，则将该目标数据中心的过剩数据发送至具有相应处理能力的数据中心，并由该具有相应处理能力的数据中心处理该过剩数据；
所述待处理数据包括第一数据和第二数据，所述第一数据需要实时处理，所述第二数据需要在预设时间内完成；
所述第一数据和所述第二数据均应满足一致性约束，如下述方程所示：
INmn,t+INnm,t＝0，BAmn,t+BAnm,t＝0
式中，INmn,t和INnm,t分别为数据中心n和数据中心m间的第一数据的交换量；BAmn,t和BAnm,t分别为数据中心n和数据中心m间的第二数据的交换量；
所述资源调度模型的目标函数为：
Cn(xn,vn)＝CE,n+CESS,n+CCE,n
式中，Cn(xn,vn)为数据中心n的用能成本；xn为数据中心n的决策变量；vn为数据中心n与其它数据中心之间的耦合变量；NIDC为数据中心集群包含的数据中心数量；Gn(xn,vn)为数据中心n的不等式约束，包括储能分配约束和碳排放约束；Hn(xn,vn)为数据中心n的等式约束，包括用能设备运行约束、发电约束、购电约束和功率平衡约束；CE,n为数据中心n的用电成本；CESS,n为数据中心n使用储能资源的费用；CCE,n为数据中心n的碳交易成本；
所述用能设备的运行约束，即服务器用能约束，如下述方程所示：
式中，INn,t和BAn,t分别为t时刻数据中心n服务器的第一数据总量和第二数据总量；INn,0,t和BAn,0,t分别为t时刻数据中心n自身的第一数据量和第二数据量；
所述第一数据和所述第二数据的处理时间约束如下述方程所示：
式中，IN′n,t和BA′n,t分别为t时刻数据中心n服务的第一数据和第二数据；为第二数据完成服务的最大延迟时间；
各数据中心的功率模型如下述方程所示：
PIDC,n,t＝γPUENserve,n[Pidle,n+(Ppeak,n-Pidle,n)(IN′n,t+BA′n,t)/(Nserve,nπserve)]
式中，PIDC，n,t为数据中心n在t时刻的功率；Nserve,n为数据中心n拥有的服务器总量；Pidle,n为数据中心n拥有的服务器的空载功率；Ppeak,n为数据中心n拥有的服务器的满载功率；πserve为服务器的服务速率；
燃气轮机运行约束为：
0≤PGT,n,t≤PGT,n,max
式中，PGT,n,t为t时刻数据中心n所拥有的燃气轮机的发电功率；PGT,n,max为数据中心n所拥有的燃气轮机的发电功率上限；
向上级电网购售电约束为：
式中，为t时刻数据中心n与上级电网的功率交互量；为数据中心与上级主网间的功率交互上限；
功率平衡约束为：
式中，ωn,l为高斯分量l的权重；δn,l为高斯分量l的方差；μn,l为高斯分量l的期望；ξRE,n,t为数据中心n的可再生能源发电预测误差；f(ξRE,n,t)为可再生能源发电预测误差的概率密度函数；
在给定的置信度α下，功率平衡方程如下所示：
式中，PRE,n,t为数据中心n的可再生能源发电出力；ξL,n,t为服务器及其配套设备功率波动；α取0.95；PGT,n,t为t时刻数据中心n的燃气轮机电功率；PUG,n,t为t时刻时数据中心n向上级电网的购售电功率；NIDC为数据中心集群包含的数据中心数量；Pch,n,t为时刻t数据中心n使用的储能设备的充电功率；Pmn,t表示数据中心m向数据中心n传输的电功率，功率数值由数据中心m决定；PIDC，n,t为数据中心n在t时刻的功率；
碳排放约束为：
式中，eGT为燃气轮机发电的碳排因子；eUG为上层电网碳排因子；为数据中心n的初始碳配额，为数据中心n购买的碳配额；CEmn,t为t时刻数据中心n和数据中心m间的碳配额的交换量。
2.根据权利要求1所述的方法，其特征在于，每个所述数据中心均包括可再生能源和燃气轮机，所述数据中心集群包括储能设备，且每个所述数据中心均可向电网购电；
所述电力交互规则和所述储能分配规则为：
针对每个数据中心，当其可再生能源和燃气轮机产生的电能不能满足其电能需求时；判断所述储能设备的剩余功率和容量是否大于其不足的电能需求；若是，则由储能设备为其提供不足的电能；若否，则判断当前电网购电成本是否小于可再生能源和燃气轮机的发电成本；若是，则从电网购买所需的不足电能；若否，则判断其它数据中心的可再生能源和/或燃气轮机是否有剩余电能，若有，则从其它数据中心购买所需的不足电能。
3.根据权利要求2所述的方法，其特征在于，所述储能分配规则需满足下述约束条件：
式中，PESS,n,t和EESS,n,t分别为时刻t分配给数据中心n的储能功率和储能容量；PESS,max和EESS,max分别为储能功率的上限和储能容量的上限；NIDC为数据中心集群包含的数据中心数量；EESS,n,0为数据中心n的储能剩余容量初值；ηEES为储能设备的充放电效率；Pch,n,τ和Pdch,n,τ分别为时刻τ数据中心n使用的储能设备的充电功率和放电功率。
4.根据权利要求1所述的方法，其特征在于，所述碳流交互规则为：
针对每个数据中心，判断其当前碳排放量是否超出其额定碳排放指标；若是，则判断其它数据中心是否有剩余碳排放额度；若有，则从其它数据中心购买碳排放指标；否则从外部市场购买碳排放指标。
5.一种基于资源共享的数据中心集群调度装置，其特征在于，包括：
构建单元，用于基于预设的交互规则，构建目标数据中心集群的资源调度模型；所述预设的交互规则包括所述目标数据中心集群中各数据中心之间的数据交互规则、电力交互规则、碳流交互规则和储能分配规则；
求解单元，用于以各数据中心的用能成本最小为目标，对所述资源调度模型进行求解，得到每个数据中心的调度结果，所述调度结果包括数据交换量、电力交换量、碳排放交换量和储能分配量；
所述数据交互规则为：
在任一调度周期内，针对所述目标数据中心集群中的每个数据中心，均执行：
判断该数据中心的待处理数据量是否超过其剩余处理能力；
若是，则确定过剩数据所需的处理能力；并判断其它数据中心的剩余处理能力是否大于该过剩数据所需的处理能力；若是，则将该目标数据中心的过剩数据发送至具有相应处理能力的数据中心，并由该具有相应处理能力的数据中心处理该过剩数据；
所述待处理数据包括第一数据和第二数据，所述第一数据需要实时处理，所述第二数据需要在预设时间内完成；
所述第一数据和所述第二数据均应满足一致性约束，如下述方程所示：
INmn,t+INnm,t＝0，BAmn,t+BAnm,t＝0
式中，INmn,t和INnm,t分别为数据中心n和数据中心m间的第一数据的交换量；BAmn,t和BAnm,t分别为数据中心n和数据中心m间的第二数据的交换量；
所述资源调度模型的目标函数为：
Cn(xn,vn)＝CE,n+CESS,n+CCE,n
式中，Cn(xn,vn)为数据中心n的用能成本；xn为数据中心n的决策变量；vn为数据中心n与其它数据中心之间的耦合变量；NIDC为数据中心集群包含的数据中心数量；Gn(xn,vn)为数据中心n的不等式约束，包括储能分配约束和碳排放约束；Hn(xn,vn)为数据中心n的等式约束，包括用能设备运行约束、发电约束、购电约束和功率平衡约束；CE,n为数据中心n的用电成本；CESS,n为数据中心n使用储能资源的费用；CCE,n为数据中心n的碳交易成本；
所述用能设备的运行约束，即服务器用能约束，如下述方程所示：
式中，INn,t和BAn,t分别为t时刻数据中心n服务器的第一数据总量和第二数据总量；INn,0,t和BAn,0,t分别为t时刻数据中心n自身的第一数据量和第二数据量；
所述第一数据和所述第二数据的处理时间约束如下述方程所示：
式中，IN′n,t和BA′n,t分别为t时刻数据中心n服务的第一数据和第二数据；为第二数据完成服务的最大延迟时间；
各数据中心的功率模型如下述方程所示：
PIDC,n,t＝γPUENserve,n[Pidle,n+(Ppeak,n-Pidle,n)(IN′n,t+BA′n,t)/(Nserve,nπserve)]
式中，PIDC，n,t为数据中心n在t时刻的功率；Nserve,n为数据中心n拥有的服务器总量；Pidle,n为数据中心n拥有的服务器的空载功率；Ppeak,n为数据中心n拥有的服务器的满载功率；πserve为服务器的服务速率；
燃气轮机运行约束为：
0≤PGT，n，t≤PGT，n，max
式中，PGT,n,t为t时刻数据中心n所拥有的燃气轮机的发电功率；PGT,n,max为数据中心n所拥有的燃气轮机的发电功率上限；
向上级电网购售电约束为：
式中，为t时刻数据中心n与上级电网的功率交互量；为数据中心与上级主网间的功率交互上限；
功率平衡约束为：
式中，ωn,l为高斯分量l的权重；δn,l为高斯分量l的方差；μn,l为高斯分量l的期望；ξRE,n,t为数据中心n的可再生能源发电预测误差；f(ξRE,n,t)为可再生能源发电预测误差的概率密度函数；
在给定的置信度α下，功率平衡方程如下所示：
式中，PRE,n,t为数据中心n的可再生能源发电出力；ξL,n,t为服务器及其配套设备功率波动；α取0.95；PGT,n,t为t时刻数据中心n的燃气轮机电功率；PUG,n,t为t时刻时数据中心n向上级电网的购售电功率；NIDC为数据中心集群包含的数据中心数量；Pch,n,t为时刻t数据中心n使用的储能设备的充电功率；Pmn,t表示数据中心m向数据中心n传输的电功率，功率数值由数据中心m决定；PIDC，n,t为数据中心n在t时刻的功率；
碳排放约束为：
式中，eGT为燃气轮机发电的碳排因子；eUG为上层电网碳排因子；为数据中心n的初始碳配额，为数据中心n购买的碳配额；CEmn,t为t时刻数据中心n和数据中心m间的碳配额的交换量。
6.一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-4中任一项所述的方法。
CN202410336695.4A 2024-03-22 2024-03-22 基于资源共享的数据中心集群调度方法及装置 Active CN118171775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410336695.4A CN118171775B (zh) 2024-03-22 2024-03-22 基于资源共享的数据中心集群调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410336695.4A CN118171775B (zh) 2024-03-22 2024-03-22 基于资源共享的数据中心集群调度方法及装置

Publications (2)

Publication Number Publication Date
CN118171775A CN118171775A (zh) 2024-06-11
CN118171775B true CN118171775B (zh) 2024-09-06

Family

ID=91359547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410336695.4A Active CN118171775B (zh) 2024-03-22 2024-03-22 基于资源共享的数据中心集群调度方法及装置

Country Status (1)

Country Link
CN (1) CN118171775B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116822131A (zh) * 2023-04-12 2023-09-29 中国人民解放军国防科技大学 一种基于碳排放约束的跨数据中心能源成本优化方法
CN117353290A (zh) * 2023-10-07 2024-01-05 华北电力大学 一种数据中心与共享储能电站的联合调度方法及计算设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898282A (zh) * 2018-06-06 2018-11-27 华北电力大学 数据中心资源优化调度方法及计算机存储介质
CN112966857B (zh) * 2021-02-10 2022-09-30 合肥工业大学 数据中心多能协同优化方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116822131A (zh) * 2023-04-12 2023-09-29 中国人民解放军国防科技大学 一种基于碳排放约束的跨数据中心能源成本优化方法
CN117353290A (zh) * 2023-10-07 2024-01-05 华北电力大学 一种数据中心与共享储能电站的联合调度方法及计算设备

Also Published As

Publication number Publication date
CN118171775A (zh) 2024-06-11

Similar Documents

Publication Publication Date Title
CN114742425B (zh) 绿色数据中心多资源协同规划方法、计算设备及存储介质
Lu et al. Data center aggregators’ optimal bidding and benefit allocation strategy considering the spatiotemporal transfer characteristics
CN117709552A (zh) 基于分布式能源分类聚合的虚拟电厂调度优化方法
CN112671022A (zh) 光储充电站容量优化配置方法、系统、终端及存储介质
Zhang et al. Randomized auction design for electricity markets between grids and microgrids
Malla et al. A survey on power management techniques for oversubscription of multi-tenant data centers
CN115630750B (zh) 现货市场出清与校核耦合优化方法、装置及电子设备
CN114498638A (zh) 计及源荷双侧不确定性的源网荷储协调规划方法及系统
CN117353290A (zh) 一种数据中心与共享储能电站的联合调度方法及计算设备
CN119338568A (zh) 虚拟电厂的多市场交易预测方法
Mondal et al. Dynamic price-enabled strategic energy management scheme in cloud-enabled smart grid
CN115425663B (zh) 多数据中心联盟的多场景共享储能规划方法及其系统
CN116843152A (zh) 面向电力-数据服务的互联网数据中心双层规划方法
CN118171775B (zh) 基于资源共享的数据中心集群调度方法及装置
CN119093346B (zh) 一种电网功率设备的调度方法、装置、设备、介质及产品
Benblidia et al. A game based power allocation in cloud computing data centers
CN119692552A (zh) 一种虚拟电厂优化调度方法、电子设备及存储介质
CN119382110A (zh) 多组虚拟电厂综合优化调度方法、装置、设备及存储介质
Zhou et al. An online emergency demand response mechanism for cloud computing
CN116362508A (zh) 一种火电厂负荷优化分配方法、装置及电子设备
Nkwawir et al. Data Center Energy Optimization Under Different Dynamic Pricing Schemes
Sage et al. Deep reinforcement learning for the joint dispatch of battery energy storage systems and gas turbines in microgrids with renewable energy
KR102767883B1 (ko) 전기저장장치의 설비 투자의 최적화 도출 장치 및 방법
Xu et al. Joint Energy Trading and Computation Scheduling for Geo-Distributed Data Centers in Emergency Demand Response
Lin et al. Middlebox: Unlocking Datacenter Growth and Grid Decarbonization

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