数据网络参与多调峰辅助服务市场组合优化调度策略

doi:10.3969/j.issn.1000-7229.2019.09.010

电力建设 ›› 2019, Vol. 40 ›› Issue (9): 82-90.doi: 10.3969/j.issn.1000-7229.2019.09.010

• 无线传感器网络与物联网技术在智能电网中的应用·栏目主持黎静华教授、覃智君副教授· • 上一篇下一篇

数据网络参与多调峰辅助服务市场组合优化调度策略

刘拥军1，曹晓峻2，胡朝阳1，王珂2，徐立中3，高赐威4

1.国家电网公司华东分部，上海市200120；2.中国电力科学研究院有限公司，南京市210003；3.国网浙江省电力有限公司，杭州市310007；4.东南大学电气工程学院，南京市210096

出版日期:2019-09-01
作者简介:刘拥军（1979），女，硕士，工程师，主要研究方向为电网调度运行与管理；曹晓峻（1992），女，硕士，主要研究方向为电力市场、电力需求侧管理；胡朝阳（1973），男，博士，高级工程师，主要研究方向为电力市场、调度计划；王珂（1980），女，博士，研究员级高级工程师，主要研究方向为源网荷互动调度、电力市场；徐立中（1983），男，博士，主要研究方向为调度运行、节能经济调度；高赐威（1977），男，教授、博士生导师，主要研究方向为电力市场、需求侧管理及电力安全、电动汽车接入电网。
基金资助:
华东电网科技项目“华东电网调峰辅助服务市场方案设计、发展前景和趋势研究”；国家电网公司科技项目“源-网-荷”互动环境下系统备用容量优化配置技术研究（52110417001M）

Research on Scheduling Strategy of Data Centers Participating in Multi-peak-regulating Ancillary Service Markets

LIU Yongjun1， CAO Xiaojun2， HU Zhaoyang1， WANG Ke2， XU Lizhong3， GAO Ciwei4

1.East China Branch of State Grid Corporation of China， Shanghai 200120， China；2.China Electric Power Research Institute， Nanjing 210003， China； 3. State Grid Zhejiang Electric Power Co.， Ltd.， Hangzhou 310007， China； 4.School of Electrical Engineering， Southeast University， Nanjing 210096， China

Online:2019-09-01
Supported by:
This work is supported by State Grid Corporation of China Research Program（ No. 52110417001M）.

摘要/Abstract

摘要： 数据中心负荷是负荷侧具有极大应用前景的可调节资源，云计算及大数据技术确保了数据中心能够通过网络将数据负荷快速地进行地域转移，与此同时，智能电网、自动需求响应等技术的发展，为快速自动地调整数据中心电负荷提供了可能。目前我国电力供应总体富余，调峰问题尤其是低谷调峰成为系统运行管理的困难环节之一。作为一种优质需求响应资源，数据中心能够通过数据网络在多个电力市场中实现电力电量的转移，具备极强的调峰潜力。文章设计了数据中心参与调峰辅助服务市场的需求响应方式，提出了数据网络参与多调峰辅助服务市场的总体架构，并建立了数据网络参与调峰辅助服务的决策模型，算例表明，所建模型的最优调度方案能够保证数据中心在参与多个电力市场调峰辅助服务市场时的调峰有效性与自身运行的经济性。

关键词: 数据中心, 多电力市场, 调峰辅助服务, 需求响应

Abstract: Data center electricity load is an adjustable resource with great application prospects on the load side. Cloud computing and big data technologies ensure that data centers can quickly transfer data loads from place to place through the network. At the same time， the development of technologies such as smart grid and automatic demand response makes it possible to quickly and automatically adjust the electricity load of data centers. At present， the power supply in China is generally surplus， and the peak regulation， especially the valley-load peak regulation， has become one of the difficult links in system operation and management. As a high-quality demand response resource， data centers can achieve the power transfer between multiple electricity markets through data network， with a strong peak regulation potential. The demand response method of data centers participating in peak-regulating ancillary service markets is designed. The overall framework of data network participating in multi-peak-regulating ancillary service markets is proposed. And the scheduling strategy of data network participating in peak-regulating ancillary service markets is established. The example shows that the optimal scheduling scheme of the model can ensure the efficiency and economy of data centers when participating in multi-peak-regulating ancillary service markets.

Key words: data center, multiple electricity markets, peak-regulating ancillary service, demand response

中图分类号:

TM 715

刘拥军，曹晓峻，胡朝阳，王珂，徐立中，高赐威. 数据网络参与多调峰辅助服务市场组合优化调度策略[J]. 电力建设, 2019, 40(9): 82-90.

LIU Yongjun， CAO Xiaojun， HU Zhaoyang， WANG Ke， XU Lizhong， GAO Ciwei. Research on Scheduling Strategy of Data Centers Participating in Multi-peak-regulating Ancillary Service Markets[J]. Electric Power Construction, 2019, 40(9): 82-90.

