考虑多类型市场协同的互联数据中心运营策略

王雨欣，陆海波，叶承晋，尹逊虎，丁 一

（1.浙江大学电气工程学院，浙江省杭州市 310027；2.国网浙江省电力有限公司杭州供电公司，浙江省杭州市 310007）

0 引言

随着大数据、云计算的成熟和“新基建”的推进，数据中心发展迅速，其用电量急剧增长，并呈现出集群分布和广域互联趋势［1］，如阿里云分别在中国张北、河源等五地建设了超级数据中心［2］。2021 年，中国数据中心总能耗约216.6 TW·h，2035 年预计将超过700 TW·h［3］。为实现“碳达峰·碳中和”目标，中国提出2023 年新建大型数据中心能效需小于1.3，并提出加速建设“绿色数据中心”［4］。当前，数据中心多采用铺设光伏或使用节能型设备以提升能效，但上述技术的节能贡献率逐渐降低。进一步建设“绿色数据中心”需引导数据中心参与电力市场［5］。由于可再生能源发电成本相比于火电等传统电源明显较低，其多发时段一般会拉低现货价格［6］，而现货电价可反映电力供需及绿电占比。因此，利用市场化机制引导数据中心与电网供需互动不仅可降低其用电成本，还可促进电力系统绿电消纳，减少碳排放。

自2015 年新一轮电力体制改革以来，中国逐步形成了时间上覆盖中长期、现货，品种上覆盖电能量、辅助服务的电力市场体系［7］。但需求侧主体参与电力市场并不充分，导致难以形成稳定的网荷协调互动能力，因此，需求侧成为下一步市场化改革的重点。2022 年国家发展改革委出台的《关于加快建设全国统一电力市场体系的指导意见》［8］明确指出，要引导用户侧可调负荷资源、储能等新型市场主体参与市场交易，充分挖掘需求侧灵活调节能力。

与传统用户侧碎片化资源相比，互联数据中心运营主体清晰、用电规模大、便于聚合。可通过离线负载延迟处理或在数据中心间转移在线负载来调整互联数据中心用电行为［9］，负荷的时空可调特性使互联数据中心具备参与电能量市场的巨大潜力。中国联通2012 年电费支出约为17 亿美元，而其同年利润仅为12 亿美元［10］。高额的电费支出驱动互联数据中心亟须制定合理策略参与电能量市场以减少运行成本。此外，数据中心通过时空负荷调节可参与电力辅助服务市场，提供调峰、备用等服务以获得额外收入。数据中心消耗的电能绝大部分转换为热，已有关注其余热利用和参与区域供热服务的相关研究和实际工程［11］。数据中心所处的电能量和辅助服务、供热市场环境具有显著的区域性，但其用能行为是空间相互耦合的。

现有数据中心的研究主要侧重于其自身能量管理，以及参与电力系统的调度优化以解决供需平衡、可再生能源消纳等问题。例如，文献［12-14］通过优化负载调度的算法来减小数据中心的能耗；文献［15］建立了集成数据中心的综合能源系统的能量流-数据流协同规划模型，探究其能量流与数据流的耦合机理；文献［16］利用基于工作负载处理的数据中心能耗模型，调控用电负荷以最小化数据中心微电网运行成本；文献［17-18］根据可再生能源出力来调度数据中心负载以促进可再生能源消纳；文献［19］研究了数据中心在平抑风电波动、缓解线路阻塞和提高可用输电能力等方面的作用。上述文献未考虑市场环境下数据中心受市场价格影响的运营策略。当前，也有部分文献关注数据中心参与市场的相关问题，如文献［20-23］研究了数据中心参与基于价格的需求响应以减少用电成本；针对电价的时空差异性，文献［24］研究了互联数据中心参与多区域电能量市场的策略；文献［25］分析了拥有多个地处不同城市的数据中心的云服务提供商作为价格制定者参与单一电能量市场的策略；文献［26］提出了数据中心参与调峰市场的框架。上述文献侧重于数据中心参与单一类型电力市场，也有部分文献［27-29］考虑了数据中心协同参与电能量和辅助服务市场，但均未涉及数据中心作为“能源产消者”参与电能量、辅助服务市场和区域供热服务的研究。

综上所述，在多类型市场所组成的复杂市场环境下，互联数据中心为追求效益最大化需决策其在各市场的“产消者”行为，因此，亟须研究互联数据中心在多类型市场环境下协同运营的策略。本文分析了互联数据中心的市场行为及相应的收益模型，并构建其参与多类型电力市场及供热服务的双层决策框架与模型。

1 互联数据中心市场行为的分析与建模

分布在不同区域的互联数据中心归属于同一个云服务提供商，由云服务提供商负责调度工作负载和制定参与市场的策略，如图1 所示。互联数据中心用电规模大且负载时空可转移，具备参与电力现货市场、辅助服务市场和区域供热服务的潜力，具体可以集中竞价的方式参与现货市场和辅助服务市场，通过调度负载来改变其购电量和提供调峰、调频、备用等辅助服务，由此减少购电支出和增加辅助服务收益。同时，可以签订双边合同或集中竞价的方式出售余热，获取供热收益。本章将分别建立互联数据中心参与上述市场的模型。

图1 互联数据中心参与市场行为Fig.1 Behavior of Internet data centers participating in market

1.1 参与电力现货市场行为建模

本文以日前市场为例，分析互联数据中心参与电力现货市场行为。首先，构建用电需求模型以衡量其各时段的购电量。数据中心的主要用电设备是IT 设施和制冷系统，两者的能耗约占总能耗的92%［30］，且其能耗与工作负载数量及类型密切相关。互联数据中心的工作负载根据是否可延迟分为在线负载和离线负载两类［31］。其中，在线负载要求服务器实时响应，在时间上一般不具有可调节性，但其计算量较小，可分配给不同的互联数据中心处理［32］，在空间上具有可调节性。离线负载的计算量较大，一般在本地服务器处理，但其优先级较低，可对其延迟处理，具有时间上的可调节性。此外，离线负载可根据容忍时长、服务优先级等特征进一步分类［33］。基于此，构建基于工作负载处理的用电需求模型，如式（1）所示。

式 中：Pe，i，t为t时 段 互 联 数 据 中 心i的 用 电 量；Ui为互联数据中心i能耗与其IT 设备能耗的比值；e1、e2分别为处理单位在线负载和离线负载时IT 设备的能 耗；xi，t、yi，σ，t分别为t时 段互联数据 中心i需处理 的在线负载和σ类离线负载的数量。

日前市场有单边报价和双边报价两种模式［34］。单边报价模式下，互联数据中心作为价格接受者仅需申报购电量，其购电量作为市场出清的约束条件需强制执行，如式（2）所示。

式 中：PGj，t为 机 组j在t时 段 的 出 力；Dk，t为 用 户k在t时段的用电需求；NG为发电机组数；NK为用户数；N为云服务提供商所拥有的互联数据中心的数量。

双边模式下，互联数据中心需申报运行日的电力需求价格曲线，如图2 所示。

图2 互联数据中心的电力需求价格曲线Fig.2 Electricity demand price curve of Internet data centers

此时，互联数据中心的竞价策略会对市场的出清结果和利益分配产生影响［35］。因此，其需选择最优的竞价策略，以保证在能竞标到足够电量的前提下最小化购电成本。日前市场出清以社会福利最大化为目标，在两种模式下的目标函数分别如式（3）、式（4）所示［36-37］。

式 中：CG(PGj，t)为 机 组j在t时 段 的 发 电 成 本，是 机组j申报的各段出力和价格形成的多段线性函数；Rk(Dk，t)为用户k的报价函数；T为时段数。

