CN114936240B - 一种数据中心时空转移潜力挖掘与评估方法 - Google Patents

一种数据中心时空转移潜力挖掘与评估方法 Download PDF

Info

Publication number
CN114936240B
CN114936240B CN202210860588.2A CN202210860588A CN114936240B CN 114936240 B CN114936240 B CN 114936240B CN 202210860588 A CN202210860588 A CN 202210860588A CN 114936240 B CN114936240 B CN 114936240B
Authority
CN
China
Prior art keywords
data center
constraint
time
task
space
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210860588.2A
Other languages
English (en)
Other versions
CN114936240A (zh
Inventor
王�琦
刘昊宇
汤奕
钱俊良
周吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liyang Research Institute of Southeast University
Original Assignee
Liyang Research Institute of Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liyang Research Institute of Southeast University filed Critical Liyang Research Institute of Southeast University
Priority to CN202210860588.2A priority Critical patent/CN114936240B/zh
Publication of CN114936240A publication Critical patent/CN114936240A/zh
Application granted granted Critical
Publication of CN114936240B publication Critical patent/CN114936240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465Query processing support for facilitating data mining operations in structured databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种数据中心时空转移潜力挖掘与评估方法,属于电力能源领域和计算机科学与技术领域,包括如下步骤:获取各区域数据中心参数以及各时段所承担工作任务量预测数据;基于数据中心负荷时空转移特性构建数据中心时空转移潜力评估模型,以所需评估的数据中心在周期T内各点功率之和最低为目标函数;基于所述数据中心负荷的时空转移约束构建功率平衡约束、DCSC约束、DVFS约束QoS约束以及光网络传输约束;根据所述最大潜力目标函数、功率平衡约束、DCSC约束、DVFS约束、QoS约束和光网络传输约束对数据中心时空转移潜力的挖掘进行优化,可深度挖掘与准确评估数据中心负荷时空转移的潜力。

