王丹陽，張沈習(xí)，程浩忠，韓 豐，宋 毅，原 凱

（1.上海交通大學(xué)電力傳輸與功率變換控制教育部重點實驗室，上海 200240；2.國網(wǎng)經(jīng)濟技術(shù)研究院有限公司，北京 102209）

雙碳目標下，我國提出了2030年光伏和風(fēng)電總裝機容量超過1 200 GW的發(fā)展目標，高比例可再生能源并網(wǎng)成為未來能源系統(tǒng)的典型特征[1]。由于分布式光伏具有安裝場地廣泛、便于就近消納等優(yōu)勢，國際能源署預(yù)測，2024年全球分布式光伏裝機容量可超過600 GW，其中分布式光伏裝機容量的增長量將占全球光伏總裝機增長量的近一半[2]。如何顯著提高能源系統(tǒng)靈活性，實現(xiàn)高比例可再生能源接入后的經(jīng)濟、穩(wěn)定運行，成為當下研究熱點。

另一方面，隨著5G、云計算、人工智能等新一代信息技術(shù)蓬勃發(fā)展，作為信息系統(tǒng)物理載體的數(shù)據(jù)中心能耗不斷上升。2021年，我國數(shù)據(jù)中心總用電量將突破2 000×108kW·h，并以超過10%的年均增長率繼續(xù)增長[3-5]。數(shù)據(jù)負載通過數(shù)據(jù)網(wǎng)絡(luò)在時間或空間尺度遷移時，數(shù)據(jù)中心能耗隨之進行時空轉(zhuǎn)移，因此數(shù)據(jù)中心用能具有顯著的時空可調(diào)特性。龐大的用能規(guī)模和靈活的時空調(diào)節(jié)能力使數(shù)據(jù)中心用能成為一種富有潛力的新型靈活性資源[5]。此外，在雙碳目標下能源系統(tǒng)形態(tài)也在不斷進化，以多能互補、能源梯級利用為特色的綜合能源系統(tǒng)具有靈活性更強、能源利用效率更高的優(yōu)勢，將成為未來能源系統(tǒng)的典型形態(tài)[5-6]；且多能源系統(tǒng)的預(yù)測、監(jiān)測、調(diào)度等過程也需依賴數(shù)據(jù)中心作為信息物理載體[7]。因此，有必要在集成數(shù)據(jù)中心的綜合能源系統(tǒng)背景下，對清潔能源可接入容量極限進行分析。

目前，在利用數(shù)據(jù)中心用能時空可調(diào)特性促進清潔能源消納方面，已有學(xué)者進行了部分研究。針對單個數(shù)據(jù)中心，文獻[8]基于數(shù)據(jù)負載時間可調(diào)特性，建立數(shù)據(jù)中心靈活性用能機制模型，促進能耗向可再生能源生產(chǎn)高峰時段平移；文獻[9]為集成可再生能源的數(shù)據(jù)中心建立多目標數(shù)據(jù)負載調(diào)度模型，在最大限度利用可再生能源的同時，最小化數(shù)據(jù)負載完成時間和總能耗；文獻[10]在數(shù)據(jù)中心內(nèi)集成不間斷電源系統(tǒng)，利用電儲能減輕峰值工作量、平滑可再生能源供應(yīng)；文獻[11]則進一步利用動態(tài)啟發(fā)式算法，在消納可再生能源、削減峰值功率和維持不間斷電源系統(tǒng)可用性之間進行最優(yōu)化設(shè)計；文獻[12]設(shè)計了包含超級電容器和儲氫的新型數(shù)據(jù)中心電氣結(jié)構(gòu)，借助能源轉(zhuǎn)換過程進一步提升數(shù)據(jù)中心用能靈活性和清潔能源消納能力；除集成電儲能外，文獻[13]同時分析了并網(wǎng)模式和孤島運行模式下，數(shù)據(jù)中心微電網(wǎng)內(nèi)分布式光伏消納水平；文獻[14]考慮電價、可再生能源出力和數(shù)據(jù)負載不確定性對數(shù)據(jù)中心用能及清潔能源消納的影響；但文獻[8-14]均未對數(shù)據(jù)負載空間轉(zhuǎn)移特性進行分析。針對地理位置分散的數(shù)據(jù)中心，文獻[15]對不同可再生能源供能比例下數(shù)據(jù)中心的碳排放及總成本進行對比分析，但并未考慮數(shù)據(jù)中心用能時間可調(diào)特性。文獻[16-17]同時考慮了數(shù)據(jù)負載時間、空間轉(zhuǎn)移特性對清潔能源消納的促進作用，其中，文獻[16]通過在數(shù)據(jù)中心微能源網(wǎng)中配備蓄熱裝置提升清潔能源消納水平；文獻[17]考慮不同數(shù)據(jù)中心所在地電價的不同，利用啟發(fā)式算法求解以能源成本最小化和收益最大化為目標建立的調(diào)度模型，間接促進成本較低的清潔能源消納；但文獻[16-17]模型中的可再生能源均建造在數(shù)據(jù)中心附近，未考慮能源網(wǎng)絡(luò)安全約束。目前，大部分研究均在電力系統(tǒng)場景下分析數(shù)據(jù)中心用能時空可調(diào)特性對清潔能源消納的促進作用，在綜合能源系統(tǒng)場景下的相關(guān)研究仍有所欠缺。

