考虑多类型资源的数据中心园区供电协调规划

王 玚，李 鹏，冀浩然，宋洁莹，陈思睿，王成山

（1. 智能电网教育部重点实验室（天津大学），天津市 300072；2. 全球能源互联网研究院有限公司，北京市 102200）

0 引言

随着互联网技术的发展，数据中心的数量和规模快速增长，成为一类重要的需求响应资源［1-2］。据统计［3］，2020 年中国数据中心用电量约占全社会总用电量的2.7%，预计2023 年用电规模将继续增长66%。数据中心所产生的大量电力需求给配电网及其自身的高效运行带来极大的挑战。数据中心购电成本占其整体运行成本的一半以上，是制约数据中心经济运营的关键因素［4］。因此，通过合理的系统规划充分挖掘数据中心负荷调节能力，提高数据中心运行效率具有重要意义。

数据中心负荷具有时空调节潜力，对数据负荷的灵活调度能够实现数据中心功率的灵活调节［5］。对数据负荷进行时间上的优化调度，能够有效实现负荷削峰填谷［6］；对数据负荷进行空间尺度的调度，将数据任务在不同数据中心（或服务器）之间转移，能够进一步均衡服务器的利用效率［7］。数据负载的灵活调控能够有效提升数据中心电能利用效率，提升数据中心运行经济性和灵活性。

目前，国内外已开展了基于数据中心功耗特性和数据负载灵活调度特性的运行优化研究。文献［8］提出了考虑数据负载时空调节特性的数据中心灵活调度模型，有效缓解了配电网运行电压越限和馈线负载不平衡问题；文献［9］以数据中心购电成本最小为优化目标，研究了数据负载在不同地理分布的数据中心之间的调度，解决了云服务供应商与数据中心和智能电网之间的协调问题；文献［10］研究了不同地理分布的数据中心和电动汽车的联合能量管理问题；文献［11］以数据中心运行成本最小为目标，提出了一个考虑储能与数据中心在微电网中协调运行的优化模型。

随着用户对数据处理可靠性和速度要求的提升，数据中心逐渐向集成化与规模化的方向发展［12］。为保证数据中心具有更加高效可靠的电力供应，园区内常配置有交直流转换设备，通过直流系统向数据中心供电［12-13］。相比于传统变压器，以柔性变电站为代表的新型柔性配电设备具有多电压等级、多端口柔性互联等特性，能够实现交直流配电系统的双向互通［14-16］。通过柔性变电站将外部配电网和数据中心园区内多类型资源协调，可以为数据中心提供高效可靠的直流电力供应，并减小其电力运营成本。因此，以柔性变电站为核心，对数据中心进行高效集成供电，可以使数据中心充分发挥其负载灵活调节特性，与园区内接入的分布式电源和储能等资源协调互动，实现能源利用效率最大化。

如何合理地规划部署数据中心IT 设备及园区内其他设备，在实现运行状态最优的同时降低建设及运行成本，是数据中心在提高园区经济效益时亟待解决的关键问题。文献［17］中以降低数据中心运营成本为目标，对数据中心位置、容量及数据线路的建设路线进行规划。文献［18-19］的规划问题中，假定数据中心、分布式电源、储能系统等设备的位置已知，建立基于互联网数据中心计算和供电基础设施的规划模型，以经济性最优为目标，对数据中心服务器数量及类型、分布式电源和储能的容量进行规划。文献［20］提出一种基于数据中心的多能源系统能源站的优化建设方法，考虑电、热负荷之间的耦合关系，实现能源站各设备的容量配置和数据中心服务器的优化调度。文献［21］提出一种数据中心和储能装置在智能电网中的位置和容量的综合规划方案，模拟电网中各类资源之间的耦合影响。而如何以柔性配电设备为核心，实现数据中心、分布式电源、储能系统等多类型资源的综合协调规划，在提高数据中心供电可靠性和运行经济性的同时，降低设备投资仍有待进一步研究。

