一种算力负荷与风光新能源协同优化管控系统及方法与流程

摘要: 本发明涉及电力系统调度,具体涉及一种算力负荷与风光新能源协同优化管控系统及方法。背景技术:1、随着“东数西算”工程深入推进和人工智能大模型训练需求爆发式增长,算...
一种算力负荷与风光新能源协同优化管控系统及方法与流程

本发明涉及电力系统调度,具体涉及一种算力负荷与风光新能源协同优化管控系统及方法。

背景技术:

1、随着“东数西算”工程深入推进和人工智能大模型训练需求爆发式增长,算力中心已成为继工业、交通之后的第三大“用电高地”,风电光伏出力的强间歇性和波动性给电力系统运行带来巨大挑战,与此同时,全国算力中心用电量预计到2030年将达到约8000亿度,在全社会用电量中占比攀升至6%左右。算力负荷具有功率密度高、可时移、可迁移的独特调节潜力,为参与电网灵活调节提供了新的需求侧资源。

2、现有技术中,算力中心与电力系统基本独立运行——“算力只管跑任务、电网只管供电”,两者之间缺乏有效的信息交互与协同调度机制,部分已有研究关注数据中心参与需求响应,但多将算力负荷简化为可中断或可平移的单一调节资源,未充分考虑算力任务的类型差异及其对调度方案的差异化约束,此外,现有方案未能将风光新能源出力预测与算力任务调度深度耦合,无法实现“让算力跟着新能源走”的协同目标,为此,我们提出了一种算力负荷与风光新能源协同优化管控系统及方法。

技术实现思路

1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。

2、本发明采用以下技术方案解决上述技术问题:提供了一种算力负荷与风光新能源协同优化管控系统,包括:数据采集模块、新能源出力预测模块、算力负荷可调潜力评估模块、协同优化调度模块和指令下发与执行模块;

3、数据采集模块用于实时采集风光新能源发电数据、算力负荷运行数据以及电网运行状态数据,所述风光新能源发电数据包括风电场的风速、风向、有功功率、无功功率,光伏电站的辐照度、温度、有功功率、无功功率,以及新能源电站运行状态和可用容量,所述算力负荷运行数据包括各计算节点的算力利用率、功率消耗、任务队列长度、任务类型分布及预期完成时间,所述电网运行状态数据包括配电网节点电压、线路负载率、系统频率、旋转备用容量及联络线交换功率;

4、新能源出力预测模块用于基于所述风光新能源发电数据,采用多时间尺度预测模型生成未来预设时段内的风光新能源出力预测结果,所述新能源出力预测模块包括超短期预测单元和短期预测单元,超短期预测单元基于实时气象数据和风光电站运行数据,生成未来15分钟至4小时的风光出力超短期预测结果,用于日内实时调度,短期预测单元基于数值天气预报数据,生成未来24至72小时的风光出力短期预测结果,用于日前调度计划编制,所述协同优化调度模块根据短期预测结果生成日前协同调度计划,并根据超短期预测结果每15至30分钟滚动修正所述协同调度方案;

5、算力负荷可调潜力评估模块用于基于所述算力负荷运行数据,识别可时移算力任务和可迁移算力任务,评估算力负荷的调节潜力及调节时间窗口,所述模块包括任务类型识别单元、调节窗口计算单元和可调容量聚合单元,任务类型识别单元根据算力任务的时效性要求和数据本地性要求,将算力任务分类为实时计算任务、可时移批处理任务和可迁移计算任务,调节窗口计算单元根据各算力任务的截止时间、数据量与算力需求,计算每个可时移任务的时间调节窗口和每个可迁移任务的可迁移区域范围,可调容量聚合单元将各算力任务的调节潜力按时间维度和空间维度进行聚合,生成算力负荷可调容量包络线,作为所述协同优化调度模块的输入约束;

6、协同优化调度模块用于以新能源消纳最大化与算力运营成本最小化为协同优化目标,根据所述风光新能源出力预测结果和所述算力负荷调节潜力,生成协同调度方案,所述协同优化调度模块包括新能源消纳态势分析单元、算力调度策略生成单元和多目标优化求解单元,新能源消纳态势分析单元根据风光新能源出力预测结果和实时电网运行状态,判断当前及未来时段是否存在新能源弃风弃光风险,生成新能源消纳紧迫度指标,算力调度策略生成单元在新能源消纳紧迫度高于预设阈值时,触发算力负荷增耗调度策略,将可时移算力任务调度至新能源大发时段执行;在电网负荷高峰且新能源出力不足时,触发算力负荷转移调度策略,将可迁移算力任务转移至新能源富集区域的计算节点执行。多目标优化求解单元采用多目标优化算法求解所述协同调度方案;

