CN115081700A - 基于综合储能技术的数据中心多能协同优化方法及*** - Google Patents
基于综合储能技术的数据中心多能协同优化方法及*** Download PDFInfo
- Publication number
- CN115081700A CN115081700A CN202210654961.9A CN202210654961A CN115081700A CN 115081700 A CN115081700 A CN 115081700A CN 202210654961 A CN202210654961 A CN 202210654961A CN 115081700 A CN115081700 A CN 115081700A
- Authority
- CN
- China
- Prior art keywords
- energy
- data center
- cold
- optimization
- time
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 117
- 238000004146 energy storage Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000009825 accumulation Methods 0.000 claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 238000013178 mathematical model Methods 0.000 claims abstract description 35
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 34
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000013461 design Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 24
- 238000001816 cooling Methods 0.000 claims description 17
- 239000007789 gas Substances 0.000 claims description 15
- 239000000243 solution Substances 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 14
- 239000003345 natural gas Substances 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000005338 heat storage Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 2
- 239000008400 supply water Substances 0.000 claims description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 abstract description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 abstract description 4
- 239000001569 carbon dioxide Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 229910052744 lithium Inorganic materials 0.000 description 6
- 238000013486 operation strategy Methods 0.000 description 6
- 229910052720 vanadium Inorganic materials 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种基于综合储能技术的数据中心多能协同优化方法及***,方法包括:构建数据中心综合能源***的各个设备的数学模型;构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;建立多目标优化模型;进行优化求解多目标优化模型;分析求解结果是否符合工程实际;根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。本发明实现了对包括应急蓄冷、应急储电、调峰蓄冷、调峰储电等内容的数据中心综合能源***的综合优化,在降低数据中心的运行成本的同时,减少了二氧化碳的排放。
Description
技术领域