综上，本文提出了考虑多类型资源的数据中心园区供电协调规划方法。该方法以数据中心园区建设成本和运行成本最小为目标，考虑园区各类型资源的规划与运行约束，重点研究了数据中心园区供电协调规划问题，以柔性变电站规划为核心，将园区内数据中心各类型服务器数量规划、储能系统和光伏系统的容量规划集成到同一规划框架下，充分发挥数据中心负载灵活调节特性，与园区内接入的光伏和储能进行互动，在得到最优规划方案的同时实现园区运行经济性最优。最后，通过数据中心园区算例验证了所述方法的有效性，并进一步分析了数据负载灵活调度策略、数据中心可靠性供电要求、光伏单位容量规划成本对数据中心园区规划结果的影响。

1 数据中心园区供电系统建模

典型数据中心园区结构如图1 所示。

图1 数据中心园区结构Fig.1 Structure of data center park

园区内共含两个子数据中心，一处储能和两处光伏，通过两个柔性变电站对数据中心进行集成供电。各设备协调配合，为机房IT 设备提供可靠供电的同时，促进数据中心园区绿色高效运行。

1.1 柔性变电站建模

通过柔性变电站为数据中心园区供电，可以满足数据中心多电压等级和灵活功率调控的供电需求。以图1 中四端口柔性变电站为例，其结构如图2所示。

图2 柔性变电站结构图Fig.2 Structure of flexible substation

依据四端口柔性变电站内部换流器结构示意图，其各端口有功功率平衡约束如下:

柔性变电站交流端口的无功补偿容量约束如式（2）所示，并且用二范数形式表示了AC/DC 换流器、DC/AC 换流器的容量约束。

1.2 数据中心耗能建模

数据中心建模主要包括基于动态电压频率调节（dynamic voltage and frequency scaling，DVFS）技术［22］的设备功耗建模以及数据负载调度策略建模。基于DVFS 技术，数据中心的CPU 可以灵活选择工作频率，提高IT 设备工作效率；对数据负载进行灵活调度，可以降低数据中心功耗，提高光伏出力的消纳水平。

1）基于DVFS 技术的数据中心功耗模型

数据中心核心设备主要包括IT 设备、冷却设备和配电设备等［23］。其中，IT 设备负责数据处理、数据存储及交互通信；冷却设备用于维持机房设备运行环境的温度和湿度；配电设备主要用于交直流电能转换，为IT 设备提供可靠、高质量的电源。由此，数据中心总功耗可表示为:

数据负载调度是指对不同类型数据计算需求进行操作的一种数据服务管理方式，对延迟敏感型和延迟容忍型［1］两种数据负载进行调度，能有效改善系统的运行状态。

延迟敏感型负载有严格的时间延迟要求，采用M/M/1 排队模型［8］对一个时间段内的排队延迟进行建模，保证数据中心在t时段内接收到的数据负载必须在该时段处理完成。延迟敏感型数据负载需满足的关系式如下:

1.3 储能系统建模

为满足数据中心高可靠供电需求，园区内需配置储能备用电源，保证故障发生时数据中心的运行。储能系统运行约束表示如下:

1.4 光伏系统建模

通过接入光伏系统为数据中心供电，可以有效减小运营成本，提升园区运行经济性。数据中心负荷调节也能够更好地适应光伏出力时序变化，提高光伏利用率。光伏系统运行约束如下:

1.5 园区配电系统建模

采用直流配电网向数据中心园区供电，其运行约束如下:

2 数据中心园区供电协调规划模型

基于光伏出力和数据负载典型历史场景，对数据中心园区内设备进行规划，规划变量包括柔性变电站中各换流器容量、子数据中心中各类型服务器数量、储能容量及光伏容量。

2.1 目标函数

式中:cFS为柔性变电站中换流器单位容量投资成本；η为柔性变电站运行维护费用系数；d为贴现率；y为设备使用年限。

2.2 数据中心园区供电协调规划约束

数据中心园区供电协调规划模型中，考虑柔性变电站容量、数据中心服务器数量、储能和光伏容量的规划，其约束表示如下。

1）柔性变电站规划约束

3 算例分析

采用如图1 所示的数据中心园区算例对提出的规划方法进行分析求解。模型基于MATLAB 2016a 下YALMIP 工具平台搭建，通过调用CPLEX 12.4 求解器进行求解。执行优化计算的计算机处理器为Intel Core i7-10700，主频为3.70 GHz，内存为64 GB，操作系统为Windows 10。