参考文献

［1］KOOMEY J G．Growth in data center electricity use 2005 to 2010［R］．El Dorado Hills， CA： Analytics Press，2011．
［2］谷立静，周伏秋，孟辉. 我国数据中心能耗及能效水平研究［J］. 中国能源， 2010， 32（11）： 42-45， 29.
GU Lijing， ZHOU Fuqiu， MENG Hui. Research on energy consumption and energy efficiency of data center in our country［J］. Energy of China， 2010， 32（11）： 42-45， 29.
［3］TRAN N H，TRAN D H，REN S L，et al．How geo-distributed data centers do demand response：a game-theoretic approach［J］．IEEE Transactions on Smart Grid，2016，7（2）：937-947．
［4］WANG H， HUANG J W， LIN X J， et al. Proactive demand response for data centers： A win-win solution［J］. IEEE Transactions on Smart Grid， 2016， 7（3）： 1584-1596.
［5］LI J， BAO Z， LI Z Y. Modeling demand response capability by Internet data centers processing batch computing jobs［J］. IEEE Transactions on Smart Grid， 2015， 6（2）： 737-747.
［6］GHAMKHARI M， WIERMAN A， MOHSENIAN-RAD H. Energy portfolio optimization of data centers［J］. IEEE Transactions on Smart Grid， 2017， 8（4）： 1898-1910.
［7］李作锋，范洁，杨永标，等. 面向电网调峰辅助服务的规模化空调负荷优化调度研究［J］. 电器与能效管理技术， 2018（2）： 64-72.
LI Zuofeng， FAN Jie， YANG Yongbiao， et al. Research on large-scale air-conditioning load optimal dispatch for power grid peak clipping［J］. Electrical & Energy Management Technology， 2018（2）： 64-72.
［8］宋梦，高赐威，苏卫华. 面向需求响应应用的空调负荷建模及控制［J］. 电力系统自动化， 2016， 40（14）： 158-167.
SONG Meng， GAO Ciwei， SU Weihua. Modeling and controlling of air-conditioning load for demand response applications［J］. Automation of Electric Power Systems， 2016， 40（14）： 158-167.
［9］于大洋，宋曙光，张波，等. 区域电网电动汽车充电与风电协同调度的分析［J］. 电力系统自动化， 2011， 35（14）： 24-29.
YU Dayang， SONG Shuguang， ZHANG Bo， et al. Synergistic dispatch of PEVs charging and wind power in Chinese regional power grids［J］. Automation of Electric Power Systems， 2011， 35（14）： 24-29.
［10］CIOARA T， ANGHEL I， BERTONCINI M， et al. Optimized flexibility management enacting datacentres participation in smart demand response programs［J］. Future Generation Computer Systems， 2018， 78： 330-342.
［11］LI S， BROCANELLI M， ZHANG W， et al. Integrated power management of data centers and electric vehicles for energy and regulation market participation［J］. IEEE Transactions on Smart Grid， 2014， 5（5）： 2283-2294.
［12］SUN Q H， WU C， LI Z P， et al. Colocation demand response： Joint online mechanisms for individual utility and social welfare maximization［J］. IEEE Journal on Selected Areas in Communications， 2016， 34（12）： 3978-3992.
［13］LI J， QI W B. Toward optimal operation of Internet data centermicrogrid［J］. IEEE Transactions on Smart Grid， 2018， 9（2）： 971-979.
［14］曹晓峻，高赐威，李德智，等. 数据网络与电力网络混合运行建模及其参与系统经济运行［J］. 中国电机工程学报， 2018， 38（5）： 1448-1456.
CAO Xiaojun， GAO Ciwei， LI Dezhi， et al. Mixed operation model of data network and power network and its participation in the economic operation of power system［J］. Proceedings of the CSEE， 2018， 38（5）： 1448-1456.
［15］LIU Y J，CAO X J，XU L Z．Research on scheduling strategy of data centers participating in peak-regulating ancillary service market［C］//10th Asia-Pacific Power and Energy Engineering Conference．2018：969-976．
［16］PEDRAM M. Energy-efficient datacenters［J］. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems， 2012， 31（10）： 1465-1484.
［17］SHARMA R K， BASH C E， PATEL C D， et al. Balance of power： Dynamic thermal management for Internet data centers［J］. IEEE Internet Computing， 2005， 9（1）： 42-49.
［18］BELOGLAZOV A， BUYYA R. Energy efficient allocation of virtual machines in cloud data centers［C］//2010 10th IEEE/ACM International Conference on Cluster， Cloud and Grid Computing， May 17-20， 2010. Melbourne， Australia. New York， USA： IEEE， 2010.
［19］VERMA A， AHUJA P， NEOGI A.pMapper： Power and migration cost aware application placement in virtualized systems［M］//Middleware 2008. Berlin， Heidelberg： Springer Berlin Heidelberg， 2008： 243-264.
［20］WANG Y F， WANG X R. Power optimization with performance assurance for multi-tier applications in virtualized data centers［C］//2010 39th International Conference on Parallel Processing Workshops， September 13-16， 2010. San Diego， CA， USA. New York， USA： IEEE， 2010.
［21］AHMAD F， VIJAYKUMAR T N. Joint optimization of idle and cooling power in data centers while maintaining response time［J］.ACM SIGARCH Computer Architecture News， 2010， 38（1）： 243-256.
［22］CHEN Y ， DAS A ， QIN W ， et al. Managing server energy and operational costs in hosting centers［J］. ACM SIGMETRICS Performance Evaluation Review， 2005， 33（1）： 303-314．
［23］ELNOZAHY E N， KISTLER M， RAJAMONY R. Energy-efficient server clusters［M］//Power-Aware Computer Systems. Berlin， Heidelberg： Springer Berlin Heidelberg， 2003： 179-197.
［24］QURESHI A， WEBER R， BALAKRISHNAN H， et al. Cutting the electric bill for Internet-scale systems［C］//Proceedings of the ACM SIGCOMM 2009 conference on Data communication - SIGCOMM 09， August 16-21， 2009. Barcelona， Spain. New York， USA： ACM Press， 2009：123-134.
［25］ZAHARIA M，BORTHAKUR D，SEN SARMA J，et al．Delay scheduling：A simple technique for achieving locality and fairness in cluster scheduling［C］//Proceedings of the 5th European Conference on Computer Systems．Paris，France：ACM，2010：265-278．
［26］ISARD M， PRABHAKARAN V， CURREY J， et al. Quincy［C］//Proceedings of the ACM SIGOPS 22nd symposium on Operating systems principles - SOSP 09， October 11-14， 2009. Big Sky， Montana， USA. New York， USA： ACM Press， 2009：261-276.
［27］Data Center Map［EB/OL］.［2019-01-22］．http：//www．datacentermap．com/chin.