根据上述出清模型，得到t时段区域i的出清电价为λe，i，t，则互联数据中心i和云服务提供商在日前市场的购电支出分别如式（5）、式（6）所示。由于电价具有时空差异性，位于不同区域的互联数据中心需协同决策，根据各市场的电价情况调整购电计划，将部分负载转移至电价低的时段或区域处理。

式中：Ce，i、Ce分别为互联数据中心i、云服务提供商在日前市场的购电支出。

1.2 参与辅助服务市场行为建模

中国于2021 年8 月颁布《电力系统辅助服务管理办法》，明确了用户可调节负荷的辅助服务市场主体地位［38］。在此背景下，具有负载时空可调特性的互联数据中心可参与辅助服务市场提供调频、调峰等辅助服务以获得收益。

首先，构建基于工作负载转移的能量调节模型以量化互联数据中心的调节潜力，如下式所示。

式中：ΔPi，t为t时段互联数据中心i可提供的调节量；Δyi，σ，t为t时段互联数据中心i可延迟处理的σ类离线负载数；͂，i，t为能量调节后t时段互联数据中心i的 用 电 量；Δxi，t，out、Δxi，t，in分 别 为t时 段 互 联 数 据 中心i转出、转入的在线负载数；Δyi，σ，t0、Δyi，σ，t+n分别为互联数据中心i累积至t时段需处理的和可延迟至后续时段处理的σ类离线负载数。

本文以调峰市场为例，分析互联数据中心的价值形成过程。调峰市场在市场预出清价格超出人为设定的价格上限时开展［37］，以系统调峰成本最小为目标进行出清，如式（9）所示。互联数据中心可以报量报价或报量不报价［39］的形式参与，可按边际价格或申报价格结算［40］，其调峰收益分别如式（10）、式（11）所示。当互联数据中心以报量报价形式参与时，其竞价策略会影响调峰市场边际出清价格或投标价格，从而影响收益。因此，其可优化自身竞价策略。

式中：Br(Pr，t)为参与调峰服务的市场主体r的报价函数；NR为参与调峰服务的市场主体总数；Sas，i为互联数据中心i在调峰市场的收益；Kt为t时段市场系数；ΔPi，t，bid为t时段互联数据中心i的申报功率；tc为市 场 出 清 时 段；λas，i，t为t时 段 调 峰 市 场 边 际 出 清 价格；λas，i，t，bid为t时段互联 数据中心i的投标价 格。

1.3 提供区域供热服务建模

互联数据中心在运行过程中会产生大量余热，使得室内温度升高，需通过冷却系统将其维持在适当范围，且其会与外界进行热交换。因此，建立下述一阶等效热参数模型［41］：

式 中：Hi，t，IDC、Hi，t，RE分 别 为t时 段 互 联 数 据 中 心i的散热量和可回收的最大余热；ηi为互联数据中心i的电热转换效率；αi，t为t时段互联数据中心i的余热回收 效 率；Hi，t，CS为t时 段 互 联 数 据 中 心i在 冷 却 系 统中提取的热量；ci、ri分别为互联数据中心i的等效热容和热阻［42］；τi，t，in、τi，t，out分别为t时段互联数据中心i的室内、室外温度；τ、τ分别为互联数据中心i可忍受的温度上、下限。

互联数据中心产热有易成规模、稳定、易提取等优点，但通常是低品位的，无法直接用于供热［43］。随着低品位热回收技术的发展，可通过热泵将数据中心低品位的余热转化为高品位的热量，用于区域供 热［44］。Facebook、Google、DigiPlex、腾 讯 和 阿 里巴巴等国内外云服务提供商均有余热回收利用的成功案例［45］。例如，腾讯位于中国天津的数据中心利用热泵回收处理技术为科技园提供夏季供热、冬季供暖以及生活热水供应等服务，该余热回收项目预计每年将节省标煤633.3 t，减排二氧化碳1 659 t［46］。为量化互联数据中心提供区域供热服务的能力，建立下述供热模型［47］：

