考虑风电不确定性的数据中心平抑风电功率波动的调度方法

doi:10.3969/j.issn.2097-0706.2022.11.010

综合智慧能源 ›› 2022, Vol. 44 ›› Issue (11): 70-78.doi: 10.3969/j.issn.2097-0706.2022.11.010

• 综合能源系统优化运行与控制 • 上一篇下一篇

考虑风电不确定性的数据中心平抑风电功率波动的调度方法

赵建立¹^,²(), 向佳霓¹^,²(), 王隗东³(), 陈珂³(), 陈进举正⁴(), 吴英俊⁴()

1.国网上海市电力公司，上海 200030
2.上海市智能电网需求响应重点实验室，上海 200030
3.需求侧多能互补优化与供需互动技术北京市重点实验室（中国电力科学研究院有限公司），北京 100192
4.河海大学能源与电气学院，南京 211100

收稿日期:2022-06-07 修回日期:2022-09-20 出版日期:2022-11-25 发布日期:2022-12-21
作者简介:赵建立（1983），男，高级工程师，硕士，从事智能电网用电新技术和需求侧管理方面的研究，59696374@qq.com；
向佳霓（1996），女，硕士，助理工程师，从事需求侧管理和大数据分析方面的研究，carame10726@hotmail.com；
王隗东（1992），男，助理工程师，从事需求侧管理和需求响应方面的研究，17610229291@163.com；
陈珂（1994），男，工程师，从事需求侧管理和需求响应方面的研究，824417278@qq.com；
陈进举正（1998），男，在读硕士研究生，从事电力分布式交易和需求响应方面的研究，jinjuzheng_chen@163.com；
吴英俊（1985），男，副教授，博士，从事综合能源系统优化和电力分布式交易等方面的研究，ywu_ee@vip.163.com。
基金资助:
国网上海市电力公司科技项目(52090D200013)

A scheduling method for suppressing wind power fluctuation of data centers considering wind power uncertainty

ZHAO Jianli¹^,²(), XIANG Jiani¹^,²(), WANG Weidong³(), CHEN Ke³(), CHEN Jinjuzheng⁴(), WU Yingjun⁴()

1. State Grid Shanghai Electric Power Company，Shanghai 200030，China
2. Shanghai Key Laboratory of Smart Grid Demand Response，Shanghai 200030，China
3. Beijing Key Laboratory of Demand Side Multi-Energy Carriers Optimization and Interaction Technique（China Electric Power Research Institute），Beijing 100192，China
4. College of Energy and Electrical Engineering，Hohai University，Nanjing 211100，China

Received:2022-06-07 Revised:2022-09-20 Online:2022-11-25 Published:2022-12-21

摘要/Abstract

摘要：

“双碳”目标下构建以新能源为主体的新型电力系统，致使风光等波动性电源大量并网。针对风电并网时功率波动过大而威胁电力系统安全稳定的问题，在考虑风电预测不确定性的前提下，提出一种基于数据中心可延时计算任务的风电功率波动平抑模型。模型分为2个阶段，第1阶段根据某一预测的风电出力，在达到平抑目的的前提下使数据中心负荷曲线尽量平滑。第2阶段则是使调度方案在最恶劣的风电情景下仍能满足平抑要求。算例结果表明，提出的模型能对最恶劣的风电出力场景进行平抑，与不考虑不确定性的平抑方法相比，具有更高的可靠性。

关键词: 风力发电, 风电波动平抑, 数据中心能耗, 风电不确定性, 鲁棒优化, 碳中和, 新型电力系统

Abstract:

The security and stability of a power system can be compromised by the output fluctuation brought by wind power grid-connection. Thus， considering the uncertainty of wind power prediction，a wind power output fluctuation suppression model is proposed based on a data center's delay calculation. The model is divided into two stages. In the first stage，based on the predicted wind power output，the data center load curve need to be smoothed in the premise of fluctuation suppression.In the second stage，the scheduling scheme is adjusted to meet the wind power output suppression requirements under the worst scenario. The simulation results on the practical case show that the proposed model can suppress the wind power output under the worst scenario. The suppression method that takes wind power uncertainty into consideration is more reliable than that does not.

Key words: wind power generation, fluctuation suppression, data center energy consumption, wind power uncertainty, robust optimization, carbon neutrality, new power system

中图分类号:

TK01

赵建立, 向佳霓, 王隗东, 陈珂, 陈进举正, 吴英俊. 考虑风电不确定性的数据中心平抑风电功率波动的调度方法[J]. 综合智慧能源, 2022, 44(11): 70-78.