本文在集成數(shù)據(jù)中心的區(qū)域級綜合能源系統(tǒng)中，充分考慮數(shù)據(jù)中心用能時空可調(diào)特性及電-氣互補對清潔能源消納的促進作用，提出一種考慮數(shù)據(jù)中心用能時空可調(diào)的電-氣互聯(lián)綜合能源系統(tǒng)分布式光伏最大準入容量計算方法。首先，建立數(shù)據(jù)中心能耗計算模型，并對數(shù)據(jù)中心用能時空可調(diào)特性進行分析；然后，構(gòu)建集成數(shù)據(jù)中心的電-氣互聯(lián)綜合能源系統(tǒng)分布式光伏最大準入容量優(yōu)化模型，通過凸松弛技術(shù)和增量分段線性化方法將模型轉(zhuǎn)化為混合整數(shù)二階錐模型進行求解；最后，在97節(jié)點電網(wǎng)和11節(jié)點氣網(wǎng)算例中對模型有效性進行驗證，計算得出算例中分布式光伏最大準入容量，并分析了電-氣能源網(wǎng)絡(luò)安全約束對分布式光伏最大準入容量的影響。

1 數(shù)據(jù)中心建模及用能時空可調(diào)特性分析

1.1 數(shù)據(jù)中心建模

數(shù)據(jù)中心用能具備時空可調(diào)特性，是一種龐大的新型需求響應(yīng)主體[18]。但相比于常規(guī)的綜合需求響應(yīng)資源，數(shù)據(jù)中心作為能量流-數(shù)據(jù)流耦合的物理載體，在建模時還需考慮信息系統(tǒng)內(nèi)數(shù)據(jù)負載調(diào)度、最大響應(yīng)時間等因素的影響。

1.1.1 數(shù)據(jù)中心能耗計算模型

數(shù)據(jù)中心能耗可通過數(shù)據(jù)中心電能使用效率PUE（power usage effectiveness）和IT設(shè)備能耗計算，本文利用服務(wù)器能耗代表IT設(shè)備能耗，并基于動態(tài)電壓頻率調(diào)節(jié)DVFS（dynamic voltage/frequency scaling）技術(shù)對服務(wù)器能耗進行建模。基于DVFS技術(shù)設(shè)計的服務(wù)器具有離散可調(diào)的工作頻率，每種工作頻率對應(yīng)不同的工作電壓、芯片運行頻率和服務(wù)率，因此，可根據(jù)工作負載動態(tài)調(diào)節(jié)服務(wù)器能耗，達到節(jié)能效果。數(shù)據(jù)中心能耗具體模型[19]可表示為

式中：Pdc，t為數(shù)據(jù)中心在t時刻的總能耗；PUE為數(shù)據(jù)中心能源使用效率常數(shù)；PIT，t為t時刻IT設(shè)備的總能耗；M為不同種類服務(wù)器集合；S為某種服務(wù)器不同工作狀態(tài)集合；Pm，s，t為t時刻處于s工作狀態(tài)的m類服務(wù)器能耗，由靜態(tài)能耗Pm，st和動態(tài)能耗Pm，dy，t構(gòu)成，基于DVFS技術(shù)，服務(wù)器動態(tài)能耗Pm，dy，t與芯片工作頻率 fm，s，t相關(guān)；km為m類服務(wù)器的動態(tài)能耗計算系數(shù)。

1.1.2 數(shù)據(jù)中心運行約束

1）數(shù)據(jù)負載總和約束

本文考慮數(shù)據(jù)中心承擔交互型和批處理型兩類數(shù)據(jù)負載。數(shù)據(jù)負載到達率為單位時間內(nèi)分配給數(shù)據(jù)中心的數(shù)據(jù)負載量。在t時段，N個數(shù)據(jù)中心的數(shù)據(jù)負載到達率總和λt可表示為

2）服務(wù)率總和約束

服務(wù)率代表數(shù)據(jù)中心處理數(shù)據(jù)負載的能力。N個數(shù)據(jù)中心在單位時段t能提供的服務(wù)率總和μt可表示為