式 中：Hi，t，HP为t时 段 互 联 数 据 中 心i余 热 经 过 热 泵升 级 后 的 可 用 高 品 位 热 量；Pi，t，HP为t时 段 互 联 数 据中 心i热 泵 消 耗 的 电 功 率；ξCOPi，HP、Hmaxi，HP分 别 为 互 联 数据中心i热泵的性能系数和最大热输出能力；ai、bi为经验系数；Hi，t为t时段互联数据中心i输出的高品位热量。

基于上述分析，互联数据中心可提供区域供热服务以增加收益。目前，中国区域供热的市场化程度低于电力市场，暂未形成集中竞价模式［48］，但互联数据中心可通过与区域供热服务商签订合同以出售余热。此外，数据中心余热由处理的工作负载决定，工作负载的波动将导致产热量变化，不能完全保证合同履行。因此，在签订合同时，区域供热运营商可考虑增加惩罚因子γi，以考核互联数据中心的供热效果。此时，互联数据中心提供区域供热服务的收益如式（20）所示。

式中：Sh，i为互联数据中心i提供区域供热服务的收益；pi，t、H͂i，t分别为互联数据中心i签订的t时段提供供热服务的价格和热量。

随着供热行业逐渐市场化以及电热行业耦合不断加深，可构建下述区域供热市场模型。电转热设备、常规锅炉以及可产生大规模余热的供热主体，如数据中心等，均可参与区域供热市场。本文所构想的区域供热市场与电力现货市场联系紧密，但其覆盖范围远小于电力市场，可假设一个供热区域对应一个电力节点。因此，参与同一个区域供热市场的主体具有相同的节点边际电价λLMP，t。区域供热市场的目标函数为供热成本最小化，如式（21）所示。此时，互联数据中心提供区域供热服务的收益如式（22）所示。

式中：f为区域的供热成本函数；PP2H，m，t为电转热设备m在t时段的购电量；βm为电转热设备m的电转热 效 率；CB，b(Hb，t) 为 常 规 锅 炉b的 成 本 函 数；CR，w(Hw，t)为出售余热的主体w的报价函数；NP2H、NB、NW分别为电转热设备、常规锅炉、出售余热主体的 数 量；λh，i，t为t时 段 互 联 数 据 中 心i所 在 区 域 的 出清 热 价；Hi，t，bid为t时 段 互 联 数 据 中 心i的 中 标 量。

2 互联数据中心参与多类型电力市场及供热服务的决策框架与模型

2.1 决策框架

在地理上分散分布的互联数据中心兼具时间和空间维度的可调特性，可协同参与电力现货市场、辅助服务市场和提供区域供热服务以减少购能成本。因此，本文构建互联数据中心在多类型电力与能源市场环境下的决策框架，如图3 所示。左侧虚线框内描述的是云服务提供商经营的数据网络与电力运营商经营的电力网络之间的耦合运行模式。互联数据中心之间可相互调度工作负载。工作负载的增减与转移改变了各节点的用电需求，因此，云服务提供商相当于运营一个虚拟的电力网络，可与实际的电力网络相配合以实现双赢。右侧虚线框内描述的是互联数据中心可参与的多类型电力与能源市场，分别为电力现货市场、辅助服务市场和区域供热服务。

图3 互联数据中心参与多类型电力市场及供热服务的决策框架Fig.3 Decision-making framework for Internet data centers participating in multi-type electricity markets and heating service