本发明涉及综合能源***优化技术领域,具体涉及一种基于综合储能技术的数据中心多能协同优化方法及***。
背景技术
截止2020年底,我国数据中心机架已超过400万架,近5年来,保持近30%的平均增速。预计到2024年,我国数据中心总耗电量占当年全国电力消耗总量的5%~8%。数据中心成为重要的典型电力用户形式。在“双碳”及“构建以新能源为主体的新型电力***”背景下,微电网、分布式能源将快速发展,数据中心在能源供应形式和安全保障等方面将面临新挑战。储能***(电池储能、暖通储能)对于数据中心具有可作为后备应急能源、促进本地可再生能源消纳、参与“削峰填谷”、减少运行成本等重要作用。
目前,数据中心普遍存在能源***的能耗高、***配置单一且能源***经济性有很大提升空间等问题,对于含有多种能源技术的数据中心综合能源***规划优化、运行优化还少有深入研究。当前数据中心综合能源***优化往往只考虑应急水蓄冷、应急电池储能技术,而缺乏对于数据中心复杂运行动态和多场景的考虑,针对目前配置更加多样化的新型储能***的数据中心缺少优化分析。
同时,利用储电、储冷等储能技术,在低谷电价时间段进行储能,在高峰电价时间段向***释放能量,从而降低***的用能成本。但是,如果储能容量配置过大,容易造成投资过大,不易收回设备投资;储能容量配置过小,则没有充分利用本地资源。且储电和储冷也分别具有不同的经济特性,因此,如何合理优化配置储电、储冷***,并与数据中心用电***进行耦合优化,是一个比较大的难题。
因此,急需要解决目前关于数据中心综合能源***的研究存在未从***角度研究数据中心采用储电和储冷等技术路径比选和效益分析、储能***优化配置方法、数据中心综合能源***运行策略优化等问题。
发明内容
本申请提供了一种基于综合储能技术的数据中心多能协同优化方法及***,用于解决现有技术中数据中心在同时考虑应急蓄冷、应急储电、调峰蓄冷、调峰储电的综合能源***优化设计与调度问题。
本发明提供了一种基于综合储能技术的数据中心多能协同优化方法,包括:
S1:构建数据中心综合能源***的各个设备的数学模型,所述设备包括蓄冷设备、电池储能设备、供电设备、供冷设备和供热设备中的一种或多种;
S2:根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;
S3:根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;
S4:根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型;
S5:进行优化求解多目标优化模型;
S6:分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,返回执行步骤S5,若是,则执行步骤S7;
S7:根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
优选地,所述步骤S1具体包括:
构建蓄冷设备数学模型:
其中,Q(t)表示蓄冷设备t时刻的蓄冷量,Q(t-1)表示蓄冷设备t-1时刻的蓄冷量。Pin(t)和Pout(t)分别表示蓄冷设备t时刻的蓄冷功率和放冷功率。ηin和ηout分别表示蓄冷设备的蓄冷效率和放冷效率,Δt表示计算时间间隔;
构建电池储能设备数学模型:
E(t)=E(t-1)+(Pc(t)ηc-Pd(t)/ηd)Δt
其中,E(t)表示电池储能设备t时刻的总能量,E(t-1)表示电池储能设备t-1时刻的总能量,Pc(t)表示电池储能设备t时刻的充电功率,Pd(t)表示电池储能设备t时刻的放电功率,ηc表示电池储能设备的充电效率,ηd表示电池储能设备的充电效率,Δt表示计算时间间隔;
构建供电设备、供冷设备和供热设备数学模型:
其中,i表示能源转换设备,t表示时刻,P、C、H分别表示电能、冷能、热能,in、out分别表示输入和输出,分别表示t时刻能源转换设备i的输入电能、冷能、热能,分别表示t时刻能源转换设备i的输出电能、冷能、热能,η表示各能源之间的转换效率, 分别表示能源转换设备i的电转电效率、电转冷效率、电转热效率、冷转电效率、冷转冷效率、冷转热效率、热转电效率、热转冷效率、热转热效率。
优选地,所述步骤S2包括:
根据所述数学模型,建立数据中心综合能源***以碳排放为导向的目标函数minCO2emission:
其中,t表示时刻,eele表示大电网中生产一个单位电能所排放的CO2量,egas表示燃烧一单位天然气所排放的CO2量,表示t时刻园区综合能源***与电网的联络节点的下网有功功率,表示t时刻天然气***调压站节点的注入气流量,表示t时刻其他碳排放量。
优选地,所述步骤S2包括:
根据所述数学模型,建立数据中心综合能源***以经济性为导向的目标函数cost:
其中,cost表示总成本,k表示设备编号常数,c表示成本,t表示时刻,dt表示时间变量,inv表示初投资年化成本,om表示运维成本,分别表示设备k初投资年化成本和运维成本,表示t时刻数据中心综合能源***与电网的联络节点的下网有功功率,表示t时刻天然气***调压站节点的注入气流量,pele表示电价,pgas表示天然气价格,表示其他能源的消耗量,pother表示其他能源的价格。