式中：μt為各個數(shù)據(jù)中心內(nèi)不同種類處于不同工作狀態(tài)服務(wù)器所能提供的服務(wù)率之和：為在單位時段t數(shù)據(jù)中心i內(nèi)m類處于s工作狀態(tài)的服務(wù)器的服務(wù)率。

從所處理數(shù)據(jù)負載類型的角度，μt也可表示為

3）最大響應(yīng)時間約束

交互型數(shù)據(jù)負載和批處理型數(shù)據(jù)負載的最大響應(yīng)時間約束分別為

式中：Ditr為交互型數(shù)據(jù)負載最大響應(yīng)時間；ditr為數(shù)據(jù)負載傳輸延遲時間，本文假設(shè)為某一具體常數(shù)[20]。對于批處理型數(shù)據(jù)負載，由于最大響應(yīng)時間可達幾小時甚至幾天，數(shù)據(jù)中心在最大響應(yīng)時間Tbatch內(nèi)完成數(shù)據(jù)負載處理即可。

1.2 數(shù)據(jù)中心用能時空可調(diào)特性分析

數(shù)據(jù)中心能耗可分為IT設(shè)備能耗和輔助設(shè)備能耗，其中，輔助設(shè)備能耗主要為制冷能耗；IT設(shè)備能耗與服務(wù)器處理的數(shù)據(jù)負載量密切相關(guān)。根據(jù)延遲容忍度的不同，數(shù)據(jù)負載可分為對延遲容忍度較低的交互型數(shù)據(jù)負載和對延遲容忍度較高的批處理型數(shù)據(jù)負載[20]。交互型數(shù)據(jù)負載包括視頻直播、商業(yè)交易應(yīng)用和數(shù)據(jù)查詢等，最大響應(yīng)時間一般在毫秒級別；而批處理型數(shù)據(jù)負載通常涵蓋了科學(xué)計算、圖像處理和大規(guī)模數(shù)據(jù)分析等，最大響應(yīng)時間可長達幾分鐘至幾天[21]。其中，批處理型數(shù)據(jù)負載由于最大響應(yīng)時間較長，具有較高的時空調(diào)節(jié)靈活度；而交互型數(shù)據(jù)負載雖然對延遲容忍度較低、時移能力有限，但光纖極快的傳輸速度和僅為0.02 ms/km左右的傳輸延遲[22]為交互型數(shù)據(jù)負載空間轉(zhuǎn)移提供了可能。

目前，數(shù)據(jù)中心生產(chǎn)環(huán)境已經(jīng)具備了工作負載時空調(diào)度的能力：在時間尺度上，混合部署技術(shù)可將交互型和批處理型數(shù)據(jù)負載配置在同一臺服務(wù)器上，在保證交互型數(shù)據(jù)負載優(yōu)先處理的前提下，服務(wù)器尖峰功率時刻推遲批處理型數(shù)據(jù)負載的處理[23]；在空間尺度上，一個數(shù)據(jù)中心服務(wù)商通常包括多個地理位置不同的數(shù)據(jù)中心[20]，得益于云計算技術(shù)的發(fā)展，理論上數(shù)據(jù)負載的處理可不受地域限制，但在實際決策時還需考慮時間延遲、計算資源等的影響。此外，數(shù)據(jù)中心實時管理系統(tǒng)和以DVFS技術(shù)為代表的服務(wù)器功率調(diào)節(jié)技術(shù)，也是即時調(diào)度數(shù)據(jù)中心設(shè)備用能密度、實現(xiàn)工作負載時空轉(zhuǎn)移的重要技術(shù)基礎(chǔ)。當數(shù)據(jù)負載到達前端服務(wù)器時，前端服務(wù)器可經(jīng)數(shù)據(jù)鏈路分配調(diào)度每個數(shù)據(jù)中心的數(shù)據(jù)負載到達率，進而改變數(shù)據(jù)中心內(nèi)服務(wù)器單位時間需處理的數(shù)據(jù)負載量?；贒VFS技術(shù)，服務(wù)器可根據(jù)數(shù)據(jù)負載量的不同動態(tài)調(diào)節(jié)芯片運行頻率，隨之改變工作電壓，在調(diào)節(jié)IT設(shè)備能耗的同時實現(xiàn)節(jié)能的目的。