互联数据中心在上述市场的行为是相互耦合的。例如，互联数据中心参与现货电能量市场和电力辅助服务市场的资源总量是确定的，在两个市场中的竞标计划会相互影响。因此，决策时需进行综合对比：若提供辅助服务的收益Sas，i更大，则预留更多调节容量参与辅助服务市场；反之，则部署更多调节容量参与现货市场。此外，互联数据中心的产热量Hi，t直接由其用电行为决定，而由于气候、产业类型等因素，不同区域对热力的需求差异很大。因此，地处不同区域的互联数据中心的余热资源的价值λh，i，t不 同。基 于 此，互 联 数 据 中 心 在 调 度 算 力 时 需考虑余热在不同区域和时段可发挥的供热价值，制定最优调度策略，将更多工作负载分配给处于供热价格较高的节点。

互联数据中心参与多类型电力市场及供热服务的决策流程如图4 所示。由于互联数据中心实际到达的工作负载可能与日前预测值存在差异，仅通过日前市场的交易通常不能保证其电能平衡，本文假设互联数据中心参与日前市场和实时市场。在日前阶段，各互联数据中心首先基于历史数据预测次日的工作负载处理需求，并上传至云服务提供商；其次，云服务提供商收集各互联数据中心所在区域各市场的信息，并以此为依据预测日前电能量市场和辅助服务市场的电价，形成自身报价曲线进行投标；然后，将上述信息输入决策模型中进行求解；最后，云服务提供商根据求解结果在互联数据中心间调度负载以执行各个市场的出清结果。在实时阶段，互联数据中心根据其在日前市场的中标结果以及滚动更新的工作负载、电价的预测情况，调整其在市场的投标行为及对负载的调度行为，其决策流程与日前阶段相似，故不再赘述。

图4 决策流程图Fig.4 Flow chart of decision-making

2.2 决策模型

本文假设互联数据中心以报量报价形式参与日前市场，以报量不报价形式参与调峰辅助服务市场，即互联数据中心根据日前市场不完全信息和自身负载情况制定其报价策略，以自身收益最大化为目标函数进行博弈。互联数据中心需向电力系统运营商申报投标信息，与发电商共同参与市场出清。此外，本文假设其他用户以报量不报价形式参与。因此，其他用户在各市场的竞标量作为对应市场出清模型的刚性边界条件。

基于上述假设，本文建立了互联数据中心参与多类型电力市场及供热服务的双层模型。其中，上层模型为互联数据中心在多类型市场环境下的交易决策模型；下层模型为集中竞价模式下的日前电能量市场出清模型。

上层模型以工作负载为直接决策变量，以市场竞标电量、热量为间接决策变量，以互联数据中心购能成本最小化为目标，通过优化调度工作负载决定其在下层模型中的报价。上层模型的目标函数如式（23）所示。其中，Ce，i、Sas，i、Sh，i已在第1 章被分析和建模，分别如式（5）、式（11）、式（20）所示。本文只考虑互联数据中心在日前市场的竞标情况。因此，在上层决策模型中，调峰价格和区域供热服务的价格作为模型的输入条件。

式中：F为互联数据中心i的购能成本。

上层决策模型需要满足以下约束条件。

1）在线负载约束［49］。在线负载对延迟敏感，需立即处理，但具有空间灵活性，可由前端服务器分配到各个地理位置分散的互联数据中心处理。其约束如下：

式 中：Xi，t为t时 段 到 达 互 联 数 据 中 心i的 在 线 负 载。2）离线负载约束［49］。离线负载具有时间灵活性，可延迟处理，但受数据中心可存储的离线负载上限Q约束，即

式 中：Qi，σ，t为t时 段 互 联 数 据 中 心i存 储 的 待 处 理 的σ类 离 线 负 载 数；Yi，σ，t为t时 段 互 联 数 据 中 心i处 理和到达的σ类离线负载数。

式（27）表示所有到达的离线负载都应在调度截止日期tmax之前处理。

3）服务质量要求约束［49］。处理工作负载的响应时长不能超过服务水平协议的延迟界限Di。因此，利用M/M/1 队列［44］对互联数据中心的服务质量要求建模，即

式 中：ui为 互 联 数 据 中 心i的 平 均 服 务 率；ni，t为t时段互联数据中心i开机的服务器数；Ψ为离线负载的种类集合；Ni为互联数据中心i的服务器总数。