7、所述协同优化调度模块生成协同调度方案时,采用以下约束条件:电力约束,任一时刻算力负荷总用电功率不超过所在配电网节点可用容量上限;新能源消纳约束,在新能源出力预测值高于区域用电负荷预测值时,优先将可时移算力任务调度至该时段,使新能源消纳率不低于预设目标值;算力任务约束,可时移算力任务的执行时间不晚于其截止时间,可迁移算力任务的目标计算节点满足数据传输带宽和时延要求;碳排放约束,优先将算力任务调度至新能源发电占比高的时段和区域执行,使算力任务执行过程的碳排放强度不高于预设阈值。

8、多目标优化求解单元构建目标函数 min f = α·c_elec + β·c_carbon - γ·r_renewable,其中c_elec为算力任务执行的用电成本,c_carbon为算力任务执行的碳排放成本,r_renewable为算力任务消纳的新能源电量,α、β、γ为权重系数;采用多目标粒子群优化算法求解所述目标函数,输出帕累托最优解集,从所述帕累托最优解集中选取符合电网安全约束和算力任务约束的最优协同调度方案。

9、指令下发与执行模块用于将所述协同调度方案转换为算力任务调度指令和/或电网调节指令,下发至算力资源管理系统和/或电网调度系统执行,所述指令下发与执行模块包括调度指令生成单元、执行反馈采集单元和闭环修正单元,调度指令生成单元将协同调度方案分解为面向算力资源管理系统的算力任务调度指令和面向电网调度系统的用电调节指令,执行反馈采集单元采集算力任务实际执行情况和电网调节指令响应情况,生成执行反馈数据。闭环修正单元根据执行反馈数据与协同调度方案的目标偏差,触发协同优化调度模块对协同调度方案进行滚动修正。

10、一种算力负荷与风光新能源协同优化管控方法,包括:步骤s1:实时采集风光新能源发电数据、算力负荷运行数据以及电网运行状态数据。

11、步骤s2:基于所述风光新能源发电数据,采用多时间尺度预测模型生成未来预设时段内的风光新能源出力预测结果;

12、具体包括:采用超短期预测模型生成未来15分钟至4小时的风光出力超短期预测结果,用于日内实时调度;采用短期预测模型生成未来24至72小时的风光出力短期预测结果,用于日前调度计划编制。

13、步骤s3:基于所述算力负荷运行数据,识别可时移算力任务和可迁移算力任务,评估算力负荷的调节潜力及调节时间窗口;

14、具体包括:根据算力任务的时效性要求和数据本地性要求,将算力任务分类为实时计算任务、可时移批处理任务和可迁移计算任务;根据各算力任务的截止时间、数据量与算力需求,计算每个可时移任务的时间调节窗口和每个可迁移任务的可迁移区域范围;将各算力任务的调节潜力按时间维度和空间维度进行聚合,生成算力负荷可调容量包络线。

15、步骤s4:以新能源消纳最大化与算力运营成本最小化为协同优化目标,根据所述风光新能源出力预测结果和所述算力负荷调节潜力,采用多目标优化算法求解生成协同调度方案;

16、具体包括:当风光新能源出力预测值高于区域用电负荷预测值、新能源消纳紧迫度高于预设阈值时,触发第一调度模式,将可时移算力任务由非新能源大发时段调度至新能源大发时段执行,并优先将算力任务分配至新能源发电占比高的计算节点;当电网负荷高峰且新能源出力预测值低于区域用电负荷预测值时,触发第二调度模式,将至少部分可迁移算力任务转移至新能源富集区域的计算节点执行,降低负荷高峰区域的用电负荷;当风光新能源出力预测值波动幅度超过预设阈值时,触发第三调度模式,启动算力任务执行时序的动态调整,使算力负荷功率曲线跟随风光新能源出力曲线变化。

17、步骤s5:将所述协同调度方案转换为算力任务调度指令和/或电网调节指令,下发至算力资源管理系统和/或电网调度系统执行。

18、本发明的有益效果体现在:

19、1.本发明通过设置任务类型识别单元和调节窗口计算单元,将算力任务精细分类为实时计算任务、可时移批处理任务和可迁移计算任务,针对不同任务类型分别挖掘调节潜力,显著提高了算力负荷调节潜力评估的精确度,通过设置超短期预测单元和短期预测单元的双时间尺度预测架构,配合滚动修正机制,实现了日前计划与日内调度的有机衔接,有效应对了风光新能源出力的间歇性和波动性,提高了调度方案对不确定性因素的适应能力。

20、2.本发明通过设置三种调度模式,根据不同电网运行状态自动触发相应的调度策略,实现了算力负荷与风光新能源出力的灵活匹配,在提升新能源消纳率的同时降低了算力运营成本,通过构建兼顾用电成本、碳排放成本和新能源消纳电量的多目标优化函数,并采用帕累托多目标优化求解,实现了经济性、绿色性和安全性的协同最优。