ZHAO Jianli, XIANG Jiani, WANG Weidong, CHEN Ke, CHEN Jinjuzheng, WU Yingjun. A scheduling method for suppressing wind power fluctuation of data centers considering wind power uncertainty[J]. Integrated Intelligent Energy, 2022, 44(11): 70-78.

图/表 7

图1

图2

图3

表1

图4

图5

图6

参考文献 29

[1]	国家能源局. 国家能源局发布2021年全国电力工业统计数据[EB/OL].(2022-01-26)[2022-09-10]. http://www.nea.gov.cn/2022-01/26/c_1310441589.htm.
[2]	田春筝, 李琼林, 宋晓凯. 风电场建模及其对接入电网稳定性的影响分析[J]. 电力系统保护与控制, 2009, 37(19):46-50.
	TIAN Chunzheng, LI Qionglin, SONG Xiaokai. Modeling and analysis of the stability for the power system considering the integration of the wind farms[J]. Power System Protection and Control, 2009, 37(19):46-50.
[3]	吴昊, 张焰, 刘波. 考虑风电场影响的发输电系统可靠性评估[J]. 电力系统保护与控制, 2011, 39(4):36-41.
	WU Hao, ZHANG Yan, LIU Bo. Reliability assessment of generation and transmission systems considering wind farm effects[J]. Power System Protection and Control, 2011, 39(4):36-41.
[4]	LUO C, OOI B T. Frequency deviation of thermal power plants due to wind farms[J]. IEEE Transactions on Energy Conversion, 2006, 21(3):708-716. doi: 10.1109/TEC.2006.874210
[5]	PRATAP A, URASAKI N, SENJU T. A Coordinated control method to smooth wind power fluctuations of a PMSG-based WECS[J]. IEEE Transactions on Energy Conversion, 2011, 26(6):550-558. doi: 10.1109/TEC.2011.2107912
[6]	LIN J, SUN Y, SONG Y, et al. Wind power fluctuation smoothing controller based on risk assessment of grid frequency deviation in an isolated system[J]. IEEE Transactions on Sustainable Energy, 2013, 4(2):379-392. doi: 10.1109/TSTE.2012.2225853
[7]	于芃, 赵瑜, 周玮, 等. 基于混合储能系统的平抑风电波动功率方法的研究[J]. 电力系统保护与控制, 2011, 39(24):35-40.
	YU Fan, ZHAO Yu, ZHOU Wei, et al. Research on the method based on hybrid energy storage system for balancing fluctuant wind power[J]. Power System Protection and Control, 2011, 39(24):35-40.
[8]	孙攀, 赖晓璐, 袁野, 等. 基于电池储能系统的微电网功率平滑控制研究[J]. 华电技术, 2016, 38(10):1-4,77.
	SUN Pan, LAI Xiaolu, YUAN Ye, et al. Research on power smooth control of microgrid based on battery energy storage system[J]. Huadian Technology, 2016, 38(10):1-4,77.
[9]	徐衍会, 徐宜佳. 平抑风电波动的混合储能容量配置及控制策略[J]. 中国电力, 2022, 55(6):186-193.
	XU Yanhui, XU Yijia. Capacity configuration and control strategy of hybrid energy storage to smooth wind power fluctuations[J]. Electric Power, 2022, 55(6):186-193.
[10]	LI J, BAO Z, LI Z. Modeling demand response capability by internet data centers processing batch computing jobs[J]. IEEE Transactions on Smart Grid, 2014, 6(2):737-747. doi: 10.1109/TSG.2014.2363583
[11]	LI Y, WEN Y, GUAN K, et al. Transforming cooling optimization for green data center via deep reinforcement learning[J]. IEEE Transactions on Cybernetics, 2020, 50(5):2002-2013. doi: 10.1109/TCYB.2019.2927410 pmid: 31352360
[12]	CUPELLI L, THOMAS S, JAHANGIRI P, et al. Data center control strategy for participation in demand response programs[J]. IEEE Transactions on Industrial Informatics, 2018, 14(11):5087-5099. doi: 10.1109/TII.2018.2806889
[13]	GHAMKHARI M, MOHSENIAN-RAD H. Energy and performance management of green data centers:A profit maximization approach[J]. IEEE Transactions on Smart Grid, 2013, 4(2):1017-1025. doi: 10.1109/TSG.2013.2237929
[14]	LI C, QOUNEH A, LI T. iSwitch:Coordinating and optimizing renewable energy powered server clusters[J]. ACM SIGARCH Computer Architecture News, 2012, 40(3):512-523. doi: 10.1145/2366231.2337218
[15]	孙湛冬, 焦娇, 李伟, 等. 基于改进蚁群算法的电力云数据中心任务调度策略研究[J]. 电力系统保护与控制, 2022, 50(2):95-101.
	SUN Zhandong, JIAO Jiao, LI Wei, et al. A task scheduling strategy for a power cloud data center based on an improved ant colony algorithm[J]. Power System Protection and Control, 2022, 50(2):95-101.
[16]	付立, 刘晓光. 基于激光雷达测风仪的风电场风电机组性能评估研究[J]. 华电技术, 2017, 39(6):14-16,40,77.
	FU Li, LIU Xiaoguang. Performance evaluation of wind turbine in wind farm based on lidar wind gauge[J]. Huadian Technology, 2017, 39(6):14-16,40,77.
[17]	刘万福, 赵树野, 康赫然, 等. 考虑源荷双重不确定性的多能互补系统两阶段鲁棒优化调度[J]. 电力系统及其自动化学报, 2020, 32(12):69-76.
	LIU Wanfu, ZHAO Shuye, KANG Heran, et al. Two-stage robust optimal scheduling for multi-energy complementary system considering source-load double uncertainties[J]. Proceedings of the CSU-EPSA, 2020, 32(12):69-76.
[18]	石立宝, 翟放. 考虑风-光-荷不确定性的数据驱动型机组组合模型[J]. 综合智慧能源, 2022, 44(1):18-25. doi: 10.3969/j.issn.2097-0706.2022.01.003
	SHI Libao, ZHAI Fang. Data-driven unit commitment model incorporating the uncertainty of wind-PV-load[J]. Integrated Intelligent Energy, 2022, 44(1):18-25. doi: 10.3969/j.issn.2097-0706.2022.01.003
[19]	李运龙, 李志刚, 郑杰辉. 考虑风电不确定性和相关性的多区域电网分布鲁棒经济调度[J]. 电力自动化设备, 2021, 41(8):97-104.
	LI Yunlong, LI Zhigang, ZHENG Jiehui. Distributionally robust economic dispatch of multi-regional power grid considering uncertainty and correlation of wind power[J]. Electric Power Automation Equipment, 2021, 41(8):97-104.
[20]	李彬, 杜亚彬, 曹望璋, 等. 考虑风光储互补与工作负载分配的数据中心优化调度[J]. 现代电力, 2022, 39(3):356-363.
	LI Bin, DU Yabin, CAO Wangzhang, et al. Optimal scheduling of data center considering wind-solar-storage complementary and workload distribution[J]. Modern Electric Power, 2022, 39(3):356-363.
[21]	李颖, 杨荣华, 陈纪海. 虚拟化技术在电力数据中心建设中的研究与实践[J]. 电力信息与通信技术, 2013, 11(11):96-99.
	LI Ying, YANG Ronghua, CHEN Jihai. Research on the virtualization technology and its application in electrical data center[J]. Electric Power Information and Communication Technology, 2013, 11(11):96-99.
[22]	BOHRER P, ELNOZAHY E N, KELLER T, et al. The case for power management in web servers[M]. Boston: Power Aware Computing, 2002:261-289.
[23]	AHMAD F, VIJAYKUMAR T N. Joint optimization of idle and cooling power in data centers while maintaining response time[C]// Fifteenth Edition of ASPLOS on Architectural Support for Programming Languages and Operating Systems.ACM, 2010:243-256.
[24]	AKSANLI B, ROSING T S, MONGA I. Benefits of green energy and proportionality in high speed wide area networks connecting data centers[C]// Design,Automation & Test in Europe Conference & Exhibition.IEEE, 2012:175-180.
[25]	WANG H, HUANG J, LIN X, et al. Proactive demand response for data centers:A win-win solution[J]. IEEE Transactions on Smart Grid, 2017, 7(3):1584-1596. doi: 10.1109/TSG.2015.2501808
[26]	朱光远, 林济铿, 罗治强, 等. 鲁棒优化在电力系统发电计划中的应用综述[J]. 中国电机工程学报, 2017, 37(20):5881-5892.
	ZHU Guangyuan, LIN Jikeng, LUO Zhiqiang, et al. Review of robust optimization for generation scheduling in power systems[J]. Proceedings of the CSEE, 2017, 37(20):5881-5892.
[27]	符杨, 张智泉, 李振坤. 基于二阶段鲁棒优化模型的混合交直流配电网无功电压控制策略研究[J]. 中国电机工程学报, 2019, 39(16):4764-4774.
	FU Yang, ZHANG Zhiquan, LI Zhenkun. Research on reactive power voltage control strategy for hybrid AC/DC distribution network based on two-stage robust optimization model[J]. Proceedings of the CSEE, 2019, 39(16):4764-4774.
[28]	徐秋实, 邓长虹, 赵维兴, 等. 含风电电力系统的多场景鲁棒调度方法[J]. 电网技术, 2014, 38(3):653-661.
	XU Qiushi, DENG Changhong, ZHAO Weixing, et al. A multi-scenario robust dispatch method for power grid integrated with wind farms[J]. Power System Technology, 2014, 38(3):653-661.
[29]	荆立坤, 唐宜强, 潘凤萍, 等. 基于鲁棒约束的PI控制器参数多目标优化及应用[J]. 华电技术, 2021, 43(5): 1-8.
	JING Likun, TANG Yiqiang, PAN Fengping, et al. Multi-objective optimization of PI controller parameters under robustness constraint and its application[J]. Huadian Technology, 2021, 43(5): 1-8.

