周吟雨，董厚琦，曾 博，林 寧，李鵬飛，曾 鳴

考慮靈活性潛力的互聯(lián)網(wǎng)數(shù)據(jù)中心與配電網(wǎng)雙層協(xié)同規(guī)劃方法

周吟雨1，董厚琦1，曾 博1，林 寧2，李鵬飛2，曾 鳴1

(1.新能源電力系統(tǒng)國家重點實驗室(華北電力大學(xué))，北京 102206; 2.廣東省通信產(chǎn)業(yè)服務(wù)有限公司研究總院，廣東 廣州 510630)

在國家“數(shù)字經(jīng)濟”與“新基建”戰(zhàn)略的雙重推動下，近年來互聯(lián)網(wǎng)數(shù)據(jù)中心(internet data center, IDC)快速發(fā)展并逐漸成為電力系統(tǒng)中重要新增負荷和需求響應(yīng)(demand response, DR)資源。為支撐IDC與電力系統(tǒng)協(xié)調(diào)發(fā)展，提出了一種考慮靈活性潛力的IDC與配電網(wǎng)雙層協(xié)同規(guī)劃框架。首先，根據(jù)IDC數(shù)據(jù)負荷及用電負荷特性建立IDC能耗模型，并從數(shù)據(jù)負荷的時空可遷移、可削減等角度分析了IDC靈活調(diào)節(jié)潛力。在此基礎(chǔ)上，通過深入分析IDC與配電網(wǎng)之間的信息傳遞和互動關(guān)系，并考慮不確定性因素的影響，提出了以配電網(wǎng)運營商為上層領(lǐng)導(dǎo)者制定實時節(jié)點電價，數(shù)據(jù)中心運營商為下層跟隨者基于實時電價參與DR的IDC優(yōu)化選址和配置模型。該模型在充分考慮二者規(guī)劃運行及價格的約束下，實現(xiàn)了上層凈盈利最大化、下層成本最小化的雙層協(xié)同規(guī)劃。最后通過算例仿真和對比分析，證明了所提方法的有效性。

數(shù)據(jù)中心；配電網(wǎng)；雙層規(guī)劃；靈活性；不確定性

0 引言

近年來，隨著5G、物聯(lián)網(wǎng)、云計算和人工智能等信息數(shù)字技術(shù)在我國的快速普及，作為信息基礎(chǔ)設(shè)施重要組成部分的互聯(lián)網(wǎng)數(shù)據(jù)中心的數(shù)量和規(guī)模正不斷擴大[1-3]。據(jù)統(tǒng)計，2020年我國互聯(lián)網(wǎng)數(shù)據(jù)中心(internet data center, IDC)耗電量約占電力消耗總量的2.7%[4-5]。因此，在未來數(shù)據(jù)負荷持續(xù)增長的背景下，若通過配電網(wǎng)對IDC供電，在對環(huán)境造成顯著影響的同時，由此產(chǎn)生的高昂用電成本也將成為制約IDC可持續(xù)發(fā)展的重要因素。另一方面，IDC的數(shù)據(jù)負荷具有時空可遷移與可削減的特性，是電網(wǎng)優(yōu)質(zhì)的需求側(cè)響應(yīng)資源。深入挖掘IDC的靈活用電潛力，不僅可以豐富系統(tǒng)的調(diào)節(jié)手段，提高其運行經(jīng)濟性，還可以有效緩解電網(wǎng)短時局部供電緊張問題，促進可再生能源消納，推動電力行業(yè)低碳轉(zhuǎn)型[6-7]。

鑒于此，為實現(xiàn)IDC與配電網(wǎng)的深度融合，近年來針對二者的集成優(yōu)化問題獲得國內(nèi)外學(xué)者的廣泛關(guān)注。在運行方面：文獻[8]建立了負荷轉(zhuǎn)供和IDC需求響應(yīng)協(xié)同管控城市電網(wǎng)的雙層優(yōu)化模型，上層以阻塞成本最小為目標(biāo)，下層以IDC參與DR效益最大為目標(biāo)，仿真結(jié)果表明考慮IDC協(xié)同優(yōu)化方法優(yōu)于傳統(tǒng)阻塞管理；文獻[9]在分析IDC用電負荷調(diào)節(jié)潛力的基礎(chǔ)上，提出了一種含IDC的雙層經(jīng)濟調(diào)度方法，不僅保證了IDC滿足延遲約束，而且有效提高了電力系統(tǒng)運行經(jīng)濟性。在規(guī)劃方面：文獻[10]基于Benders分解法捕捉配電網(wǎng)和IDC間的信息交互，研究并提出了一個隨機擴展框架，用于確定含光伏發(fā)電和IDC的配電網(wǎng)中電池儲能的安裝規(guī)模與位置，最大限度降低投資運行成本，同時確保系統(tǒng)的可靠性；文獻[11]綜合考慮了配電系統(tǒng)中可再生能源出力和數(shù)據(jù)負荷等多種不確定性因素影響，提出了一種確定IDC選址和數(shù)據(jù)線路的擴展規(guī)劃方法，實現(xiàn)可再生能源消納、配電網(wǎng)運行效率和IDC服務(wù)質(zhì)量的綜合趨優(yōu)；文獻[12]構(gòu)建了一種分布式數(shù)據(jù)中心微電網(wǎng)的綜合規(guī)劃模型，通過優(yōu)化IDC布設(shè)位置、微電網(wǎng)類型、服務(wù)器類型和容量，有效提高系統(tǒng)的整體經(jīng)濟性?？梢?，現(xiàn)有研究關(guān)于配電網(wǎng)與IDC的聯(lián)合優(yōu)化大多集中于運行層面，而規(guī)劃層面主要集中于涉及電網(wǎng)側(cè)要素的IDC自身管理或融合IDC靈活特性的電網(wǎng)規(guī)劃問題，僅著眼于單主體效益分析，對IDC與配電網(wǎng)雙主體的內(nèi)在互動響應(yīng)關(guān)系挖掘尚不充分，未能在規(guī)劃角度同時考慮二者的協(xié)同布局策略。