數(shù)據(jù)負載時空調(diào)度示意如圖1所示，由圖1可知，在滿足數(shù)據(jù)服務(wù)需求的前提下，依據(jù)不同的調(diào)度目標重塑各時段地理分散的數(shù)據(jù)中心數(shù)據(jù)負載曲線，可實現(xiàn)各數(shù)據(jù)中心IT設(shè)備時序用能曲線的調(diào)整。在數(shù)據(jù)中心電能使用效率一定的情況下，調(diào)節(jié)IT設(shè)備能耗可促使制冷等其他輔助設(shè)備能耗改變[24]。此外，部分數(shù)據(jù)中心還配置了儲能設(shè)備，進一步提高了數(shù)據(jù)中心整體用能在時間尺度上的靈活性。通過對數(shù)據(jù)負載進行時空調(diào)度，首先，可避免機房內(nèi)局部用電集中導(dǎo)致的服務(wù)器運行過熱等問題，保障數(shù)據(jù)中心安全運行；其次，也可對數(shù)據(jù)中心用能進行時空轉(zhuǎn)移，進而平抑能源系統(tǒng)的負荷峰谷差，為電網(wǎng)提供調(diào)頻輔助服務(wù)及促進清潔能源就地消納等。

圖1 數(shù)據(jù)負載時空調(diào)度示意Fig.1 Schematic of spatio-temporal transfer of data load

目前，國外部分數(shù)據(jù)中心運營商與能源服務(wù)商已經(jīng)開展了實際合作，例如，北歐通訊公司Telia與芬蘭能源公司在赫爾辛基的合作項目[25]和瑞典斯德哥爾摩數(shù)據(jù)中心園區(qū)項目[26]等。我國也出臺了《推進“互聯(lián)網(wǎng)+”智慧能源發(fā)展的指導(dǎo)意見》、《電力需求側(cè)管理辦法》和《關(guān)于提升電力系統(tǒng)調(diào)節(jié)能力的指導(dǎo)意見》等文件，肯定了未來數(shù)據(jù)中心與能源行業(yè)的密切關(guān)系，為包含數(shù)據(jù)中心在內(nèi)的第三方獨立主體參與電力系統(tǒng)協(xié)同運行提供了政策支持。江蘇同里能源互聯(lián)網(wǎng)示范區(qū)的“多站合一”全直流預(yù)制式數(shù)據(jù)中心，以及廣東東莞松山湖高新區(qū)巷尾站“多站合一”直流微電網(wǎng)示范項目等均為我國能源服務(wù)商參與數(shù)據(jù)中心相關(guān)業(yè)務(wù)的探索實例。

2 “源荷”典型時序場景構(gòu)建

為計算集成數(shù)據(jù)中心的電-氣互聯(lián)綜合能源系統(tǒng)中分布式光伏的最大準入容量，需構(gòu)建分布式光伏出力和電-氣負荷典型時序場景集。本文基于模糊C均值聚類生成“源荷”典型時序場景，為避免聚類結(jié)果陷入局部最優(yōu)，并保證生成場景的典型性，利用CH（+）指標對不同聚類數(shù)下的聚類結(jié)果進行評價，選取評價最優(yōu)時的聚類數(shù)K進行聚類。CH（+）指標的計算公式可表示為

式中：TK、PK分別為類間和類內(nèi)離差平方和，反映類間分離度和類內(nèi)緊湊度；N為樣本總數(shù)；K為聚類數(shù)。CH（+）指標最高時的聚類數(shù)即為最佳聚類數(shù)。

在確定最佳聚類數(shù)后，首先，輸入迭代終止閾值、最大迭代次數(shù)等參量，并初始化聚類中心；然后，根據(jù)聚類中心計算隸屬度矩陣，利用更新后的隸屬度矩陣計算下一次的聚類中心；最后，不斷更新迭代直到隸屬度矩陣變化小于迭代終止閾值，由此構(gòu)建“源荷”典型時序場景。

3 分布式光伏最大準入容量優(yōu)化模型

在集成數(shù)據(jù)中心的區(qū)域級電-氣互聯(lián)綜合能源系統(tǒng)中，通過協(xié)同調(diào)度不同功能區(qū)的數(shù)據(jù)負載，既有助于緩解服務(wù)器尖峰時刻發(fā)熱問題，保障數(shù)據(jù)中心安全運行；又有利于調(diào)節(jié)數(shù)據(jù)中心用能曲線，降低系統(tǒng)峰谷差、促進分布式清潔能源消納。本文考慮的集成數(shù)據(jù)中心電-氣互聯(lián)綜合能源系統(tǒng)結(jié)構(gòu)如圖2所示。由圖2可知，能源系統(tǒng)包括電力系統(tǒng)、天然氣系統(tǒng)和電-氣互聯(lián)綜合能源系統(tǒng)能源站。在電力系統(tǒng)中集成了光伏、變壓器、電儲能及含數(shù)據(jù)中心在內(nèi)的電負荷；天然氣系統(tǒng)主要包括氣源及氣負荷；電力系統(tǒng)和天然氣系統(tǒng)通過能源站耦合，站內(nèi)包括分布式光伏、燃氣輪機等能源轉(zhuǎn)換設(shè)備；能源站站內(nèi)數(shù)據(jù)中心和站外數(shù)據(jù)中心通過數(shù)據(jù)鏈路在云端進行信息交互，數(shù)據(jù)中心內(nèi)的服務(wù)器對數(shù)據(jù)負載進行處理；基于“多站合一”的思想，本文假設(shè)綜合能源服務(wù)商即數(shù)據(jù)中心運營商。能源站結(jié)合數(shù)據(jù)中心、儲能站結(jié)合數(shù)據(jù)中心均在整體結(jié)構(gòu)圖中有所體現(xiàn)。

