一种实现数据中心即时消纳光伏发电的变温控制方法与流程

1.本发明属于光伏供电调节领域，尤其是一种实现数据中心即时消纳光伏发电的变温控制方法。


背景技术：

2.随着信息技术不断发展以及大数据、5g和物联网等先进信息技术的实现，数据中心耗电量不断增加。2019年我国数据中心总耗电量为1748亿kw
·
h，约为全社会总用电量的2.4％。据中国制冷学会数据中心冷却工作组预计，我国数据中心2021年耗电量将增至2500亿kw
·
h。数据中心高功率的耗能带来了两个严重后果。首先，数据中心购买这些电力带来了巨大的电费开销。其次，数据中心仍主要依赖从电网获取的棕色能源，这导致co2排放量急剧增加。在我国，数据中心用电主要以燃煤发电为主，仅有约20％的数据中心利用了可再生能源发电。我国可再生能源虽然发展迅速，如我国西北部地区将建成100gw级风光发电基地。但因电网统筹协调能力不足，弃风弃光现象时有发生。而分布广、耗电量大数据中心大规模发展即时就地消纳可再生能源带来了机遇。近年来，建设基于高比例可再生电源供电的绿色数据中心成为研究的热门领域。
3.为了提高能源利用效率以及增加可再生能源的利用比例，绿色和平组织(green peace)提出了绿色it的概念。绿色it是在降低自身耗能的前提下，最大化利用可再生能源。目前国内外学者就绿色it展开了前期研究。现有文献从可绿色感知、计算任务调度和冷却感知这三个方面进行了优化，大幅提高了可再生能源利用率。有学者建立了以绿色数据中心、可再生能源为关键负荷电源的直流供电系统，提高了数据中心的可再生能源占比。然而，以上研究往往基于传统恒温制冷控制模式，过量提供冷能以确保数据中心的恒定室内温度，造成能源无法合理利用的问题。
4.美国制冷空调供暖工程师学会(ashrae)出版的《数据处理环境热指南》规定了机房设计温度，ashrae提高了数据中心机房温度设计范围，根据a1～a4不同等级，将最高允许温度分别提升至32℃，35℃，40℃，45℃。且现有研究表明规模化专业数据中心机房内部人员较少，因此对运行温度的舒适性要求较低。已有学者通过研究发现，如果将数据中心机房温度提高5℃，制冷能耗将降低8％，在全国范围可以节省电量243亿kw
·
h，减排的二氧化碳为170万吨。因此动态调整数据中心机房温度能够大幅降低制冷能耗。
5.此外，以上在研究利用新能源为数据中心供电时，没有考虑数据中心制冷功耗与随机波动的可再生能源供应匹配问题，造成了数据中心制冷耗电成本的增加。因此，如何即时匹配制冷设备耗电与可再生能源发电，对数据中心实行变温控制，进而对数据中心进行节能是现在急需解决的问题。


技术实现要素：

6.本发明的目的在于克服现有技术的不足，提出一种实现数据中心即时消纳光伏发电的变温控制方法，能够使数据中心功耗即时匹配光伏发电，从而提高可再生能源利用率
降低市电使用量。
7.本发明解决其技术问题是采取以下技术方案实现的：
8.一种实现数据中心即时消纳光伏发电的变温控制方法，包括以下步骤：
9.步骤1、读取数据中心耗电设备参数，并建立数据中心耗电设备模型；
10.步骤2、读取光伏实时出力p
pv
数值，根据光伏实时出力p
pv
调整数据中心冷却设备的电功率参考值p
cooling*
，使p
cooling*
＝p
pv
；
11.步骤3、根据数据中心冷却设备的电功率参考值p
cooling*
，通过pi控制器控制压缩机转速n进而控制制冷却设备电功率p
cooling
，并计算得到制冷量q
ac
；
12.步骤4、根据步骤3制冷量q
ac
计算数据中心机房温度t
in
；
13.步骤5、判断数据中心机房温度t
in
与设定的数据中心运行温度上下限关系，若数据中心机房温度t
in
与在设定的数据中心运行温度下限t
min
和设定的数据中心运行温度上限t
max
之间时，返回步骤2，否则进入步骤6；
14.步骤6、计算下垂控制得到修正量δp；
15.步骤7、重新调整调整数据中心冷却设备的电功率参考值p
cooling*
，使p
cooling*
＝p
pv
δp后，返回步骤3。
16.而且，所述步骤1中数据中心耗电设备包括：it设备、冷却设备、供电系统和照明系统，该数据中心耗电设备的模型为：
17.p
total
＝p
it
p
cooling
p
l
p
s
18.其中，p
total
为数据中心总能耗；p
it
为it设备能耗；p
cooling
为冷却系统能耗；p
l
为照明能耗；p
s
为供电系统能耗。
19.而且，所述it设备能耗p
it
