促进新能源消纳的数据中心负荷优化调度方法研究

摘要： 随着数字经济的高速发展，数据中心作为“新基建”的重要组成部分，其建设规模正在急剧扩大，高耗电量导致其运营成本高昂，亟须通过参与电网互动进一步提升运营经济性。开展了促进新能源消纳的数据中心优化调度方法研究。首先，根据数据中心负荷的调节特性，构建了考虑计算载荷时空迁移特性及制冷系统调节能力的数据中心能耗模型。然后，以数据中心总运营成本最小为目标，提出和建立了促进系统新能源消纳的数据中心负荷优化调度模型，并进行仿真验证。仿真结果表明，数据中心通过参与电网互动，可以降低总体运营成本，同时提高电网的新能源消纳能力。关键词： 新能源消纳; 数据中心; 计算载荷; 制冷系统; 优化调度

中图分类号： TU855文献标志码： A文章编号： 16748417（2024）10000108

DOI： 10.16618/j.cnki.16748417.2024.10.001

0引言

在“双碳”目标战略下，我国正在构建以新能源为主体的新型电力系统［1］。预计到2060年，我国风光总装机容量占比将达60%，电力系统将面临新能源消纳难的问题，亟须进一步挖掘需求侧灵活资源来增加系统调度能力。

近年来，互联网技术高速发展，数据信息爆炸性增长。为对数据进行计算存储，数据中心数量及规模正迅速扩大。据工信部统计，截至2019年底，我国数据中心总量达7.4万个，约占全球23%，至2021年全国机柜总量已达到约415.1万架［2］。数据中心是“新基建”中的耗能大户［34］，到2025年预计数据中心总耗电量达到2 820亿kWh，约占全社会用电量的3.1%。一方面，数据中心作为庞大的新型需求响应资源，充分挖掘其多维调节潜力有助于协调全局平衡电力供需，保障电网高效稳定地运行;另一方面，数据中心耗电量高导致运营成本高昂，亟须通过参与电网互动获得补偿，以提升运营经济性。

目前，国内外学者已开展了关于数据中心参与电网调度的研究［57］。文献［8］以提升托管式数据中心的运营经济性为目的，构建了数据中心运营商与租户间的交互模型，并利用柴油发电机资源参与需求响应。文献［9］突破了现有研究中将制冷系统作为不可调负荷的局限，构建了数据中心制冷系统能耗模型，利用机房的蓄冷能力提出了即时消纳新能源的数据中心变温控制策略。文献［10］针对数据中心制冷负荷具有热惯性、可调度性的特征，分析了数据中心水冷空调参与需求响应的潜力。文献［11］充分利用数据中心计算载荷的时间、空间转移能力，实时追踪新能源功率波动以最大化消纳新能源出力。文献［12］以提高数据中心运营经济性、减少碳排放为出发点，构建了数据中心与微电网协同增效的交互式集成规划框架。文献［13］分析了不同类型计算载荷的运行特性，提出了绿色数据中心多域资源协调规划模型。上述文献分别对数据中心内计算载荷、制冷负荷、柴油发电机等资源参与电网互动的策略进行了相关研究，但是少有文献研究多数据中心之间如何利用计算载荷时空可调特性以及制冷负荷灵活性降低数据中心总运营成本，提升系统新能源消纳能力。

数据中心能耗高、分布广、时间转移灵活，作为需求侧灵活性资源参与电网互动具有重要意义。本文根据数据中心负荷的调节特性，建立了不同类型计算载荷以及制冷系统的能耗模型。然后，以多数据中心总运营成本最小为目标，提出并建立了促进系统新能源消纳的数据中心负荷优化调度模型。

1数据中心能耗模型

数据中心的电力能耗主要来自于服务器、制冷系统、网络通信设备，三者能耗占比为5∶4∶1［14］。本文的数据中心总用电功耗按下式计算：

1.1服务器能耗模型

1.2制冷系统模型

1.3计算载荷模型

IT设备是数据中心提供服务的关键，服务器作为主要负荷约占总负荷的40%。服务器的功率与CPU利用率成正比［18］。因此，可以通过对数据中心计算载荷进行调度迁移，调节CPU利用率及服务器功耗。

依据响应方式可将计算载荷分为如下类型［12］：

（1） 时间可转移型计算载荷（TFCL）。计算载荷时空调节灵活性示意图如图1所示。当计算载荷到达率高峰时段的服务器处理能力不足时，可以将该类计算载荷适当延迟处理，将该特性称作计算载荷时间灵活性。