圖2 集成數(shù)據(jù)中心的電-氣互聯(lián)綜合能源系統(tǒng)整體結(jié)構(gòu)Fig.2 Overall structure of electricity-gas integrated energy system with data centers

3.1 目標函數(shù)

以多個分布式光伏同時并網(wǎng)時的裝機容量之和作為分布式光伏最大準入容量，優(yōu)化模型中的目標函數(shù)可表示為

式中，PPV，i為第i處分布式光伏裝機容量，i=1，2，…，n，n為分布式光伏裝機數(shù)量。

3.2 約束條件

3.2.1 電力系統(tǒng)運行約束

1）電力系統(tǒng)潮流約束

配電網(wǎng)Distflow潮流約束為

式中：ΩEl為電網(wǎng)支路集合；k（i，：）為以節(jié)點i為首端的支路k；k（：，i）為以節(jié)點i為末端的支路k；k（i，j）為以節(jié)點i為首端、節(jié)點 j為末端的支路k；Pk、Qk、Ik、Rk、Xk分別為支路k的有功功率、無功功率、電流、電阻和電抗；Ui、Uj分別為節(jié)點i、j處的電壓；分別為節(jié)點i處注入的有功功率和無功功率。

2）節(jié)點電壓約束

3）分布式光伏出力約束

受外界環(huán)境及自身設(shè)備等因素限制，分布式光伏出力具有一定限值；此外，由于光伏逆變器的功率因數(shù)很高，一般忽略光伏無功出力，即

式中，PD，i、QD，i和分別為第i處分布式光伏有功出力、無功出力和有功出力上限。

4）電儲能運行約束

在集成了分布式光伏的電力系統(tǒng)中，考慮在數(shù)據(jù)中心附近或分布式光伏接入點附近集成電儲能。各儲能電站運行約束可表示為

3.2.2 天然氣系統(tǒng)運行約束

1）天然氣系統(tǒng)能流約束

考慮天然氣系統(tǒng)為中壓天然氣系統(tǒng)，天然氣系統(tǒng)能流約束為

式中：Fk為天然氣管道k的氣體流量；T0、p0分別為標準溫度和標準大氣壓；pi、pj分別為管道k兩端節(jié)點i、j處的氣壓；Dk、Lk、Tk分別為天然氣管道直徑、管道長度和管道內(nèi)天然氣溫度；ρ為天然氣相對密度；ΩGl為天然氣管道集合；為節(jié)點i處注入的天然氣流量，若節(jié)點i處接入天然氣負載，則為負值。

2）節(jié)點氣壓約束

3）氣源出氣量約束

式中：FS，i為接入氣網(wǎng)節(jié)點i的氣源出氣量；分別為該處氣源出氣量的上、下限。

4）管道傳輸容量約束

式中：Fk為天然氣管道k的氣體流量；為天然氣管道k氣體流量最大值。

3.2.3 集成數(shù)據(jù)中心的能源站運行約束

基于“多站合一”的思想，考慮能源站集成燃氣輪機、分布式光伏和數(shù)據(jù)中心。分布式光伏出力約束為式（17）；數(shù)據(jù)中心能耗計算模型及運行約束為式（1）～（9）；燃氣輪機運行約束為

3.3 模型轉(zhuǎn)化與求解

針對模型中的非凸非線性項，利用二階錐松弛方法對電力系統(tǒng)潮流方程進行轉(zhuǎn)凸處理；利用增量分段線性化方法對天然氣管道氣流方程進行線性化處理。在此基礎(chǔ)上，將原模型轉(zhuǎn)化為混合整數(shù)二階錐模型進行求解。

