基于模型预测的互联数据中心多时间尺度优化调度方法技术

本发明专利技术公开了基于模型预测的互联数据中心多时间尺度优化调度方法，包括以下步骤：将日前预测值输入日前优化调度模型，获取日前调度计划；将所述日前调度计划输入日内滚动优化模型，输出当前时段滚动优化计划；将当前时段所述滚动优化计划输入实时矫正优化模型，获取当前时段矫正优化结果并执行实时矫正计划；判断实时矫正优化周期，获取目标实时矫正优化周期；基于所述目标实时矫正优化周期判断日内滚动优化周期，完成基于模型预测控制的互联数据中心多时间尺度优化调度。中心多时间尺度优化调度。中心多时间尺度优化调度。

【技术实现步骤摘要】
基于模型预测的互联数据中心多时间尺度优化调度方法


[0001]本专利技术属于数据中心优化调度相关
，尤其涉及基于模型预测的互联数据中心多时间尺度优化调度方法。

技术介绍

[0002]近年来，数据中心作为互联网和信息技术的重要组成部分得到快速发展，规模不断扩大。但随之而来的数据中心高能耗问题不容忽视。高渗透可再生能源的接入成为数据中心降低运行能耗、提升能源利用效率，促进绿色低碳转型的重要手段。然而，可再生能源的不确定性问题给数据中心优化调度和能量管理带了重大挑战。因此，充分考虑可再生能源的不确定性问题，利用数据中心的灵活性资源进行优化调度对于降低数据中心运行成本，提高数据中心运行稳定性具有重要意义。
[0003]目前，通过利用灵活性资源对数据中心进行优化调度成为研究的重点。数据中心主要的灵活性资源包括工作负载、制冷设备负荷、储能等。已有很多学者对数据中心优化调度问题开展相关研究。但是，多数未能全面综合利用数据中心的多种灵活性资源，且缺乏对于数据中心运行动态和多场景的考虑。另外多数方法基于负荷、可再生能源预测信息准确的基础上进行优化调度，鲜有方法考虑日内可再生能源不确定性问题进行多时间尺度优化调度，无法满足系统运行控制对于信息准确性的要求。