（2） 空间可转移型计算载荷（SFCL）。随着“绿色数据中心”概念的提出，当数据中心发生机组过负荷、计算资源分配不均等问题时，可以将能耗密集区的SFCL转移到新能源充足的地区处理，这一特性称作计算载荷空间灵活性。

（3） 刚性计算载荷（NFCL）。NFCL指对任务处理时间和质量有严格要求的计算载荷，不具备可调能力。

1.3.1时间可转移型计算载荷

1.3.2空间可转移型计算载荷

SFCL能够在不同数据中心之间实现在线空间迁移的关键技术是虚拟机［6，12］，该技术用于实现服务器硬件资源的虚拟化，以及虚拟机的配置、迁移和调度。SFCL的具体模型如下：

1.3.3刚性计算载荷

2数据中心优化调度模型

基于上述的数据中心能耗模型，建立促进新能源消纳的数据中心优化调度模型。

2.1目标函数

SFCL通过虚拟机迁移技术来实现多数据中心间的空间迁移，所以需考虑虚拟机软件资源的配置成本［12］。TFCL由于进行延时处理，不可避免地对用户体验产生影响，需考虑效益折损成本［19］。以数据中心运营商总成本最低为目标，考虑功率平衡以及计算载荷调度等约束条件，优化求解T时段各数据中心的最优调度计划，目标函数为

2.2约束条件

数据中心功率平衡约束保证数据中心总用能由新能源和外部电网购电提供，同时包括新能源出力约束、电网购电量约束，如下式所示：

3算例分析

3.1算例设置

以3个数据中心为例进行仿真分析，各数据中心原始计算载荷到达率如图2所示。计算载荷到达率总体呈现白天高、夜晚低的特点。为体现计算载荷的时间灵活性，本文优化时域选为07∶00至次日07∶00，优化间隔为1 h。

算例具体设置如下：各数据中心所在区域的新能源出力及分时电价如图3所示［11］。新能源购电价格为0.25元·（kW·h）-1。服务器机房温度维持在18～27 ℃［20］，机房环境初始温度为22 ℃。根据服务质量协议要求，TSCL最大延时处理时长为6 h，用户允许的最大延时Tmax为0.3 s［13］。系统设备参数取值如表1所示。

本文根据数据中心计算载荷时间、空间可调特性以及机房蓄冷能力等设置3个场景进行对比分析。其中，场景一不考虑数据中心任何可调特性，场景二考虑计算载荷时间、空间可调特性，场景三同时考虑计算载荷时间、空间可调特性以及机房蓄冷能力。

3.2不同场景优化效果对比分析

场景一中数据中心能耗情况如图4所示。在数据中心A的9∶00～20∶00时段、数据中心C的15∶00～23∶00时段，其所在区域的新能源出力较少，而该时段的服务器能耗均处于较高水平，因此需向电网大量购电以保证用电。此外，由于3个数据中心在夜间1∶00～7∶00时段的计算载荷任务较少，能耗较小，难以充分消纳新能源出力。

场景二同时考虑了计算载荷的时间、空间可调特性。场景二中数据中心能耗情况如图5所示。相比于场景一，在时间上，各数据中心通过将计算载荷任务迁移到新能源出力较多的24∶00～次日7∶00，新能源消纳效果得到了显著提升。此外，数据中心A和C通过将计算载荷任务从电价峰时段迁移到电价谷时，从而降低电网购电成本。在空间上，计算载荷任务在各数据中心之间迁移，数据中心A、C的计算载荷任务由新能源较多的15∶00～22∶00时段向数据中心B进行了空间转移，数据中心A、B的计算载荷任务在9∶00～12∶00时段空间迁移到数据中心C。考虑数据中心计算载荷的时间、空间可调特性，有助于整个系统中数据中心用能向新能源出力较多的时段迁移，提升新能源消纳能力。

受限于服务器数量和最大延迟处理时长，场景二中各数据中心在3∶00～7∶00时段仍有不少新能源弃电行为。场景三进一步利用数据中心机房蓄冷能力提升响应效果，场景三中数据中心能耗情况如图6所示，场景三中各数据中心机房温度变化情况如图7所示。

数据中心A在9∶00～16∶00将机房温度控制在上限27 ℃，以此减少制冷系统功率，从而降低电网购电成本。相反，由于数据中心B、数据中心C在11∶00～14∶00、1∶00～7∶00时段新能源出力较多，降低了室温来增加制冷系统功率，提升了新能源消纳效果。

3.3新能源消纳效果分析

场景三通过同时考虑计算载荷的时间、空间可调特性以及机房蓄冷能力，显著提升了各数据中心新能源消纳能力。不同场景新能源消纳效果对比如图8所示。场景一中各数据中心的新能源平均消纳率为79.0%、65.9%、74.7%，在场景三中各数据中心的新能源平均消纳率为92.6%、88.5%、92.4%。