此外，針對現(xiàn)有電力需求響應(yīng)政策，大體分為激勵補貼和電價信號引導(dǎo)兩種方式[13-15]，但激勵補貼尚僅停留在每個用能主體與電網(wǎng)側(cè)的互動，而電價引導(dǎo)包含實時電價、節(jié)點電價等多種不同的策略形式，可以充分調(diào)用地理分散的IDC的靈活響應(yīng)潛力，更貼合IDC工作需求特性。同時，激勵補貼來源以及收益分配機理較為復(fù)雜[16]，目前尚未有成熟應(yīng)用的方案。另一方面，當(dāng)考慮到具備轉(zhuǎn)移特性的IDC負荷體量達到一定程度時，市場環(huán)境下其單方面響應(yīng)電價可能會引起電價震蕩等[17]。所以，面對大量IDC待投入建設(shè)的局面，直接建立基于電價信號的配電網(wǎng)和 IDC 運行的聯(lián)合優(yōu)化模型更為可行。

針對現(xiàn)有文獻的不足與上述分析，本文建立了考慮靈活調(diào)節(jié)潛力的IDC與配電網(wǎng)協(xié)同規(guī)劃框架。與現(xiàn)有研究不同，本文考慮源荷資源不確定性，從中長期規(guī)劃角度出發(fā)，計及電網(wǎng)側(cè)制定實時節(jié)點電價引導(dǎo)IDC參與需求響應(yīng)，確定配電網(wǎng)與IDC的規(guī)劃運行方案，從而實現(xiàn)兩個主體經(jīng)濟效益協(xié)同趨優(yōu)。根據(jù)模型結(jié)構(gòu)特點，采用卡羅需—庫恩—塔克(Karush-Kuhn-Tucker, KKT)條件和線性化方法將其轉(zhuǎn)化為單層線性化問題求解，并基于改進的IEEE 33節(jié)點系統(tǒng)進行算例仿真分析，驗證了所提方法的合理性和有效性。

1 IDC與配電網(wǎng)雙層協(xié)同規(guī)劃框架

含IDC的主動配電網(wǎng)結(jié)構(gòu)如圖1所示，考慮出力不確定的風(fēng)機(wind turbine generator, WTG)接入電網(wǎng)，每個IDC裝配微型燃氣輪機(gas turbine, GT)以便更靈活地、留有更多調(diào)控空間地參與電網(wǎng)側(cè)互動，自主合理安排用能方式。

圖1 含IDC的主動配電網(wǎng)結(jié)構(gòu)圖

在規(guī)劃階段，配電網(wǎng)運營商(distribution network operator, DNO)的訴求是通過制定合理的實時節(jié)點電價和配電網(wǎng)運行優(yōu)化方案使自身凈盈利最大化，而數(shù)據(jù)中心運營商(data center operator, DCO)作為IDC的所有者和運營者，其目的在于利用自身數(shù)據(jù)負荷的時空可遷移性和可削減性，充分參與電網(wǎng)側(cè)需求響應(yīng)，選擇最佳建設(shè)節(jié)點和服務(wù)器等設(shè)備投資容量進而實現(xiàn)最小化投資運行成本。在該電網(wǎng)結(jié)構(gòu)下：一方面，配電網(wǎng)側(cè)電價的制定會影響IDC的選址和設(shè)備容量，而地理分散的IDC數(shù)據(jù)負荷遷移會改變網(wǎng)絡(luò)中的潮流分布，從而影響配電網(wǎng)的優(yōu)化運行方案；另一方面，IDC的選址定容方案又會影響配電網(wǎng)的收益指標(biāo)，進而影響電價的制定。

基于上述分析，本文構(gòu)建了IDC與配電網(wǎng)雙層協(xié)同規(guī)劃模型，基本框架如圖2所示。其中DNO為上層領(lǐng)導(dǎo)者，DCO為下層跟隨者，配電網(wǎng)向下傳遞實時節(jié)點電價信號，IDC向上傳遞選址和設(shè)備配置信息，協(xié)同決策實現(xiàn)雙方利益最大化，以此達到互利共贏局面。