优选地,所述步骤S3包括:
确定电、冷、热***的能量平衡约束:
其中,t表示时刻,i表示能源转换设备,k表示设备编号常数, 分别表示设备i在t时刻的发电功率、制冷功率、制热功率, 分别表示t时刻向***购买的电能、冷能、热能, 分别表示电、冷、热负荷需求,dchk,t为设备k在t时刻的放电功率,chk,t为设备k在t时刻的充电功率,分别表示数据中心储电、蓄冷、蓄热***向数据中心能源***释放的电能、冷能、热能,分别表示数据中心储电、蓄冷、蓄热***需要从***中吸收存储的电能、冷能、热能。
优选地,所述步骤S3包括:
确定蓄冷设备约束:
Qmin≤Q(t)≤Qmax
μin(t)+μout(t)≤1
其中,t表示时刻,Qmin表示蓄冷设备最小蓄冷容量,Qmax表示蓄冷设备最大蓄冷容量,Q(t)表示蓄冷设备t时刻的蓄冷量,Vmax表示数据中心允许安装蓄冷罐的最大体积,ρ表示蓄冷水密度,取1000kg/m3,Cp表示冷水的比热容,取值4.18kJ/(kg·℃),η表示蓄冷罐的有效利用体积,Δt表示供回水温度差,取5~7℃,Pin(t)表示蓄冷设备t时刻的蓄冷功率,Pout(t)表示蓄冷设备t时刻的放冷功率,Pin 和分别表示蓄冷设备的蓄冷能力下限和上限,Pout 和分别表示蓄冷设备释能的下限和上限,μin(t)和μout(t)分别表示蓄冷设备的状态,同时输入输出0-1变量。
优选地,所述步骤S3包括:
确定电池储能设备约束:
Emin≤E(t)≤Emax
Bc(t)+Bd(t)≤1
其中,t表示时刻,E(t)表示电池储能设备t时刻的总能量,Emin、Emax分别表示电池储能设备最小和最大储电容量,Pc(t)、Pd(t)分别表示电池储能设备t时刻的充电和放电功率,分别表示电池储能设备充电和放电功率的最大限值,Bc(t)、Bd(t)分别表示电池储能设备t时刻充电和放电状态,同时输入输出0-1变量。
优选地,所述步骤S5包括:
进行优化求解多目标优化模型的方法为:
使用计算机软件中设定平台编写优化问题程序,调用设定平台中内嵌的单纯型法求解器进行优化求解多目标优化模型。
本发明提供一种基于综合储能技术的数据中心多能协同优化***,其特征在于,包括:
数学模型构建模块,用于构建数据中心综合能源***的各个设备的数学模型,所述设备包括蓄冷设备、电池储能设备、供电设备、供冷设备和供热设备中的一种或多种;
目标函数构建模块,用于根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;
约束条件构建模块,用于根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;
多目标优化模型建立模块,用于根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型;
多目标优化模型求解模块,用于进行优化求解多目标优化模型;
多目标优化模型分析模块,用于分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,再进行优化求解多目标优化模型,若是,则将分析结果发送给优化设计和调度模块;
优化设计和调度模块,用于根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机软件产品,所述计算机软件产品包括的若干指令,用以使得一台计算机设备执行所述一种基于综合储能技术的数据中心多能协同优化方法。
与现有技术相比,本发明具有如下的有益效果:
1)在现有的大多数只考虑数据中心供电、应急蓄冷、应急储电的基础上,同步增加考虑了调峰蓄冷、调峰储电等内容,从规划层面为数据中心综合能源***提供最优优化模型,进一步降低***经济成本,降低二氧化碳排放;从运行层面,提出数据中心综合能源***优化设计和调度,进一步提供数据中心在某时段或典型日的综合能源***运行优化设计和调度;
2)在分别设定数据中心的总碳排放最低、能源经济成本最低两个优化目标时,与传统的通常只考虑电力、燃气两大常规能源的基础上,同步增加考虑了其他能源的碳排放与经济性,以提升本发明的扩展性与适用性;
3)可以弥补数据中心在同时考虑应急蓄冷、应急储电、调峰蓄冷、调峰储电的综合能源***优化配置方面研究的缺失。
附图说明
为了更清楚地说明本发明实施案例或现有技术中的技术方案,下边将对实施例中所需要使用的附图做简单介绍,通过参考附图会更清楚的理解本发明的特征和优点,附图是示意性的而不应该理解为对本发明进行任何限制,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。其中:
图1为一种基于综合储能技术的数据中心多能协同优化方法步骤流程图;
图2为机柜负载率30%时7、8月蓄冷、放冷策略示意图;
图3为机柜负载率80%时7、8月蓄冷、放冷策略示意图;
