大规模数据中心微网群的灵活性资源鲁棒调度方法

本发明涉及数据中心微网群调度，具体涉及大规模数据中心微网群灵活性资源日前-日内两阶段鲁棒调度模型。

背景技术：

1、随着电网高级量测体系及电力大数据技术的大力发展，超大规模运营商使用的大型数据中心数量将持续快速增长，以支持其不断扩大的业务运营；这就导致数据中心用电量在全社会用电量的占比迅速上升；2020年国内数据中心机架规模超300万架，用电量突破2000亿千瓦时，占到了全国用电总量的2.7％，预计到2030年数据中心的能耗就将超过2500亿千瓦时，用电量占比将上升到3.7％。因此，加速推动数据中心的高效低碳运行是目前亟待解决的问题。

2、由于数据中心对供电可靠性要求极为严格，数据中心运营商通常会配备相应的备用电源，如燃气轮机，柴油发电机或储能设备等，以保障数据中心在电网停电时也能提供数据服务。

3、以数据中心为主体，分布式发电机组与储能设备共同构成的数据中心微网具有潜在的灵活性；充分挖掘数据中心微网群的分布式发电机组与储能的输出功率调节灵活性以及负荷的需求响应特性，能够为外部电网提供功率调节的备用与辅助服务。

4、因此，刻画数据中心微电网的功率灵活性调节域，进行数据中心微网集群协同优化调度对丰富电网运行调节手段具有重要意义；但现有的技术均是针对单个数据中心微网进行优化调度，并没有关于数据中心微网集群的灵活性刻画和多种灵活性资源的协调调度方法。

技术实现思路

1、本发明的主要目的是提供大规模数据中心微网群灵活性资源鲁棒调度方法，旨在解决目前并没有关于数据中心微网集群的灵活性刻画和多种灵活性资源的协调调度方法的问题。

2、本发明提出的技术方案为：

3、一种大规模数据中心微网群的灵活性资源鲁棒调度方法，包括：

4、基于数据中心微网中的可调控的灵活性资源，建立表示数据中心微网灵活性调节能力的虚拟电池模型；

5、基于数据中心微网的灵活性供给能力和灵活性需求能力得到数据中心微网的灵活性调节空间，基于闵可夫斯基和约束空间叠加对数据中心微网的灵活性调节空间进行聚合，以获取功率弹性可调区间；

6、基于可再生能源、工作负载以及市场电价日前预测信息，以数据中心运营商总运营成本最低为目标，以功率平衡、燃气轮机、储能以及工作负载调度作为约束条件，优化求解次日t时刻各数据中心的源荷最优调度计划；

7、基于可再生能源出力、工作负载数量预测存在的误差，以实现最小化日内平衡市场罚款及系统再调度成本为目标，制定灵活性聚合功率下的日内调度模型，并以滚动优化的方式协调各数据中心工作负载与微网实时调整调度计划；

8、基于源荷最优调度计划和日内调度模型，搭建大规模数据中心微网群灵活性资源日前-日内两阶段鲁棒调度模型。

9、优选的，所述基于源荷最优调度计划和日内调度模型，搭建大规模数据中心微网群灵活性资源日前-日内两阶段鲁棒调度模型，包括：

10、在第一阶段协调各数据中心微网之间的信息交互使数据中心运营商的总运营成本最小；

11、在第二阶段基于日前阶段，考虑光伏出力的不确定性与工作负载数量预测存在的误差，在日内以滚动优化的方式，协调各数据中心工作负载与微网实时调整调度计划。

12、优选的，数据中心微网由微网中的可再生能源、储能、燃气轮机和可控负荷聚合而成；所述基于数据中心微网中的可调控的灵活性资源，建立表示数据中心微网灵活性调节能力的虚拟电池模型，包括：

13、设时间是离散的，则定义多集群系统的可调节灵活性功率满足：

14、

15、

16、

17、式中：为t+1时刻集群i的灵活性资源储备能量；为t时刻集群i的负荷承担状态；σ+为充电效率，σ-为放电效率；为t时刻集群i的虚拟电池模型在时间δt内的可调节灵活性功率；为的上限，为的下限；为t+1时刻集群i的灵活性能量下调约束，为t+1时刻集群i的灵活性能量上调约束；