4 算例分析

4.1 算例設(shè)置

97節(jié)點電網(wǎng)和11節(jié)點氣網(wǎng)[27]算例如圖3所示。由圖3可知，電力系統(tǒng)和天然氣系統(tǒng)通過2個綜合能源站進行耦合?；凇岸嗾竞弦弧彼枷?，綜合能源站I和綜合能源站II內(nèi)均包含數(shù)據(jù)中心和3.2MW的燃氣輪機；此外，綜合能源站I還集成了分布式光伏；數(shù)據(jù)中心C則建設(shè)在儲能站中，站內(nèi)包括容量為1 MW·h、充放電功率為250 kW電儲能。分布式光伏與電、氣負荷典型時序場景基于華東某地實際數(shù)據(jù)由模糊C均值算法聚類得到，在聚類數(shù)為3時CH（+）指標取值最大。因此，以分布式光伏裝機容量和電-氣負荷功率歷史最大值為基準值，得到分布式光伏及電-氣負荷功率系數(shù)曲線如圖4所示。

圖3 集成數(shù)據(jù)中心的電-氣互聯(lián)綜合能源系統(tǒng)測試算例Fig.3 Test example of electricity-gas integrated energy system with data centers

圖4 分布式光伏及電-氣負荷功率系數(shù)曲線Fig.4 Coefficient curves of distributed photovoltaic and electricity-gas load power

算例中考慮了3個數(shù)據(jù)中心。其中，數(shù)據(jù)中心A和數(shù)據(jù)中心B分別位于電-氣互聯(lián)綜合能源系統(tǒng)能源站I和能源站II內(nèi)，數(shù)據(jù)中心C接入電網(wǎng)81節(jié)點。各數(shù)據(jù)中心PUE值設(shè)置為1.5，服務(wù)器數(shù)量均為3 000臺。數(shù)據(jù)中心A、B、C內(nèi)的服務(wù)器CPU類型分別為 Intel Pentium 950、Intel Pentium 4630和AMD Athlon[18]，3類CPU均有5種可選工作頻率。各數(shù)據(jù)中心原始數(shù)據(jù)負載曲線如圖5所示，本文假設(shè)各時段數(shù)據(jù)負載中交互型數(shù)據(jù)負載和批處理型數(shù)據(jù)負載到達率占比均為50%[23]，交互型數(shù)據(jù)負載最大響應(yīng)時間設(shè)置為100 ms，批處理型數(shù)據(jù)負載響應(yīng)時間上限設(shè)置為24 h。

圖5 各數(shù)據(jù)中心數(shù)據(jù)負載到達率Fig.5 Data load arrival rate of each data center

算例利用Gurobi進行優(yōu)化求解。根據(jù)是否考慮數(shù)據(jù)中心用能的時間和空間可調(diào)特性設(shè)置4個場景。其中，場景1不考慮數(shù)據(jù)中心用能時空可調(diào)特性；場景2僅考慮數(shù)據(jù)中心用能時間可調(diào)特性；場景3僅考慮數(shù)據(jù)中心用能空間可調(diào)特性；場景4同時考慮數(shù)據(jù)中心用能時間和空間可調(diào)特性。

4.2 不同場景對比分析

數(shù)據(jù)中心用能時空可調(diào)性主要來自于數(shù)據(jù)負載的時空轉(zhuǎn)移。在僅考慮數(shù)據(jù)負載時間可調(diào)特性的場景2中，各數(shù)據(jù)中心在時間尺度上對自身數(shù)據(jù)負載進行平移；在僅考慮數(shù)據(jù)負載空間可調(diào)特性的場景3中，各時段3個數(shù)據(jù)中心處理的數(shù)據(jù)負載總量不變，但數(shù)據(jù)負載可在空間范圍內(nèi)進行調(diào)度；場景4則是在時間和空間尺度上協(xié)同調(diào)度的結(jié)果。

不同場景下分布式光伏最大準入容量結(jié)果如表1所示，表1中“√”為場景中考慮某一因素；“×”為場景中不考慮某一因素。相較場景1，場景2和場景3的分布式光伏最大準入容量總和分別增加了1.66 MW、0.24 MW；在同時考慮數(shù)據(jù)中心用能時空可調(diào)特性的場景4，分布式光伏最大準入容量總和增加了1.75 MW。由此可以發(fā)現(xiàn)，數(shù)據(jù)中心用能時間可調(diào)特性和空間可調(diào)特性對于分布式光伏消納都具有一定促進作用。在本算例中數(shù)據(jù)中心用能時間可調(diào)特性較空間可調(diào)特性促進作用更強，二者共同作用對系統(tǒng)分布式光伏消納的促進效果最明顯。

表1 不同場景下分布式光伏最大準入容量計算結(jié)果Tab.1 Calculation results of maximum allowable access capacity of distributed photovoltaic under different scenarios