圖2 IDC與配電網(wǎng)的雙層規(guī)劃框架

2 IDC模型建立

2.1 IDC工作特性及能耗模型

IDC組成單元主要有三個部分：IT設(shè)備、制冷設(shè)備和配電系統(tǒng)[18]。IT設(shè)備和制冷設(shè)備耗電量占最主要部分，約為整個IDC耗電量的90%，其中服務(wù)器在IT設(shè)備耗電組成中占比最高，如圖3所示。

圖3 IDC負荷構(gòu)成

Green Grid提出使用電能利用效率(power usage efficiency, PUE)來衡量IDC的能耗效率，定義為IDC總耗電量與IT設(shè)備耗電量的比值，越接近1表明能效水平越好[19]。那么，IDC總功耗可直接由式(1)表示。

2.2 IDC需求響應(yīng)模型

IDC參與需求響應(yīng)的數(shù)據(jù)負荷可分為兩類。

1) IDC可以在時間維度上調(diào)度的數(shù)據(jù)負荷，包括大數(shù)據(jù)分析、圖像處理等允許在時間上延遲處理的延遲容忍型負荷；

2) 對于能夠接受近似結(jié)果的數(shù)據(jù)負荷，如搜索、仿真等，通過策略降低服務(wù)質(zhì)量也能達到參與需求響應(yīng)的效果[20]。

2.2.1 時空可遷移數(shù)據(jù)負荷模型

2.2.2 可削減數(shù)據(jù)負荷模型

針對策略降低服務(wù)質(zhì)量參與需求響應(yīng)的數(shù)據(jù)負荷稱為可削減數(shù)據(jù)負荷，如式(10)、式(11)所示。

2.2.3 剛性數(shù)據(jù)負荷模型

2.2.4 數(shù)據(jù)負荷處理延時

假設(shè)同一個IDC內(nèi)的服務(wù)器同構(gòu)，運行時任務(wù)平均分配，同時確保占用最少的服務(wù)器數(shù)量，根據(jù)M/M/1排隊論[9]，可描述為

結(jié)合式(14)—式(16)，可得

3 考慮風(fēng)電不確定性的IDC- 配電網(wǎng)雙層規(guī)劃模型

3.1 風(fēng)電不確定性建模

3.1.1 WTG出力概率分布模型

風(fēng)力發(fā)電機的功率輸出主要取決于實時風(fēng)速。風(fēng)速的隨機性和間歇性通?？梢酝ㄟ^雙參數(shù)Weibull分布進行建模[21]，具體如式(18)所示。

風(fēng)機的輸出功率可由式(19)進一步確定。

3.1.2 典型時序場景構(gòu)建

依據(jù)上述WTGs出力函數(shù)對其進行蒙特卡洛抽樣[6]，生成反映風(fēng)電不確定性的隨機場景。為提升計算速率，進一步采用-means聚類算法[22-23]對隨機場景聚類，降低場景數(shù)量，獲得能夠反映風(fēng)電不確定性的典型場景。

3.2 上層優(yōu)化模型

3.2.1 目標(biāo)函數(shù)

上層模型旨在使配電網(wǎng)運營商最大化自身凈盈利，如式(20)所示。

3.2.2 約束條件

1) 配電系統(tǒng)運行約束條件[24]

(1) 節(jié)點功率平衡約束

(2) 線路潮流約束

(3) 節(jié)點電壓偏移約束

(4) 線路功率載流量約束

(5) 變電容量約束

2) 定價限額約束

3.3 下層優(yōu)化模型

3.3.1 目標(biāo)函數(shù)

數(shù)據(jù)中心投資運營商旨在最小化自身投資運行成本，如式(31)所示。

3.3.2 約束條件

1) 最大配置容量約束

2) IDC運行約束

(1) 能量平衡約束

(2) 燃氣輪機出力約束

(3) 燃氣輪機爬坡約束

最大爬坡速率。

除此之外，還需滿足2.1節(jié)和2.2的IDC能耗及需求響應(yīng)約束。

(4) IDC建設(shè)數(shù)量約束

4 求解算法

由于本文構(gòu)建的IDC-配電網(wǎng)雙層規(guī)劃模型為混合整數(shù)非線性規(guī)劃問題(mixed integer non-linear programming, MINLP)，且上下層存在耦合關(guān)系，直接求解較為復(fù)雜，故本文考慮先將下層問題替換為相應(yīng)的KKT條件[25]歸納到上層，從而轉(zhuǎn)化為單層MINLP，然后利用Big-M法、McCormick凸包絡(luò)法[26]將目標(biāo)函數(shù)和約束條件里的非線性項線性化，進一步轉(zhuǎn)化為單層混合整數(shù)線性規(guī)劃問題(mixed integer linear programming, MILP)。