18、定义则满足：

19、

20、式中：为t时刻集群i的能量状态变量，取值范围为：由t时刻当前集群i所承担的负荷所决定；为集群i的所有可调节的灵活性功率总容量。

21、优选的，数据中心微网包括数据中心、可再生能源、燃气轮机和储能系统；数据中心微网通过变压器与上级电网相连；数据中心微网的灵活性由微网内的灵活性供给能力与灵活性需求决定，灵活性供给由微网中的储能设备与燃气轮机提供，灵活性需求由数据中心对任务负载的调度决定；根据用户用网需求的不同，数据中心工作负载分为延迟敏感型工作负载和延迟容忍型工作负载；所述基于数据中心微网的灵活性供给能力和灵活性需求能力得到数据中心微网的灵活性调节空间，基于闵可夫斯基和约束空间叠加对数据中心微网的灵活性调节空间进行聚合，以获取功率弹性可调区间，包括：

22、获取数据中心总负荷功率计算公式：

23、

24、

25、式中：分别为数据中心i在t时刻的负荷功率，为数据中心服务器基本能耗，为处理延迟容忍型工作负载的能耗，为处理延迟敏感型负载的能耗及制冷系统能耗，为制冷系统能耗；因数据中心微网可调度负荷为延迟敏感性负荷，故定义数据中心i可调度负荷具体计算公式为：

26、

27、式中：为处理延迟敏感型负载的单台服务器空载功率，为处理延迟敏感型负载的单台服务器满载功率；为处理延迟容忍型负载的单台服务器空载功率，为处理延迟容忍型负载的单台服务器满载功率；为处理延迟敏感型工作负载的活跃服务器数量，为处理延迟容忍型工作负载的活跃服务器数量；ξi,t为t时刻需要处理的延迟敏感型工作负载量，θi,t为t时刻需要处理的延迟容忍型工作负载量；为单台服务器处理延迟敏感型工作负载的平均利用率，为单台服务器处理延迟容忍型工作负载的平均利用率；为数据中心的制冷量；κ1和κ2为制冷系统的性能系数。

28、优选的，所述获取数据中心总负荷功率计算公式，之后还包括：

29、单位储能系统在时间t推移下能量的上下界推导如下：

30、

31、

32、

33、

34、

35、

36、

37、

38、式中：为ess的初始容量；为由起始时刻向后推的能量上界，为由终点时刻向前推的能量上界；为由初始时刻向后推的能量下界，为由终点时刻向前推的能量下界；为规定的能量上界，为规定的能量下界；为t时刻的ess能量上界，为t时刻的ess能量下界；为ess功率最大值，为ess功率最小值；tend为求解过程中最后一个时刻数；为在t时刻的ess的实际功率上限，为在t时刻的ess的实际功率下限；

39、采用闵可夫斯基和对可再生能源和燃气轮机的电池储能量化可行集以及储能和负荷可行集进行整合以得到灵活性可行集zac：

40、

41、式中：zess为所有数据中心微网集群的储能系统灵活性可行集，zgt为燃气轮机灵活性可行集，zloada为可调度负荷灵活性可行集，zpv为光伏资源灵活性可行集；表示闵可夫斯基和。

42、优选的，所述采用闵可夫斯基和对可再生能源和燃气轮机的电池储能量化可行集以及储能和负荷可行集进行整合以得到灵活性可行集zac，之后还包括：

43、基于闵可夫斯基求和得到数据中心微网集群整合模型的能量上下限和功率上下限分别为：

44、

45、

46、

47、

48、式中：为t时刻数据中心微网群i的灵活性资源能量上界，为t时刻数据中心微网群i的灵活性资源能量下界；为在t时刻数据中心微网群i的灵活性资源功率上限，为在t时刻数据中心微网群i的灵活性资源功率下限；下标j表示数据中心微网群i中对应的灵活性资源j；是在t时刻中第i个光伏功率；ne为储能数量，ng为燃气轮机数量，nl为可调动负载的数量，np为可再生能源的数量。

49、优选的，次日t时刻各数据中心的源荷最优调度计划的目标函数为：

50、

51、式中，t为次日的调度时刻数；n为数据中心微网群的数量；为日前阶段电网购电成本；为日前阶段燃气轮机运行成本；为日前阶段储能运行成本；为日前阶段延迟敏感型工作负载调度成本；和分别为辅助服务市场中由备用容量竞价最后得到的出清价格；为t时刻数据中心微网群i的灵活性资源能量上界，为t时刻数据中心微网群i的灵活性资源能量下界，计算公式如下式所示：

52、

53、式中，为t时刻数据中心微网群i的所在日前市场预测电价；为数据中心微网群i燃气轮机的单位发电量的购气成本，为数据中心微网群i燃气轮机的单位发电量的运行成本；为数据中心微网群i中燃气轮机热值，为数据中心微网群i中燃气轮机发电效率；为数据中心微网群i中储能系统的单位运行成本；为数据中心微网群i中延迟敏感型负载空间调度数量；为单位延迟敏感型负载调度费用；δt为调度周期时间；为电网供电功率；为数据中心微网群i中储能系统的充电功率，为数据中心微网群i中储能系统的放电功率；为数据中心微网群i中燃气轮机的供电功率。

54、优选的，所述基于可再生能源出力、工作负载数量预测存在的误差，以实现最小化日内平衡市场罚款及系统再调度成本为目标，制定灵活性聚合功率下的日内调度模型，并以滚动优化的方式协调各数据中心工作负载与微网实时调整调度计划，还包括：

55、获取数据中心微网群资源灵活性整合情况的表达公式：

56、

57、

58、式中，为交互平台管理下数据中心微网群i在t时刻的总功率，为交互平台管理下数据中心微网群i在t时刻的上备用容量，为交互平台管理下数据中心微网群i在t时刻的下备用容量，为交互平台管理下数据中心微网群i在t时刻的日前阶段预测的功率值；

59、获取以数据中心微网为单位定义整合的灵活性资源可行集：

60、

61、获取上下调节容量范围：

62、

63、

64、

65、

66、式中，为规定的功率调节上备用功率，为规定的功率调节下备用功率；为整合资源的调度功率；为整合资源的功率上限，为整合资源的功率下限，为功率调节上限，为功率调节下限，后两个式子则为由资源灵活性确定的功率限制。

67、优选的，灵活性聚合功率下的日内调度模型的目标函数为：

68、

69、式中：t0为日内优化窗口的开始时刻；tdn为日内滚动优化窗口时间；为数据中心微网群i在日内平衡市场的罚款；为日内燃气轮机运行成本；为日内储能运行成本；为日内延迟敏感型工作负载调度成本；fi,t为提供备用容量辅助服务所得的收益函数，在离散时间下其表达式如公式(32)所示；为灵活性聚合功率求解下数据中心微网群i的日内上调备用容量，为灵活性聚合功率求解下数据中心微网群i的日内下调备用容量，须满足日前调度中基于闵可夫斯基和对vb模型求解的弹性功率区间的约束；为日前阶段预测的功率值；

70、

71、

72、式中：为日内平衡市场电价；为日内购电量与日前计划的偏差；αi为日内平衡市场对超出日前购电计划用电量以高于实时电价的价格进行罚款时控制罚款价格的参数；βi为日内平衡市场对低于日前购电计划的电量以低于实时电价的价格进行罚款时控制罚款价格的参数；为上备用收益系数，为下备用收益系数。

73、优选的，所述基于源荷最优调度计划和日内调度模型，搭建大规模数据中心微网群灵活性资源日前-日内两阶段鲁棒调度模型，包括：

74、获取日前-日内两阶段鲁棒调度模型的目标函数：

75、

76、式中：fmain为第一阶段优化目标，minfsub为第二阶段优化目标；u为不确定集，包括光伏不确定性和可调度负荷的不确定性；

77、将所建立的不确定集u用公式(34)至公式(37)表示：

78、

79、

80、

81、

82、式中：nv为光伏机组的数量；上标dn表示日内优化阶段；表示t时刻光伏机组v的可用光伏的最大值，表示t时刻光伏机组v的可用光伏的最小值；和均为0-1整数变量，用以表示t时刻光伏机组v是否波动；πt与πv均为不确定性限值；公式(34)表示日内优化阶段可用光伏由其预测值叠加光伏向上波动组成，公式(35)表示日内优化阶段可用光伏由其预测值叠加光伏向下波动组成；公式(36)表示光伏的时间不确定性，公式(37)表示光伏的空间不确定性；

83、引入弃光量，以保证子问题的可行性，如下式所示：

84、

85、式中，为日内优化阶段光伏机组的光伏消纳量；fcur为弃光惩罚费用。

86、通过上述技术方案，能实现以下有益效果：

87、本发明提出的大规模数据中心微网群的灵活性资源鲁棒调度方法能够解决目前并没有关于数据中心微网集群的灵活性刻画和多种灵活性资源的协调调度方法的问题；通过建立虚拟电池模型来表征各数据中心微网中的多种灵活性资源的整体可调能力，基于闵可夫斯基和约束空间叠加方法构建数据中心微网群可调用能力的等值模型，充分挖掘数据中心微网群的分布式发电机组与储能的输出功率调节灵活性以及负荷的需求响应特性，从而获取数据中心微网群聚合功率的调节域；与现有方法相比较，能够得到数据中心微电网的功率灵活性调节域，从而为日内调度提供功率弹性功率空间约束。