图4为尖峰电价时段蓄电池充放电示意图;
图5为非尖峰电价时段蓄电池充放电示意图;
图6为夏季典型日***运行示意图;
图7为冬季典型日***运行示意图;
图8为数据中心在不同配置方案、不同负载率下全年能源***运行成本示意图;
图9为一种基于综合储能技术的数据中心多能协同优化***示意图。
具体实施方式
为了能够更清除地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对发明进行进一步的详细描述。需要说明的是在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例一
如图1所示,本发明提供了一种基于综合储能技术的数据中心多能协同优化方法,包括:
S101:构建数据中心综合能源***的各个设备的数学模型,所述设备包括蓄冷设备、电池储能设备、供电设备、供冷设备和供热设备中的一种或多种;
S102:根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;
S103:根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;
S104:根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型;
S105:进行优化求解多目标优化模型;
S106:分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,返回执行步骤S105,若是,则执行步骤S107;
S107:根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
本发明提供基于综合储能技术的数据中心多能协同优化方法,通过构建数据中心综合能源***优化模型,通过对优化模型进行求解,得到最优优化模型,实现数据中心综合能源***的优化设计和调度,使得数据中心经济效益和环境效益的整体最优。
进一步地,在S101的步骤中,具体包括:
构建蓄冷设备数学模型:
其中,Q(t)表示蓄冷设备t时刻的蓄冷量,Q(t-1)表示蓄冷设备t-1时刻的蓄冷量。Pin(t)和Pout(t)分别表示蓄冷设备t时刻的蓄冷功率和放冷功率。ηin和ηout分别表示蓄冷设备的蓄冷效率和放冷效率,Δt表示计算时间间隔;
构建电池储能设备数学模型:
E(t)=E(t-1)+(Pc(t)ηc-Pd(t)/ηd)Δt
其中,E(t)表示电池储能设备t时刻的总能量,E(t-1)表示电池储能设备t-1时刻的总能量,Pc(t)表示电池储能设备t时刻的充电功率,Pd(t)表示电池储能设备t时刻的放电功率,ηc表示电池储能设备的充电效率,ηd表示电池储能设备的充电效率,Δt表示计算时间间隔;
构建供电设备、供冷设备和供热设备数学模型:
其中,i表示能源转换设备,t表示时刻,P、C、H分别表示电能、冷能、热能,in、out分别表示输入和输出,分别表示t时刻能源转换设备i的输入电能、冷能、热能,分别表示t时刻能源转换设备i的输出电能、冷能、热能,η表示各能源之间的转换效率, 分别表示能源转换设备i的电转电效率、电转冷效率、电转热效率、冷转电效率、冷转冷效率、冷转热效率、热转电效率、热转冷效率、热转热效率。
数据中心综合能源***包括的设备一般有:供电设备:电网供电、光伏发电、燃气轮机等;供冷设备:冷水机、吸收式制冷机、其他热泵等;调控室及宿舍等场所的供热设备:热泵、燃气锅炉等。需要说明的是,如果数据中心不需要考虑值班室和宿舍区供热需求,可以将本发明实施例中供热部分相应参数置0。为了考虑本发明提出的方法有更一般的适用性和完整性,本发明实施中保留了供热部分。
进一步地,在S102的步骤中,包括:
根据所述数学模型,建立数据中心综合能源***以碳排放为导向的目标函数minCO2emission:
其中,t表示时刻,eele表示大电网中生产一个单位电能所排放的CO2量,egas表示燃烧一单位天然气所排放的CO2量,表示t时刻园区综合能源***与电网的联络节点的下网有功功率,表示t时刻天然气***调压站节点的注入气流量,表示t时刻其他碳排放量。
进一步地,在S102的步骤中,包括:
根据所述数学模型,建立数据中心综合能源***以经济性为导向的目标函数cost:
其中,cost表示总成本,k表示设备编号常数,c表示成本,t表示时刻,dt表示时间变量,inv表示初投资年化成本,om表示运维成本,分别表示设备k初投资年化成本和运维成本,表示t时刻数据中心综合能源***与电网的联络节点的下网有功功率,表示t时刻天然气***调压站节点的注入气流量,pele表示电价,pgas表示天然气价格,表示其他能源的消耗量,pother表示其他能源的价格。
进一步地,在S103的步骤中,包括:
包括确定电、冷、热***的能量平衡约束:
其中,t表示时刻,i表示能源转换设备,k表示设备编号常数, 分别表示设备i在t时刻的发电功率、制冷功率、制热功率, 分别表示t时刻向***购买的电能、冷能、热能, 分别表示电、冷、热负荷需求,dchk,t为设备k在t时刻的放电功率,chk,t为设备k在t时刻的充电功率,分别表示数据中心储电、蓄冷、蓄热***向数据中心能源***释放的电能、冷能、热能,分别表示数据中心储电、蓄冷、蓄热***需要从***中吸收存储的电能、冷能、热能。
进一步地,在S103的步骤中,包括:
确定蓄冷设备约束:
Qmin≤Q(t)≤Qmax
μin(t)+μout(t)≤1
其中,t表示时刻,Qmin表示蓄冷设备最小蓄冷容量,Qmax表示蓄冷设备最大蓄冷容量,Q(t)表示蓄冷设备t时刻的蓄冷量,Vmax表示数据中心允许安装蓄冷罐的最大体积,ρ表示蓄冷水密度,取1000kg/m3,Cp表示冷水的比热容,取值4.18kJ/(kg·℃),η表示蓄冷罐的有效利用体积,Δt表示供回水温度差,取5~7℃,Pin(t)表示蓄冷设备t时刻的蓄冷功率,Pout(t)表示蓄冷设备t时刻的放冷功率,Pin 和分别表示蓄冷设备的蓄冷能力下限和上限,Pout 和分别表示蓄冷设备释能的下限和上限,μin(t)和μout(t)分别表示蓄冷设备的状态,同时输入输出0-1变量。
进一步地,在S103的步骤中,包括:
确定电池储能设备约束:
Emin≤E(t)≤Emax
Bc(t)+Bd(t)≤1
其中,t表示时刻,E(t)表示电池储能设备t时刻的总能量,Emin、Emax分别表示电池储能设备最小和最大储电容量,Pc(t)、Pd(t)分别表示电池储能设备t时刻的充电和放电功率,分别表示电池储能设备充电和放电功率的最大限值,Bc(t)、Bd(t)分别表示电池储能设备t时刻充电和放电状态,同时输入输出0-1变量。
进一步地,在S104的步骤中,包括:
根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型。
进一步地,在S105的步骤中,包括:
进行优化求解多目标优化模型的方法为:使用计算机基于Matlab软件中的Tomlab平台编写优化问题程序,调用Tomlab平台中内嵌的单纯型法求解器进行求解。
进一步地,在S106的步骤中,包括:
分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,再进行优化求解多目标优化模型,若是,则执行步骤S107。
在进一步地,在S107的步骤中,包括:
根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
以下将根据本发明的实施例提供应用例如下:
选取北京某数据中心为研究对象,该数据中心规划建设1850个机柜,每台机柜平均功率约4.4kW,北京某数据中心负荷需求分析如表1所示:
表1:北京某数据中心负荷需求分析
根据数据中心负荷需求分析,考虑不同储能设备配置的数据中心综合能源***:
方案一:只考虑应急蓄冷***,为常见的基本配置,主要配置包括变频离心式冷水机组、应急蓄冷罐;
方案二:在考虑应急水蓄冷***基础上,增加了调峰水蓄冷***,利用峰谷电价差,降低了***运行成本;
方案三:在方案二的基础上,增加了锂电池储能***,更加充分的利用峰谷电价差,进一步降低了***的运行成本;
方案四:在方案二的基础上,增加了全钒液流电池***,利用峰谷价差,降低***运行成本。
需要说明的是,计算机优化工具理论分析得出的数据中心电池储能最佳配置容量为11MW/33MWh,但受实际工程施工现场空间限制,电池储能***配置没有到达最佳值,实地空间可配置5MW/16.6MWh锂电池储能***或3.2MW/9.6MWh全钒液流电池储能***。
其中,***配置为:离心式冷水机组3517kW*4(三用一备)
调峰蓄冷8000RTh(不包括应急蓄冷750RTh)
电储储能3.2MW/9.6MWh
根据电价信息,结合实际负荷需求,考虑电池储能与水蓄冷的运行策略,其基本原则是充分利用谷段、合理利用平段储能(冷能、电能)满足尖峰段、峰段的能源需求。
运行策略分别见图2、图3,图2为机柜负载率30%时7、8月蓄冷、放冷策略示意图;图3为机柜负载率80%时7、8月蓄冷、放冷策略示意图。冬季利用自然冷却***,无需启动冷水机组和水蓄冷***。
夏季尖峰电价时段,采用“三充三放”策略,因谷电期间,冷水机需要增加蓄冷功率,受总容量限制,故在此期间,利用低功率充满电,在非尖峰电价时段,采用“两充两放”策略。如图4、图5所示,图4为尖峰电价时段蓄电池充放电示意图,图5为非尖峰电价时段蓄电池充放电示意图。
***运行策略优化分析:
图6为夏季典型日***运行示意图,储能曲线正值表示向***释放能量,负值表示处于储能状态。电池储能、水蓄冷理想充放策略是基于数据中心的电负荷、冷负荷特性,尽量避免尖峰和高峰电价时段用电网电。如11:00-13:00及16:00-17:00电价尖峰时段,此时,变频离心冷水机组停运,电储能、水蓄冷向***释放能量。
图7是冬季典型日***运行示意图,冬季典型日因为采用自然冷却技术,***的冷水机和水蓄冷***处于停运状态,制冷***只有水泵在运转。水泵的电功率约为夏季所有冷机运行功率的15%。