通過對比數(shù)據(jù)負載調(diào)度前后各數(shù)據(jù)中心處理的數(shù)據(jù)負載量，能直觀地呈現(xiàn)數(shù)據(jù)負載在時間、空間尺度上的調(diào)度情況，如圖6所示。由圖6（a）～（c）可以看出，與場景1相比，在分布式光伏出力較多的11：00—13：00時，場景2的數(shù)據(jù)中心A、B、C處理的數(shù)據(jù)負載量分別增加了3.96×108條、3.75×108條和4.97×108條。數(shù)據(jù)中心B由于本身數(shù)據(jù)負載量較大、服務(wù)器數(shù)量有限等原因，轉(zhuǎn)移至該分布式光伏出力較多，時段的數(shù)據(jù)負載量最少，說明數(shù)據(jù)中心B在時間尺度上的可調(diào)潛力相對較小。由圖6（d）～（f）對比則可以發(fā)現(xiàn)，在僅考慮數(shù)據(jù)負載空間可調(diào)特性的場景3中，數(shù)據(jù)中心B在分布式光伏出力較多的時段明顯向數(shù)據(jù)中心A、C轉(zhuǎn)移了部分數(shù)據(jù)負載，且主要向數(shù)據(jù)中心C轉(zhuǎn)移；在10：00—14：00時段，數(shù)據(jù)中心B轉(zhuǎn)出的數(shù)據(jù)負載中90.4%轉(zhuǎn)移至數(shù)據(jù)中心C處理。對于場景4，一方面，數(shù)據(jù)中心B將自身數(shù)據(jù)負載向分布式光伏出力較多的時段平移；另一方面，也將相當一部分數(shù)據(jù)負載空間轉(zhuǎn)移至數(shù)據(jù)中心C，數(shù)據(jù)中心C集中在分布式光伏出力較多的時段處理這部分數(shù)據(jù)負載，從而進一步擴大了系統(tǒng)總體的光伏消納空間。因此，同時利用數(shù)據(jù)中心用能時間、空間可調(diào)特性對整個系統(tǒng)分布式光伏消納的促進作用更為明顯。

圖6 各場景下數(shù)據(jù)中心數(shù)據(jù)負載量對比Fig.6 Comparison of data load of each data center under different scenarios

數(shù)據(jù)負載時空轉(zhuǎn)移直接改變了各數(shù)據(jù)中心服務(wù)器的工作狀態(tài)，從而實現(xiàn)數(shù)據(jù)中心用能的時空調(diào)度。對于單個數(shù)據(jù)中心而言，數(shù)據(jù)中心內(nèi)各服務(wù)器工作狀態(tài)的變化是數(shù)據(jù)中心用能變化的直接原因。以數(shù)據(jù)中心A為例，在典型日1時，場景1和場景2的數(shù)據(jù)中心A內(nèi)處于不同工作狀態(tài)服務(wù)器的數(shù)量如圖7所示。圖7中，工作狀態(tài)0為服務(wù)器處于關(guān)機狀態(tài)；工作狀態(tài)5為服務(wù)器服務(wù)率及功耗最大狀態(tài)；工作狀態(tài)1～5為服務(wù)器服務(wù)率及功耗逐漸增加狀態(tài)。與場景1相比，場景2的數(shù)據(jù)中心A在如0：00—6：00等分布式光伏出力較小的時段，僅開啟部分服務(wù)器處理不具有時間可調(diào)性的交互型數(shù)據(jù)負載。但在分布式光伏出力較多的11：00-13：00，數(shù)據(jù)中心A處于工作狀態(tài)5的服務(wù)器數(shù)量分別增加了1 131臺、620臺和788臺，從而實現(xiàn)數(shù)據(jù)中心用能在時間尺度上的平移。

圖7 數(shù)據(jù)中心A不同工作狀態(tài)下的服務(wù)器數(shù)量Fig.7 Quantity of servers at Data Center A in different working states