3.4经济效益分析

本文通过将数据中心计算载荷任务从电价峰时迁移到电价谷时处理，或从新能源匮乏的数据中心迁移到新能源充足的数据中心处理，以此减少数据中心运营成本。各场景下的数据中心总运营成本如表2所示。相较于场景一，场景二利用计算载荷的时空迁移能力减少电网购电成本27 974.5元（75.4%）。场景三进一步利用机房蓄冷能力调节制冷系统功率，减少了电网购电成本32 682.0元（88.1%），最终总成本降低了14 646.5元（18.3%）。综上，利用数据中心的计算载荷可调特性以及机房蓄冷能力，能够有效促进新能源消纳，大幅减少电网购电成本，提升数据中心运营经济性。

4结语

本文针对新型电力系统中如何利用数据中心促进新能源消纳的问题，研究了考虑计算载荷时空可调节特性以及制冷负荷灵活性的数据中心负荷优化调度策略。本文根据是否考虑数据中心计算载荷时间、空间可调特性以及机房蓄冷能力等设置了3个场景进行对比分析。仿真结果表明，考虑计算载荷的时间、空间可调节特性能够提升系统新能源消纳能力，进一步考虑制冷负荷的灵活性，系统新能源消纳率可达到约90%。相较于数据中心不参与电网互动，数据中心的电网购电成本降低了88.1%，总成本降低了18.3%，显著提升了运营经济性。

［1］任大伟，肖晋宇，侯金鸣，等.双碳目标下我国新型电力系统的构建与演变研究［J］.电网技术，2022，46（10）：38313839.

［2］余潇潇，宋福龙，周原冰，等.“新基建”对中国“十四五”电力需求和电网规划的影响分析［J］.中国电力，2021，54（7）：1117.

［3］辛保安.抢抓数字新基建机遇推动电网数字化转型［J］.电力设备管理，2021（2）：1719.

［4］朱文.《数据中心能源消耗限额》标准解析［J］.现代建筑电气，2021，12（8）：3337.

［5］MONTI" A，MLLER D，FUCHS 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.计及数据中心负荷可调节潜力的需求响应策略研究［D］.北京：华北电力大学（北京），2023.

［7］王丹阳，张沈习，程浩忠，等.考虑数据中心用能时空可调的电气互联综合能源系统分布式光伏最大准入容量计算［J］.电力系统及其自动化学报，2023，35（2）：121131.

［8］曹望璋，李彬，祁兵，等.计算资源共享模式下的托管式数据中心群两阶段鲁棒优化模型［J］.电网技术，2022，46（10）：41024115.

［9］朱介北，杨顺坡，俞露杰，等.数据中心制冷系统即时消纳可再生能源的建模和变温控制［J］.电力系统自动化，2022，46（20）：1322.

［10］张少迪，丁瑞华.数据中心水冷空调系统预制冷需求响应潜力仿真研究［J］.现代建筑电气，2022，13（8）：610.

［11］杨挺，姜含，侯昱丞，等.基于计算负荷时–空双维迁移的互联多数据中心碳中和调控方法研究［J］.中国电机工程学报，2022，42（1）：164177.

［12］张玉莹，曾博，周吟雨，等.碳减排驱动下的数据中心与配电网交互式集成规划研究［J］.电工技术学报，2023，38（23）：64336450.

［13］曾博，刘一贤，张卫翔，等.综合考虑内外生不确定性的绿色数据中心多域资源协同规划方法［J/OL］.中国电机工程学报，118［20240309］.http：∥hp.kns.cnki.net.shiep.vpn358.com/kcms/detail/11.2107.TM.20230130.1641.003.html.

［14］高赐威，曹晓峻，闫华光，等.数据中心电能管理及参与需求侧资源调度的展望［J］.电力系统自动化，2017，41（23）：17.

［15］陈敏，高赐威，陈宋宋，等.考虑数据中心用电负荷调节潜力的双层经济调度模型［J］.中国电机工程学报，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］温正楠，刘继春.风光水互补发电系统与需求侧数据中心联动的优化调度方法［J］.电网技术，2019，43（7）：24492460.

［18］丁肇豪，曹雨洁，张素芳，等.能源互联网背景下数据中心与电力系统协同优化（一）：数据中心能耗模型［J］.中国电机工程学报，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］郑锋，连怿，韩颖，等.高效节能新技术在超大型云计算数据中心的研究及其应用［J］.现代建筑电气，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