将基础数据及运行策略输入优化配置模型中,以不同的储能设备配置的数据中心综合能源***作为优化变量,以充分利用谷段、合理利用平段储能满足尖峰段、峰段的能源需求为优化策略,以数据中心综合能源***经济性最优作为优化目标。通过求解得到数据中心在不同配置方案、不同负载率下全年能源***运行成本,如图8所示,从图8可以看出:随着负载率的上升,数据中心全年能源***的运行成本上升;配置水蓄冷和锂电池储能***的方案三最具经济性。
分析本发明应用例的碳排量:通过计算分析,本应用例的四个方案中,方案一的全年二氧化碳排放总量最低,约为1.138万吨(电网碳排因子取0.6276kg/kWh),其他三个方案因为增加了储能***,虽然利用峰谷电价差节约了能源成本,但是储能***也不可避免增加了***充、放损耗。而本案例因为资源禀赋所限,没有清洁能源可以使用,因此,因为损耗反而导致增加了碳排放。也说明在数据中心应充分利用清洁能源,配合综合储能技术,不但可以节约能源成本,同时可以降低二氧化碳排放。
本发明应用例通过对比分析多种储能设备的配置及其运行策略和经济效益,说明通过合理配置电池储能和调峰水蓄冷,可以明显降低***运行成本和设备年化投资成本。
通过本发明应用例可以得出:
1)利用峰谷电价设置调峰水蓄冷***,可有效降低***运行费用,***初期投资小,静态投资回收期短,投资收益稳定。同时,水蓄冷***大大增加数据中心的供冷安全性,合理采用蓄冷***也是打造数据中心绿色建筑重要的评分项。
2)利用电池储能可有效降低***运行费用。电池储能的布置受现场安装空间影响,其中锂电池是电池中比能量最高的实用型电池,其电池效率高、响应速度快、单位投资成本低、静态回收期短;全钒液流电池循环次数大大超过锂电池,电池寿命更长,但其初投资高于普通锂电池。
实施例二
如图9所示,本发明提供了一种基于综合储能技术的数据中心多能协同优化***,包括:
数学模型构建模块901,用于构建数据中心综合能源***的各个设备的数学模型,所述设备包括蓄冷设备、电池储能设备、供电设备、供冷设备和供热设备中的一种或多种;
目标函数构建模块902,用于根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;
约束条件构建模块903,用于根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;
多目标优化模型建立模块904,用于根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型;
多目标优化模型求解模块905,用于进行优化求解多目标优化模型;
多目标优化模型分析模块906,用于分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,再进行优化求解多目标优化模型,若是,则将分析结果发送给优化设计和调度模块;
优化设计和调度模块907,用于根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
所述***用以实现实施例一所述的一种基于综合储能技术的数据中心多能协同优化方法,在此不再赘述。
实施例三
本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机软件产品,所述计算机软件产品包括的若干指令,用以使得一台计算机设备执行实施例一所述的一种基于综合储能技术的数据中心多能协同优化方法,在此不再赘述。
以上对本发明所提供的一种基于综合储能技术的数据中心多能协同优化方法及***进行了详细介绍,本文中对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于综合储能技术的数据中心多能协同优化方法,其特征在于,包括以下步骤:
S1:构建数据中心综合能源***的各个设备的数学模型,所述设备包括蓄冷设备、电池储能设备、供电设备、供冷设备和供热设备中的一种或多种;
S2:根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;
S3:根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;
S4:根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型;
S5:进行优化求解多目标优化模型;
S6:分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,返回执行步骤S5,若是,则执行步骤S7;
S7:根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
2.根据权利要求1所述的一种基于综合储能技术的数据中心多能协同优化方法,其特征在于,所述步骤S1构建数据中心综合能源***的各个设备的数学模型,具体包括:
构建蓄冷设备数学模型:
其中,Q(t)表示蓄冷设备t时刻的蓄冷量,Q(t-1)表示蓄冷设备t-1时刻的蓄冷量。Pin(t)和Pout(t)分别表示蓄冷设备t时刻的蓄冷功率和放冷功率。ηin和ηout分别表示蓄冷设备的蓄冷效率和放冷效率,Δt表示计算时间间隔;
构建电池储能设备数学模型:
E(t)=E(t-1)+(Pc(t)ηc-Pd(t)/ηd)Δt
其中,E(t)表示电池储能设备t时刻的总能量,E(t-1)表示电池储能设备t-1时刻的总能量,Pc(t)表示电池储能设备t时刻的充电功率,Pd(t)表示电池储能设备t时刻的放电功率,ηc表示电池储能设备的充电效率,ηd表示电池储能设备的充电效率,Δt表示计算时间间隔;
构建供电设备、供冷设备和供热设备数学模型:
4.根据权利要求1所述的一种基于综合储能技术的数据中心多能协同优化方法,其特征在于,所述步骤S2中根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数,包括根据所述数学模型,建立数据中心综合能源***以经济性为导向的目标函数cost:
5.根据权利要求1所述的一种基于综合储能技术的数据中心多能协同优化方法,其特征在于,所述步骤S3中根据能量平衡原理和数据中心综合能源***工程实际确定约束条件,包括确定电、冷、热***的能量平衡约束:
6.根据权利要求1所述的一种基于综合储能技术的数据中心多能协同优化方法,其特征在于,所述步骤S3中根据能量平衡原理和数据中心综合能源***工程实际确定约束条件,包括确定蓄冷设备约束:
Qmin≤Q(t)≤Qmax
μin(t)+μout(t)≤1
8.根据权利要求1所述的一种基于综合储能技术的数据中心多能协同优化方法,其特征在于,所述步骤S5中进行优化求解多目标优化模型的方法为:
使用计算机软件中设定平台编写优化问题程序,调用设定平台中内嵌的单纯型法求解器进行优化求解多目标优化模型。
9.一种基于综合储能技术的数据中心多能协同优化***,其特征在于,包括:
数学模型构建模块,用于构建数据中心综合能源***的各个设备的数学模型,所述设备包括蓄冷设备、电池储能设备、供电设备、供冷设备和供热设备中的一种或多种;
目标函数构建模块,用于根据所述数学模型,构建数据中心综合能源***以碳排放为导向的目标函数和以经济性为导向的目标函数;
约束条件构建模块,用于根据能量平衡原理和数据中心综合能源***的工程实际确定约束条件;
多目标优化模型建立模块,用于根据所述以碳排放为导向的目标函数、所述以经济性为导向的目标函数和所述约束条件,建立多目标优化模型;
多目标优化模型求解模块,用于进行优化求解多目标优化模型;
多目标优化模型分析模块,用于分析求解结果是否符合工程实际,若否,则调整相关设备参数与约束条件后,再进行优化求解多目标优化模型,若是,则将分析结果发送给优化设计和调度模块;
优化设计和调度模块,用于根据分析结果得到最优优化模型,进行数据中心综合能源***的优化设计和调度。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机软件产品,所述计算机软件产品包括的若干指令,用以使得一台计算机设备执行权利要求1至8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654961.9A CN115081700A (zh) | 2022-06-10 | 2022-06-10 | 基于综合储能技术的数据中心多能协同优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654961.9A CN115081700A (zh) | 2022-06-10 | 2022-06-10 | 基于综合储能技术的数据中心多能协同优化方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115081700A true CN115081700A (zh) | 2022-09-20 |
Family
ID=83251742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210654961.9A Pending CN115081700A (zh) | 2022-06-10 | 2022-06-10 | 基于综合储能技术的数据中心多能协同优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081700A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117477627A (zh) * | 2023-12-25 | 2024-01-30 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源***节能智控方法 |
