Data Center Spatio-Temporal Load Flexibility in Security-Constrained Unit Commitment for Enhanced Grid Efficiency and Reliability

Resumo Técnico: Flexibilidade Carga-Espacial-Temporal de Data Centers no Comprometimento de Unidades com Restrições de Segurança

Declaração do Problema
A rápida expansão dos data centers (DCs) levou a um aumento significativo no consumo de eletricidade, projetado para atingir 6,7–12% da demanda total dos EUA até 2028. Esse crescimento impõe estresse severo às redes de transmissão, exacerbando o congestionamento, aumentando a dependência de recursos de pico de alto custo e reduzindo a flexibilidade de programação. Concurrentemente, a integração de energia renovável variável (por exemplo, solar fotovoltaica) introduz incerteza e pode levar ao corte de renováveis quando a entrega aos centros de carga está restrita. Embora os DCs possuam flexibilidade inerente devido à sua mistura de cargas críticas de latência e tolerantes a atrasos, a pesquisa existente focou amplamente na perspectiva do operador (minimização de custos, programação consciente de carbono) em vez de integrar a flexibilidade dos DCs em frameworks operacionais de nível de sistema com restrições de segurança. Além disso, as dimensões espacial (redistribuição geográfica) e temporal (deslocamento no tempo) da flexibilidade dos DCs são tipicamente estudadas isoladamente, obscurecendo seus papéis complementares e valor marginal no contexto de Comprometimento de Unidades com Restrições de Segurança (SCUC).

Metodologia
O artigo propõe um framework modular de SCUC que co-otimiza o agendamento de geradores com a demanda flexível de DCs como um recurso de nível de sistema. O framework estende formulações padrão de SCUC para incluir três modelos distintos de Programação Linear Mista Inteira (MILP), todos compartilhando uma função objetivo comum (minimização de custos de geração mais penalidades por violações térmicas e redução de carga) e restrições de rede (fluxo de potência DC, segurança de contingência N-1 e limites de rampa/reserva dos geradores).

Os três modelos diferem apenas em como restringem a parte flexível da carga do DC ($D^{flex}_{n,t}$):

1. Modelo Espacial de Data Center (DC-S): Permite a redistribuição instantânea de carga entre sites geograficamente distribuídos, preservando a demanda flexível total em cada passo de tempo.
2. Modelo Temporal de Data Center (DC-T): Permite que cada site desloque sua carga adiável entre períodos de tempo, preservando o balanço energético diário total para aquele site específico.
3. Modelo Espacial-Temporal de Data Center (DC-ST): Ativa conjuntamente ambos os mecanismos, impondo apenas um orçamento energético global em todos os sites e períodos de tempo, abrangendo assim a maior região operacional viável.

A carga do DC é decomposta em um componente não adiável ($D^{fix}_{n,t}$) e um componente flexível ($D^{flex}_{n,t}$), governado por uma razão de flexibilidade $\beta \in [0, 1]$. O framework garante contabilidade energética rigorosa e compatibilidade total com modelagem de contingência N-1, onde os perfis de carga do DC são fixos em estados pós-contingência, enquanto os geradores fazem redespacho dentro de suas faixas de reserva giratória.

Principais Resultados
O framework foi avaliado em um Sistema de Teste de Confiabilidade IEEE de 24 barras modificado (RTS-24) apresentando dois sites de DC e geração fotovoltaica co-localizada. As principais descobertas incluem:

• Custo do Sistema e Penalidades: A introdução de cargas de DC inflexíveis aumentou o valor objetivo do sistema de US$ 0,52 milhões para US$ 7,31 milhões, com US$ 5,47 milhões atribuídos a penalidades de congestionamento de transmissão e redução de carga. Todos os modelos de flexibilidade reduziram esses custos monotonicamente com o aumento de $\beta$.
• Redução de Violações: O modelo DC-ST alcançou o alívio mais significativo. Com uma razão de flexibilidade de $\beta = 0,40$, o DC-ST eliminou 100% das violações de transmissão do caso base e pós-contingência. Em contraste, o modelo DC-S alcançou uma redução máxima de apenas 25,8%, indicando que a redistribuição espacial sozinha não pode resolver desequilíbrios temporais.
• Corte de Renováveis: Com $\beta = 0,30$, o DC-ST reduziu o corte de renováveis em 84,4% em comparação com a linha de base inflexível. O modelo DC-T reduziu o corte em 49,7%, enquanto o DC-S alcançou 66,5%.
• Valor Marginal e Sensibilidade: A análise de sensibilidade revelou um regime de retornos decrescentes. Níveis moderados de flexibilidade ($\beta = 0,20$ a $0,30$) capturaram a maioria do alívio da rede e economias de custos alcançáveis. Além dessa faixa, a flexibilidade adicional produziu ganhos marginais progressivamente menores.
• Comparação de Modelos: A flexibilidade temporal (DC-T) foi identificada como o principal motor para redução de custos, enquanto a flexibilidade espacial (DC-S) foi mais eficaz na absorção de corte de renováveis devido à disponibilidade heterogênea de renováveis. O modelo conjunto DC-ST capturou benefícios sinérgicos, superando qualquer dimensão isolada.

Significado e Alegações
O artigo afirma fornecer uma formulação MILP unificada e modular que permite uma comparação "maçã com maçã" da flexibilidade espacial, temporal e espacial-temporal conjunta de DCs sob restrições de segurança idênticas. Suas principais contribuições são:

1. Quantificação do Valor Marginal: Quantifica separadamente o valor da flexibilidade espacial e temporal dentro de um framework com restrições de segurança, demonstrando que, enquanto a flexibilidade temporal impulsiona economias de custos, a flexibilidade espacial auxilia na absorção de renováveis, e sua combinação produz desempenho superior do sistema.
2. Diretrizes para Implementação Prática: A análise de sensibilidade apoia a implementação prática da flexibilidade de DCs, sugerindo que os operadores precisam comprometer-se apenas com razões de flexibilidade moderadas (20–30%) para capturar a maioria dos benefícios de alívio da rede, limitando assim o ônus operacional para os operadores de data centers.
3. Integração de Nível de Sistema: O trabalho preenche a lacuna entre o gerenciamento de carga de DCs e o agendamento de sistemas de energia, mostrando que os DCs podem servir efetivamente como recursos controláveis do lado da demanda para aliviar o congestionamento e reduzir o corte de renováveis sem comprometer os padrões de segurança N-1.

Os autores concluem que, embora trabalhos futuros estenderão o framework para sistemas maiores e incorporarão incerteza de previsão, os resultados atuais estabelecem uma base robusta para tratar DCs como um recurso coordenado para maior eficiência e confiabilidade da rede.