面向区域算力中心集群的算电协同调度方法及系统与流程

本发明涉及算电协同调度领域，具体涉及面向区域算力中心集群的算电协同调度方法及系统。

背景技术：

1、随着人工智能、大模型训练与推理、云计算业务的爆发式增长，算力基础设施已成为数字经济的核心底座，算力负荷与电力系统的耦合深度持续提升。在国家战略层面，“算电协同”已纳入新型基础设施建设核心部署，《政府工作报告》明确提出实施超大规模智算集群、算电协同等新基建工程，加强全国一体化算力监测调度；《数据中心绿色低碳发展专项行动计划》《加快构建新型电力系统行动方案（2024—2027 年）》等政策相继出台，明确要求到2025年底初步形成算力电力双向协同机制，国家枢纽节点新建数据中心绿电占比超过80%，并已在京津冀、长三角等算力枢纽及青海、新疆等清洁能源富集地区部署算电协同先行先试任务。

2、从行业运行特性来看，区域内集聚的算力中心集群，已从传统被动高耗能负荷，演化为兼具计算处理、用能调节、储能协同、绿电消纳和电网友好互动能力的“算力-电力耦合节点”。不同算力中心在任务到达特性、离线任务可转移比例、服务器动态电压频率调节能力、可再生能源配置、私有储能容量及电价响应特性上存在显著异质性，区域内天然存在负荷、风光出力、储能资源的时空互补潜力，具备通过点对点（peer-to-peer，p2p）电力交易和共享储能实现协同优化的工程基础。

3、现有学术研究与工程实践中，相关技术可分为两大分支：

4、第一类为数据中心集群能源优化调度技术。现有研究大多聚焦单数据中心内部能耗优化、绿电替代与柔性负荷调度，通过在线/离线任务分类建模、离线任务时移约束、基于动态电压频率调节（dynamic voltage and frequency scaling，dvfs）的服务器调度、电能使用效率（power usage effectiveness，pue）负荷聚合等方法，挖掘数据中心的算力柔性潜力；部分研究进一步探索了数据中心参与 p2p 电力交易、共享储能租赁的调度方法，但仍存在三大核心缺陷：一是对区域集群内多算力中心的耦合竞争关系刻画不足，未充分考虑共享储能租赁价格与系统总需求耦合、p2p交易双边功率守恒带来的多主体决策强关联特性；二是未将算力中心it-物理耦合的独有特性与能源交易、储能租赁进行深度一体化建模，难以适配算电协同的实际运行需求；三是大多采用集中式求解或明文分布式求解，未考虑多主体协同过程中的数据隐私保护问题。

5、第二类为共享储能与p2p交易的隐私保护技术。针对多主体协同中的隐私泄露风险，现有研究提出了基于广义纳什均衡（generalized nash equilibrium，gne）的博弈建模方法，通过变分均衡、卡罗需-库恩-塔克（karush-kuhn-tucker，kkt）条件将博弈问题等价重构为凸优化问题，并采用交替方向乘子法（alternating direction method ofmultipliers，admm）实现分布式求解，减少了原始敏感参数的直接传输。但现有技术仍存在明显短板：一是隐私保护方法多面向居民、普通工商业产销者设计，未考虑算力中心的任务调度、服务器运行等独有负荷机理，无法直接适配算电协同场景；二是单纯的明文 admm 分布式求解，仍存在通过迭代残差、租赁容量迭代量、交易功率迭代量等中间信息，反推参与主体成本结构、边际偏好、运行特征的风险。

6、综上，当前尚缺少一种面向区域算力中心集群，同时融合算力负荷机理建模、多主体耦合博弈、共享储能与p2p交易协同、全流程隐私保护的统一调度方法，难以支撑算电协同战略的规模化落地。

技术实现思路

1、为了解决现有技术针对区域算力中心集群协同调度中存在的多主体耦合关系刻画不足、算力特性与能源交易建模脱节、协同求解过程中敏感信息易泄露的问题，本发明提出了一种面向区域算力中心集群的算电协同调度方法，应用于以p2p交易中心、共享储能电站和多个算力中心为主体的区域算电协同交互架构，包括：

2、基于各算力中心的运营能力、各算力中心之间的p2p交易行为、各算力中心向共享储能电站租赁行为以及各算力中心向主电网购售电行为，分别构建本地算电耦合可行域和多个交易类型的交易模型，并将所述本地算电耦合可行域与各交易模型耦合构建以每个算力中心为博弈主体的广义纳什博弈模型；

3、基于所述广义纳什博弈模型，引入拉格朗日乘子构造增广拉格朗日函数，并基于kkt最优性条件和辅助变量建立分布式求解方程组，利用paillier加密结合admm算法进行分布式隐私保护迭代求解所述方程组，得到日内最优协同调度计划；

4、基于所述最优协同调度计划对区域算力中心集群进行调度。

5、优选地，所述交易模型包括私有储能模型、共享储能容量租赁模型、p2p有向交易模型和主网购售电模型。

6、优选地，所述基于各算力中心的运营能力、各算力中心之间的p2p交易行为、各算力中心向共享储能电站租赁行为以及各算力中心向主电网购售电行为，分别构建本地算电耦合可行域和多个交易类型的交易模型，包括：

7、基于各算力中心的算力任务调度能力和服务器调度能力分别计算各算力中心的任务到达量约束、离线任务时移约束、服务器处理能力约束以及dvfs档位功耗，根据所述任务到达量约束、离线任务时移约束、服务器处理能力约束以及dvfs档位功耗形成各算力中心的本地算电耦合可行域；

8、根据各算力中心配置的私有储能在调度时段的充放电功率计算各算力中心的私有储能使用成本，以所述私有储能使用成本为目标函数构建私有储能模型；

9、基于各算力中心向共享储能电站租赁行为，根据算力中心和竞争算力中心向共享储能电站的租赁容量以及共享储能电站在调度时段的充放电功率，分别计算各算力中心的共享储能租赁成本和共享储能使用成本，以所述共享储能租赁成本和共享储能使用成本为目标函数，以共享储能充放电功率约束、共享储能荷电能量约束和共享储能总容量约束为约束条件，构建共享储能容量租赁模型；

10、基于各算力中心之间的p2p交易行为，根据不同算力中心交易之间的线路使用成本和交易电价计算p2p交易全周期成本，以所述p2p交易全周期成本为目标函数，以p2p双边功率守恒约束为约束条件，构建p2p有向交易模型；

11、基于各算力中心向主电网购售电行为，根据各算力中心向主电网的购售电功率计算主电网购售电成本，以所述主电网购售电成本为目标函数，以购售电功率约束为约束条件，构建主网购售电模型。

12、优选地，所述将所述本地算电耦合可行域与各交易模型耦合构建以每个算力中心为博弈主体的广义纳什博弈模型，包括：

13、基于所述本地算电耦合可行域与各模型耦合关系提取每个算力中心的本地决策变量和耦合决策变量，根据所述本地决策变量决定的成本与所述耦合决策变量决定的成本进行求和计算，得到每个算力中心的全周期运行成本；

14、将每个算力中心作为博弈主体，以各博弈主体的全周期运行成本最小化为优化目标函数，构建所述各博弈主体与本地算电耦合可行域耦合关联的广义纳什博弈模型。

15、优选地，所述基于所述广义纳什博弈模型，引入拉格朗日乘子构造增广拉格朗日函数，并基于kkt最优性条件和辅助变量建立分布式求解方程组，包括：

16、基于所述广义纳什博弈模型，引入拉格朗日乘子构造增广拉格朗日函数，并基于kkt最优性条件建立分布式求解方程组；

17、引入辅助变量将所述p2p双边功率守恒约束和共享储能总容量约束改写为与原始耦合变量的一致性约束，并将所述方程组重构为适配admm算法的具有双块结构的分布式求解方程组。

18、优选地，所述利用paillier加密结合admm算法进行分布式隐私保护迭代求解所述方程组，得到日内最优协同调度计划，包括：

19、初始化迭代参数，并在每轮迭代中生成随机掩码因子；

20、基于所述随机掩码因子及所述原始耦合变量与所述辅助变量构建一致性中间量，结合paillier加密对所述一致性中间量进行密文协同计算；

21、基于加密状态下依次迭代更新原始耦合变量、辅助变量和对偶变量，并计算原始残差及对偶残差；

22、根据所述原始残差及对偶残差判断迭代收敛，将迭代收敛时对应的参数作为日内最优调度参数；

23、根据所述日内最优调度参数对应得到日内最优协同调度计划。

24、优选地，所述协同调度计划包括：本地离线任务时移计划、服务器dvfs档位分配计划、私有储能充放电计划、共享储能充放电计划、p2p交易计划、主网购售电计划及共享储能总容量分配与执行计划。

25、基于同一发明构思，本发明还提供一种面向区域算力中心集群的算电协同调度系统，包括：

26、模型构建模块，用于基于各算力中心的运营能力、各算力中心之间的p2p交易行为、各算力中心向共享储能电站租赁行为以及各算力中心向主电网购售电行为，分别构建本地算电耦合可行域和多个交易类型的交易模型，并将所述本地算电耦合可行域与各交易模型耦合构建以每个算力中心为博弈主体的广义纳什博弈模型；

27、重构求解模块，用于基于所述广义纳什博弈模型，引入拉格朗日乘子构造增广拉格朗日函数，并基于kkt最优性条件和辅助变量建立分布式求解方程组，利用paillier加密结合admm算法进行分布式隐私保护迭代求解所述方程组，得到日内最优协同调度计划；基于所述最优协同调度计划对区域算力中心集群进行调度。

28、优选地，所述模型构建模块，包括：

29、可行域构建单元，用于基于各算力中心的算力任务调度能力和服务器调度能力分别计算各算力中心的任务到达量约束、离线任务时移约束、服务器处理能力约束以及dvfs档位功耗，根据所述任务到达量约束、离线任务时移约束、服务器处理能力约束以及dvfs档位功耗形成各算力中心的本地算电耦合可行域；

30、私有储能模型构建单元，用于根据各算力中心配置的私有储能在调度时段的充放电功率计算各算力中心的私有储能使用成本，以所述私有储能使用成本为目标函数构建私有储能模型；

31、共享储能容量租赁模型构建单元，用于基于各算力中心向共享储能电站租赁行为，根据算力中心和竞争算力中心向共享储能电站的租赁容量以及共享储能电站在调度时段的充放电功率，分别计算各算力中心的共享储能租赁成本和共享储能使用成本，以所述共享储能租赁成本和共享储能使用成本为目标函数，以共享储能充放电功率约束、共享储能荷电能量约束和共享储能总容量约束为约束条件，构建共享储能容量租赁模型；

32、p2p有向交易模型构建单元，用于基于各算力中心之间的p2p交易行为，根据不同算力中心交易之间的线路使用成本和交易电价计算p2p交易全周期成本，以所述p2p交易全周期成本为目标函数，以p2p双边功率守恒约束为约束条件，构建p2p有向交易模型；

33、主网购售电模型构建单元，用于基于各算力中心向主电网购售电行为，根据各算力中心向主电网的购售电功率计算主电网购售电成本，以所述主电网购售电成本为目标函数，以购售电功率约束为约束条件，构建主网购售电模型；

34、广义纳什博弈模型构建单元，用于基于所述本地算电耦合可行域与各模型耦合关系提取每个算力中心的本地决策变量和耦合决策变量，根据所述本地决策变量决定的成本与所述耦合决策变量决定的成本进行求和计算，得到每个算力中心的全周期运行成本；将每个算力中心作为博弈主体，以各博弈主体的全周期运行成本最小化为优化目标函数，构建所述各博弈主体与本地算电耦合可行域耦合关联的广义纳什博弈模型。

35、优选地，所述重构求解模块，包括：

36、重构单元，用于基于所述广义纳什博弈模型，引入拉格朗日乘子构造增广拉格朗日函数，并基于kkt最优性条件建立分布式求解方程组；引入辅助变量将所述p2p双边功率守恒约束和共享储能总容量约束改写为与原始耦合变量的一致性约束，并将所述方程组重构为适配admm算法的具有双块结构的分布式求解方程组；

37、求解单元，用于初始化迭代参数，并在每轮迭代中生成随机掩码因子；基于所述随机掩码因子及所述原始耦合变量与所述辅助变量构建一致性中间量，结合paillier加密对所述一致性中间量进行密文协同计算；基于加密状态下依次迭代更新原始耦合变量、辅助变量和对偶变量，并计算原始残差及对偶残差；根据所述原始残差及对偶残差判断迭代收敛，将迭代收敛时对应的参数作为日内最优调度参数；根据所述日内最优调度参数对应得到日内最优协同调度计划。

38、再一方面，本发明还提供了一种电子设备，包括：至少一个处理器和存储器；所述存储器和处理器通过总线相连；

39、所述存储器，用于存储一个或多个程序；

40、当所述一个或多个程序被所述至少一个处理器执行时，实现如上述所述的一种面向区域算力中心集群的算电协同调度方法。

41、再一方面，本发明还提供了一种可读存储介质，其上存有执行程序，所述执行程序被执行时，实现如上述所述的一种面向区域算力中心集群的算电协同调度方法。

42、与现有技术相比，本发明的有益效果为：

43、本发明提供了一种面向区域算力中心集群的算电协同调度方法，包括：基于各算力中心的运营能力、各算力中心之间的p2p交易行为、各算力中心向共享储能电站租赁行为以及各算力中心向主电网购售电行为，分别构建本地算电耦合可行域和多个交易类型的交易模型，并将所述本地算电耦合可行域与各交易模型耦合构建以每个算力中心为博弈主体的广义纳什博弈模型；基于所述广义纳什博弈模型，引入拉格朗日乘子构造增广拉格朗日函数，并基于kkt最优性条件和辅助变量建立分布式求解方程组，利用paillier加密结合admm算法进行分布式隐私保护迭代求解所述方程组，得到日内最优协同调度计划；基于所述最优协同调度计划对区域算力中心集群进行调度。本发明通过本地算电耦合可行域与多模型耦合的一体化建模，深度融合算力-电力运行机理并刻画了多主体决策强关联特性，同时通过paillier加密结合admm算法求解，避免了明文分布式求解中敏感信息易泄露的问题。