4）互联数据中心容量约束：

式中：Mi为互联数据中心i的内存；c、d分别为在线负载和离线负载的数据量。

5）互联数据中心调峰容量约束：

式中：Δxi，t为t时段互联数据中心i可转移的在线负载数。

6）互联数据中心报价约束［50］：

式 中：πl，i为 互 联 数 据 中 心i在 日 前 市 场 的 第l段 报价；π、π分别为互联数据中心i在日前市场第l段报价的上、下限。

下层模型为以社会福利最大化为目标函数的日前电能量市场出清模型，根据市场出清结果将互联数据中心的中标量和出清价格传递给上层模型。地处不同区域的互联数据中心归属于不同的电力市场，因此，需要各自出清，第z个下层模型的目标函数如式（33）所示。为简化模型，本文暂不考虑电网拓扑结构。因此，下层出清模型需要满足的约束条件［50］为系统功率平衡约束式（34）、发电机组竞标量约束式（35）、互联数据中心i竞标量约束式（36）。

式 中：OGj，s、PGj，s，t、NS、P分 别 为 在 日 前 市 场 中，机组j申报的第s段价格、t时段第s段出力、功率段数、第s段 出 力 上 限；πl、Pe，l，t、NL、P分 别 为 在 日 前 市场中，互联数据中心申报的第l段价格、t时段第l段购电量、功率段数、第l段购电量上限。

3 算例分析

3.1 参数设置

本文考虑地处3 个不同区域的互联数据中心，其参与市场情况如图5 所示。图中：数据中心1 所处区域电力供应紧张，电价较高，且设置有调峰辅助服务市场；该地热需求小，余热价值设为0 元。数据中心2 所处区域新能源占比较高，电价整体较低，且有明显的“地板价”与价格尖峰；该地热需求适中，余热价值设为40 元/（MW·h）。数据中心3 所处区域电力供需较平衡，电价适中；该地热需求较大，因此，余热价值设为160 元/（MW·h）。由于本文的研究重点不在于竞价策略，在算例设置中，各数据中心作为所在电力市场的价格接受者，所在区域的电价作为模型输入条件。互联数据中心所属区域的日前市场与调峰市场的24 时段出清电价如图6 所示。

图5 3 个互联数据中心参与市场示意图Fig.5 Schematic diagram of three Internet data centers participating in market

图6 日前市场与调峰市场的出清电价Fig.6 Clearing electricity price of day-ahead market and peak regulating market

假设单位在线负载和离线负载的数据量分别为1.25 MB 和100 MB。互联数据中心的相关参数如表1 所示。

表1 互联数据中心的相关参数Table 1 Parameters of Internet data centers

3.2 算例分析

本文设置以下4 个场景以探究所提模型的可行性：

场景1：3 个互联数据中心只参与日前市场，且工作负载不可转移；

场景2：3 个互联数据中心只参与日前市场，工作负载可转移；

场景3：互联数据中心1 参与日前市场和调峰市场，互联数据中心2 和3 参与日前市场，工作负载可转移；

场景4：互联数据中心1 参与日前市场和调峰市场，互联数据中心2 和3 参与日前市场和区域供热服务，工作负载可转移。

互联数据中心在4 个场景下的收益支出情况如表2 所示。由场景1 和2 对比可知，当考虑工作负载的转移能力时，可将负载转移至电价低的节点和时段处理从而减少购电成本。由场景2 和3 对比可知，互联数据中心参与调峰市场后，用能成本减少9.37 万元，下降约20%。由场景3 和4 对比可知，互联数据中心提供区域供热服务后，用能成本减少4.25 万元，下降约11%。

表2 互联数据中心在不同市场中的收益支出情况Table 2 Benefits and expenses of Internet data centers in different markets

