Керуючись швидким просуванням інформаційних технологій та стійким збільшенням глобального трафіку даних, центри обробки даних значно розширилися за останні роки [1]при цьому сектор буде підтримувати середньорічний темп зростання приблизно від 10% до 2030 року. Оскільки критична інфраструктура, що підтримує цифрову економіку, центрів обробки даних характеризуються високим споживанням енергії та інтенсивними потребами в охолодженні, які накладають суворі вимоги щодо сили безперервності, надійності та експлуатаційної ефективності. У 2021 році центри обробки даних у Китаї споживали 93,7 мільярдів кВт · год електроенергії, що становить 1,13% від загального використання електроенергії в країні, і створило 78,3 мільйона тонн викидів СО2, що становить 0,77% загальних викидів країни [2]. Ці цифри посилили інтерес до інтеграції відновлюваних джерел енергії в інфраструктуру центру обробки даних [3]. Однак притаманна переривчаста та мінливість відновлюваної енергії вводить оперативні невизначеності, ускладнюючи надійну доставку електроенергії, необхідну для операцій центру обробки даних.
Управління енергією та планування в центрах обробки даних давно є активними областями досліджень [4]. Ранні дослідження, спрямовані насамперед на підвищення енергоефективності, підкреслюючи оновлення системи охолодження [5] та динамічне планування навантаження [6] Для підвищення ефективності використання електроенергії (PUE). Оскільки стійкість набула все більшого значення, дослідження розширилися, включаючи інтеграцію розподілених енергетичних систем (DES) [7]оцінюється на основі комплексних критеріїв, таких як енергоефективність, вплив на навколишнє середовище та економічні показники. Крім того, кілька досліджень досліджували інтенсивність викидів вуглецю та інтеграцію відновлюваних джерел енергії. Наприклад, Лю та ін. [2] Запропонована модель багатоцільної оптимізації на основі життєвого циклу, яка одночасно розглядає енергетичні, економічні та екологічні цілі, що включає механізм податку на вуглець для стимулювання зеленого планування. Аналогічно, посилання [8] Розроблена модель планування мікросетки для центрів обробки даних, яка включає в себе генерацію фотоелектрики та прагне мінімізувати витрати на планування шляхом інтеграції різноманітних розподілених енергетичних ресурсів. Однак, незважаючи на значний прогрес у плануванні енергетики центру обробки даних, виклики зберігаються через притаманну перерви та непередбачуваність відновлюваної енергії, що перешкоджає тимчасовому узгодженню між пропозицією та пропозицією та призводить до збільшення енергетичних відходів та складності планування. Для вирішення цих проблем широко прийняті системи зберігання енергії для підвищення гнучкості та стійкості енергетичних систем [9]. Наприклад, навчання [10] Запропоновано розгортання великої кількості короткочасних блоків для зберігання акумуляторів для управління піковими навантаженнями в мікросетках; Однак, було встановлено, що підхід має помітні економічні та екологічні недоліки. Guo та ін. [11] Інтегроване зберігання енергії акумулятора в інтернет -центри обробки даних та оптимізована його конфігурація для підвищення продуктивності системи. Зокрема, хоча системи безперебійного джерела живлення (UPS) служать критичними пристроями резервного копіювання в центрах обробки даних, їх потенціал як активи на зберігання енергії, що відправляється, залишаються значною мірою невикористаними. Більшість існуючих досліджень розглядають системи UPS як пасивні резервні пристрої, не помічаючи їх потенціалу для активної участі в динамічних рамках планування енергії. Цей нагляд обмежує подальший просування в продуктивності, гнучкості та стійкості енергетичних систем центру обробки даних.
Останніми роками UPS визнано недостатньо використаними активами, що залучає зростаючий дослідницький інтерес – особливо у відповіді на попит та додатки для гоління піку [12]. Наприклад, посилання [13] Досліджує подвійну роль ДБЖ у захисті живлення та зберігання енергії, підкреслюючи його розширення в домен зберігання. Ван та ін. [14] Розглянемо ДБЖ як актив, що відповідає на попиту, що бере участь у регіональній системній системі, що підвищує прибутковість Інтернет-центрів обробки даних (IDC) за допомогою арбітражу піку до піку, а також зменшує витрати на генерацію. Крім того, останні дослідження почали досліджувати координоване планування ДБЖ разом із відновлюваними джерелами енергії та мікросетками. Довідник [15] Пропонує єдину рамку управління енергією, яка динамічно розподіляє змінну відновлювану енергію, зберігає зберігання акумуляторів та енергію енергії на серверах центрів обробки даних на основі потреб у робочому навантаженні та коливанні цін на електроенергію. Ви та ін. [16] Введіть оптимізовану вартість спільної стратегії планування навантаження, керуючи втратами потужності UPS в декількох регіональних центрах обробки даних. Тим не менш, дослідження інтеграції відновлюваної енергії з координованою відправленням UPS в DES залишаються обмеженими. Зокрема, залишається відсутність систематичних рамок, які включають ДБЖ як ієрархічний компонент у системах управління енергетикою центру обробки даних для пом'якшення мінливості відновлюваної енергії та підвищення економічних показників.
