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技术方案

本发明专利技术涉及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，包括以下步骤：构建数据中心IT设备能耗模型和可转移负载、刚性负载、可削减负载的工作模型；构建由制冷机、水泵、送风机、冷却塔共同决定的空调设备能耗模型；结合IT设备能耗模型与空调设备能耗模型，构建数据中心优化调度模型；对数据中心优化调度模型进行求解，经过对不同场景对比分析得到最优调度方案。与现有技术相比，本发明专利技术充分考虑时间灵活调度，能够有效挖掘数据中心的灵活性潜力，增加数据中心运营商收益，降低系统运行成本、促进新能源消纳，进一步提高数据中心的经济性、灵活性。灵活性。灵活性。

【技术实现步骤摘要】
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


[0001]本专利技术涉及优化调度
，尤其是涉及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。

技术介绍

[0002]社会经济的快速发展和化石能源的大规模开发利用导致资源枯竭、环境污染等问题的日益严重。如何在确保人类社会能源可持续供应的同时尽量减少环境污染，实现对各类能源的高效利用、清洁转换和互补融合已成为近年来研究的热点，能源互联网(Energy Integrated，EI)和综合能源系统(Integrated Energy System,IES)的概念应运而生。
[0003]随着互联网技术的飞速发展，数据中心的规模和数量高速增加。未来以数据中心为应用典型的信息能源耦合IES的物质流、能量流、信息流三流特性各异但高度耦合的特性，为IES耦合建模与协同控制带来新的困难与挑战。同时数据中心的机房散热密度高、空调设备不间断运行、服务器等IT设备运行功耗和空调制冷功耗的时变特性，导致机房内部局部过热成为一个比较突出的问题，影响着整个数据中心的安全稳定运行及能源利用效率。
[0004]作为一种体量庞大、增长迅猛的新兴负荷，充分挖掘数据中心负荷的调节潜力意义重大。不同于其他的负荷，数据中心通过转移算力需求可实现电力的转移，是一种同时具备时、空调节潜力的特殊柔性负荷。未来，数据中心的发展具有三大趋势：1)企业规模大型化。超大规模数据和业务需求使得大型数据中心集约化的优势凸显，未来数据中心企业将呈现数量减少、体量增加的发展趋势；2)用电绿色化。数据中心要持续提高清洁能源应用比例，创新使用绿色节能技术，进一步推动数据中心向绿色化方向发展；3)运维智能化。随着计算任务处理量的增加，数据中心的传统架构和运维方式逐渐暴露出各种问题：人工运维和经验决策容易存在安全隐患，旧有的节能技术也不再能满足数据中心日益复杂的运行环境。因此，亟待构建灵活高效、智能化的数据中心调度方法，以应对迅速发展的市场需要。

