Distributionally robust low-carbon dispatch of multi-data-center integrated energy systems considering user response uncertainty
本文提出了一种针对多数据中心集成能源系统的分布鲁棒低碳调度框架，该框架利用时空可转移的计算负荷和共享氢储能，以在最小化运行成本和约束违规风险的同时，有效管理源荷不确定性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代世界中，数据中心是我们数字生活的无形引擎。这些庞大的设施充满了成排鸣响的服务器，处理着从流媒体电影到复杂的人工智能计算的一切事务。然而，这种数字便利也带来了沉重的物理代价：数据中心消耗大量的电力并产生显著的碳排放。随着对计算能力需求的爆发式增长，挑战不再仅仅是如何建造更多的服务器，而是如何清洁且高效地为它们提供动力。解决方案在于一个被称为“集成能源系统”的概念，即电力、热量、冷却甚至计算任务被作为一个整体进行管理，而非孤立存在。想象一个分布在不同地区的网络化数据中心，它们不仅通过光纤电缆连接，还通过一个包含风力涡轮机、太阳能电池板和氢能存储的共享能源网格相连。其目标是在最小化碳足息和成本的同时，平衡波动的可再生能源供应与多变的计算需求。
管理这样一个系统的核心难点在于不确定性。风并不总是吹，太阳并不总是照，而数据中心的用户行为也并不总是完全符合预测。如果系统是基于完美的预测来设计的，那么当现实偏离预期时，它就会面临失败的风险；如果设计得过于谨慎，则会变得极其昂贵。天津大学的研究人员通过开发一种新的调度（或计划）这些多数据中心系统的方法解决了这一问题。他们创建了一个精密的规划工具，该工具考虑了天气和人类行为的不可预测性。通过将风能和太阳能的波动性，以及用户在响应价格变化时实际转移计算工作的波动性放在一起考虑，研究人员构建了一个既能应对突发状况又能在运行中保持经济性的模型。
研究人员专注于一个拥有三个数据中心的网络，每个中心都有各自的可再生能源组合和计算需求。其中一个中心富含可再生能源，另一个较为均衡，第三个则更多依赖传统能源。为了将它们连接起来，研究人员引入了两个强大的工具：在不同地点之间移动计算任务的能力，以及一个共享的氢能存储系统。第一个工具的工作原理是识别出某些计算任务是可以延迟或移动的。如果一个位于多风地区的数据中心拥有过剩的电力，系统可以鼓励用户将计算任务发送到那里，或者将任务从繁忙时段转移到风力更强的时段。第二个工具涉及氢能。当存在过剩的可再生电力时，系统利用这些电力分解水并制造氢气，随后将其储存在一个大型共享储罐中。这些氢气稍后可以重新转化为电能，或在风力停止时用作燃料。这种共享存储充当了一个长期电池，允许在某一处产生的能量在几天后于另一处被使用。
为了应对该系统的不可预测性，研究人员超越了传统的规划方法。旧的方法通常假设风力和用户行为会遵循一个可预测的平均值，或者假设所有情况都处于最坏状态，这导致了过于昂贵且保守的计划。相反，团队使用了一种数据驱动的方法，通过观察风力和用户行为的历史模式来创建一个可能未来的“云团”。这种被称为“分布鲁棒优化”的方法，使系统能够为广泛的结果做好准备，而不必对极端情况感到恐慌。它本质上是在问：“我们可能面临的最可能的糟糕日子是什么样的，我们该如何应对？”这种方法被证明比依赖简单平均值的旧方法要高效得多。在模拟中，这种新方法将应对不确定性的成本降低了一半以上（相比于依赖简单平均值的旧技术）。它还显著提高了可靠性，将系统无法满足能源需求的概率从接近 2% 降低到了极小的比例。
研究表明，这两个主要工具——移动计算任务和共享氢能存储——以不同但互补的方式发挥作用。移动计算任务被发现能降低约 3.6% 的系统运行总成本，主要是通过确保计算工作发生在可再生能源最便宜且最充足的时间和地点。共享氢能存储的影响更大，降低了约 5.5% 的成本。更重要的是，氢能存储提供了一个关键的安全网。它使系统能够在风力或太阳能意外下降时，无需购买昂贵的备用电源或关闭服务。如果没有这个共享存储，系统将需要保留大得多的备用功率储备，这会使整个运营成本显著增加且缺乏灵活性。
研究人员还测试了他们的系统在不同条件下的表现，例如碳价的变化或可用可再生能源量的变化。他们发现，即使在这些因素发生显著变化时，系统依然保持有效且稳定。该方法成功地将政策信号（如更高的碳排放价格）转化为现实世界的行动，例如使用更多风能并减少化石燃料的使用。随着用于训练系统的历史数据量的增加，计划变得更加准确且成本更低，这证明了该方法会随着时间推力和信息的增加而变得更好。研究结论指出，通过将计算任务的灵活性与氢能的长期存储能力相结合，并以智能的数据驱动方式为不确定性进行规划，运行一个既低碳又具经济可行性的数据中心网络是可能的。这种方法为未来的能源密集型数字基础设施提供了一条清晰的路径，将不确定性的挑战转化为效率的机遇。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。