技术实现思路

[0004]本专利技术的目的在于提供基于模型预测的互联数据中心多时间尺度优化调度方法，它能够克服现有技术的不足，考虑日内风光出力的不确定性以及实时优化的短视效应，提出了互联数据中心多时间尺度优化调度模型。分别以运行成本最低为目标函数建立日前优化调度模型，以日内经济成本最低建立日内滚动优化调度模型，以功率波动最小建立实时矫正调度模型。最后，采用ADMM对模型进行求解。
[0005]为实现上述目的，本专利技术提供了基于模型预测的互联数据中心多时间尺度优化调度方法，包括以下步骤：
[0006]S1、将日前预测值输入日前优化调度模型，获取日前调度计划；
[0007]S2、将所述日前调度计划输入日内滚动优化模型，输出当前时段滚动优化计划；
[0008]S3、将当前时段所述滚动优化计划输入实时矫正优化模型，获取当前时段矫正优化结果并执行实时矫正计划；
[0009]S4、判断实时矫正优化周期，获取目标实时矫正优化周期；
[0010]S5、基于所述目标实时矫正优化周期判断日内滚动优化周期，完成基于模型预测控制的互联数据中心多时间尺度优化调度。
[0011]可选的，所述日前预测值包括可再生能源出力、工作负载以及环境参数。
[0012]可选的，所述日前优化调度模型以总运行成本最低为第一目标函数并采用第一约束条件；
[0013]所述总运行成本包括日前电网购电成本、日前燃气轮机运行成本和日前储能设备运行成本；
[0014]所述第一约束条件包括日前功率平衡约束条件、日前储能设备约束条件、日前燃气轮机约束条件、日前工作负载约束条件、日前负载服务等级协议约束条件、日前制冷系统约束条件和日前电网传输功率约束条件；
[0015]所述日前电网购电成本计算公式为：
[0016][0017]其中，i为数据中心编号，为数据中心i于t时刻电网购电成本，为数据中心i在t时刻的电网用电功率，为数据中心i在t时刻的所在区域的电网电价，Δt为优化调度时间间隙，N为数据中心总数量，T为优化时段；
[0018]所述日前燃气轮机运行成本计算公式为：
[0019][0020]其中，为数据中心i在t时刻的燃气轮机运行成本，为燃气轮机单位发电量的购气成本，为数据中心i在t时刻的燃气轮机发电功率，Q
LHV
为燃气轮机热值，η
MT
为燃气轮机发电效率；
[0021]所述日前储能设备运行成本计算公式为：
[0022][0023]其中，为数据中心i在t时刻的储能设备运行成本，分别为数据中心i在t时刻的储能设备充电和放电功率，为储能设备单位功率使用成本；
[0024]所述日前功率平衡约束条件为：
[0025][0026]其中，为数据中心i在t时刻的总能耗功率，为数据中心i在t时刻微电网中风机发电功率，为数据中心i在t时刻微电网中光伏发电功率；
[0027]所述日前储能设备约束条件为：
[0028][0029][0030][0031]其中，P
bc
‑
max
、P
bd
‑
max
分别为数据中心储能设备最大充电和放电功率，η
bc
、η
bd
分别为储能设备的充电和放电效率，L
i,t
为储能设备容量，L
min
、L
max
分别为储能设备最小和最大容量要求；
[0032]所述日前燃气轮机约束条件为：
[0033][0034][0035]其中，R
gas
‑
max
、R
gas
‑
min
分别为燃气轮机爬坡功率上下限，为数据中心i在t
‑
1时刻的燃气轮机发电功率；
[0036]所述日前工作负载约束条件包括交互式工作负载约束条件和批处理工作负载约束条件；
[0037]所述交互式工作负载约束条件为：
[0038][0039]其中，α为交互式工作负载的处理量，α
i,t
为数据中心i在t时刻的交互式工作负载的处理量，为t时刻到达数据中心i的交互式工作负载量；
[0040]所述批处理工作负载约束条件为：
[0041][0042][0043][0044]其中，为t时刻到达数据中心i的第q类批处理工作负载量，为第q类批处理工作负载最大延迟处理时间，τ为调度周期内任意一时隙，β为批处理工作负载的处理量，β
i,q,t
为t时刻到达数据中心i的第q类批处理工作负载的处理量，Q为数据中心批处理工作负载种类的集合；
[0045]所述日前负载服务等级协议约束条件为：
[0046][0047]其中，为数据中心i在时刻处理交互式工作负载的服务器数量，μ
α
为单台服务器处理交互式工作负载的速率，t
α
为处理交互式工作负载时所允许的最大排队时延；
[0048]所述日前制冷系统约束条件包括制冷功率约束条件和室内温度约束条件；
[0049]所述制冷功率约束条件为：
[0050][0051]其中，分别为制冷系统功率上下限值，为数据中心i在t时刻的制冷系统功率；
[0052]所述室内温度约束条件为：
[0053][0054]其中，为数据中心i在t时刻的室内温度，T
set
为数据中心室内日前设定温度；
