一种基于虚拟储能的数据中心多能微电网双层调度方法

本发明涉及电力-负载协同调控，尤其涉及一种基于虚拟储能的数据中心多能微电网双层调度方法。

背景技术：

1、人工智能算力激增使数据中心面临能耗与高碳排挑战，为降低运行成本和保障环境效益，数据中心微电网与可再生能源融合势在必行，但可再生能源间歇性制约了其高效利用。将数据中心与集成可再生能源的微电网相结合，通过优化调度实现能效提升、成本降低与碳减排，是推动数据中心算力高质量发展的关键路径。

2、中国专利公开号cn120147060a公开了一种数据中心微电网电算协同双层深度强化学习调度方法，包括：构建含有全局层和局部层的双层多智能体深度强化学习框架，全局层通过集中式深度强化学习训练进行分配计算任务，局部层通过分散式深度强化学习优化内部能源调度，结合分层多智能体双延迟深度确定性策略梯度算法实现跨层交互与快速收敛，通过时空任务调节与储能协同降低非可再生能源成本。由此可见，该专利存在以下问题：首先，其虚拟储能建模颗粒度不足，未根据任务实时性要求进行高、中、低优先级的精细化划分，也未建立延迟容忍度与用户满意度的量化关系；其次，该专利未涉及氢储能系统的长时储能建模，无法支撑跨日尺度的能量调节；再者，其双层强化学习框架为单向参数传递，缺乏能耗状态反馈调整延迟成本、优化结果更新能耗模型的层层递进闭环机制，难以实现经济性与服务质量的深度协同优化。

3、中国专利公开号cn121663562a公开了一种数据中心与虚拟电厂协同运行方法及系统，包括：构建数据中心与虚拟电厂的两层协同优化模型，高层模型以虚拟电厂净利润最大化为目标，低层模型以多数据中心集群总运行成本最小为目标；采用粒子群优化算法对两层协同优化模型进行求解，将高、低层模型的决策变量共同编码为粒子群中粒子的位置，通过迭代更新粒子的位置与速度，同步优化高、低层模型的目标函数；基于最优协同调度方案，对虚拟电厂内的分布式新能源及储能的功率进行控制，以及对数据中心集群内延迟敏感型和延迟容忍型工作负载进行时空迁移调度。由此可见，该专利存在以下问题：首先，其将工作负载仅划分为延迟敏感型和延迟容忍型两类，划分粒度较粗，未能建立用户满意度与延迟时间的精确量化模型；其次，该专利未涉及氢储能系统，无法充分利用氢储能的跨日调节能力；再者，其采用粒子群优化算法同步优化高、低层目标，但未建立能耗状态对任务调度决策的动态反馈机制，也未实现制冷系统送风温度基于优化结果的动态调整，导致冷电联动的协同优化能力不足。

技术实现思路

1、为此，本发明提供一种基于虚拟储能的数据中心多能微电网双层调度方法，用以克服现有技术中任务调度与能源管理协同性不足、虚拟储能建模颗粒度粗、氢储能系统缺失、制冷能耗与任务调度耦合度低的问题。

2、为实现上述目的，本发明提供一种基于虚拟储能的数据中心多能微电网双层调度方法，所述方法包括：

3、根据发电数据对风力发电、光伏发电和氢储能电池进行建模，建立多能可再生能源系统模型；

4、依据数据负载特性，建立延迟容忍模型与用户满意度量化模型，得到延迟任务量，并根据延迟任务量对多能可再生能源系统模型进行模型优化；

5、对数据中心的能耗特性进行建模，得到能耗特性模型及总能耗，并根据总能耗对延迟容忍模型进行系数调整；

6、以数据中心运行成本最低为目标函数，对能源供给平衡、it负载平衡和用户最低满意度的约束进行设定，建立经济调度管理模型，得到最优负载调度结果、能源供给方案及最优制冷系统送风温度，并根据最优制冷系统送风温度对能耗特性模型进行参数更新。