4.1 雙層問題單層化

先采用拉格朗日乘子法將下層優(yōu)化問題轉(zhuǎn)化為KKT最優(yōu)條件。

4.2 單層問題線性化

互補松弛條件是一種特殊的非線性結(jié)構(gòu)，可通過Big-M法引入0—1變量將非線性約束轉(zhuǎn)化為線性約束。以式(37)為例，可轉(zhuǎn)換為式(54)和式(55)所示的線性約束形式。

對目標(biāo)函數(shù)的其他非線性項進行類似處理，進而完全轉(zhuǎn)化為MILP，最后在Matlab2018a中調(diào)用Gurobi求解器對該MILP進行有效求解。

5 算例分析

5.1 參數(shù)設(shè)置

圖4 改進IEEE 33節(jié)點系統(tǒng)拓撲圖

表1 系統(tǒng)設(shè)備參數(shù)

表2 其他參數(shù)設(shè)置

5.2 結(jié)果分析

5.2.1 IDC規(guī)劃運行結(jié)果分析

基于上述參數(shù)設(shè)置，IDC選址和規(guī)劃配置情況如表3所示，DNO制定的實時節(jié)點電價和IDC各時刻數(shù)據(jù)任務(wù)處理量安排如圖5所示，其中IDC1位于節(jié)點13，IDC2位于節(jié)點20。

由表3可以看出，2個IDC的燃氣輪機都裝配最大容量，表明雖然微型燃氣輪機投資成本較高，但其較低的運行費用對于IDC參與電網(wǎng)側(cè)實時波動電價激勵需求響應(yīng)時，起到了很大的靈活調(diào)節(jié)作用，保障了IDC正常穩(wěn)定運行的安全性與經(jīng)濟性。所以在對IDC進行規(guī)劃時，配置一定容量的分布式電源具有重要的工程實踐意義。

由圖5可見，IDC的數(shù)據(jù)遷移安排基本集中在兩階段：當(dāng)08：00—11：00電價較高時，IDC將部分數(shù)據(jù)負荷遷移至11：00—14：00的低電價時刻處理，將處于19：00—21：00高電價的數(shù)據(jù)負荷遷移至低谷電價23：00—24：00處理。而在圖5(a)中13：00和23：00、圖5(b)中12：00和21：00等均有數(shù)據(jù)負荷遷入遷出，這是因為鑒于時間維度的遷移只能向后進行，在該時刻之前的電價均較高，所以在滿足數(shù)據(jù)處理延時的基礎(chǔ)上遷入至此，而此刻的電價也高于之后的電價，所以也遷出該時刻原本接收到的數(shù)據(jù)負荷至后續(xù)的低電價時刻。由此可見，在DNO制定的實時節(jié)點電價的引導(dǎo)下，IDC合理調(diào)整各時刻數(shù)據(jù)任務(wù)處理策略，其需求響應(yīng)潛力得以充分挖掘。

表3 IDC選址和規(guī)劃配置情況

5.2.2 情景對比分析

為驗證所提數(shù)據(jù)中心與配電網(wǎng)雙層協(xié)同規(guī)劃模型的有效性，設(shè)計以下5種情景進行分析，各情景下DNO與DCO的年收益成本情況如表4所示。

1) 情景1：固定電價(不考慮DR與雙層博弈)；

2) 情景2：采用分時電價(各節(jié)點電價相同)；

3) 情景3：固定IDC選址為節(jié)點7、20；

4) 情景4：固定IDC選址為節(jié)點13、29；

5) 情景5：本文所提模型。

表4 各情景下DNO和DCO年收益成本情況

1) DR模型有效性分析

為了說明需求響應(yīng)的實施效果，首先比較情景1、2、5。由表4可知：情景5 DNO凈盈利最高，情景2次之，情景1最低；情景2 DCO成本最低，情景5次之，情景1最高?？梢姡榫? 綜合效益最差，這是因為此時固定電價，即不考慮需求響應(yīng)以及上下層之間的互動博弈，導(dǎo)致該情景運行規(guī)劃缺乏靈活性和調(diào)控性。對比情景1，情景2引入分時電價后，使得DCO總規(guī)劃成本下調(diào)25.16萬元，其中投資成本降低20.5%，運行成本升高9%；DNO凈盈利增長67.21萬元，其中購電成本降低25.7萬元，同時棄風(fēng)成本顯著降低。這表明分時電價在一定程度上使參與需求響應(yīng)的IDC改變自身的數(shù)據(jù)處理策略，調(diào)整用能需求時序，使相對電網(wǎng)側(cè)的負荷波動性減小，降低了設(shè)備投資容量。IDC運行成本升高是由于在現(xiàn)行電價下用能平均電價高于基本電價，但總規(guī)劃成本還是大幅減少。同時，DR提高可再生能源出力與負荷波動的匹配度，促進風(fēng)電消納，從而減少DNO向上級電網(wǎng)的購電成本，使系統(tǒng)更具經(jīng)濟和環(huán)境效益。相較于情景2，本文所提電價優(yōu)化策略進一步考慮施行不同節(jié)點的實時電價，使電價信號更能精準捕捉到IDC的負荷特性，因此運行成本下降13.39萬元，雖投資成本略有升高，但DCO總規(guī)劃成本基本持平，同時由于DR可調(diào)控空間更廣，更大程度上促進RES出力，棄風(fēng)成本降低，從而減少購電，提高DNO凈盈利近35萬元。

為進一步揭示DR靈活性對系統(tǒng)效益提升的機理，圖6、圖7分別給出了情景1、2和5的風(fēng)電出力及服務(wù)器調(diào)度對比圖。由圖6可以看出，情景1未考慮DR，風(fēng)電出力與負荷的匹配度較差，經(jīng)濟效益隨之降低，而在IDC參與DR后，風(fēng)電利用效率顯著提升。對比情景2和5可見，實時節(jié)點電價比分時電價更能捕捉可再生能源出力的波動性，從而更及時正確地引導(dǎo)IDC調(diào)整數(shù)據(jù)負荷處理計劃，改變用能曲線，滿足RES消納需求。如圖7所示，情景1服務(wù)器開機調(diào)度隨數(shù)據(jù)負荷變化波動，無調(diào)控能力，導(dǎo)致設(shè)備投資冗余，情景2實施分時電價有效平衡了IDC負荷能耗的波動性，但情景5將08：00—11：00、19：00—21：00的負荷高峰期分別轉(zhuǎn)移至11：00—14：00和23：00—24：00風(fēng)電高發(fā)期，實現(xiàn)了總運行能耗的降低。

圖6 情景1、2和5下風(fēng)機實際出力

圖7 情景1、2和5下服務(wù)器調(diào)度

2) IDC選址的有效性分析

針對選址的考慮，對比情景3、4、5，由表4 DNO和DCO各項收益成本情況可以看出，優(yōu)化選址的情景5要優(yōu)于情景3和4，DNO凈盈利分別高出22.28萬元、11.5萬元，DCO總規(guī)劃成本分別降低9.74萬元、8.37萬元。這是因為IDC建設(shè)位置選擇的不恰當(dāng)會影響電網(wǎng)的潮流分布，造成線路堵塞，從而增大棄風(fēng)率，降低電網(wǎng)收益。如圖8所示，比較各情景下IDC與電網(wǎng)的交互功率，情景3、4在負荷高峰時刻(15：00—17：00)從電網(wǎng)側(cè)購入功率較情景5高，而在負荷低谷時刻(22：00—24：00)購電量較少，削峰填谷效果劣于情景5，未能使電網(wǎng)潮流分布更優(yōu)，使得運行成本提高，經(jīng)濟性變差。由圖9可見，雖然情景3在15：00和18：00時WTG出力略高于情景5，但總體來看，情景5的風(fēng)電利用率還是明顯高于其他兩種情景?；谏鲜龇治?，表明優(yōu)化選址納入考量范圍可以減少DCO經(jīng)濟成本的同時還能顯著提高DNO的利潤，改良電網(wǎng)潮流，促進風(fēng)電等可再生能源消納。因此，在配網(wǎng)規(guī)劃運行過程中充分考慮IDC等新型負荷的布局與運行規(guī)律時，隨著越來越多的數(shù)據(jù)中心接入配電網(wǎng)，協(xié)同規(guī)劃策略將實現(xiàn)多主體共贏。

圖8 情景3、4和5 下IDC與電網(wǎng)交互功率

圖9 情景3、4和5下風(fēng)機實際出力

6 結(jié)論

本文基于電價信號激勵下配電網(wǎng)與互聯(lián)網(wǎng)數(shù)據(jù)中心的互動響應(yīng)關(guān)系，提出了考慮IDC靈活性潛力的互聯(lián)網(wǎng)數(shù)據(jù)中心與配電網(wǎng)雙層協(xié)同規(guī)劃模型。上層DNO制定實時節(jié)點電價，IDC根據(jù)電價信號參與DR，從而下層DCO確定選址、規(guī)劃配置方案，分別以凈盈利最大化、成本最小化為優(yōu)化目標(biāo)。通過算例結(jié)果仿真，主要得到以下結(jié)論：

1) 本文所提出的IDC與配電網(wǎng)雙層協(xié)同規(guī)劃方法可以有效刻畫二者的博弈決策關(guān)系，實現(xiàn)了在保障二者合理的經(jīng)濟效益下的優(yōu)化規(guī)劃。

2) 通過實時節(jié)點電價引導(dǎo)IDC調(diào)整數(shù)據(jù)負荷處理策略，IDC利用數(shù)據(jù)負荷遷移能力參與需求響應(yīng)能夠及時靈活地實現(xiàn)風(fēng)電等新能源與負荷的高效匹配，在考慮二者經(jīng)濟性最優(yōu)的情形下更大程度上促進可再生能源消納。

3) 在中長期規(guī)劃階段考慮IDC選址問題，有利于運行時協(xié)調(diào)電網(wǎng)側(cè)潮流分布，避免堵塞，造成大量棄風(fēng)、IDC負荷調(diào)整能力削弱等現(xiàn)象，使削峰填谷效果充分展現(xiàn)，從而提升經(jīng)濟環(huán)境效益，實現(xiàn)配電網(wǎng)與數(shù)據(jù)中心的協(xié)同規(guī)劃最優(yōu)。

[1] 國家互聯(lián)網(wǎng)信息辦公室發(fā)布《數(shù)字中國發(fā)展報告(2020年)》[EB/OL]. [2022-03-08].http://www.gov.cn/xinwen/2021-07/03/content_5622668.htm.