У контексті планування та оптимізації в розподілених енергетичних системах запропоновано різні багатоцільові та багаторівневі підходи для підвищення загальної ефективності системи та вирішення невизначеностей відновлюваної енергії [17]. Наприклад, посилання [18] Розробляє багатоцільову координовану модель оптимізації для гібридних систем відновлюваної енергетики (HRE), інтегруючи планування та експлуатаційні етапи для підвищення продуктивності системи. Лей та ін. [19] Розробіть рамку дворівневої оптимізації, спрямовану на зменшення витрат та цілі балансу енергії, вивчаючи оперативні стратегії для систем, пов'язаних з живленням до водних вод. Ці методи покращують надійність та гнучкість енергетичних систем, сприяючи еволюції оптимізації HRES до багатоцільної, багатоступеневої координації. Довідник [20] Подальше пропонує трирівневу структуру для вирішення конфігурації зберігання енергії та планування потоку енергії в складних кліматичних умовах. Вивчати [21] використовує трирівневу модель оптимізації замкнутих циклів для координації зарядки електромобілів та розряду за допомогою системної відправки, досягнення спільної оптимізації оперативної оптимізації та конфігурації ємності. Однак існуючі дослідження рідко пропонують чітко ієрархічні та орієнтовані на цілі рамки, спеціально розроблені для інтегрованого центру обробки даних та сценаріїв UPS/DES. Існуючі дослідження енергетичних систем центру обробки даних, як правило, зосереджуються або на плануванні потужностей, або на експлуатаційному плануванні. Для планування потенціалу Chen та ін. [22] Запропонуйте модель оптимізації багатоцільної здатності, що інтегрує енергію сонячної та біомаси, в той час як еталон [23] Включає ціноутворення на електроенергію в часі, відновлювані джерела та механізми торгівлі вуглецю в розподіл потужностей. Для оперативного планування, посилання [24] представляє багатомікрогрідну координаційну модель, яка оптимізує розподіл квот потужності та вуглецю серед центрів обробки даних, тоді як Kwon et al. [25] Запропонуйте двоступеневу модель стохастичного програмування для оптимального планування при невизначеності. Тим не менш, багатоцільові, багаторівневі оптимізаційні рамки, які безперешкодно інтегрують планування потенціалу з експлуатаційним плануванням для центрів обробки даних та розподілених енергетичних системах, залишаються дефіцитними, тим самим обмежуючи їх практичну застосовність.
У диспетчерській системній системі в режимі реального часу широко застосовуються цілі методи оптимізації, такі як лінійне програмування, квадратичне програмування та підсилення. Модель прогнозованого контролю (MPC), з його можливостями оптимізації та корекції зворотного зв'язку, продемонстрував сильну адаптованість у механічних та транспортних системах і все частіше застосовується до диспетчерської системи живлення. Iovine та ін. [26] Запропонуйте ієрархічну стратегію управління енергією для мікросетки відновлюваної енергії, в яких верхній шар використовує МПК для генерації встановлених точок потужності, що забезпечують стабільність системи. Довідник [27] представляє стратегію MPC з низькою складністю для систем теплового насоса, спрямованої на оптимізацію як комфорту користувача, так і сумісності сітки. Шип [28] Застосовується MPC до планування вдосконалених мікрогридів, підключених до сітки, досягаючи безперебійної координації між розподіленим генерацією та виходом на зберігання енергії. У відправці накопичення енергії MPC демонструє надійні можливості динамічного контролю, ефективно пом'якшуючи коливання потужностей та помилки планування, тим самим покращуючи інтеграцію з відновлюваними джерелами енергії. Довідник [29] Поєднує MPC з ітеративним контролем навчання (ILC) для координації струму акумуляторів та суперконденсаторів, що дозволяє високоточне відстеження динамічних референтних сигналів. Zafar та ін. [30] Розробіть багаторазову рамку MPC для інтегрованого планування підстанцій, фотоелектричних інверторів та систем зберігання акумуляторів, тим самим підвищуючи координовані продуктивність управління. Незважаючи на широке застосування MPC у розподілених енергетичних системах, його розгортання в плануванні та експлуатаційному контролі систем електроенергії центру обробки даних залишається обмеженим і вимагає подальшого дослідження.
Підсумовуючи це, хоча існуючі дослідження вдосконалили розуміння розподілених енергетичних систем у центрах обробки даних, залишається кілька критичних прогалин: обмежена експлуатація потенціалу планування ДБЖ в межах центрів обробки даних, відсутність уніфікованих рамок, що інтегрує планування потужностей та експлуатаційне планування для цілісного управління енергетичною системою, та недостатньо використання вдосконалених технологій контролю, таких як MPC. Для вирішення цих недоліків у цьому документі пропонується трирівнева багатоцільна оптимізаційна рамка, яка координує ефективність обчислень центру обробки даних, експлуатаційні витрати системи охолодження та енергозбереження, що посилюється на зберігання енергії (EUPS). Рамка має на меті використовувати EUP для підвищення інтеграції відновлюваної енергії та стабільності системи. Основні внески такі:
(1) Розподілена модель розподіленої енергетичної системи, що включає EUPS, розроблена, концептуалізуючи широко розгорнуті блоки ДБЖ у центрах обробки даних як активи зберігання енергії. Такий підхід розкриває свій потенціал для поліпшення проживання відновлюваної енергії та попиту та попиту.
(2) Побудована трирівнева оптимізація планування, що включає планування, координацію та контрольні шари. Ця рамка щільно інтегрує розподіл потужностей EUPS за допомогою оперативного планування для оптимізації відновлюваного використання ресурсів та підвищення експлуатаційної стабільності в центрах обробки даних. Тематичні дослідження демонструють застосовність та ефективність рамок за типовими сценаріями.
(3) Для подолання відсутності тонкозернистого контролю в існуючих досліджень планування EUPS вводиться метод на основі MPC для динамічного оптимізації стратегій заряду та розряду EUPS. Використовуючи прогнозування горизонту та корекції зворотного зв'язку, цей метод точно відстежує найсучасніші (SOC) траєкторії, пригнічує коливання заряду та розряду, значно покращує стабільність планування та продовжує термін служби EUPS.