[1]	王瀚琳, 刘洋, 许立雄, 陈贤邦, 谭思维. 考虑风电消纳的区域多微网分层协调优化模型[J]. 电力建设, 2020, 41(8): 87-98.
[2]	李恒强，王骏，蒋星燃，匡仲琴，徐石明，杨永标. 面向电网调峰辅助服务的空调负荷调控策略及其虚拟机组建模[J]. 电力建设, 2020, 41(7): 49-57.
[3]	赵晨，何宇俊，罗钢，龚超，赵越，张轩，陈启鑫. 基于泛在互联的虚拟电厂参与实时市场模型[J]. 电力建设, 2020, 41(6): 36-43.
[4]	苏俊妮，张鑫，赵俊炜，张锐，曲明辉，杨艳红. 计及需求响应和储能的电-气综合能源系统优化调度[J]. 电力建设, 2020, 41(5): 1-8.
[5]	都成，魏震波. 基于模糊激励型需求响应的微电网两阶段优化调度模型[J]. 电力建设, 2020, 41(5): 37-44.
[6]	李鹏，杨莘博，李慧璇，田春筝，李锰，谭忠富. 计及多能源多需求响应手段的园区综合能源系统优化调度模型[J]. 电力建设, 2020, 41(5): 45-57.
[7]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[8]	许志恒，张勇军，余兆荣，王玕. 考虑激励型需求侧响应的电-气互联系统两阶段随机优化调度[J]. 电力建设, 2020, 41(4): 81-89.
[9]	张军六，樊伟，谭忠富，鞠立伟，德格吉日夫，杨莘博，孙婧霞. 计及需求响应的气电互联虚拟电厂多目标调度优化模型[J]. 电力建设, 2020, 41(2): 1-10.
[10]	周洪益，钱苇航，柏晶晶，卫志农，孙国强，臧海祥. 能源区块链的典型应用场景分析及项目实践[J]. 电力建设, 2020, 41(2): 11-20.
[11]	张涌新，沈弘，文俊. 面向综合需求响应的综合能源系统储能控制面向综合需求响应的综合能源系统储能控制[J]. 电力建设, 2019, 40(9): 43-51.
[12]	王莉，吴国沛，曾顺奇，何仲潇，董树锋. 考虑上级电网与工业园区互动的综合需求响应[J]. 电力建设, 2019, 40(9): 52-63.
[13]	袁桂丽，董金凤，魏更，贾新潮. 基于需求响应和多能互补的冷热电联产微网优化调度[J]. 电力建设, 2019, 40(9): 64-72.
[14]	王星华，刘升伟，陈豪君，彭显刚，周亚武. 考虑用户差异性的售电公司需求响应电价模型[J]. 电力建设, 2019, 40(9): 116-123.
[15]	宋杰，陈振宇，杨阳，张凯恒，张卫国，朱庆，徐青山. 考虑资源相关性和不确定性的负荷需求响应决策研究[J]. 电力建设, 2019, 40(6): 132-138.

数据网络参与多调峰辅助服务市场组合优化调度策略

Research on Scheduling Strategy of Data Centers Participating in Multi-peak-regulating Ancillary Service Markets

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价