数据中心两阶段源荷协同优化调度研究_唐伟.pdf

电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 4 期2023 年 4 月Vol.35 No.4Apr.2023数据中心两阶段源荷协同优化调度研究唐伟1，单葆国1，郑海峰1，吴鹏1，谭清坤1，李微2（1.国网能源研究院有限公司，北京 102209；2.天津理工大学电气工程与自动化学院，天津 300384）摘要：互联数据中心 DCs（data centers）的工作负载及可再生能源预测存在很强的随机性，为避免数据中心在日内平衡市场承担较多的罚款，本文提出数据中心两阶段源荷协同优化调度模型。在日前阶段，基于日前预测信息制定次日的最优调度计划并向日前电力市场投标购电；在日内阶段，采用滚动优化的方法，对日内调度计划进行实时调整。同时，采用并行交替方向乘子算法 ADMM（alternating direction method of multipliers）将集中式优化问题转为多个可以交互的子优化问题，对日内滚动优化模型进行求解。仿真结果表明：所提出的优化调度模型可以有效降低多数据中心运行经济成本。关键词：数据中心；优化调度；滚动优化；交替方向乘子算法中图分类号：TM721文献标志码：A文章编号：1003-8930（2023）04-0049-10DOI：10.19635/ki.csu-epsa.001155Research on Two-stage Source-load Coordinated Optimal Scheduling of Data CentersTANG Wei1，SHAN Baoguo1，ZHENG Haifeng1，WU Peng1，TAN Qingkun1，LI Wei2（1.State Grid Energy Research Institute Co.，Ltd，Beijing 102209，China；2.School of Electrical Engineeringand Automation，Tianjin University of Technology，Tianjin 300384，China）Abstract:There exists strong randomness in the workload of multiple interconnected data centers（DCs）and the forecasted values of renewable energy.To ensure that the DCs do not bear more fines in the intraday balance market，a two-stage source-load coordinated optimal scheduling model for DCs is proposed in this paper.At the day-ahead stage，theoptimal scheduling plan for the next day is formulated based on the day-ahead forecasted information，and a bid for power purchases is submitted in the day-ahead power market.At the intraday stage，a rolling optimization method is used toadjust the intraday scheduling plan in real time.At the same time，a parallel alternating direction method of multipliers（ADMM）is used to transform the centralized optimization problem into multiple interactive sub-problems to solve theintraday rolling optimization model.Simulation results show that the proposed optimal scheduling model can effectivelyreduce the economic operating cost of multiple DCs.Keywords:data center（DC）；optimal scheduling；rolling optimization；alternating direction method of multipliers（ADMM）随着云计算的迅速发展，数据中心能耗体量激增。根据生态环境部有关部门测算，2021年全国数据中心机架规模达到543.6万架，全国数据中心能源消耗达到2 166亿千瓦时，较2020年增加44%，约占全年总用电量2.6%1。而在我国“双碳”目标背景下，要求数据中心必须向绿色可持续方向发展，考虑将数据中心与微网进行协同优化可以有效提升数据中心能效水平。因此，深度挖掘数据中心的负荷调节潜力，推进数据中心与微网协同优化，对丰富电网运行调节手段，促进我国电能量市场和辅助服务市场的高质量发展，实现我国”双碳”战略目标具有重要意义2。数据中心负荷区别于空调、电采暖等柔性负荷，其不仅具有时间上可调节特性，并且可以通过通信网络转移工作负载，实现电力负荷的空间转移。一方面，数据中心借助工作负载赋予的负荷时空调节能力响应不同地区不同时段电价，降低购电成本；另一方面，数据中心利用微网可再生能源时空分布不均匀的特点，调度工作负载来最大程度消纳可再生能源，从而降低用电成本。此外，考虑到可再生发电出力和工作负载数量具有很强的不确定性，使得数据中心源荷优化调度存在困难，不利于数据中心的经济运行3。