【目的】 在“双碳”目标与“东数西算”战略的双重驱动下，数据中心作为高功率密度灵活性负荷，其绿色转型与电力系统的协同优化愈发关键。针对枢纽节点新建数据中心80%绿电使用的政策要求，旨在探明不同绿电消费方式与算力负荷灵活性对数据中心运行成本及碳排放的影响机理，为算力枢纽的资源规划与协同调度提供决策依据。【方法】 首先构建了算力电力节点双向协同优化模型，统筹考虑负荷侧算力任务的时间与空间柔性特征以及多元绿电消费方式的物理与合同约束，包括绿电直连、购电协议（power purchase agreement，PPA）及网电补充。引入平准化度电成本（levelized cost of electricity，LCOE）与后果性碳排放因子作为双维度评价指标。针对甘孜地区算电融合项目群，设计了绿电直连比例从80%至20%梯度下降的仿真场景，并深入探究了数据中心负荷无灵活性、时间灵活、空间灵活及时空协同灵活4种方案下的运行特性。【结果】 仿真分析表明，在80%绿色电力消费比例约束下数据中心的LCOE随绿电直连比例的下降呈现显著的“U型”演变特征，时空协同灵活性调度通过全维度的资源寻优，实现了系统经济性与环境效益的帕累托改进，是实现大规模算电融合项目群低碳经济运行的最优调度范式。【结论】 所提模型及评估框架量化了物理直连与虚拟匹配的成本边界，并有效揭示灵活性策略的影响规律，对优化算力枢纽的数据中心配置具有参考价值。
【目的】 伴随数据中心绿色供能需求的持续攀升，如何有效协调风光不确定性与数据中心算力负荷需求间的匹配性面临严峻挑战。对此，本文提出一种考虑风光不确定性与算力灵活性的数据中心两阶段随机优化调度方法。【方法】 首先，针对风光出力的随机波动与时序耦合特征，构建基于一阶自回归与科列斯基分解的场景生成模型，捕捉风光时序相关性与互补性。其次，考虑延时容忍度差异特性，建立基于离散时间任务流的算力灵活响应模型，通过队列状态方程量化不同时延容忍度业务在时间维度上的迁移能力与积压约束。最后，以系统期望运行成本最小为目标，构建包含算力调度与多能协调的两阶段随机优化模型，决策算力任务的最优时序运行策略。【结果】 算例分析表明，所提策略可有效引导延迟容忍型任务从电价高峰时段向风光资源充裕的电价低谷时段平移，系统期望运行成本较传统刚性调度模式降低了4.1%。【结论】 所提方法能够有效挖掘算力负荷的调节潜力，降低运行成本，实现数据中心经济高效运行。
【目的】随着数据中心能耗的不断增长以及可再生电力的快速渗透，算力-电力-热力的协同能够打破算、电、热各环节烟囱式发展的现状，助推数据中心和新型能源系统的高质量可持续发展。但是，算力-电力-热力协同体系建设与标准的制定缺乏规范和指导，在一定程度上有碍于提升数据中心的能源利用效率和协同优化水平。【方法】文章分析了数据中心算力-电力-热力协同体系的研究和建设现状，总结现有术语的不足之处，并从通用术语、集成优化术语、评价术语等方面给出了部分算力-电力-热力协同的要点术语示例。【结果】结果表明，数据中心算力-电力-热力协同正处于初步探索阶段，应做好多行业主体交叉下协同术语的规范性工作。【结论】文章构建了算力-电力-热力协同标准体系，主要包含基础标准、业务标准与服务标准三方面，以期能够有效指导数据中心与电网、热网的深度协作，推动能源多元化、集约化利用，并对算力-电力-热力协同标准化工作的推进提供参考与建议。
【目的】随着云计算、“互联网+”的高速发展，互联网数据中心（internet data center， IDC）作为云计算底层核心的基础设施，正处于高速扩张阶段。然而，由于数据中心和综合能源系统（integrated energy systems， IES）均拥有底层用户的信息，数据泄露可能会导致多种风险。为此，在设计IDC与IES的协同优化方案时，必须得充分考虑两者的隐私保护。【方法】首先，分析数据中心灵活调节特性，采用图论及M/M/1排队论构建数据中心灵活需求响应模型，建立了IDC及IES各自的规划模型及运行模型。根据IDC及IES运行模型的KKT（Karush-Kuhn-Tucher）条件将运行模型转化为规划模型的附加约束，并采用大M法进行线性化处理。随后，考虑IDC及IES间的隐私保护，完善一种适用于混合整数线性规划（mixed-integer linear programming， MILP）子问题的增强型Benders分解算法并设计分布式求解框架对时空联合规划模型进行求解。【结果】研究结果表明，在所采用的算例场景下，引入所采用的IES及IDC需求响应模型后，系统的年化总成本降低了26.79%，增强型Benders分解算法在分布式求解速度上较交叉方向乘子法（alternating direction method of multipliers，ADMM）快1.11倍。【结论】分析了IDC与IES的灵活调节手段，构建了一种切实可行、兼顾隐私保护的含IDC的IES分布式优化方案。该研究可以为类似的多利益主体协同优化场景提供相应的方案及方法参考。
充分挖掘算力中心中蕴含的负荷灵活性是实现算力电力协同的关键。文章聚焦于算力中心内部通信高压直流电源（high voltage direct current，HVDC）侧储备一体电池的闲置灵活性，提出了一种高溢价应用场景：一方面，提升列头柜的算力需求承载量，从而获得高溢价应用；另一方面，同时考虑向电网提供负荷侧灵活性，以获得电力辅助服务市场补偿并降低电费。文章阐述了该应用场景的原理，并对不同情境下的价值评估进行了讨论，以为HVDC侧储备一体电池的闲置灵活性调控提供理论依据。最后，展望了未来算力电力协同发展的路径。
在计算需求爆发式增长、算力资源成本高、数据中心能耗高以及电网运行稳定受到影响的背景下，亟需探索算力与电力可调节资源的双向协同技术以降低算力的能耗成本并提高电网运行的稳定性和经济性。首先，构建算力电力节点可调节资源的双向协同调度架构，分别对算力节点和电力节点内的多元实时可调资源进行量化建模。然后，考虑计算工作任务与算力资源的匹配性、实时调节特性，通过对算力节点下计算工作任务的调度以及电力节点下的可调节负荷调度，提出双层两阶段算电协同优化调度模型。最后，通过算例验证了算电节点可调节资源双向协同优化可行且效果显著：在电力节点整体可调节资源量约2 300 MW的设定下，50 MW算力节点为电力节点运行降低的成本可占到4.71%；同时算力节点自身日内运行成本降低约0.70%。
随着数字化转型的加速和可再生能源的普及，算力综合能源系统（computing power integrated energy system， CPIES）作为一种新型能源系统框架，通过高效整合计算资源与能源资源，实现了能源生产、传输、存储、消费及信息处理的智能化管理。首先概述了CPIES的系统架构与关键组件、发展现状与趋势及算力与能源的互动机制。其次，深入分析信息通信技术、人工智能、大数据分析及物联网等技术与CPIES的融合基础，推动能源系统的智能化和高效化。进而，详细介绍信息与能源技术在CPIES中的应用，展示了其在提升能源利用效率等方面的潜力。最后，列举了国际先进的CPIES项目，识别出当前项目面临的挑战，并提出了相应的对策建议。研究成果不仅有助于推动CPIES的理论发展与实践应用，也为能源行业的数字化转型与可持续发展提供了新的思路与解决方案。
AI小编