7、进一步地，所述多能可再生能源系统模型包括：依据实时风速与风机运行参数，建立分段函数形式的风力发电功率模型，用于描述风机在不同风速区间内的出力特性。

8、进一步地，所述多能可再生能源系统模型包括：依据太阳辐照度、环境温度及光伏组件性能参数，建立光伏发电功率模型，其中太阳辐照度采用日出日落时间的余弦函数形式描述，光伏电池温度考虑辐照吸收与环境温度的耦合影响。

9、进一步地，所述多能可再生能源系统模型包括：依据储能系统的充放电效率、自放电率及额定功率，建立储能系统更新模型，并引入0-1变量约束充放电状态的互斥性；

10、依据电解槽、储氢罐及燃料电池的能量转换效率与损耗特性，用于对电解槽产氢、储氢罐动态平衡及燃料电池发电的全过程建立氢储能系统的能量状态更新模型。

11、进一步地，所述建立延迟容忍模型与用户满意度量化模型，具体包括：不同数据的负载可以划分为高优先级交互式负载和中、低优先级批处理负载，分别建立其延迟容忍特性模型。

12、进一步地，所述延迟容忍特性模型包括:

13、对于高优先交互式负载，建立本地处理与异地迁移的双通道处理模型作为高优先级负载延迟容忍特性模型，采用0-1变量与网络质量调整因子约束异地迁移能力，保障负载的实时响应需求；

14、对于中优先级批处理负载，建立积压队列动态更新模型，作为中优先级负载延迟容忍特性模型，采用平均等待时间描述任务处理延迟，并定义立即处理成本与动态延迟成本，引入成本比率函数作为调度决策依据；

15、对于低优先级批处理负载，建立积压队列与平均等待时间模型，作为低优先级负载延迟容忍特性模型，动态延迟成本引入时间衰减因子，鼓励在调度周期内尽早处理积压任务；

16、根据中、低优先级负载的延迟容忍特性计算得到的延迟任务量，量作为储能系统更新模型的荷电状态约束。

17、进一步地，对数据中心的能耗特性进行建模时，依据数据中心的运行状态，建立能耗特性模型，所述能耗特性模型包括负载能耗模型和制冷系统能耗模型，得到总能耗。

18、进一步地，根据总能耗对延迟容忍模型进行系数调整时，将所述总能耗作为反馈参数，动态调整步骤s2中延迟容忍模型的延迟成本系数：当总能耗接近数据中心供电上限时，提高中、低优先级任务的延迟成本系数，促使调度系统将任务推迟至低负荷时段或迁移至异地处理。

19、进一步地，建立数据中心的运行成本的经济调度管理模型时，构建数据中心运行成本最低的目标函数，将总成本分解为数据中心微电网能源成本、储能设备电池损耗成本、各个优先级任务延迟补偿成本及氢储能系统成本，并建立平衡约束，同时构建以最低满意度为目标的下层优化约束，得到综合不满意度指标。

20、进一步地，对能耗特性模型进行参数更新时，将数据中心负载能耗与制冷设备的能耗代入平衡约束中，求得最优制冷系统送风温度，并将最优制冷系统送风温度作为制冷设备的送风温度输入制冷系统能耗模型中。

21、与现有技术相比，本发明的有益效果在于，其一，通过将计算负载划分为高、中、低三个优先级，分别建立延迟容忍模型与用户满意度量化模型，将可延迟任务建模为具备时间平移能力的虚拟储能资源，并与电化学储能、氢储能等物理储能协同配合，使数据中心能够在电价低谷或可再生能源富余时段处理非紧急任务，在供电紧张时段推迟处理，有效平滑负荷曲线、提升可再生能源消纳能力；其二，全面建立包含风电、光伏、电化学储能及氢储能在内的多能可再生能源系统模型，特别是对电解槽、储氢罐、燃料电池全过程进行精细化建模，为跨日尺度的能量调节提供技术支撑；其三，构建上层以运行成本最小、下层以用户综合不满意度最小为目标的双层优化模型，将能源成本、储能损耗成本、延迟补偿成本及氢储能系统成本统一纳入优化目标，通过满意度约束保障服务质量下限。