[2] 楊湛曄, 王佳楠, 張虎潤, 等. “互聯(lián)網(wǎng)+”智慧能源信息系統(tǒng)遠程協(xié)同共享研究[J]. 發(fā)電技術(shù), 2022, 43(3): 431-438.

YANG Zhanye, WANG Jianan, ZHANG Hurun, et al. Research on remote synergic sharing of“internet+”smart energy information system[J]. Power Generation Technology, 2022, 43(3): 431-438.

[3] 林正沖, 戚思睿, 茍吉偉, 等. 新電改形勢下集中化大型數(shù)據(jù)中心戰(zhàn)略投資和商業(yè)模式[J]. 中國電力, 2021, 54(11): 37-46.

LIN Zhengchong, QI Sirui, GOU Jiwei, et al. Strategic investment and business models of large centralized data centers under the new power system reform[J]. Electric Power, 2021, 54(11): 37-46.

[4] 吳云蕓, 方家琨, 艾小猛, 等. 計及多種儲能協(xié)調(diào)運行的數(shù)據(jù)中心實時能量管理[J]. 電力自動化設(shè)備, 2021, 41(10): 82-89.

WU Fangyun, FANG Jiakun, AI Xiaomeng, et al. Real-time energy management of data center considering coordinated operation of multiple types of energy storage[J]. Electric Power Automation Equipment, 2021, 41(10): 82-89.

[5] 王圓圓, 白宏坤, 李文峰, 等. 能源大數(shù)據(jù)應(yīng)用中心功能體系及應(yīng)用場景設(shè)計[J]. 智慧電力, 2020, 48(3): 15-21, 29.

WANG Yuanyuan, BAI Hongkun, LI Wenfeng, et al. Function system and application scenario design of energy big data application center[J]. Smart Power, 2020, 48(3): 15-21, 29.

[6] 曹雨潔, 丁肇豪, 王鵬, 等. 能源互聯(lián)網(wǎng)背景下數(shù)據(jù)中心與電力系統(tǒng)協(xié)同優(yōu)化(二)：機遇與挑戰(zhàn)[J]. 中國電機工程學(xué)報, 2022, 42(10): 3512-3527.

CAO Yujie, DING Zhaohao, WANG Peng, et al. Coordinated operation for data center and power system in the context of energy internet: opportunities and challenges[J]. Proceedings of the CSEE, 2022, 42(10): 3512-3527.

[7] 霍沫霖, 郭磊, 張哲. 區(qū)域能源互聯(lián)網(wǎng)的發(fā)展現(xiàn)狀與政策建議[J]. 中國電力, 2020, 53(12): 241-247.

HUO Molin, GUO Lei, ZHANG Zhe. Development status and policy suggestions for district energy integration[J]. Electric Power, 2020, 53(12): 241-247.

[8] 王晴, 劉友波, 黃楊, 等. 考慮數(shù)據(jù)中心需求響應(yīng)的城市電網(wǎng)阻塞管理[J]. 電網(wǎng)技術(shù), 2020, 44(8): 3129-3138.

WANG Qing, LIU Youbo, HUANG Yang, et al. Congestion management of urban power grid considering demand response of data center[J]. Power System Technology, 2020, 44(8): 3129-3138.

[9] 陳敏, 高賜威, 陳宋宋, 等. 考慮數(shù)據(jù)中心用電負荷調(diào)節(jié)潛力的雙層經(jīng)濟調(diào)度模型[J]. 中國電機工程學(xué)報, 2019, 39(5): 1301-1314.

CHEN Min, GAO Ciwei, CHEN Songsong, et al. Bi-level economic dispatch modeling considering the load regulation potential of internet data center[J]. Proceedings of the CSEE, 2019, 39(5): 1301-1314.

[10] ALOBAIDI A H, KHODAYAR M, VAFAMEHR A, et al. Stochastic expansion planning of battery energy storage for the interconnected distribution and data networks[J]. International Journal of Electrical Power & Energy Systems, 2021, 133.

[11] VAFAMEHR A, KHODAYAR M E, MANSHADI S D, et al. A framework for expansion planning of data centers in electricity and data networks under uncertainty[J]. IEEE Transactions on Smart Grid, 2017, 10(1): 305-316.

[12] QI Wenbo, LI Jie, LIU Yaoqing, et al. Planning of distributed internet data center microgrids[J]. IEEE Transactions on Smart Grid, 2017, 10(1): 762-771.

