促進新能源消納的數(shù)據(jù)中心負荷優(yōu)化調(diào)度方法研究

摘要： 隨著數(shù)字經(jīng)濟的高速發(fā)展，數(shù)據(jù)中心作為“新基建”的重要組成部分，其建設(shè)規(guī)模正在急劇擴大，高耗電量導(dǎo)致其運營成本高昂，亟須通過參與電網(wǎng)互動進一步提升運營經(jīng)濟性。開展了促進新能源消納的數(shù)據(jù)中心優(yōu)化調(diào)度方法研究。首先，根據(jù)數(shù)據(jù)中心負荷的調(diào)節(jié)特性，構(gòu)建了考慮計算載荷時空遷移特性及制冷系統(tǒng)調(diào)節(jié)能力的數(shù)據(jù)中心能耗模型。然后，以數(shù)據(jù)中心總運營成本最小為目標(biāo)，提出和建立了促進系統(tǒng)新能源消納的數(shù)據(jù)中心負荷優(yōu)化調(diào)度模型，并進行仿真驗證。仿真結(jié)果表明，數(shù)據(jù)中心通過參與電網(wǎng)互動，可以降低總體運營成本，同時提高電網(wǎng)的新能源消納能力。關(guān)鍵詞： 新能源消納; 數(shù)據(jù)中心; 計算載荷; 制冷系統(tǒng); 優(yōu)化調(diào)度

中圖分類號： TU855文獻標(biāo)志碼： A文章編號： 16748417（2024）10000108

DOI： 10.16618/j.cnki.16748417.2024.10.001

0引言

在“雙碳”目標(biāo)戰(zhàn)略下，我國正在構(gòu)建以新能源為主體的新型電力系統(tǒng)［1］。預(yù)計到2060年，我國風(fēng)光總裝機容量占比將達60%，電力系統(tǒng)將面臨新能源消納難的問題，亟須進一步挖掘需求側(cè)靈活資源來增加系統(tǒng)調(diào)度能力。

近年來，互聯(lián)網(wǎng)技術(shù)高速發(fā)展，數(shù)據(jù)信息爆炸性增長。為對數(shù)據(jù)進行計算存儲，數(shù)據(jù)中心數(shù)量及規(guī)模正迅速擴大。據(jù)工信部統(tǒng)計，截至2019年底，我國數(shù)據(jù)中心總量達7.4萬個，約占全球23%，至2021年全國機柜總量已達到約415.1萬架［2］。數(shù)據(jù)中心是“新基建”中的耗能大戶［34］，到2025年預(yù)計數(shù)據(jù)中心總耗電量達到2 820億kWh，約占全社會用電量的3.1%。一方面，數(shù)據(jù)中心作為龐大的新型需求響應(yīng)資源，充分挖掘其多維調(diào)節(jié)潛力有助于協(xié)調(diào)全局平衡電力供需，保障電網(wǎng)高效穩(wěn)定地運行;另一方面，數(shù)據(jù)中心耗電量高導(dǎo)致運營成本高昂，亟須通過參與電網(wǎng)互動獲得補償，以提升運營經(jīng)濟性。

目前，國內(nèi)外學(xué)者已開展了關(guān)于數(shù)據(jù)中心參與電網(wǎng)調(diào)度的研究［57］。文獻［8］以提升托管式數(shù)據(jù)中心的運營經(jīng)濟性為目的，構(gòu)建了數(shù)據(jù)中心運營商與租戶間的交互模型，并利用柴油發(fā)電機資源參與需求響應(yīng)。文獻［9］突破了現(xiàn)有研究中將制冷系統(tǒng)作為不可調(diào)負荷的局限，構(gòu)建了數(shù)據(jù)中心制冷系統(tǒng)能耗模型，利用機房的蓄冷能力提出了即時消納新能源的數(shù)據(jù)中心變溫控制策略。文獻［10］針對數(shù)據(jù)中心制冷負荷具有熱慣性、可調(diào)度性的特征，分析了數(shù)據(jù)中心水冷空調(diào)參與需求響應(yīng)的潛力。文獻［11］充分利用數(shù)據(jù)中心計算載荷的時間、空間轉(zhuǎn)移能力，實時追蹤新能源功率波動以最大化消納新能源出力。文獻［12］以提高數(shù)據(jù)中心運營經(jīng)濟性、減少碳排放為出發(fā)點，構(gòu)建了數(shù)據(jù)中心與微電網(wǎng)協(xié)同增效的交互式集成規(guī)劃框架。文獻［13］分析了不同類型計算載荷的運行特性，提出了綠色數(shù)據(jù)中心多域資源協(xié)調(diào)規(guī)劃模型。上述文獻分別對數(shù)據(jù)中心內(nèi)計算載荷、制冷負荷、柴油發(fā)電機等資源參與電網(wǎng)互動的策略進行了相關(guān)研究，但是少有文獻研究多數(shù)據(jù)中心之間如何利用計算載荷時空可調(diào)特性以及制冷負荷靈活性降低數(shù)據(jù)中心總運營成本，提升系統(tǒng)新能源消納能力。

數(shù)據(jù)中心能耗高、分布廣、時間轉(zhuǎn)移靈活，作為需求側(cè)靈活性資源參與電網(wǎng)互動具有重要意義。本文根據(jù)數(shù)據(jù)中心負荷的調(diào)節(jié)特性，建立了不同類型計算載荷以及制冷系統(tǒng)的能耗模型。然后，以多數(shù)據(jù)中心總運營成本最小為目標(biāo)，提出并建立了促進系統(tǒng)新能源消納的數(shù)據(jù)中心負荷優(yōu)化調(diào)度模型。

1數(shù)據(jù)中心能耗模型

數(shù)據(jù)中心的電力能耗主要來自于服務(wù)器、制冷系統(tǒng)、網(wǎng)絡(luò)通信設(shè)備，三者能耗占比為5∶4∶1［14］。本文的數(shù)據(jù)中心總用電功耗按下式計算：

1.1服務(wù)器能耗模型

1.2制冷系統(tǒng)模型

1.3計算載荷模型

IT設(shè)備是數(shù)據(jù)中心提供服務(wù)的關(guān)鍵，服務(wù)器作為主要負荷約占總負荷的40%。服務(wù)器的功率與CPU利用率成正比［18］。因此，可以通過對數(shù)據(jù)中心計算載荷進行調(diào)度遷移，調(diào)節(jié)CPU利用率及服務(wù)器功耗。

依據(jù)響應(yīng)方式可將計算載荷分為如下類型［12］：

（1） 時間可轉(zhuǎn)移型計算載荷（TFCL）。計算載荷時空調(diào)節(jié)靈活性示意圖如圖1所示。當(dāng)計算載荷到達率高峰時段的服務(wù)器處理能力不足時，可以將該類計算載荷適當(dāng)延遲處理，將該特性稱作計算載荷時間靈活性。

（2） 空間可轉(zhuǎn)移型計算載荷（SFCL）。隨著“綠色數(shù)據(jù)中心”概念的提出，當(dāng)數(shù)據(jù)中心發(fā)生機組過負荷、計算資源分配不均等問題時，可以將能耗密集區(qū)的SFCL轉(zhuǎn)移到新能源充足的地區(qū)處理，這一特性稱作計算載荷空間靈活性。

（3） 剛性計算載荷（NFCL）。NFCL指對任務(wù)處理時間和質(zhì)量有嚴(yán)格要求的計算載荷，不具備可調(diào)能力。

1.3.1時間可轉(zhuǎn)移型計算載荷

1.3.2空間可轉(zhuǎn)移型計算載荷

SFCL能夠在不同數(shù)據(jù)中心之間實現(xiàn)在線空間遷移的關(guān)鍵技術(shù)是虛擬機［6，12］，該技術(shù)用于實現(xiàn)服務(wù)器硬件資源的虛擬化，以及虛擬機的配置、遷移和調(diào)度。SFCL的具體模型如下：

1.3.3剛性計算載荷

2數(shù)據(jù)中心優(yōu)化調(diào)度模型

基于上述的數(shù)據(jù)中心能耗模型，建立促進新能源消納的數(shù)據(jù)中心優(yōu)化調(diào)度模型。

2.1目標(biāo)函數(shù)

SFCL通過虛擬機遷移技術(shù)來實現(xiàn)多數(shù)據(jù)中心間的空間遷移，所以需考慮虛擬機軟件資源的配置成本［12］。TFCL由于進行延時處理，不可避免地對用戶體驗產(chǎn)生影響，需考慮效益折損成本［19］。以數(shù)據(jù)中心運營商總成本最低為目標(biāo)，考慮功率平衡以及計算載荷調(diào)度等約束條件，優(yōu)化求解T時段各數(shù)據(jù)中心的最優(yōu)調(diào)度計劃，目標(biāo)函數(shù)為