Description

一种数据中心时空转移潜力挖掘与评估方法
技术领域
本发明属于电力能源领域和计算机科学与技术领域,具体来说,涉及一种数据中心时空转移潜力挖掘与评估方法。
背景技术
能源短缺危机和低碳环保需求促使构建以新能源为主体的新型电力***成为当前发展的趋势。然而新能源具有很强的随机性与波动性,高比例新能源发电逐步替代传统火电会使得***应对强不确定性的调节能力严重不足。而负荷侧的柔性可调资源参与电网运行有利于提高电力***的灵活性和供需平衡能力。
随着数字新基建的不断推进,出现了计算网络、通信网络、交通网络等***之外的网络资源,这些网络在空间上广泛分布,并且通过数据中心、通信基站、电动汽车、移动储能车等单元实现与传统电力网络的紧密耦合。在保有传统可响应负荷用电行为可调等时间特点之外,这类耦合负荷还具备内部的广域空间联系特性,因而可定义为时空灵活性负荷。
目前,国内外将数据中心负荷的时空转移潜力应用在电力***调控中已有了相关研究,而对数据中心转移潜力进行量化评估的研究涉及较少。只有深入探索数据中心的调节特性和转移潜力,才能够针对不同场景协调规划和精准施策。因此,提出一种数据中心负荷时空转移潜力挖掘与评估方法。
发明内容
本发明所要解决的技术问题是:提供一种数据中心负荷时空转移潜力挖掘与评估方法,用于解决区域电网利用数据中心进行调度时迁移水平不明确的问题。
为解决上述技术问题,本发明采用的技术方案是:一种数据中心负荷时空转移潜力挖掘与评估方法,包括如下步骤:
S1、获取各区域数据中心参数以及各时段所承担工作任务量预测数据;
S2、基于数据中心负荷的时空转移特性构建数据中心时空转移潜力评估模型,以所需评估的数据中心在周期T内各点功率之和最低为目标函数;
S3、基于数据中心负荷的时空转移约束构建功率平衡约束、动态集群服务器配置(DCSC)约束、动态电压/频率调节技术(DVFS)约束、服务质量(QoS)约束以及光网络传输约束;
S4、根据所述目标函数、功率平衡约束、DCSC约束、DVFS约束、QoS约束和光网络传输约束对数据中心时空转移潜力的挖掘进行优化。
所述目标函数具体表示为:
Figure 591492DEST_PATH_IMAGE001
Figure 153055DEST_PATH_IMAGE002
其中,P i,t DC为数据中心it时刻的功率,PUE为数据中心的电能利用效率,M i,t ON为数据中心it时刻已开启的服务器数量,
Figure 156783DEST_PATH_IMAGE003
为服务器运行时的静态功率,K为服务器不同工作状态的集合,TASK为所有任务类型的集合,
Figure 207916DEST_PATH_IMAGE004
为数据中心it时刻由工作状态k服务器处理的类型为task的任务数量,γ task 为单个task类型任务所需占用的服务器容量,μ i,k 为数据中心i中工作状态为k服务器服务率,A sev为常系数,f i,k 为数据中心i中工作状态为k服务器的工作频率。
所述的功率平衡约束具体表示为:
Figure 336409DEST_PATH_IMAGE005
其中,P i,t PV为区域it时刻的光伏出力,P i,t grid为区域it时刻的电网输出功率,P i,t Load为区域it时刻的负荷消耗,P i,t DC为数据中心it时刻的负荷消耗,
Figure 967241DEST_PATH_IMAGE006
为区域i电网输出的最大功率上限。
所述的DVFS约束具体表示为:
Figure 294317DEST_PATH_IMAGE007
其中,
Figure 982263DEST_PATH_IMAGE008
为数据中心it时刻处在工作状态k的服务器个数,
Figure 598052DEST_PATH_IMAGE009
为数据中心i中处在工作状态k的服务器最大服务率。
所述的DCSC约束具体表示为:
Figure 157210DEST_PATH_IMAGE010
其中,M i 为数据中心i所拥有的全部服务器数量,M i,t OFF为数据中心it时刻已关闭的服务器数量,
Figure 479738DEST_PATH_IMAGE011
为数据中心i最少开启的服务器数量,
Figure 200569DEST_PATH_IMAGE012
为数据中心ij时刻新开启的服务器数量,
Figure 303654DEST_PATH_IMAGE013
为数据中心ij时刻新关闭的服务器数量,
Figure 276289DEST_PATH_IMAGE014
为数据中心it时刻可开启的服务器数量,
Figure 109116DEST_PATH_IMAGE015
为数据中心it时刻可关闭的服务器数量,MD i 为数据中心i中的服务器开启或关闭的最小维持时间。
所述的QoS约束具体表示为:
Figure 876215DEST_PATH_IMAGE016
其中,
Figure 794493DEST_PATH_IMAGE017
为数据中心it时刻处理task类型的任务,
Figure 570819DEST_PATH_IMAGE018
为数据中心it时刻接收task类型任务的数量,
Figure 992573DEST_PATH_IMAGE019
task类型任务最大响应时间,
Figure 196152DEST_PATH_IMAGE020
为在j时刻转移至数据中心ztask类型的任务数量。
所述的光网络传输约束具体表示为:
Figure 336146DEST_PATH_IMAGE021
其中,
Figure 913234DEST_PATH_IMAGE022
为光网络节点i向光网络节点j传输的task类型任务数量,
Figure 455074DEST_PATH_IMAGE023
为网元节点i所连数据中心i净接收task类型任务数量,E为链路集合,s为迁移起点,d为迁移终点,
Figure 829554DEST_PATH_IMAGE024
为链路(i,j)在t时刻所被占用的带宽,
Figure 456845DEST_PATH_IMAGE025
为转移单位task类型任务所需的带宽容量,
Figure 574973DEST_PATH_IMAGE026
为链路(i,j)的最大容量。
与现有技术相比,本发明的有益效果为:
本发明提供一种数据中心负荷时空转移潜力挖掘与评估方法,包括:获取各区域数据中心参数以及各时段所承担工作任务量预测数据;基于数据中心负荷时空转移特性构建数据中心时空转移潜力评估模型,以所需评估的数据中心在周期T内各点功率之和最低为目标函数;基于所述数据中心负荷的时空转移约束构建功率平衡约束、DCSC约束、DVFS约束QoS约束以及光网络传输约束;根据所述目标函数、功率平衡约束、DCSC约束、DVFS约束、QoS约束和光网络传输约束对数据中心时空转移潜力的挖掘进行优化,可深度挖掘与准确评估数据中心负荷时空转移的潜力。
附图说明
图1为本发明的数据中心负荷时空转移潜力挖掘与评估方法流程图;
图2为本发明所述的某区域数据中心网络示意图;
图3为本发明所述的数据中心1转移前后负荷对比示意图;
图4为本发明所述的各数据中心转移前负荷大小示意图;
图5本发明所述的各数据中心转移后负荷大小示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,数据中心负荷时空转移潜力挖掘与评估方法,应用在电力能源领域和计算机科学与技术领域,包括如下步骤:
S1、获取各区域数据中心参数以及各时段所承担工作任务量预测数据;
S2、基于数据中心负荷的时空转移特性构建数据中心时空转移潜力评估模型,以所需评估的数据中心在周期T内各点功率之和最低为目标函数;
S3、基于数据中心负荷的时空转移约束构建功率平衡约束、动态集群服务器配置(DCSC)约束、动态电压/频率调节技术(DVFS)约束、服务质量(QoS)约束以及光网络传输约束;
S4、根据所述目标函数、功率平衡约束、DCSC约束、DVFS约束、QoS约束和光网络传输约束对数据中心时空转移潜力的挖掘进行优化。
所述目标函数具体表示为:
Figure 971320DEST_PATH_IMAGE001
Figure 516702DEST_PATH_IMAGE002
其中,P i,t DC为数据中心it时刻的功率,PUE为数据中心的电能利用效率,M i,t ON为数据中心it时刻已开启的服务器数量,
Figure 631288DEST_PATH_IMAGE003
为服务器运行时的静态功率,K为服务器不同工作状态的集合,TASK为所有任务类型的集合,
Figure 21949DEST_PATH_IMAGE004
为数据中心it时刻由工作状态k服务器处理的类型为task的任务数量,γ task 为单个task类型任务所需占用的服务器容量,μ i,k 为数据中心i中工作状态为k服务器服务率,A sev为常系数,f i,k 为数据中心i中工作状态为k服务器的工作频率。
所述的功率平衡约束具体表示为:
Figure 803961DEST_PATH_IMAGE005
其中,P i,t PV为区域it时刻的光伏出力,P i,t grid为区域it时刻的电网输出功率,P i,t Load为区域it时刻的负荷消耗,P i,t DC为数据中心it时刻的负荷消耗,
Figure 520244DEST_PATH_IMAGE006
为区域i电网输出的最大功率上限。
所述的DVFS约束具体表示为:
Figure 856547DEST_PATH_IMAGE007
其中,
Figure 316478DEST_PATH_IMAGE008
为数据中心it时刻处在工作状态k的服务器个数,
Figure 687417DEST_PATH_IMAGE009
为数据中心i中处在工作状态k的服务器最大服务率。
所述的DCSC约束具体表示为:
Figure 840181DEST_PATH_IMAGE010
其中,M i 为数据中心i所拥有的全部服务器数量,M i,t OFF为数据中心it时刻已关闭的服务器数量,
Figure 398201DEST_PATH_IMAGE011
为数据中心i最少开启的服务器数量,
Figure 658894DEST_PATH_IMAGE012
为数据中心ij时刻新开启的服务器数量,
Figure 884339DEST_PATH_IMAGE013
为数据中心ij时刻新关闭的服务器数量,
Figure 942424DEST_PATH_IMAGE014
为数据中心it时刻可开启的服务器数量,
Figure 518899DEST_PATH_IMAGE015
为数据中心it时刻可关闭的服务器数量,MD i 为数据中心i中的服务器开启或关闭的最小维持时间。
所述的QoS约束具体表示为:
Figure 320633DEST_PATH_IMAGE016
其中,
Figure 400585DEST_PATH_IMAGE017
为数据中心it时刻处理task类型的任务,
Figure 895151DEST_PATH_IMAGE018
为数据中心it时刻接收task类型任务的数量,
Figure 693343DEST_PATH_IMAGE019
task类型任务最大响应时间,
Figure 298768DEST_PATH_IMAGE020
为在j时刻转移至数据中心ztask类型的任务数量。
所述的光网络传输约束具体表示为:
Figure 233226DEST_PATH_IMAGE021
其中,
Figure 898693DEST_PATH_IMAGE022
为光网络节点i向光网络节点j传输的task类型任务数量,
Figure 184181DEST_PATH_IMAGE023
为网元节点i所连数据中心i净接收task类型任务数量,E为链路集合,s为迁移起点,d为迁移终点,
Figure 327718DEST_PATH_IMAGE024
为链路(i,j)在t时刻所被占用的带宽,
Figure 382261DEST_PATH_IMAGE025
为转移单位task类型任务所需的带宽容量,
Figure 218630DEST_PATH_IMAGE026
为链路(i,j)的最大容量。
如图2所示,在本发明的一个实施例中,以某地区数据中心网络为例,该区域由6个数据中心站点和8条相同类型的光缆链路组成,带宽容量均为400Gbit/s。
如图3所示,在本发明的一个实施例中,采用本发明所提的潜力挖掘与评估方法,数据中心1的负荷量比仅时域转移减少了54.70%。
如图4、图5所示,在本发明的一个实施例中,采用本发明所提的潜力挖掘与评估方法,以数据中心1为例,大量工作任务迁移出后负荷下降。然而数据中心2-6由于接收来自数据中心1的工作任务,其负荷增大。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在发明待批的权利要求保护范围之内。