[0055]所述日前电网传输功率约束条件为：
[0056][0057]其中，P
grid
‑
max
为电网向数据中心供电的最大传输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于模型预测的互联数据中心多时间尺度优化调度方法，其特征在于，包括以下步骤：S1、将日前预测值输入日前优化调度模型，获取日前调度计划；S2、将所述日前调度计划输入日内滚动优化模型，输出当前时段滚动优化计划；S3、将当前时段所述滚动优化计划输入实时矫正优化模型，获取当前时段矫正优化结果并执行实时矫正计划；S4、判断实时矫正优化周期，获取目标实时矫正优化周期；S5、基于所述目标实时矫正优化周期判断日内滚动优化周期，完成基于模型预测控制的互联数据中心多时间尺度优化调度。2.如权利要求1所述的基于模型预测的互联数据中心多时间尺度优化调度方法，其特征在于，所述日前预测值包括可再生能源出力、工作负载以及环境参数。3.如权利要求1所述的基于模型预测的互联数据中心多时间尺度优化调度方法，其特征在于，所述日前优化调度模型以总运行成本最低为第一目标函数并采用第一约束条件；所述总运行成本包括日前电网购电成本、日前燃气轮机运行成本和日前储能设备运行成本；所述第一约束条件包括日前功率平衡约束条件、日前储能设备约束条件、日前燃气轮机约束条件、日前工作负载约束条件、日前负载服务等级协议约束条件、日前制冷系统约束条件和日前电网传输功率约束条件；所述日前电网购电成本计算公式为：其中，i为数据中心编号，为数据中心i于t时刻电网购电成本，为数据中心i在t时刻的电网用电功率，为数据中心i在t时刻的所在区域的电网电价，Δt为优化调度时间间隙，N为数据中心总数量，T为优化时段；所述日前燃气轮机运行成本计算公式为：其中，为数据中心i在t时刻的燃气轮机运行成本，为燃气轮机单位发电量的购气成本，为数据中心i在t时刻的燃气轮机发电功率，Q
LHV
为燃气轮机热值，η
MT
为燃气轮机发电效率；所述日前储能设备运行成本计算公式为：其中，为数据中心i在t时刻的储能设备运行成本，分别为数据中心i在t时刻的储能设备充电和放电功率，为储能设备单位功率使用成本；所述日前功率平衡约束条件为：
其中，为数据中心i在t时刻的总能耗功率，为数据中心i在t时刻微电网中风机发电功率，为数据中心i在t时刻微电网中光伏发电功率；所述日前储能设备约束条件为：所述日前储能设备约束条件为：所述日前储能设备约束条件为：其中，P
bc
‑
max
、P
bd
‑
max
分别为数据中心储能设备最大充电和放电功率，η
bc
、η
bd
分别为储能设备的充电和放电效率，L
i,t
为储能设备容量，L
min
、L
max
分别为储能设备最小和最大容量要求；所述日前燃气轮机约束条件为：所述日前燃气轮机约束条件为：其中，R
gas
‑
max
、R
gas
‑
min
分别为燃气轮机爬坡功率上下限，为数据中心i在t
‑
1时刻的燃气轮机发电功率；所述日前工作负载约束条件包括交互式工作负载约束条件和批处理工作负载约束条件；所述交互式工作负载约束条件为：其中，α为交互式工作负载的处理量，α
i,t
为数据中心i在t时刻的交互式工作负载的处理量，为t时刻到达数据中心i的交互式工作负载量；所述批处理工作负载约束条件为：所述批处理工作负载约束条件为：所述批处理工作负载约束条件为：其中，为t时刻到达数据中心i的第q类批处理工作负载量，为第q类批处理工作负载最大延迟处理时间，τ为调度周期内任意一时隙，β为批处理工作负载的处理量，β
i,q,t
为t时刻到达数据中心i的第q类批处理工作负载的处理量，Q为数据中心批处理工作负载种类的集合；
所述日前负载服务等级协议约束条件为：其中，为数据中心i在时刻处理交互式工作负载的服务器数量，μ
α
为单台服务器处理交互式工作负载的速率，t
α
为处理交互式工作负载时所允许的最大排队时延；所述日前制冷系统约束条件包括制冷功率约束条件和室内温度约束条件；所述制冷功率约束条件为：其中，分别为制冷系统功率上下限值，为数据中心i在t时刻的制冷系统功率；所述室内温度约束条件为：其中，为数据中心i在t时刻的室内温度，T
set
为数据中心室内日前设定温度；所述日前电网传输功率约束条件为：其中，P
grid
‑
max
为电网向数据中心供电的最大传输功率。4.如权利要求1所述的基于模型预测的互联数据中心多时间尺度优化调度方法，其特征在于，将所述日前调度计划输入所述日内滚动优化模型，输出当前时段所述滚动优化计划包括：S201、初始化滚动时域，获取初...

【专利技术属性】
技术研发人员：李国强，孙华忠，方磊，朱海南，杨雨欣，陈兵兵，刘堃，金峰，刘明，孙光亮，薛云霞，王娟娟，李宗璇，张锴，宋静，
申请(专利权)人：国网山东省电力公司潍坊供电公司，
类型：发明
国别省市：