2.2約束條件

數(shù)據(jù)中心功率平衡約束保證數(shù)據(jù)中心總用能由新能源和外部電網(wǎng)購電提供，同時包括新能源出力約束、電網(wǎng)購電量約束，如下式所示：

3算例分析

3.1算例設(shè)置

以3個數(shù)據(jù)中心為例進行仿真分析，各數(shù)據(jù)中心原始計算載荷到達率如圖2所示。計算載荷到達率總體呈現(xiàn)白天高、夜晚低的特點。為體現(xiàn)計算載荷的時間靈活性，本文優(yōu)化時域選為07∶00至次日07∶00，優(yōu)化間隔為1 h。

算例具體設(shè)置如下：各數(shù)據(jù)中心所在區(qū)域的新能源出力及分時電價如圖3所示［11］。新能源購電價格為0.25元·（kW·h）-1。服務(wù)器機房溫度維持在18～27 ℃［20］，機房環(huán)境初始溫度為22 ℃。根據(jù)服務(wù)質(zhì)量協(xié)議要求，TSCL最大延時處理時長為6 h，用戶允許的最大延時Tmax為0.3 s［13］。系統(tǒng)設(shè)備參數(shù)取值如表1所示。

本文根據(jù)數(shù)據(jù)中心計算載荷時間、空間可調(diào)特性以及機房蓄冷能力等設(shè)置3個場景進行對比分析。其中，場景一不考慮數(shù)據(jù)中心任何可調(diào)特性，場景二考慮計算載荷時間、空間可調(diào)特性，場景三同時考慮計算載荷時間、空間可調(diào)特性以及機房蓄冷能力。

3.2不同場景優(yōu)化效果對比分析

場景一中數(shù)據(jù)中心能耗情況如圖4所示。在數(shù)據(jù)中心A的9∶00～20∶00時段、數(shù)據(jù)中心C的15∶00～23∶00時段，其所在區(qū)域的新能源出力較少，而該時段的服務(wù)器能耗均處于較高水平，因此需向電網(wǎng)大量購電以保證用電。此外，由于3個數(shù)據(jù)中心在夜間1∶00～7∶00時段的計算載荷任務(wù)較少，能耗較小，難以充分消納新能源出力。

場景二同時考慮了計算載荷的時間、空間可調(diào)特性。場景二中數(shù)據(jù)中心能耗情況如圖5所示。相比于場景一，在時間上，各數(shù)據(jù)中心通過將計算載荷任務(wù)遷移到新能源出力較多的24∶00～次日7∶00，新能源消納效果得到了顯著提升。此外，數(shù)據(jù)中心A和C通過將計算載荷任務(wù)從電價峰時段遷移到電價谷時，從而降低電網(wǎng)購電成本。在空間上，計算載荷任務(wù)在各數(shù)據(jù)中心之間遷移，數(shù)據(jù)中心A、C的計算載荷任務(wù)由新能源較多的15∶00～22∶00時段向數(shù)據(jù)中心B進行了空間轉(zhuǎn)移，數(shù)據(jù)中心A、B的計算載荷任務(wù)在9∶00～12∶00時段空間遷移到數(shù)據(jù)中心C?？紤]數(shù)據(jù)中心計算載荷的時間、空間可調(diào)特性，有助于整個系統(tǒng)中數(shù)據(jù)中心用能向新能源出力較多的時段遷移，提升新能源消納能力。

受限于服務(wù)器數(shù)量和最大延遲處理時長，場景二中各數(shù)據(jù)中心在3∶00～7∶00時段仍有不少新能源棄電行為。場景三進一步利用數(shù)據(jù)中心機房蓄冷能力提升響應(yīng)效果，場景三中數(shù)據(jù)中心能耗情況如圖6所示，場景三中各數(shù)據(jù)中心機房溫度變化情況如圖7所示。

數(shù)據(jù)中心A在9∶00～16∶00將機房溫度控制在上限27 ℃，以此減少制冷系統(tǒng)功率，從而降低電網(wǎng)購電成本。相反，由于數(shù)據(jù)中心B、數(shù)據(jù)中心C在11∶00～14∶00、1∶00～7∶00時段新能源出力較多，降低了室溫來增加制冷系統(tǒng)功率，提升了新能源消納效果。

3.3新能源消納效果分析

場景三通過同時考慮計算載荷的時間、空間可調(diào)特性以及機房蓄冷能力，顯著提升了各數(shù)據(jù)中心新能源消納能力。不同場景新能源消納效果對比如圖8所示。場景一中各數(shù)據(jù)中心的新能源平均消納率為79.0%、65.9%、74.7%，在場景三中各數(shù)據(jù)中心的新能源平均消納率為92.6%、88.5%、92.4%。

3.4經(jīng)濟效益分析

本文通過將數(shù)據(jù)中心計算載荷任務(wù)從電價峰時遷移到電價谷時處理，或從新能源匱乏的數(shù)據(jù)中心遷移到新能源充足的數(shù)據(jù)中心處理，以此減少數(shù)據(jù)中心運營成本。各場景下的數(shù)據(jù)中心總運營成本如表2所示。相較于場景一，場景二利用計算載荷的時空遷移能力減少電網(wǎng)購電成本27 974.5元（75.4%）。場景三進一步利用機房蓄冷能力調(diào)節(jié)制冷系統(tǒng)功率，減少了電網(wǎng)購電成本32 682.0元（88.1%），最終總成本降低了14 646.5元（18.3%）。綜上，利用數(shù)據(jù)中心的計算載荷可調(diào)特性以及機房蓄冷能力，能夠有效促進新能源消納，大幅減少電網(wǎng)購電成本，提升數(shù)據(jù)中心運營經(jīng)濟性。

4結(jié)語

本文針對新型電力系統(tǒng)中如何利用數(shù)據(jù)中心促進新能源消納的問題，研究了考慮計算載荷時空可調(diào)節(jié)特性以及制冷負荷靈活性的數(shù)據(jù)中心負荷優(yōu)化調(diào)度策略。本文根據(jù)是否考慮數(shù)據(jù)中心計算載荷時間、空間可調(diào)特性以及機房蓄冷能力等設(shè)置了3個場景進行對比分析。仿真結(jié)果表明，考慮計算載荷的時間、空間可調(diào)節(jié)特性能夠提升系統(tǒng)新能源消納能力，進一步考慮制冷負荷的靈活性，系統(tǒng)新能源消納率可達到約90%。相較于數(shù)據(jù)中心不參與電網(wǎng)互動，數(shù)據(jù)中心的電網(wǎng)購電成本降低了88.1%，總成本降低了18.3%，顯著提升了運營經(jīng)濟性。

［1］任大偉，肖晉宇，侯金鳴，等.雙碳目標(biāo)下我國新型電力系統(tǒng)的構(gòu)建與演變研究［J］.電網(wǎng)技術(shù)，2022，46（10）：38313839.

［2］余瀟瀟，宋福龍，周原冰，等.“新基建”對中國“十四五”電力需求和電網(wǎng)規(guī)劃的影響分析［J］.中國電力，2021，54（7）：1117.

［3］辛保安.搶抓數(shù)字新基建機遇推動電網(wǎng)數(shù)字化轉(zhuǎn)型［J］.電力設(shè)備管理，2021（2）：1719.

［4］朱文.《數(shù)據(jù)中心能源消耗限額》標(biāo)準(zhǔn)解析［J］.現(xiàn)代建筑電氣，2021，12（8）：3337.

［5］MONTI" A，MLLER D，F(xiàn)UCHS M，et al.Data center control strategy for participation in demand response programs［J］.IEEE Transactions on Industrial Informatics，2018，14（11）：50875099.

［6］曹望璋.計及數(shù)據(jù)中心負荷可調(diào)節(jié)潛力的需求響應(yīng)策略研究［D］.北京：華北電力大學(xué)（北京），2023.

［7］王丹陽，張沈習(xí)，程浩忠，等.考慮數(shù)據(jù)中心用能時空可調(diào)的電氣互聯(lián)綜合能源系統(tǒng)分布式光伏最大準(zhǔn)入容量計算［J］.電力系統(tǒng)及其自動化學(xué)報，2023，35（2）：121131.

［8］曹望璋，李彬，祁兵，等.計算資源共享模式下的托管式數(shù)據(jù)中心群兩階段魯棒優(yōu)化模型［J］.電網(wǎng)技術(shù)，2022，46（10）：41024115.

［9］朱介北，楊順坡，俞露杰，等.數(shù)據(jù)中心制冷系統(tǒng)即時消納可再生能源的建模和變溫控制［J］.電力系統(tǒng)自動化，2022，46（20）：1322.

［10］張少迪，丁瑞華.數(shù)據(jù)中心水冷空調(diào)系統(tǒng)預(yù)制冷需求響應(yīng)潛力仿真研究［J］.現(xiàn)代建筑電氣，2022，13（8）：610.

［11］楊挺，姜含，侯昱丞，等.基于計算負荷時–空雙維遷移的互聯(lián)多數(shù)據(jù)中心碳中和調(diào)控方法研究［J］.中國電機工程學(xué)報，2022，42（1）：164177.

［12］張玉瑩，曾博，周吟雨，等.碳減排驅(qū)動下的數(shù)據(jù)中心與配電網(wǎng)交互式集成規(guī)劃研究［J］.電工技術(shù)學(xué)報，2023，38（23）：64336450.

［13］曾博，劉一賢，張衛(wèi)翔，等.綜合考慮內(nèi)外生不確定性的綠色數(shù)據(jù)中心多域資源協(xié)同規(guī)劃方法［J/OL］.中國電機工程學(xué)報，118［20240309］.http：∥hp.kns.cnki.net.shiep.vpn358.com/kcms/detail/11.2107.TM.20230130.1641.003.html.

［14］高賜威，曹曉峻，閆華光，等.數(shù)據(jù)中心電能管理及參與需求側(cè)資源調(diào)度的展望［J］.電力系統(tǒng)自動化，2017，41（23）：17.

［15］陳敏，高賜威，陳宋宋，等.考慮數(shù)據(jù)中心用電負荷調(diào)節(jié)潛力的雙層經(jīng)濟調(diào)度模型［J］.中國電機工程學(xué)報，2019，39（5）：13011314.

［16］CHEN M，GAO C.Internet data center load modeling for demand response considering the coupling of multiple regulation methods［J］.IEEE Transactions on Smart Grid，2021，12（3）：20602076.

［17］溫正楠，劉繼春.風(fēng)光水互補發(fā)電系統(tǒng)與需求側(cè)數(shù)據(jù)中心聯(lián)動的優(yōu)化調(diào)度方法［J］.電網(wǎng)技術(shù)，2019，43（7）：24492460.

［18］丁肇豪，曹雨潔，張素芳，等.能源互聯(lián)網(wǎng)背景下數(shù)據(jù)中心與電力系統(tǒng)協(xié)同優(yōu)化（一）：數(shù)據(jù)中心能耗模型［J］.中國電機工程學(xué)報，2022（9）：31613177.

［19］TRAN N H，TRAN D H，et al.How geodistributed data centers do demand response：a gametheoretic approach［J］.IEEE Transactions on Smart Grid，2016，7（2）：937947.

［20］鄭鋒，連懌，韓穎，等.高效節(jié)能新技術(shù)在超大型云計算數(shù)據(jù)中心的研究及其應(yīng)用［J］.現(xiàn)代建筑電氣，2021，12（6）：6673.

收稿日期： 20240415

Research on Load Optimization and Scheduling Methods for

Data Centers to Promote the Consumption of New Energy

LIU Ziteng，XIANG Jiani，LI Jinxin，ZHAO Jianli

（State Grid Shanghai Municipal Electric Power Company， Shanghai 200122， China）

Abstract： With the rapid development of the digital economy，data centers，as an important component of “new infrastructure”，are rapidly expanding in construction scale.High power consumption leads to high operating costs，and it is urgent to further improve operational economy by participating in grid interaction.Therefore，this article conducts research on data center optimization scheduling methods to promote the consumption of new energy.Firstly，based on the regulation characteristics of data center loads，a data center energy consumption model was constructed that considers the spatiotemporal transfer characteristics of computational loads and the regulation capacity of refrigeration systems.Then，with the goal of minimizing the total operating cost of the data center，a data center load optimization scheduling model was proposed and established to promote the consumption of new energy in the system，and simulation verification was conducted.The simulation results show that the data center can significantly reduce overall operating costs and improve the new energy consumption capacity of the power grid by participating in grid interaction.

Key words： new energy consumption; data center; calculation load; refrigeration system; optimize scheduling