研究目的
在考虑电价、可再生能源及到达工作量不确定性的情况下,最小化智能微电网(SMGs)中云数据中心的时均预期能耗成本。
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种数据中心工作负载等实际因素。通过大量仿真验证了该算法的可行性和性能,显示出相较于其他基线方法的优越性。
研究不足
该研究假设成本函数连续可微且凸,这可能无法涵盖所有实际场景。算法性能分析基于不确定参数在各时隙上独立同分布的假设,而这一条件在现实环境中未必成立。
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种在线算法,该算法无需未来参数的统计信息即可解决问题。
2:样本选择与数据来源:
仿真中使用真实的工作负载轨迹和动态电价轨迹来模拟工作负载和价格变化。
3:实验设备与材料清单:
研究考虑了云数据中心、智能微电网、储能系统(ESS)、常规和可再生能源发电机以及具有特定参数(如充放电效率)的电池。
4:实验流程与操作步骤:
该算法包括观察系统状态、求解优化问题以做出控制决策,并根据所做决策更新系统状态。
5:数据分析方法:
通过仿真分析所设计算法的性能,在不同的充放电效率、爬坡系数和电池折旧参数等条件下,将其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