CN117937480A (zh) * | 2024-03-22 | 2024-04-26 | 杭州阿里云飞天信息技术有限公司 | 一种数据中心用能评估方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-10 CN CN202210654961.9A patent/CN115081700A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117477627A (zh) * | 2023-12-25 | 2024-01-30 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源***节能智控方法 |
CN117477627B (zh) * | 2023-12-25 | 2024-04-12 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源***节能智控方法 |
CN117937480A (zh) * | 2024-03-22 | 2024-04-26 | 杭州阿里云飞天信息技术有限公司 | 一种数据中心用能评估方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN103151803A (zh) | 一种含风电***机组及备用配置的优化方法 | |
CN115081700A (zh) | 基于综合储能技术的数据中心多能协同优化方法及*** | |
CN110163415B (zh) | 一种变工况特性下的多能流***多目标模糊协同优化方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
CN115907240B (zh) | 计及互补互济运行特性的电网多类型调峰资源规划方法 | |
CN102593855B (zh) | 平抑电力***中可再生能源电源输出功率波动的方法 | |
CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源***协调优化运行方法 | |
CN111126675A (zh) | 多能互补微网***优化方法 | |
CN114580746A (zh) | 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法 | |
CN112580938B (zh) | 面向多重不确定性的综合能源***优化调度方法及装置 | |
CN114255137A (zh) | 考虑清洁能源的低碳综合能源***优化规划方法及*** | |
Li et al. | Capacity coordinated optimization of battery, thermal and hydrogen storage system for multi-energy complementary power system | |
CN112307603B (zh) | 考虑大规模风电接入的混合储能容量优化配置方法及*** | |
Fan et al. | Optimal scheduling for energy hub in power markets | |
Yang et al. | Coordinated optimal scheduling of multi-energy microgrid considering uncertainties | |
CN109921447B (zh) | 一种基于储能装置soc动态约束的微网经济调度方法 | |
Dou et al. | Optimal configuration of multitype energy storage for integrated energy system considering the system reserve value | |
Ma et al. | Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system | |
Hui | Urban multi-regional energy system planning considering integral energy operating optimization | |
Wu et al. | Capacity Optimal Allocation Strategy of Energy Storage System Based on Fruit Fly Optimization Algorithm | |
Tao et al. | Aggregating Energy Storage in Virtual Power Plant and Its Application in Unit Commitment |
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 |