因此，考虑在电力市场及多重随机因素环境下实现互联数据中心源荷协收稿日期：2022-08-27；修回日期：2022-11-10网络出版时间：2022-11-22 16：05：47基金项目：国网能源研究院有限公司科技项目（52670020000G）唐伟等：数据中心两阶段源荷协同优化调度研究电 力 系 统 及 其 自 动 化 学 报50第 4 期同调度已成为研究的重点。文献4利用数据中心负荷空间调节能力，利用Benders分解法对数据中心和电力系统进行协同优化；文献5仅利用数据中心负荷时间调节及余热回收机制，对单个数据中心进行两阶段随机优化。文献6-10通过数据中心工作负载时空转移特性，消纳各地域的可再生能源，分别降低了多个数据中心的碳排放和用能成本。文献11引入绿色证书机制，利用延迟容忍型负载的时间调节机制来消纳分布式可再生能源，提升数据中心经济效益。文献12利用全球多区域可再生能源时空分布互补性，通过工作负载时空转移机制降低各数据中心碳排放量。然而，上述研究多利用数据中心负载时空转移特性对其日前调度计划进行优化，并未考虑在日内阶段可再生能源及工作负载存在不确定性。但数据中心在存在多种不确定性源情况下，单一的日前计划或日内实时调度方法无法满足数据中心运营商调度的经济性要求13。基于此，本文提出了多数据中心两阶段源荷协同优化调度模型，通过日前-日内两阶段协同调度减少由预测误差所造成的经济损失。另外，针对优化调度模型复杂、约束条件较多、求解困难等问题，采用并行交替方向乘子算法 ADMM（alternating direction method of multipliers）求解算法对优化模型进行求解，将多数据中心整体优化模型分解成单个数据中心独立优化的子模型，减轻了运算量及数据中心间通信负担14。最后，通过仿真算例对所提优化调度模型有效性进行了分析验证，对所提算法的收敛性进行分析。1数据中心源荷调度框架及其数学模型1.1数据中心源荷调度框架数据中心源荷调度框架如图1所示。在电源侧，数据中心以微电网的形式供电，供电电源包括电网、储能、可再生能源以及燃气轮机，可以与输电网间进行双向电力传输15-16。但是，目前实际的数据中心园区微网往往不会配备这些设备。在负荷侧，数据中心能耗主要由 IT 设备、空调系统、通信系统和照明系统组成，其中 IT 设备、空调系统能耗占比最高，而后两者的功耗占比很小，进行调度优化时可以忽略不计16。根据用户用网需求的不同，数据中心工作负载可分为延迟敏感型工作负载和延迟容忍型工作负载2类17。延迟敏感型负载主要包括网上交易、网上付款、网页浏览需求等具有明显实时特性的用户服务请求；延迟容忍型负载主要包括图像处理、计算处理、数据处理等需要进行长时间计算的用户请求18。延迟敏感型负载可以进行空间调度操作，该类负载可以从一个地区的数据中心借助通信网络转移至另一个地区的数据中心。延迟容忍型负载可以进行时间调度操作，该类负载到达数据中心无需立即处理，在规定的容忍延迟时间内，该类负载可在一定时间范围内进行延迟调度处理。如上所述，在满足数据和计算资源需求的情况下，数据中心负载调度系统可以在毫秒内实现计算指令的转移，也即实现工作负载的快速转移。改变工作负载的处理量，数据中心功耗也将瞬时改变19。因此，由于数据中心电力负荷较传统负荷调节速度快、调节容量大，因此借助数据中心优质的负荷调节特性可实现数据中心源荷优化调度。由于各数据中心由于建厂距离较远，往往分布在不同的电力市场环境下，因此单一数据中心在日前市场的投标不足以影响所在电力市场的节点边际电价，本文将其设为价格接受者20-22。日前阶段，数据中心运营商负责通过短期预测方法对每个数据中心所在区域的可再生能源、工作负载以及日前市场电价图 1数据中心源荷调度框架Fig.1Source-load scheduling framework of data centers延迟敏感型负载调度流延迟容忍型负载调度流电力流信息流数据中心DC3区域3电网储能系统燃气轮机可再生能源投标购电电网运营商TNO日前电价日内电价区域2电网储能系统燃气轮机可再生能源区域1电网储能系统燃气轮机可再生能源数据中心DC1数据中心DC2数据中心运营商DCO唐伟等：数据中心两阶段源荷协同优化调度研究51第 35 卷进行预测。短期预测方法包括时间序列模型预测、卡尔曼滤波预测及神经网络预测等，均具有较高的预测精度，在电力系统中应用广泛。基于日前预测信息，以数据中心运营商运行成本为目标函数，制定次日各数据中心工作负载调度计划、电力市场购电计划、微网各电源调度计划，并且在日前电力市场关门前提交给电网运营商TNO（transmission network operator）投标信息。但是可再生能源、工作负载数量存在随机性和波动性，导致预测值存在偏差，影响次日调度计划的正常执行。考虑到可再生能源出力的预测误差随时间的推移而减小，因此在日内阶段，数据中心运营商对日内信息进行超短期预测，得到较为精确的预测值，以日内系统再调度成本为目标函数，实时调整工作负载及微网调度计划，尽可能地跟踪日前计划曲线以减少来自日内市场的罚款。1.2数据中心数学模型数据中心的电能来源由多个部分组成：电网供电、分布式可再生能源机组、储能系统、燃气轮机。数据中心的供能关系为eloadi,t=egridi,t+ebci,t-ebdi,t+egasi,t+enewi,t（1）式中，eloadi,t为数据中心i在t时刻的负荷功率；egridi,t为电网供电功率；ebci,t,ebdi,t分别为数据中心储能系统的充电和放电功率；egasi,t为数据中心微网中燃气轮机的供电功率；enewi,t分别为数据中心可再生能源发电功率。根据数据中心负荷调节特性将数据中心负荷分为4类，第1类为不可转移负荷，是指数据中心正常运行时此类负荷基本保持不变且无法参与调度，数据中心服务器基本负荷为不可转移负荷；第2类为可平移负荷，是指一个调度周期内总用电量不变，在用电时间上可灵活调度的负荷