互联数据中心在调峰辅助服务市场获得较大收益，因此，进一步探究其收益与调峰辅助服务市场出清价格之间的关系。由仿真结果可得，当调峰市场出清价格分别为200、400、800 元/MW 时，其对应的调峰收益分别为21 265.59、45 422.27、93 703.10 元。因此，互联数据中心的调峰收益与调峰价格成正比，且其增加的比例略高于调峰价格增加的比例。例如，调 峰 价 格 从200 元/MW 增 加 到800 元/MW 时，互联数据中心的调峰收益是原来的4.41 倍。因为调峰价格越高，互联数据中心参与意愿就越强烈，会更大程度地转出该时段的负载以提供更大的调峰容量。

因为互联数据中心用电行为的改变取决于工作负载的转移，本文探究了场景4 下3 个互联数据中心的工作负载调度情况。在线负载的调度情况如图7所示，当各地区电价悬殊时，在线负载在互联数据中心间的调度主要由其所在区域的日前市场的出清电价相对大小决定。例如，在时段1 至18，互联数据中心1 所在区域的电价远高于其余两个互联数据中心，因此，前端服务器将到达互联数据中心1 的在线负载部分甚至全部转移至互联数据中心2 和3 处理。以时段8 至9 为例，互联数据中心1 分别将5.44 亿个、4.95 亿个在线负载转移至互联数据中心2和3 处理。

图7 在线负载的调度情况Fig.7 Scheduling of online loads

3 个互联数据中心对离线负载的调度思路相同，即在满足约束的前提下，将负载尽可能安排在电价低的时段处理。因此，3 个互联数据中心的离线负载在时间维度的转移情况总体上是相似的，如图8 所示。以互联数据中心1 为例，其所在区域时段10至15 电价较高，且开展了调峰市场。因此，为降低购电成本和提供更多的调峰容量，互联数据中心1将该时段的部分离线负载延迟至后续时段处理。例如，互联数据中心1 将时段10 至11 的1 750 万个离线负载延迟处理。

图8 离线负载的调度情况Fig.8 Scheduling of offline loads

当各地区电价差异不大时，需综合考虑电价与余热价值。例如，在时段1 至6，互联数据中心2 的电价略低于互联数据中心3，若不考虑余热价值，应尽可能将负载转移至互联数据中心2 处理。但当考虑区域供热服务时，由于互联数据中心3 的余热价值较高，在综合考虑用电成本和售热收益后，该时段负载均转移至互联数据中心3 处理。

4 结语

在电力市场化改革的背景下，本文提出了互联数据中心作为新型主体在多类型市场环境下协同运营的策略，其可利用工作负载时空可转移特性来响应不同区域不同时段的电价和热需求以减少用能成本。算例结果显示，通过多类型市场环境下协同运营，3 个互联数据中心总日用能成本降低32.8%，在数据中心收益结构中，调峰辅助服务和售热收入分别占18.8%和8.6%，较为可观。

目前，中国已有部分地区开展了电力现货、辅助服务市场及需求响应邀约，但数据中心等需求侧主体仍参与较少，其核心问题主要在于：1）电力现货、辅助服务市场及需求响应仍处于起步阶段，用户参与门槛较高；2）辅助服务和需求响应无法保证调用次数，用户的收益具有不确定性，故用户参与意愿低；3）需求侧主体与电力行业存在信息壁垒，用户难以及时获知相关信息。因此，尚需完善适应电力市场机制，推动需求侧主体进一步参与电力市场及需求响应。

在未来，随着电力及能源市场化不断推进，可进一步考虑互联数据中心参与容量市场、碳交易、绿证等市场的相关场景。此外，为激励数据中心互动积极性，在绿色数据中心认证过程中，可推动将消纳的电网绿电从碳排放核算指标中扣除。通过配套政策的完善，支撑“东数西算”和新型电力系统建设。