服務(wù)器工作狀態(tài)的變化不僅改變信息設(shè)備能耗，也影響了以制冷設(shè)備為代表的其他輔助設(shè)備功率，進而實現(xiàn)對數(shù)據(jù)中心整體用能的調(diào)節(jié)。圖8給出了典型日1內(nèi)各場景下3個數(shù)據(jù)中心的能耗。由圖8可以看出，在僅考慮數(shù)據(jù)中心用能時間可調(diào)的場景2，各數(shù)據(jù)中心能耗明顯向分布式光伏出力較多的時段平移。以12：00為例，場景2下數(shù)據(jù)中心A、B、C的能耗分別較場景1增加了0.30 MW·h、0.21 MW·h和0.63 MW·h。在僅考慮數(shù)據(jù)中心用能空間可調(diào)的場景3中，數(shù)據(jù)中心B的數(shù)據(jù)負載在分布式光伏出力較多的時段向數(shù)據(jù)中心A、C進行了空間轉(zhuǎn)移。在11：00—13：00，數(shù)據(jù)中心B的能耗較場景1降低了1.67 MW·h，數(shù)據(jù)中心A、C的能耗分別增加了0.387 MW·h和1.58 MW·h，以促進消納數(shù)據(jù)中心A、C附近接入的分布式光伏。對比場景2和場景4數(shù)據(jù)中心能耗曲線可以看出，同時考慮數(shù)據(jù)中心用能在時間、空間上的可調(diào)特性，有助于整個系統(tǒng)中數(shù)據(jù)中心用能向分布式光伏出力較多的時段進行更集中的平移；在10：00—14：00，場景4下，3個數(shù)據(jù)中心總能耗較場景2增加了1.84%，以充分消納整個系統(tǒng)內(nèi)的清潔電力。

圖8 各場景下數(shù)據(jù)中心能耗Fig.8 Energy consumption by each data center under different scenarios

4.3 電-氣能源網(wǎng)絡(luò)安全約束對分布式光伏最大準入容量的影響

鑒于目前大多利用數(shù)據(jù)中心用能時空可調(diào)特性促進清潔能源消納的研究均聚焦于數(shù)據(jù)中心自身功率平衡，未考慮能源網(wǎng)絡(luò)安全約束的影響。本文在考慮數(shù)據(jù)中心用能時空可調(diào)特性的基礎(chǔ)上，根據(jù)是否考慮電-氣能源網(wǎng)絡(luò)安全約束進一步設(shè)置了4個場景進行對比分析，各場景下分布式光伏最大準入容量的具體結(jié)果如表2所示。

表2 不同電-氣能源網(wǎng)絡(luò)安全約束下分布式光伏最大準入容量Tab.2 Maximum allowable access capacity of distributed photovoltaic under different security constraints of electricity-gas networks

不同場景下，電網(wǎng)安全約束包括電壓幅值約束和電力線路傳輸容量約束；氣網(wǎng)安全約束包括氣壓約束和輸氣管道傳輸容量約束。對比場景5和場景7可以看出，在忽略電力網(wǎng)絡(luò)安全約束的情況下，分布式光伏最大準入容量增長了6.3%。忽略電力網(wǎng)絡(luò)安全約束將導(dǎo)致實際運行時能源網(wǎng)絡(luò)無法消納這部分分布式光伏出力，造成投資浪費和棄光現(xiàn)象的發(fā)生。

在考慮天然氣網(wǎng)絡(luò)安全約束前、后，分布式光伏最大準入容量變化較小。這是由于在本文中天然氣系統(tǒng)和電力系統(tǒng)僅考慮通過燃氣輪機進行耦合，在保障燃氣輪機正常運行的情況下，忽略氣壓及氣體管道傳輸容量約束對電力系統(tǒng)分布式光伏最大準入容量造成的影響較弱。但是，隨著P2H、P2G等技術(shù)的進步，天然氣系統(tǒng)和電力系統(tǒng)耦合程度不斷加深，未來天然氣網(wǎng)絡(luò)安全約束對于分布式光伏最大準入容量的影響可能不斷增強。

5 結(jié)語

本文在計及電-氣能源網(wǎng)絡(luò)安全約束的前提下，提出一種考慮數(shù)據(jù)中心用能時空可調(diào)特性的電-氣互聯(lián)綜合能源系統(tǒng)分布式光伏最大準入容量計算方法。算例分析表明，在一定地理范圍內(nèi)，數(shù)據(jù)中心用能時間可調(diào)特性對于分布式光伏最大準入容量的提升作用優(yōu)于空間可調(diào)特性的促進作用，同時考慮數(shù)據(jù)中心用能時間、空間可調(diào)特性可進一步擴大系統(tǒng)整體的光伏消納空間；電-氣互補對于提高能源系統(tǒng)靈活性和促進清潔能源消納也具有一定積極影響；考慮能源網(wǎng)絡(luò)安全約束，有助于合理配置分布式光伏容量，提高分布式光伏利用率。

在后續(xù)研究中，對集成數(shù)據(jù)中心的電-氣-熱綜合能源系統(tǒng)分布式清潔能源最大準入容量計算仍待深入研究，包括數(shù)據(jù)中心熱慣性和余熱回收對分布式清潔能源最大準入容量的影響等；此外，針對數(shù)據(jù)中心運營商與綜合能源服務(wù)商為不同主體的場景，多主體間的交易機制與互動策略也將對能源系統(tǒng)內(nèi)分布式可再生能源最大準入容量產(chǎn)生影響，值得進一步探討。