研究目的
在考虑三个实际因素(即备用发电机的爬坡约束、电池的充放电效率参数以及两种数据中心工作负载)的情况下,最小化智能微电网(SMG)中云数据中心的时均预期能源成本。
研究成果
该论文提出了一种实时算法,用于最小化智能微电网环境下云数据中心的长期能源成本,考虑了备用发电机的爬坡约束、电池充放电效率以及两类数据中心工作负载等实际因素。通过分析算法性能并展示仿真结果,证明了其相较于其他基线方法的优越性。
研究不足
该研究假设传统发电机和电池折旧的成本函数连续可微且凸,这可能无法涵盖所有实际场景。此外,算法性能分析基于不确定参数在时隙间独立同分布的假设,而这一条件在所有现实条件下未必成立。
1:实验设计与方法选择:
本研究采用随机规划方法对能源管理问题进行建模,整合了与工作负载分配、电力买卖、电池管理、备用发电机和功率平衡相关的约束条件。在李雅普诺夫优化技术框架下设计了一个在线算法来解决该问题。
2:样本选择与数据来源:
研究使用真实世界的工作负载轨迹和动态电价轨迹进行模拟。
3:实验设备与材料清单:
模拟设置包括数据中心、前端服务器、发电系统和储能系统(ESS)的参数。
4:实验流程与操作步骤:
该算法包括观察系统状态、求解优化问题、调整解决方案以满足约束条件以及更新虚拟队列。
5:数据分析方法:
通过模拟分析所设计算法的性能,并在不同参数下与两个基线进行比较。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容