的计算方法为：
20.p
it
＝p
it_idle
(p
it_max
‑
p
it_idle
)u
cpu
21.其中，p
it_idle
为服务器空闲功耗；p
it_max
为服务器最大功耗；u
cpu
为cpu利用率；服务器的最大功耗和空闲功耗参数与服务器额定功率p
it_rate
、服务器平均额定处理速度s
cpu
以及处理器数量n
cpu
相关：
22.p
it_max
＝a0 a1p
it_rated
a2n
cpu
s
cpu
23.p
it_idle
＝a3 a4p
it_rated
a5n
cpu
s
cpu
24.其中，a0、a1、a2、a3、a4和a5为经验系数，因此通过控制冷却系统能耗p
cooling
进而控制数据中心总能耗p
total
。
25.而且，所述经验系数a0为
‑
5.607，a1为0.2101，a2为0.002499，a3为
‑
5.679，a4为0.1123，a5为0.0001593。
26.而且，所述步骤3中通过pi控制器控制压缩机转速n进而控制制冷却设备电功率p
cooling
的具体实现方法为：
[0027][0028]
p
cooling
＝n3·
p
max
[0029]
其中，n为冷却设备等效压缩机转速；k
p
为pi控制器的比例系数；k
i
为pi控制器的积分系数；p
max
为冷却设备最大功率。
[0030]
而且，所述步骤3中计算得到制冷量q
ac
方法为：
[0031][0032]
cop＝(0.0068sat2 0.008sat 0.458)
[0033]
其中，能效比cop为空调设定温度sat的函数。
[0034]
而且，所述步骤4的具体计算方法为：
[0035]
q
g
＝q
t
q
server
q
s
‑
q
ac
[0036]
q
t
＝(k
top
s
top
w
wall
s
wall
)[t
out
‑
t
in
]
[0037]
q
ac
＝a
·
m
z
·
c
w
·
(t
w
‑
out
‑
t
w
‑
in
)
·
e
‑
at
[0038]
(ρ
a
·
v
k
·
c
a
m
server
·
c
server
)
·
dt
in
(t)
[0039]
＝q
t
·
dt q
s
·
dt q
server
·
dt
‑
q
ac
·
dt
[0040][0041][0042]
其中，q
g
为某段时间内数据中心在冷却设备作用下实际获得的热量；q
t
为室外通过外墙或房顶建筑结构向室内传入热量；q
server
为服务器发热量；人员或照明灯发热量为q
s
；ρ
a
为空气密度；v
k
为室内体积；c
a
为空气比热容；m
server
为服务器总质量；c
server
为服务器等效比热容；k
top
为房顶热传导系数；k
wall
为墙壁热传导系数；a为冷冻水温度变化参数；t
w
‑
out
为冷冻水出水温度；t
w
‑
in
为冷冻水进水温度；t
in
(0)为初始时刻数据中心机房温度。
[0043]
而且，所述步骤6的具体实现方法为：
[0044][0045]
其中，k
t
为下垂系数，当δp＜0时表示数据中心温度触及下限，需要减少制冷量，此时将无法完全消纳光伏发电，δp为光伏发电外送量；当δp＞0时表示数据中心温度触及上限，需要增大制冷量，此时光伏发电量无法满足数据中心制冷需求，δp为冷却设备消耗的市电量。
[0046]
本发明的优点和积极效果是：
[0047]
本发明读取光伏实时出力值，调整冷却设备的电功率参考值，通过下垂控制以及比例积分控制调控数据中心冷却设备，使其功耗即时匹配光伏发电，实现就地消纳、以冷能的形式存储在数据中心机房里，降低数据中心机房温度或当光伏发电量大幅降低时，适当的提高数据中心机房温度，合理利用存储的冷能的功能，从而提高可再生能源利用率降低市电使用量。本发明综合考虑了光伏发电随机波动特性以及数据中心冷却系统柔性负荷特性，充分发挥了需求侧负荷的可控能力，与传统恒温控制方法相比，省去了蓄电池装置，能
够适用于配备可再生供电的绿色数据中心，具有良好的技术经济性。
附图说明
[0048]
图1是本发明的控制框图；
[0049]
图2是本发明的控制流程图；
[0050]
图3是本发明温度/功率下垂特性曲线；
[0051]
图4是本发明在变温控制方法下数据中心冷却设备功率变化曲线和光伏发电仿真曲线何数据中心温度变化仿真曲线。
[0052]
附图说明：
[0053]
图4(a)为变温控制方法下数据中心冷却设备功率变化曲线和光伏发电仿真曲线；图4(b)为数据中心温度变化仿真曲线。