Claims (6)

1.一种数据中心时空转移潜力挖掘与评估方法,其特征在于,包括如下步骤:
S1、获取各区域数据中心参数以及各时段所承担工作任务量预测数据;
S2、基于数据中心负荷的时空转移特性构建数据中心时空转移潜力评估模型,以所需评估的数据中心在周期T内各点功率之和最低为目标函数;
S3、基于数据中心负荷的时空转移约束构建功率平衡约束、动态集群服务器配置DCSC约束、动态电压/频率调节技术DVFS约束、服务质量QoS约束以及光网络传输约束;
S4、根据所述目标函数、功率平衡约束、DCSC约束、DVFS约束、QoS约束和光网络传输约束对数据中心时空转移潜力的挖掘进行优化;
目标函数具体表示为:
Figure 697190DEST_PATH_IMAGE001
Figure 196436DEST_PATH_IMAGE002
其中,P i,t DC为数据中心it时刻的功率,PUE为数据中心的电能利用效率,M i,t ON为数据中心it时刻已开启的服务器数量,
Figure 872268DEST_PATH_IMAGE003
为服务器运行时的静态功率,K为服务器不同工作状态的集合,TASK为所有任务类型的集合,
Figure 844772DEST_PATH_IMAGE004
为数据中心it时刻由工作状态k服务器处理的类型为task的任务数量,γ task 为单个task类型任务所需占用的服务器容量,μ i,k 为数据中心i中工作状态为k服务器服务率,A sev为常系数,f i,k 为数据中心i中工作状态为k服务器的工作频率。
2.根据权利要求1所述的一种数据中心时空转移潜力挖掘与评估方法,其特征在于,功率平衡约束具体表示为:
Figure 973265DEST_PATH_IMAGE005
其中,P i,t PV为区域it时刻的光伏出力,P i,t grid为区域it时刻的电网输出功率,P i,t Load为区域it时刻的负荷消耗,P i,t DC为数据中心it时刻的负荷消耗,
Figure 7692DEST_PATH_IMAGE006
为区域i电网输出的最大功率上限。
3.根据权利要求1所述的一种数据中心时空转移潜力挖掘与评估方法,其特征在于,DCSC约束具体表示为:
Figure 397085DEST_PATH_IMAGE007
其中,M i 为数据中心i所拥有的全部服务器数量,M i,t OFF为数据中心it时刻已关闭的服务器数量,
Figure 25644DEST_PATH_IMAGE008
为数据中心i最少开启的服务器数量,
Figure 641433DEST_PATH_IMAGE009
为数据中心ij时刻新开启的服务器数量,
Figure 262907DEST_PATH_IMAGE010
为数据中心ij时刻新关闭的服务器数量,
Figure 523118DEST_PATH_IMAGE011
为数据中心it时刻可开启的服务器数量,
Figure 181633DEST_PATH_IMAGE012
为数据中心it时刻可关闭的服务器数量,MD i 为数据中心i中的服务器开启或关闭的最小维持时间。
4.根据权利要求1所述的一种数据中心时空转移潜力挖掘与评估方法,其特征在于,DVFS约束具体表示为:
Figure 674931DEST_PATH_IMAGE013
其中,
Figure 709883DEST_PATH_IMAGE014
为数据中心it时刻处在工作状态k的服务器个数,
Figure 355759DEST_PATH_IMAGE015
为数据中心i中处在工作状态k的服务器最大服务率。
5.根据权利要求1所述的一种数据中心时空转移潜力挖掘与评估方法,其特征在于,QoS约束具体表示为:
Figure 185175DEST_PATH_IMAGE016
其中,
Figure 165769DEST_PATH_IMAGE017
为数据中心it时刻处理task类型的任务,
Figure 738833DEST_PATH_IMAGE018
为数据中心it时刻接收task类型任务的数量,
Figure 970707DEST_PATH_IMAGE019
task类型任务最大响应时间,
Figure 236603DEST_PATH_IMAGE020
为在j时刻转移至数据中心ztask类型的任务数量。
6.根据权利要求1所述的一种数据中心时空转移潜力挖掘与评估方法,其特征在于,光网络传输约束具体表示为:
Figure 438914DEST_PATH_IMAGE021
其中,
Figure 81248DEST_PATH_IMAGE017
为数据中心it时刻处理task类型的任务,
Figure 436137DEST_PATH_IMAGE022
为光网络节点i向光网络节点j传输的task类型任务数量,
Figure 872935DEST_PATH_IMAGE023
为网元节点i所连数据中心i净接收task类型任务数量,E为链路集合,s为迁移起点,d为迁移终点,
Figure 296963DEST_PATH_IMAGE024
为链路(i,j)在t时刻所被占用的带宽,
Figure 742988DEST_PATH_IMAGE025
为转移单位task类型任务所需的带宽容量,
Figure 686804DEST_PATH_IMAGE026
为链路(i,j)的最大容量。
CN202210860588.2A 2022-07-22 2022-07-22 一种数据中心时空转移潜力挖掘与评估方法 Active CN114936240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210860588.2A CN114936240B (zh) 2022-07-22 2022-07-22 一种数据中心时空转移潜力挖掘与评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210860588.2A CN114936240B (zh) 2022-07-22 2022-07-22 一种数据中心时空转移潜力挖掘与评估方法