3.1 算例参数

数据中心园区中，柔性变电站与10 kV 交流母线相连，其380 V 交流输出端与750 V 直流输出端分别为数据中心交直流负荷进行供电。园区内有两个子数据中心，数据中心服务器参数如附录C 表C1所示［27］。同时，将两个光伏系统并入10 kV 配电网。为保证供电可靠性，在750 V 直流配电网装设储能系统，其荷电状态的上、下限为90%和20%。柔性变电站、光伏与储能系统的参数如附录C 表C2 所示［16，28］。所有待规划设备的贴现率和使用年限设置为8%和20 年，假设储能系统储存电量需供数据中心以当前状态运行1 h，光伏削减成本为0.95 元/（kW·h）。配电网中安全电压上、下限分别设置为1.05 p.u.和0.95 p.u.，分时电价曲线如图3所示。

图3 分时电价曲线Fig.3 Time-of-use price curve

对一年中光伏出力曲线与数据负载变化曲线数据进行聚类［28-29］，得到图4 中4 种典型场景，每个场景包含一天内数据负载、光伏出力及园区电力负荷的变化，各场景延迟容忍型数据负载的占比为70%。

图4 典型场景曲线Fig.4 Curves of typical scenarios

3.2 考虑多类型资源的数据中心园区规划方案

采用上述方法对数据中心园区内柔性变电站、数据中心、储能和光伏进行综合规划，其中，柔性变电 站1 中AC/DC 换 流 器、DC/DC 换 流 器、DC/AC换流器容量规划结果分别为3、3、1 MW；柔性变电站2 中上述各换流器结果分别为5、5、1 MW；数据中心1 中两类服务器的数量分别为6 000、3 000 台；数据中心2 中两类服务器的数量分别为15 000、6 000 台。此外，光伏1 和光伏2 的容量规划分别为5 MW 和7.5 MW。从结果可以看出，规划的光伏系统容量与柔性变电站换流器容量是相对匹配的，同时，园区内配置了10 MW·h 的储能，保证数据中心供电可靠性并提高光伏系统的能量利用率，减小数据中心购电费用。按照以上配置，数据中心园区的年投资成本为1 965.71 万元，年综合费用为4 241.41 万元，设定数据中心处理每个数据负载赚取0.03 元的费用［30］，则每年的收益约为6 162 万元，每年净收益为1 920.59 万元。

3.3 数据中心园区规划影响因素分析

为验证园区设备配置方案的有效性，需考虑多重因素对规划结果的影响，本文选取数据负载灵活调度特性、数据中心可靠性要求、光伏单位投资成本3 个因素进行分析。

1）数据负载灵活调度策略影响分析

数据负载时空灵活调度能在保证数据中心运行可靠性的同时，提升园区经济性。采用以下两种方案分析对比数据负载灵活调度策略对设备规划结果的影响:

方案1:未考虑数据负载的灵活调度特性，得到数据中心园区规划结果和数据中心调度策略。

方案2:考虑数据负载灵活调度特性，得到考虑多类型资源的数据中心园区综合规划结果。

两种方案规划结果分别如附录C 表C3 和表C4所示。由规划结果可知，方案1 中光伏系统总容量规划明显小于方案2，反映出数据负载的灵活调度在一定程度上提高了光伏渗透率。方案1 中，数据负载不能进行时间转移，且数据处理任务由前端服务器平均分配给各数据中心，因此规划出相同的服务器配置方案，且现有规划条件无法使数据中心完成全部数据负载的处理，会产生弃数据负载费用，两种方案详细成本如表1 所示。考虑数据中心每丢弃1 个数据负载惩罚0.3 元［11］，则在数据负载不能灵活调度时，年弃数据成本增加了1 039.81 万元，导致方案1 年综合费用增加。

表1 数据中心园区年综合费用Table 1 Annual comprehensive cost of data center park

在考虑数据负载灵活调度后，虽然大规模光伏接入产生的能量不能被完全消纳，但光伏接入与数据中心灵活调度策略协调配合，使数据中心购电费用降低23.3%，年综合费用降低28.4%，从而降低方案2 年综合费用，进一步证明了对数据负载进行灵活调度的必要性。