具体实施方式
[0054]
以下结合附图对本发明做进一步详述。
[0055]
水冷冷水空调系统是目前数据中心冷却的常用方式，冷却设备主要包含冷水机组、变频水泵、冷却塔和精密空调。冷却过程主要包括冷冻水循环、制冷剂循环和冷却水循环。低温冷冻水进入精密空调与数据中心换热带走数据中心热量，然后冷冻水温度升高再进入冷水机组与制冷剂换热；低温低压液态制冷剂在蒸发器内蒸发带走高温冷冻水热量后变为高温低压气态，再通过压缩机升压后进入冷凝器与低温冷却水换热降温，然后通过膨胀阀变为低温低压液态进入蒸发器；与制冷剂换热后升温的冷却水入冷却塔，与由冷却塔风机引入的室外空气换热后降温，然后同冷凝器中制冷剂换热。通过以上换热过程，数据中心机房内热量被带到室外，从而降低了数据中心机房温度。
[0056]
如图1所示，为了提高数据中心光伏利用率，使冷却设备功耗跟踪光伏发电实现即时匹配，在综合考虑了光伏发电随机波动特性以及数据中心冷却系统柔性负荷特性后，充分发挥需求侧负荷的可控能力，使冷却系统功耗与光伏发电即时匹配。通过合理的调控，实现利用光伏发电供应数据中心冷却用电，大幅降低市电使用。在光伏发电无法通过电网消纳时，通过数据中心冷却系统实现就地消纳，以冷能的形式存储在数据中心机房里，降低数据中心机房温度；当光伏发电量大幅降低时，适当的提高数据中心机房温度，合理利用存储的冷能，进而实现冷却设备完全不消耗市电。
[0057]
如图3所示，一种实现数据中心即时消纳光伏发电的变温控制方法，包括以下步骤：
[0058]
步骤1、读取数据中心耗电设备的相关参数，并建立数据中心耗电设备模型。
[0059]
本步骤中数据中心耗电设备包括：it设备、冷却设备、供电系统和照明系统，其模型为：
[0060]
p
total
＝p
it
p
cooling
p
l
p
s
[0061]
其中，p
total
为数据中心总能耗；p
it
为it设备能耗；p
cooling
为冷却系统能耗；p
l
为照明能耗；p
s
为供电系统能耗。
[0062]
由于照明能耗p
l
和供电系统能耗p
s
对于数据中心总能耗影响较小，能够忽略。同时it设备能耗模型，由it设备运行状态即cpu利用率的变化描述it设备的实际用电需求，假设
其发热量等于耗电量，p
it
的计算方法为：
[0063]
p
it
＝p
it_idle
(p
it_max
‑
p
it_idle
)u
cpu
[0064]
其中，p
it_idle
为服务器空闲功耗，即cpu利用率为0时；p
it_max
为服务器最大功耗，即cpu利用率为100％；u
cpu
为cpu利用率；服务器的最大功耗和空闲功耗参数与服务器额定功率p
it_rate
、服务器平均额定处理速度s
cpu
以及处理器数量n
cpu
相关，可估算为：
[0065]
p
it_max
＝a0 a1p
it_rated
a2n
cpu
s
cpu
[0066]
p
it_idle
＝a3 a4p
it_rated
a5n
cpu
s
cpu
[0067]
其中，a0、a1、a2、a3、a4和a5为经验系数，如表1所示，因此通过控制冷却系统能耗p
cooling
进而控制数据中心总能耗p
total
。
[0068]
表1
[0069][0070]
步骤2、读取光伏实时出力p
pv
数值，根据光伏实时出力p
pv
调整数据中心冷却设备的电功率参考值p
cooling*
，使p
cooling*
＝p
pv
。
[0071]
步骤3、根据数据中心冷却设备的电功率参考值p
cooling*
，通过pi控制器控制压缩机转速n进而控制制冷却设备电功率p
cooling
，并计算得到制冷量q
ac
。
[0072]
本步骤中通过pi控制器控制压缩机转速n进而控制制冷却设备电功率p
cooling
的具体实现方法为：
[0073][0074]
p
cooling
＝n3·
p
max
[0075]
其中，n为冷却设备等效压缩机转速；k
p
为pi控制器的比例系数；k
i
为pi控制器的积分系数；p
max
为冷却设备最大功率。
[0076]
计算得到制冷量q
ac
方法为：
[0077][0078]
cop＝(0.0068sat2 0.008sat 0.458)
[0079]
其中，能效比cop为空调设定温度sat的函数。
[0080]
步骤4、根据步骤3制冷量q
ac
计算数据中心机房温度t
in
。
[0081]
本步骤的具体计算方法为：
[0082]
q
g
＝q
