数据中心电力需求响应潜力研究

2024-01-08李明臻

山东电力高等专科学校学报 2023年6期

李明臻

（广东电网有限责任公司广州供电局，广东广州 510000）

0 引言

电力需求响应是保障电力供需平衡、促进清洁能源消纳、缓解能源危机的重要手段。因此，深度挖掘用户侧需求响应资源调节潜力，对保障电力供需平衡具有重要意义。当前，随着云计算的迅速发展，数据中心能耗激增，深度挖掘数据中心的需求响应潜力，能够进一步提升电力系统需求侧运行的灵活性，丰富电网运行调节手段，对保障电力供需平衡，实现“双碳”目标具有重要意义［1］。

目前，国内外关于数据中心参与电力需求响应的研究主要集中在数据中心的需求响应策略。一是以数据中心电力成本最低为目标，制定数据中心运营商调度数据负荷的策略［2］。二是以电力系统运行成本最低为目标，制定数据中心配合电网削峰填谷的调度策略［3-5］。三是以电力网络与数据网络协同运行成本最低为目标，制定数据中心与电网协同调度策略［6-7］。目前关于数据中心需求响应潜力评估计算的研究较少。数据中心需求响应潜力的研究仅集中在一种或几种负荷调节机制，仍未形成系统完备的数据中心需求响应潜力研究理论体系。本文深度挖掘数据中心需求响应潜力，分析数据中心各负荷调节机制参与需求响应的机理，建立数据中心需求响应潜力计算模型。最后，以某大型数据中心为例，分析其在不同负荷调节机制下、不同需求响应形式下的需求响应潜力。

1 数据中心调度框架及能耗模型

1.1 数据中心调度框架

数据中心参与需求响应的调度框架如图1所示。数据中心参与需求响应共有3 种形式：直接参与、通过负荷聚合商参与、通过数据中心运营商参与。

图1 数据中心参与需求响应的调度框架

1.1.1 直接参与

数据中心作为大工业用电用户可以直接参与电力批发市场的投标竞价，以获取需求响应的目标量，同时获得系统运营商给予的需求响应补贴。

1.1.2 通过负荷聚合商参与

由于众多需求侧用户无法直接参与电力批发市场，因此负荷聚合商聚合数据中心、电动汽车、智能楼宇等需求侧用户后，作为一个独立个体参与需求响应。负荷聚合商想要获得需求响应补贴，要通过价格或激励信号引导需求侧用户调整自身用电行为，完成需求响应目标量。

1.1.3 通过数据中心运营商参与

数据中心运营商拥有分布于多个地区的数据中心，可以担当负荷聚合商的角色，且所聚合的需求侧用户均是数据中心。数据中心运营商参与电力批发市场的投标竞价获取需求响应目标量后，引导所管理的数据中心参与需求响应，充分发挥数据中心需求响应的灵活性。

数据中心根据是否互联可以分为独立数据中心和互联数据中心。互联数据中心相较于独立数据中心具备工作负载空间转移能力和更完善的需求响应调节能力。为涵盖数据中心各负荷调节机制，更利于分析数据中心需求响应潜力，本文选取互联数据中心其中的一个数据中心作为研究对象，并通过数据中心运营商参与需求响应。

1.2 数据中心模型

数据中心的电能来源包括电网供电、可再生能源机组、储能设备、常规发电机组等。数据中心的供能关系如式（1）所示。

数据中心总能耗功率主要由服务器设备能耗、制冷系统能耗、其他能耗等组成，如式（2）所示。

数据中心服务器能耗分为两部分：处理延迟容忍型负载所产生的能耗和处理延迟敏感型负载所产生的能耗，如式（3）所示。

数据中心制冷系统能耗可以抽象为制冷系统制冷量的线性函数，如式（4）所示。

2 数据中心需求响应潜力模型

2.1 目标函数

本文针对数据中心参与需求响应的理论潜力、参与价格型需求响应的潜力及参与激励型需求响应的潜力分别建立目标函数。

2.1.1 数据中心参与需求响应的理论潜力计算

数据中心参与需求响应的理论潜力计算的目标函数是在不考虑数据中心负荷调节经济成本的情况下，以整个调度周期T内数据中心调节的负荷最大为最优目标，包括上调和下调两个调节方向。目标函数如式（5）所示。

2.1.2 数据中心参与价格型需求响应潜力计算

数据中心参与价格型需求响应潜力计算的目标函数是在计及负荷调节经济成本的情况下，以整个调度期内数据中心经济成本最低为最优目标，目标函数如式（6）所示。

式中：γt为数据中心所在的电力市场实时电价；Cload为负荷调节成本，包括延迟敏感型负载空间调度成本、储能系统运行成本、自备常规发电机组运行成本等，计算公式如式（7）所示。

式中：Cts为延迟敏感型负载空间调度成本；Cb为储能系统运行成本；Cg为自备常规发电机组运行成本。其中，延迟敏感型负载在空间上进行调度时，会产生额外的调度成本，该成本包括光纤接口损耗、数据调度费用等，如式（8）所示。

储能系统的运行成本为使用电池而造成的电池老化成本，可以根据式（9）和式（10）计算。

式中：γb为储能系统单位充放电功率所产生的经济成本；Call为储能系统的总投资成本；Tall为储能系统的总充放电时长；Lmax为储能系统的最大容量。

数据中心常规发电机组运行成本包括能源生产成本和状态转换成本，如（11）所示。

式中：γg为单位发电功率所产生的燃料费用；为发电机启动状态字；为发电机停机状态字；γstart、γshut分别为发电机的启动和停机成本。

2.1.3 数据中心参与激励型需求响应潜力计算

数据中心参与激励型需求响应潜力计算的目标函数同价格型需求响应目标函数，不同的是总成本要减去所获得需求响应收益，其目标函数如式（12）所示。

式中：Cincome为激励型需求响应收益。激励型需求响应收益计算公式如式（13）所示。

2.2 约束条件

2.2.1 空间调度机制约束条件

延迟敏感型负载在多个数据中心之间调度时要满足负载均衡的条件，同时延迟敏感型负载从前端服务器调度至数据中心时要满足数据中心容量限制，其约束条件分别如式（14）、式（15）所示：

2.2.2 时间调度约束条件

延迟容忍型负载从前端服务器调度至数据中心时要满足数据中心容量限制，同时延迟容忍型负载在时间尺度上进行调度时，必须在规定的延迟时间内处理完成，其约束条件分别如式（16）、式（17）和式（18）所示。

2.2.3 制冷系统约束条件

数据中心内部温度处于规定的温度区间内，其约束条件如式（19）所示。

数据中心内部温度的变化过程采用基于热力学第一定律的等值热参数模型来表示，如式（20）所示。

式中：b1、b2分别为数据中心内部建筑传热系数；为数据中心内部散热量；为数据中心室外温度。

2.2.4 储能系统约束条件

储能系统要满足充放电功率及容量要求，其约束条件分别如式（21）、式（22）、式（23）所示。

储能系统充放电容量变化过程分别如式（24）、式（25）所示。

2.2.5 常规发电机组约束条件

常规发电机组要满足功率约束、最小启停时间约束、最小运行时间约束等条件，其约束条件分别如式（26）、式（27）、式（28）、式（29）所示。

3 算例分析

3.1 算例参数设置

选取某大型数据中心运营商作为研究对象，该运营商拥有分布在不同地区的3 个大型数据中心，数据中心服务器相关参数如表1 所示。数据中心负载到达情况如图2 所示。数据中心可再生能源出力如图3所示。

表1 数据中心服务器相关参数

图2 数据中心任务负载到达情况

图3 数据中心可再生能源出力

3.2 算例分析

3.2.1 需求响应潜力理论计算结果

数据中心需求响应潜力理论计算结果如图4 所示。在不考虑经济因素的影响下，数据中心具有很大的需求响应潜力，可降低约50%的原始负荷。但是空间调度机制及储能系统并没有参与需求响应，这是因为延迟容忍型负载只在时间尺度上做延迟处理，并不能减少总处理数量，而储能系统初始容量和最终容量都为0，并不能减少总用电负荷。

图4 数据中心需求响应潜力理论计算结果

3.2.2 价格型需求响应潜力计算结果

数据中心参与价格型需求响应的潜力计算结果如图5所示。参与价格型需求响应时，数据中心根据实时电价进行负荷调节来优化用电成本。在低电价时段数据中心通过时间调度机制、制冷系统调节机制、储能系统充电3 种调节手段来增加用电负荷，为高电价时段释放更多的需求响应潜力。在高电价时段，数据中心通过时间调度机制、空间调度机制、制冷系统调节等调节手段来释放数据中心需求响应潜力。

图5 数据中心参与价格型需求响应潜力计算结果

3.2.3 激励型需求响应潜力计算结果

数据中心参与激励型需求响应的潜力计算结果如图6所示。参与激励型需求响应时，数据中心会根据激励信号的调节方向进行负荷调节，优化用电成本的同时获得更多的需求响应收益。当调节信号为上调时，数据中心利用时间调度机制、制冷系统调节、储能系统增加用电量，虽然此时的用电成本增加，但获得的需求响应收益大于用电成本。当调节信号为下调时，数据中心通过调节机制在降低自身用电成本的同时增加用电量的下调幅度，不仅能够降低用电负荷，节省用电成本，又能获得需求响应收益。当没有调节信号时，数据中心仍然通过负荷调节机制来减少用电成本。

图6 数据中心参与激励型需求响应潜力值

3.2.4 经济效益分析

数据中心各类型需求响应经济效益对比结果如表2所示。

表2 数据中心各类型需求响应经济效益对比结果

由表2 可见，数据中心需求响应理论潜力值最大，约占原始负荷的43%，但其参与需求响应的负荷调节成本最高，约占总成本的37%。价格型需求响应潜力值和激励型需求响应潜力值基本相同，约占原始负荷的26%。价格型需求响应潜力值中的电费成本及负荷调节成本低，数据中心通过将高电价时段负荷转移至低电价时段来优化用电成本。激励型需求响应潜力值总成本最低，说明数据中心通过参与激励型需求响应，优化用电成本的同时还能得到需求响应补贴，降低总成本。