Publications (2)

Publication Number Publication Date
CN114936240A CN114936240A (zh) 2022-08-23
CN114936240B true CN114936240B (zh) 2022-11-01

Family

ID=82868142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210860588.2A Active CN114936240B (zh) 2022-07-22 2022-07-22 一种数据中心时空转移潜力挖掘与评估方法

Country Status (1)

Country Link
CN (1) CN114936240B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609676A (zh) * 2021-08-04 2021-11-05 华北电力大学 一种电力***的配置规划方法、计算设备和存储介质
CN114399146A (zh) * 2021-12-03 2022-04-26 中国电力科学研究院有限公司 数据中心负荷需求响应潜力评估方法、***、设备及介质
CN114638124A (zh) * 2022-04-14 2022-06-17 广东电网有限责任公司 一种电力***优化方法、***及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609676A (zh) * 2021-08-04 2021-11-05 华北电力大学 一种电力***的配置规划方法、计算设备和存储介质
CN114399146A (zh) * 2021-12-03 2022-04-26 中国电力科学研究院有限公司 数据中心负荷需求响应潜力评估方法、***、设备及介质
CN114638124A (zh) * 2022-04-14 2022-06-17 广东电网有限责任公司 一种电力***优化方法、***及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Modeling Demand Response Capability by Internet Data Centers Processing Batch Computing Jobs;Jie Li等;《IEEE TRANSACTIONS ON SMART GRID》;20141030;第6卷(第2期);第737-747页 *
信息物理视角下能源互联网可靠性评估方法综述;丁茂生等;《电网技术》;20201105;第45卷(第2期);第425-436页 *

Also Published As

Publication number Publication date
CN114936240A (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
WO2023201916A1 (zh) 一种分布式灵活资源聚合控制装置及控制方法
US11581732B2 (en) Establishing communication and power sharing links between components of a distributed energy system
Kumar et al. Vehicular delay-tolerant networks for smart grid data management using mobile edge computing
Sharma et al. Optimal energy management policies for energy harvesting sensor nodes
CN110784779B (zh) 一种用电信息采集***的数据采集方法
CN103077082A (zh) 一种数据中心负载分配及虚拟机迁移节能方法及***
CN107423133B (zh) 一种降低电网网损的数据中心间数据网络负载分配方法
Wang Energy-efficient resource allocation optimization algorithm in industrial IoTs scenarios based on energy harvesting
CN115800264A (zh) 一种数据中心接入配电网集群方法、装置及介质
Shalavi et al. Energy efficient deployment and orchestration of computing resources at the network edge: a survey on algorithms, trends and open challenges
CN113159539B (zh) 多层边缘计算***中联合绿色能量调度和动态任务分配方法
Li et al. Task computation offloading for multi-access edge computing via attention communication deep reinforcement learning
Ibrahim Enhanced power management scheme for embedded road side units
CN114936240B (zh) 一种数据中心时空转移潜力挖掘与评估方法
CN115099476B (zh) 一种基于循环差集理论的电力物联网异步调度方法
Israr et al. Resilient and sustainable microgeneration power supply for 5G mobile networks
CN114126019B (zh) 一种基于能效优化的前传光网络动态资源映射方法及***
CN115915276A (zh) 基于边缘计算的能量受限终端任务在线调度装置及其方法
CN113328526B (zh) 一种智能电网的运行监测***
CN114936810B (zh) 一种基于数据中心时空转移特性的日前调度方法
Wu et al. Computing offloading method with low power consumption constraint for smart grid
Tetova Smart Home Energy Management Algorithm Including Renewable Energy Sources
Sun et al. Probability-Based Online Algorithm for Switch Operation of Energy Efficient Data Center
Li et al. Edge computing offloading strategy based on dynamic non-cooperative games in D-IoT
Guo et al. Optimal Placement of Cloudlets Considering Electric Power Communication Network and Renewable Energy Resource

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant