計及數據中心和風電不確定性的微電網經濟調度

01數據中心建模數據中心根據集散形式可劃分為集中型和分散型。本文選取集中型進行研究。1.1

信息層邏輯處理模型為了將信息層中數據負荷的能耗處理成線性化模型，需要引入2個狀態(tài)變量：1）執(zhí)行變量mk,t。mk,t=1時數據負荷k在時段t處于執(zhí)行狀態(tài)，反之，處于等待狀態(tài)。2）延遲變量nk。nk=1時表示數據負荷k不能在要求的期限內處理完成，反之，能在要求的期限內處理完成。1）服務器總量約束為式中：Ok,t為數據負荷k在時段t所需的服務器占比；Q為服務器總量；α為固定服務器數量占比；K為總負荷數據數，則式中：分別為數據負荷k可用的最小和最大服務器數量。2）為保證數據負荷處理無延時情況下nk=0，數據負荷執(zhí)行的邏輯約束為式中：Hk為數據負荷k要求的工作總量；tk為數據負荷k被數據中心接收的時段；τk為數據負荷k所需的處理時長；R、r分別為引入的極大值和極小值。為保證當數據負荷k未被數據中心接收之前，無須分配服務器；當數據負荷k被接收之后，且無延時處理的情況下，數據負荷k在時段[tk,tk+τk]處于被執(zhí)行狀態(tài)，添加約束為為保證在調度周期內數據負荷之和等于總量，添加約束為1.2

電力層能耗模型電力層能耗比較復雜，因此本文近似處理，主要考慮空調、儲能設備、IT（信息技術）設備和通信設備服務器的能耗以及儲能裝置的充放電功率。功率平衡公式為式中：為時段t的數據中心總能耗；為時段t數據中心的空調能耗；為時段t數據中心的IT設備能耗；為時段t數據中心的通信設備消耗功率；為時段t數據中心的儲能裝置充電功率；為時段t數據中心的儲能裝置放電功率。1）空調能耗?？照{主要是為了數據中心的溫度維持在一定的范圍之內。假設數據中心外溢的熱量由IT設備運行造成，則空調能耗約束為式中：R1為IT設備外溢的熱量；a1、a2分別為IT設備中計算機處理器（CPU）和輸入輸出（I/O）設備的電轉熱效率；為CPU時段t的消耗功率；為I/O設備時段t的消耗功率；b1為總的電功率轉化為熱量的系數。將空調外溢熱量轉化為空調輸出功率，即式中：a3為空調的制冷效率。2）IT設備能耗。IT設備主要是服務器，服務器的能耗會隨著CPU利用率的增長而增大，其增長范圍介于服務器空閑功率與服務器峰值功率之間，則IT設備能耗為式中：a4為CPU的利用率；a5為服務器空閑消耗功率與峰值消耗功率的比值；PITmax為服務器的最大消耗功率。3）通信設備能耗。根據數據中心的網絡拓撲結構的不同，通信設備的消耗功率近似為式中：a6為服務器最大功耗時通信設備的能耗值；St為時段t服務器的利用率。4）儲能裝置模型及其約束為式中：Pesmax為最大充放電功率；Pesmin為最小充放電功率；ηch、ηdis分別為儲能裝置充放電效率；分別為儲能裝置最小、最大荷電容量狀態(tài)；為0–1變量，時段t儲能裝置在充電時，為1，反之為1；為時段t對應的儲能裝置荷電狀態(tài)；分別為時段t對應的充放電功率。02計及數據中心的經濟調度模型2.1

計及數據中心的微電網系統(tǒng)建模微電網系統(tǒng)結構如圖1所示。微電網系統(tǒng)的常規(guī)結構包括風電場、分布式電源和預測負荷。圖1

計及數據中心的微電網系統(tǒng)結構

Fig.1

Microgrid

systemstructureconsideringdatacenter

2.2

調度模型1）風電出力約束為式中：為時段t的風電預測出力；為時段t風電出力取上界的二進制變量；為時段t風電出力取下界的二進制變量；為時段t風電出力上界偏差；為時段t風電出力下界偏差；為時段t風電上網功率。2）風電出力不確定集約束為式中：XT為風電不確定度的最大值，即風電出力可偏移預測值的最大時段之和。3）燃氣輪機出力約束為式中：為燃氣輪機時段t的運行狀態(tài)；為燃氣輪機在時段t的實際出力；為燃氣輪機的最小技術出力；為燃氣輪機的最大技術出力。4）燃氣輪機爬坡約束為式中：Rgtu、Rgtl分別為燃氣輪機的上下爬坡功率。5）主網購售電約束為式中：為微電網時段t向電網購電的功率；為微電網時段t向電網售電的功率；為微電網時段t向電網購電狀態(tài)；為微電網時段t向電網售電狀態(tài)；Pgmin為微電網向主網的最小購電功率；Pgmax為微電網向主網的最大購電功率。微電網不能同時向主網購售電，其約束為6）數據中心的電力層約束為式（7）~（12）。7）功率平衡約束為式中：為微電網時段t的電負荷功率。2.3

目標函數為實現微電網最優(yōu)經濟調度，本文構建系統(tǒng)成本最小模型。其目標函數為式中：C1為燃氣輪機成本；C2為購售電成本；C3為數據中心不能及時處理數據導致的延遲補償成本；C4為儲能裝置每個時段充電/放電狀態(tài)開關產生的固定成本。式中：c1、c2分別為燃氣輪機的成本系數。式中：c3、c4分別為微電網購售電的成本系數。式中：c5為數據延時處理的固定經濟補償系數。式中：c6、c7分別為數據中心儲能裝置開關的固定成本系數?？紤]風電出力魯棒性時，表示在風電出力最差場景下系統(tǒng)的總成本最小，式（21）需重構為03模型求解計及數據中心的電力系統(tǒng)魯棒優(yōu)化經濟調度模型為兩階段魯棒優(yōu)化問題，無法直接采用求解器求解。因此，采用列和約束生成算法（columnandconstraintgeneration，C&CG）進行求解，求解步驟如下。1）設上界為v=+∞，下界為w=?∞；迭代次數L=1；收斂判據值為ζ。2）將調度模型寫成矩陣形式，即式中：Uesdis為調度周期內儲能裝置的放電狀態(tài)變量；Uesch為調度周期內儲能裝置的充電狀態(tài)變量；Pgt為燃氣輪機的出力變量；Pgin為微電網向上級電網購電變量；Pgout為微電網向上級電網售電變量；ndc為數據中心的數據負荷延時變量；U、Y分別為儲能裝置和向主網購售電二進制變量的向量形式；X為風電出力不確定性二進制變量的向量形式；P為燃氣輪機出力、儲能充放電、主網購售電、風電出力和數據中心綜合消耗構成的功率變量；O為服務器占比變量的向量形式；A、B、α、β、a、b、c、d、f、h、e、k、x、m為將調度模型寫成矩陣形式而引入的常系數矩陣。3）根據步驟2）的緊湊模型構建主問題并求解。4）構建子問題并求解，將步驟3）求解得到的U?、Y?帶入子問題模型，并采用對偶理論及大M法進行處理。5）判斷是否滿足收斂條件，若滿足，停止迭代輸出結果；否則執(zhí)行步驟3），繼續(xù)求解，并加入約束。04算例分析本文以含數據中心集群的某區(qū)域為例進行算例分析。風電預測出力和電負荷預測數據如圖2所示，數據中心參數和其他參數如表1所示。向電網購電成本系數采用分時電價原則，如表2所示。儲能裝置參數如表3所示。假定該區(qū)域的調度時段有50個數據負荷需要處理，具體參數如表4所示。圖2

風電出力與負荷預測值

Fig.2

Windpoweroutputandloadpredictionvalues

表1

數據中心參數和其他參數Table1

Datacenterparametersandotherparameters表2

分時電價Table2

Time-of-useelectricityprice

表3

儲能裝置參數Table3

Energystoragedeviceparameters

表4

數據負荷參數Table4

Dataloadparameters

4.1

計及數據中心的仿真分析多能功率平衡情況如圖3所示。由于在時段01:00—09:00向上級電網購電成本比燃氣機組出力成本更小。因此，在該時段風電出力之外，主要電力來源為向上級電網購電，同時在該時段儲能裝置進行了充電。風電最差場景出力如圖4所示，風電最差場景出力出現在10:00之后。圖3

多能功率平衡情況

Fig.3

Multi-energy

powerbalance圖4

風電最差場景出力

Fig.4

Windpoweroutputintheworst-casescenario

儲能裝置的荷電狀態(tài)如圖5所示。微電網向上級電網購售電情況如圖6所示，結合表1給出的分時電價情況，08:00之前主要是向上級電網購電為主，12:00—24:00主要是向上級電網售電為主。因此，分時電價是向上級電網購售電的重要因素。圖5

儲能裝置的荷電狀態(tài)

Fig.5

Stateofchargeofenergystoragedevices圖6

微電網向上級電網購售電情況

Fig.6

Electricitypurchaseandsalesofmicrogridsfromupper-levelpowergrids

與此同時，在數據負荷處理中共有17個數據負荷不能在要求的期限內處理完成。4.2

風電機組不確定性對調度結果分析為了分析風電機組不確定對調度結果的影響，分別設XT為3、6、9、12、15、18、21、24時，對比各場景成本。風電出力不確定對調度結果的影響如圖7所示。圖7

風電出力不確定對調度結果的影響

Fig.7

Theimpactofwindpoweroutputuncertaintyonschedulingresults

4.3

數據中心對調度結果影響分析為了驗證數據中心對微電網經濟調度的有效性，本文在確定風電不確定度時，設置了數據中心可延時處理的數據負荷數，仿真結果如圖8所示。由圖8可知，隨著數據中心可延遲的數據負荷量增加，系統(tǒng)運行成本隨之減