为进一步分析数据负载灵活调度特性对规划结果的影响，本节对比了延迟容忍型数据负载占比为30%、60%、90%时的数据中心园区规划结果。

附录C 表C5 和表C6 为延迟容忍型负载占比不同时数据中心园区规划结果。延迟容忍型负载在时间尺度有更强的调度潜力，因此当其比例减小时，为了满足延迟敏感型数据的计算要求，规划的服务器数量会有所增加。由表2 可知，当数据负载灵活调度能力增强时，数据中心倾向于将数据负载转移至购电费用较低的时段内进行，数据中心的年购电费用会明显减小。

表2 不同延迟容忍负载占比下数据中心园区年综合费用Table 2 Annual comprehensive cost of data center park with different proportion of time-delay-tolerant workload

2）数据中心供电可靠要求影响分析

由于数据中心服务的对象、服务质量、业务的规模等有所差异，对各类型数据中心的可靠性要求也有所区别。在分析中，以τ值取1、2、3 h 为例，分析不同可靠性要求下数据中心园区规划结果。

附录C 表C7 和表C8 为不同可靠性要求下数据中心园区的规划结果。随着可靠性要求的提升，储能系统容量规划分别增加了6 MW 和8 MW，投资费用也相应增加。储能系统容量增加后，配电网灵活调度能力得到有效提升，在数据中心运行策略求解中，更倾向于通过调度储能减小光伏削减和数据中心购电费用，从而提高光伏发电利用率。如表3所示，以维持运行时长1 h 为参考，其光伏削减费用分别减小了32.1%和40.56%。

表3 不同可靠性要求下数据中心园区年综合费用Table 3 Annual comprehensive cost of data center park with different reliability requirements

3）光伏系统投资成本影响分析

随着分布式电源技术的发展，光伏的应用越来越广泛，其建设成本也会随时间推移有下降趋势。本节选取光伏单位容量价格为0.50、0.32、0.10 万元/kW，分析了光伏单位成本变化时数据中心园区规划结果。

附录C 表C9 和表C10 为光伏单位成本不同时的规划结果。单位成本下调时，光伏安装容量会有明显增加，但由于光伏安装价格的下调，光伏系统整体投资呈下降趋势。如表4 所示，以0.50 万元/kW为参照，光伏系统投资分别下降了30.4%和75.7%，相应年投资成本分别降低了4.93%和21.2%。从数据中心园区光伏削减费用和储能调度费用的趋势可以看出，虽然光伏系统产生的能量无法被完全消纳，但会通过增加储能调度尽量减小光伏削减费用，提高光伏能量利用率，进一步降低数据中心购电费用及园区年综合费用。

表4 不同光伏单位投资成本下数据中心园区年综合费用Table 4 Annual comprehensive cost of data center park with different investment costs per unit of photovoltaic

综上所述，数据负载灵活调度策略、供电可靠性要求、光伏单位投资费用发生变化时，均会引起数据中心园区各设备规划结果的改变。因此，根据实际规划需求选取相应参数，对数据中心园区的合理规划具有重要意义。

4 结语

面向数据中心园区经济高效运行，本文提出了考虑多类型资源的数据中心园区供电协调规划方法。首先，对数据中心园区内多类型设备进行建模。在此基础上，建立了考虑多类型资源的数据中心园区供电规划模型，以数据中心园区设备投资成本和运行成本之和最小为目标，协调规划园区内柔性变电站各换流器容量、数据中心各类型服务器数量、储能及光伏的容量，并在数据中心园区算例上验证了本文提出的数据中心园区供电协调方法规划的经济效益。最后，分析了数据负载灵活调度策略、数据中心可靠性供电要求、光伏单位容量规划成本对数据中心园区规划结果的影响。使用不同参数进行规划时，各设备规划结果有所区别，得到了多种数据中心园区建设方案。

本文在数据中心园区的规划问题中仅考虑了园区内的电气设备，而制冷设备也是园区中关键设备之一。考虑园区内电-热耦合，未来对制冷设备进行详细建模并纳入规划范围，可以使数据中心园区内多类型资源综合规划更加完善，进一步提升能源利用效率。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。