t
q
server
q
s
‑
q
ac
[0083]
q
t
＝(k
top
s
top
w
wall
s
wall
)[t
out
‑
t
in
]
[0084]
q
ac
＝a
·
m
z
·
c
w
·
(t
w
‑
out
‑
t
w
‑
in
)
·
e
‑
at
[0085]
(ρ
a
·
v
k
·
c
a
m
server
·
c
server
)
·
dt
in
(t)
[0086]
＝q
t
·
dt q
s
·
dt q
server
·
dt
‑
q
ac
·
dt
[0087][0088][0089]
其中，q
g
为某段时间内数据中心在冷却设备作用下实际获得的热量；q
t
为室外通过外墙或房顶建筑结构向室内传入热量；q
server
为服务器发热量；人员或照明灯发热量为q
s
；ρ
a
为空气密度，其单位为kg/m3；v
k
为室内体积，其单位为m3；c
a
为空气比热容，其单位为kj/k；m
server
为服务器总质量，其单位为kg；c
server
为服务器等效比热容，其单位为kj/(kg
·
k)；k
top
为房顶热传导系数，其单位为w/(m2℃)；k
wall
为墙壁热传导系数，其单位为w/(m2℃)；a为冷冻水温度变化参数，其单位为1/h；t
w
‑
out
为冷冻水出水温度，其单位为k；t
w
‑
in
为冷冻水进水温度；t
in
(0)为初始时刻数据中心机房温度，其单位为k；公中α1为数据中心机房总热容，其中服务器起主要作用。热容为室内温度波动提供了“惯性”作用，其表现为，当产热量相同时，热容越大温度变化越小。冷却设备功率较低时，热容越大，上升相同温度所需时间越长，即储冷能力越强。因此，可以发挥数据中心服务器的储冷能力，采用变温控制策略，当光伏发电充足时将电能转化为冷量存储在数据中心，在光伏发电较少时将冷量释放。
[0090]
步骤5、判断数据中心机房温度t
in
与设定的数据中心运行温度上下限关系，若数据中心机房温度t
in
与在设定的数据中心运行温度下限t
min
和设定的数据中心运行温度上限t
max
之间时，重复进行步骤2，否则进行步骤6。
[0091]
步骤6、如图2所示为温度/功率下垂控制曲线，在控制有效区δt内，若温度超过提前设定的数据中心运行温度上下限，则通过附加下垂温度/功率控制回路调整冷却设备的功率修正量δp，其单位为kw。
[0092]
本步骤中冷却设备的功率修正量δp的具体计算方法为：
[0093][0094]
其中，k
t
为下垂系数，当数据中心温度t
in
小于设定温度下限t
min
或t
in
大于设定温度上限t
max
时，δp≠0，从而降低或增大制冷量，使数据中心温度在安全范围内。当δp＜0时表示数据中心温度触及下限，需要减少制冷量，此时将无法完全消纳光伏发电，δp为光伏发电外送量；当δp＞0时表示数据中心温度触及上限，需要增大制冷量，此时光伏发电量无法满足数据中心制冷需求，δp为冷却设备消耗的市电量。
[0095]
步骤7、重新调整调整数据中心冷却设备的电功率参考值p
cooling*
，使p
cooling*
＝p
pv
δp后，重复进行步骤3。
[0096]
根据上述一种实现数据中心即时消纳光伏发电的变温控制方法，通过在matlab/simulink中搭建了数据中心能耗模型和温度变化模型，应用本发明所提实现数据中心即时
消纳光伏的变温控制方法，以验证本发明的优点效果。
[0097]
如图4(a)为变温控制方法下数据中心冷却设备功率变化曲线和光伏发电仿真曲线；如图4(b)为数据中心温度变化仿真曲线。仿真场景选取4:00～20:00时段，该时段内光伏发电量为81.1mw
·
h，设定温度范围为15～40℃。在4:00～4:45和17:57～18:32时段：如图4(a)所示，光伏发电量较低无法满足制冷需求，冷却设备以最低功率运行以降低市电使用量；如图4(b)所示，制冷量降至最低，数据中心机房温度维持在设定值上限40℃。4:45～18:32时段：如图4(a)所示，通过调控冷却设备，使其耗电量与光伏发电量即时匹配，光伏被100％利用，冷却设备不消耗市电。分析可知在4:00～20:00时段内，光伏发电为冷却设备总耗电量提供了98.2％。由此可以看出，本发明变温控制方法可实现数据中心冷却设备即时消纳光伏发电，并且可几乎完全利用光伏发电可以供应数据中心冷却设备。
[0098]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。