[13] 曾博, 白婧萌, 郭萬祝, 等. 智能配電網(wǎng)需求響應(yīng)效益綜合評價[J]. 電網(wǎng)技術(shù), 2017, 41(5): 1603-1612.

ZENG Bo, BAI Jingmeng, GUO Wanzhu, et al. Comprehensive evaluation for benefits of demand response in smart distribution networks[J]. Power System Technology, 2017, 41(5): 1603-1612.

[14] 趙福林, 俞嘯玲, 杜詩嘉, 等. 計及需求響應(yīng)的含大規(guī)模風(fēng)電并網(wǎng)下電力系統(tǒng)靈活性評估[J]. 電力系統(tǒng)保護與控制, 2021, 49(1): 42-51.

ZHAO Fulin, YU Xiaoling, DU Shijia, et al. Assessment on flexibility of a power grid with large-scale wind farm integration considering demand response[J]. Power System Protection and Control, 2021, 49(1): 42-51.

[15] 羅金滿, 趙善龍, 封祐鈞, 等. 考慮綜合需求響應(yīng)不確定性的電—氣綜合能源系統(tǒng)優(yōu)化運行[J]. 中國電力, 2020, 53(12): 119-126.

LUO Jinman, ZHAO Shanlong, FENG Youjun, et al. Optimal operation of integrated electricity-gas system considering uncertainty of integrated demand response[J]. Electric Power, 2020, 53(12): 119-126.

[16] 陳敏, 高賜威, 郭慶來, 等. 互聯(lián)網(wǎng)數(shù)據(jù)中心負荷時空可轉(zhuǎn)移特性建模與協(xié)同優(yōu)化：驅(qū)動力與研究架構(gòu)[J].中國電機工程學(xué)報, 2022, 42(19): 6945-6958.

CHEN Min, GAO Ciwei, GUO Qinglai, et al. Load modeling and coordinated optimization of spatiotemporally- coupled internet data center: motivation and architecture[J]. Proceedings of the CSEE, 2022, 42(19): 6945-6958.

[17] WANG Hao, HUANG Jianwei, LIN Xiaojun, et al. Proactive demand response for data centers: a win-win solution[J]. IEEE Transactions on Smart Grid, 2017, 7(3): 1584-1596.

[18] YUAN Haitao, LIU Heng, BI Jing, et al. Revenue and energy cost-optimized biobjective task scheduling for green cloud data centers[J]. IEEE Transactions on Automation Science and Engineering, 2021, 18(2): 817-830.

[19] 王雅婧. 數(shù)據(jù)-電力協(xié)同的數(shù)據(jù)中心能量管理優(yōu)化研究[D]. 北京: 華北電力大學(xué), 2021.

WANG Yajing. Research on data center management optimization based on data-power collaboration[D]. Beijing: North China Electric Power University, 2021.

[20] GUO Caishan, LUO Fengji, CAI Zexiang, et al. Integrated energy systems of data centers and smart grids: state-of-the-art and future opportunities[J]. Applied Energy, 2021, 301.

[21] ZENG Bo, LIU Yu, XU Fuqiang, et al. Optimal demand response resource exploitation for efficient accommodation of renewable energy sources in multi-energy systems considering correlated uncertainties[J]. Journal of Cleaner Production, 2020, 288.

[22] 白斌, 韓明亮, 林江, 等. 含風(fēng)電和光伏的可再生能源場景削減方法[J]. 電力系統(tǒng)保護與控制, 2021, 49(15): 141-149.

BAI Bin, HAN Mingliang, LIN Jiang, et al. Scenario reduction method of renewable energy including wind power and photovoltaic[J]. Power System Protection and Control, 2021, 49(15): 141-149.

[23] 宋學(xué)偉, 劉玉瑤. 基于改進K-means聚類的風(fēng)光發(fā)電場景劃分[J]. 發(fā)電技術(shù), 2020, 41(6): 625-630.

SONG Xuewei, LIU Yuyao. Wind and Photovoltaic generation scene division based on improved K-means clustering[J]. Power Generation Technology, 2020, 41(6): 625-630.

[24] 曾博, 方偉, 徐豪, 等. 基于樓宇分布式能源提升配電網(wǎng)韌性的智能表計優(yōu)化配置方法[J]. 電網(wǎng)技術(shù), 2021, 45(1): 292-302.

ZENG Bo, FANG Wei, XU Hao, et al. Optimal allocation of smart energy meters for improving distribution network resilience based on distributed energy resources in buildings[J]. Power System Technology, 2021, 45(1): 292-302.

[25] 白浩, 袁智勇, 周長城, 等. 計及新能源波動與相關(guān)性的配電網(wǎng)最大供電能力調(diào)度方法[J]. 電力系統(tǒng)保護與控制, 2021, 49(8): 66-73.

BAI Hao, YUAN Zhiyong, ZHOU Changcheng, et al. Dispatching method of maximum power supply capacity of a power distributed network considering fluctuation and correlation of renewable energy[J]. Power System Protection and Control, 2021, 49(8): 66-73.