技术实现思路

[0005]本专利技术的目的是为了提供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，有效降低系统运行成本、促进新能源消纳，进一步提高数据中心的经济性、灵活性。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]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，包括以下步骤：
[0008]S1、构建数据中心IT设备能耗模型和可转移负载、刚性负载、可削减负载的工作模型；
[0009]S2、构建由制冷机、水泵、送风机、冷却塔共同决定的空调设备能耗模型；
[0010]S3、结合IT设备能耗模型与空调设备能耗模型，构建数据中心优化调度模型；
[0011]S4、对数据中心优化调度模型进行求解，得到最优调度方案。
[0012]进一步地，所述步骤S1中IT设备能耗模型具体为：
[0013][0014]P
ser,t
＝P
add
+P
CPU,t
[0015][0016]式中：P
CPU,t
为t时刻单台服务器CPU能耗；K为动态能耗系数，为常数；f为CPU工作频率；λ
t
为t时刻分配给该服务器的负载量；μ为单台服务器的服务率；P
ser,t
为t时刻单台服务器能耗；P
add
为服务器除CPU以外其他组件的能耗；P
tol,t
为数据中心IT设备总能耗。
[0017]进一步地，所述步骤S1中可转移负载具体为：
[0018]λ
ba0,t
＝ω
×
λ
0,t
[0019][0020][0021]其中：λ
ba0,t
和λ
ba,t
分别为迁移前后IDC t时刻的批处理负载量；ω为批处理负载所占比例大小；λ
0,t
表示迁移前的总负载量；λ
ba,tt'
为由时刻t迁移到时刻t'的批处理负载量；λ
ba,tt”为由时刻t迁移到时刻t”的批处理负载量；T
dead,t
表示t时刻可转移负载的服务截止时间。
[0022]进一步地，所述步骤S1中可削减负载具体为：
[0023]λ
cut0,t
＝ψλ
0,t
[0024]0≤λ
cut,t
≤λ
cut0,t
[0025]式中：ψ为可削减负荷占比；λ
cut0,t
和λ
cut,t
分别为需求响应前后t时刻的可削减负荷量。
[0026]进一步地，所述步骤S1中刚性负载具体为：
[0027]λ
base,t
＝(1
‑
ω
‑
ψ)λ
0,t
[0028]λ
base,t
＝λ
base,allot,t
[0029][0030]式中：λ
base,t
和λ
base,allot,t
分别为t时刻到达的与正在处理的刚性负载；上述不等式为保证交互式负载可以立即执行满足的约束，s
base,allot,t
为t时刻安排处理刚性负载的服务器数量。
[0031]进一步地，所述步骤S2中空调设备能耗模型具体为：
[0032]CACS的能耗包括制冷机、水泵、送风机、冷却塔的功率，CACS功率模型如下式所示：
[0033]P＝P
fan
+P
ch
+P
e
+P
c
+P
ct
[0034]式中，P为总功率，单位kw；P
fan
为风机功率，单位kw；P
ch
为制冷机功率，单位kw；P
e
为冷冻水泵功率，单位kw；P
c
为冷却水泵功率，单位kw；P
ct
为冷却塔功率，单位kw。
[0035]进一步地，所述步骤S3中数据中心优化调度模型的目标函数以系统运行成本最小作为目标。
[0036]进一步地，所述系统运行成本包括系统日常投资成本、系统运维成本、系统购能成
本：
[0037]F
t
＝C
inv,t
+C
op,t
+C
buy,t
‑
C
inc,t
[0038]其中，C
inv,t
为系统日常投资成本；C
op,t
为系统运维成本；C
inc,t
为IDC的需求响应收益；C
buy,t
为系统购能成本。
[0039]进一步地，所述步骤S3中数据中心优化调度模型的约束条件包括工作负载约束、功率平衡约束、燃气轮机约束、储能约束。
[0040]进一步地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑负载响应特性的数据中心能源系统优化调度方法，其特征在于，包括以下步骤：S1、构建数据中心IT设备能耗模型和可转移负载、刚性负载、可削减负载的工作模型；S2、构建由制冷机、水泵、送风机、冷却塔共同决定的空调设备能耗模型；S3、结合IT设备能耗模型与空调设备能耗模型，构建数据中心优化调度模型；S4、对数据中心优化调度模型进行求解，得到最优调度方案。2.根据权利要求1所述的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，其特征在于，所述步骤S1中IT设备能耗模型具体为：P
ser,t
＝P
add
+P
CPU,t
式中：P
CPU,t
为t时刻单台服务器CPU能耗；K为动态能耗系数，为常数；f为CPU工作频率；λ
t
为t时刻分配给该服务器的负载量；μ为单台服务器的服务率；P
ser,t
为t时刻单台服务器能耗；P
add
为服务器除CPU以外其他组件的能耗；P
tol,t
为数据中心IT设备总能耗。3.根据权利要求1所述的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，其特征在于，所述步骤S1中可转移负载具体为：λ
ba0,t
＝ω
×
λ
0,t0,t
其中：λ
ba0,t
和λ
ba,t
分别为迁移前后IDC t时刻的批处理负载量；ω为批处理负载所占比例大小；λ
0,t
表示迁移前的总负载量；λ
ba,tt'
为由时刻t迁移到时刻t'的批处理负载量；λ
ba,tt”为由时刻t迁移到时刻t”的批处理负载量；T
dead,t
表示t时刻可转移负载的服务截止时间。4.根据权利要求3所述的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，其特征在于，所述步骤S1中可削减负载具体为：λ
cut0,t
＝ψλ
0,t
0≤λ
cut,t
≤λ
cut0,t
式中：ψ为可削减负荷占比；λ
cut0,t
和λ
cut,t
分别为需求响应前后t时刻的可削减负荷量。5.根据权利要求4所述的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，其特征在于，所述步骤S1中刚性负载具体为：λ
base,t
＝(1
‑
ω
‑
ψ)λ
0,t
λ
base,t
＝λ
base,allot,t
式中：λ
base,t
和λ
base,allot,t

【专利技术属性】
技术研发人员：余文昶，陈永刚，曹俊波，左鹿原，张相寅，杨秀，卢炜，郭少东，金煜，
申请(专利权)人：中国华电集团有限公司上海分公司上海电力大学，
类型：发明
国别省市：