[26] DING Tao, BO Rui, LI Fangxing, et al. A bi-level branch and bound method for economic dispatch with disjoint prohibited zones considering network losses[J]. IEEE Transactions on Power Systems, 2015, 30(6): 2841-2855.

[27] 劉晉源, 呂林, 高紅均, 等. 計及分布式電源和電動汽車特性的主動配電網(wǎng)規(guī)劃[J]. 電力系統(tǒng)自動化, 2020, 44(12): 41-48.

LIU Jinyuan, Lü Lin, GAO Hongjun, et al. Planning of active distribution network considering characteristics of distributed generator and electric vehicle[J]. Automation of Electric Power Systems, 2020, 44(12): 41-48.

[28] 李咸善, 馬凱琳, 程杉. 含多區(qū)域綜合能源系統(tǒng)的主動配電網(wǎng)雙層博弈優(yōu)化調(diào)度策略[J]. 電力系統(tǒng)保護與控制, 2022, 50(1): 8-22.

LI Xianshan, MA Kailin, CHENG Shan. Dispatching strategy of an active distribution network with multiple regional integrated energy systems based on two-level game optimization[J]. Power System Protection and Control, 2022, 50(1): 8-22.

[29] GU Chonglin, LI Zhenlong, HUANG Hejiao, et al. Energy efficient scheduling of servers with multi-sleep modes for cloud data center[J]. IEEE Transactions on Cloud Computing, 2020, 8(3): 833-846.

[30] 趙天陽, 張華君, 徐巖, 等. 不確定環(huán)境下含云計算數(shù)據(jù)中心的電網(wǎng)韌性增強調(diào)度[J]. 電力系統(tǒng)自動化, 2021, 45(3): 49-57.

ZHAO Tianyang, ZHANG Huajun, XU Yan, et al. Resilience-enhanced scheduling of power system with cloud computing data centers under uncertainty[J]. Automation of Electric Power Systems, 2021, 45(3): 49-57.

[31] 曾博, 徐富強, 劉裕, 等. 考慮可再生能源與需求響應(yīng)協(xié)同增效的能量樞紐多目標(biāo)區(qū)間優(yōu)化規(guī)劃方法[J]. 中國電機工程學(xué)報, 2021, 41(21): 7212-7225.

ZENG Bo, XU Fuqiang, LIU Yu, et al. Multi-objective interval optimization approach for energy hub planning with consideration of renewable energy and demand response synergies[J]. Proceedings of the CSEE, 2021, 41(21): 7212-7225.

Bi-level approach to internet data-center and distribution network collaborative planning considering the potential of flexibilities

ZHOU Yinyu1, DONG Houqi1, ZENG Bo1, LIN Ning2, LI Pengfei2, ZENG Ming1

(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Beijing 102206, China; 2. Central Research Institute of Guangdong Communications Services Company Limited, Guangzhou 510630, China)

Driven by the national strategies of "digital economy" and "new infrastructure", the internet data center (IDC) has developed rapidly in recent years and gradually become an important new load and demand response (DR) resource in the power system. To support the coordinated development of the IDC and power system, this paper proposes a bi-level collaborative planning framework for the IDC and distribution network considering the potential of flexibilities. First, an IDC energy consumption model is established according its data and power load characteristics, and its flexible adjustment potential is analyzed from the perspectives of time migration and reduction of data load. Through in-depth analysis of the information interaction between the IDC and the distribution network, and considering the influence of uncertain factors, this paper proposes a method in which the distribution network operator (DNO) is the upper leader in formulating real-time node electricity prices. The data center operator (DCO) is the lower-level follower to participate in DR and decide optimal site selection and configuration. This method realizes the bi-level collaborative planning of maximizing the profit of the upper level and minimizing the cost of the lower level by fully considering the constraints of the two planning operations and prices. Finally, the rationality and effectiveness of the method proposed are proved by example simulation and comparative analysis.

data center; distribution network; bi-level programming; flexibility; uncertainty

10.19783/j.cnki.pspc.220350

國家自然科學(xué)基金項目資助(52177082)；國家社會科學(xué)基金重大項目資助(19ZDA081)；中央高?；究蒲袠I(yè)務(wù)費項目資助(2022JG005)

This work is supported by the National Natural Science Foundation of China (No. 52177082).

2022-03-17；

2022-05-08

周吟雨(1999—)，女，碩士研究生，研究方向為智能配電網(wǎng)優(yōu)化規(guī)劃；E-mail: zhouyinyuyy@163.com

董厚琦(1993—)，男，博士研究生，研究方向為電力技術(shù)經(jīng)濟；E-mail: 349237801@qq.com

曾 博(1987—)，男，通信作者，副教授，研究方向為電力信息物理社會系統(tǒng)建模與分析、綜合能源系統(tǒng)優(yōu)化規(guī)劃等。E-mail:alosecity@126.com

(編輯 姜新麗)