窗口序号	平抑时刻/min	平抑时间窗口/min
1	24，26，27，33，34	20—38
2	46，49，50	42—54
3	80	76—85

考虑风电不确定性的数据中心平抑风电功率波动的调度方法

A scheduling method for suppressing wind power fluctuation of data centers considering wind power uncertainty

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 29

相关文章 15

编辑推荐

Metrics

本文评价

[1]	韩世旺, 赵颖, 张兴宇, 玄承博, 赵田田, 侯绪凯, 刘倩倩. 面向碳中和的新型电力系统氢储能调峰技术研究[J]. 综合智慧能源, 2022, 44(9): 20-26.
[2]	江婷, 赵雅姣. 基于燃气分布式的综合能源系统碳减排分析[J]. 综合智慧能源, 2022, 44(9): 27-32.
[3]	张旭, 张浩浩, 顾吉浩. 室温空间特性差异性分析及抽样推断方法研究[J]. 综合智慧能源, 2022, 44(9): 51-58.
[4]	姜曙, 刘芳芳, 刘媛媛, 陈启召, 连丽, 任梦楠. “地热能+”在工程实践中的综合梯级应用[J]. 综合智慧能源, 2022, 44(9): 59-64.
[5]	余果, 吴军, 夏热, 陈逸珲, 郭子辉, 黄文鑫. 构网型变流器技术的发展现状与趋势研究[J]. 综合智慧能源, 2022, 44(9): 65-70.
[6]	唐琦雯, 沈琪, 祝俊, 苏宜靖. 浙江调频辅助服务市场机制设计及运营实践[J]. 综合智慧能源, 2022, 44(9): 71-77.
[7]	杨莹, 张雁祥, 闫牧夫. 中低温固体氧化物燃料电池电解质制备方法研究进展[J]. 综合智慧能源, 2022, 44(8): 50-57.
[8]	陈晗钰, 周晓亮, 刘立敏, 钱欣源, 王宙, 何非凡, 绳阳. 质子导体固体电解池电解水制氢研究进展[J]. 综合智慧能源, 2022, 44(8): 75-85.
[9]	李华, 郑洪纬, 周博文, 李广地, 杨波. 综合智慧能源系统中抽水蓄能电站两部制电价研究[J]. 综合智慧能源, 2022, 44(7): 10-18.
[10]	王盛, 谈健, 史文博, 邹风华, 陈光, 王林钰, 惠红勋, 郭磊. 英国新型电力系统建设经验以及对我国省级电网发展启示[J]. 综合智慧能源, 2022, 44(7): 19-32.
[11]	冶兆年, 赵长禄, 王永真, 韩恺, 刘超凡, 韩俊涛. 基于纳什议价的共享储能能源互联网络双目标优化[J]. 综合智慧能源, 2022, 44(7): 40-48.
[12]	张荣权, 李刚强, 卜思齐, 刘芳, 朱玉祥. 基于自适应学习率萤火虫算法的多能源系统联合优化调度[J]. 综合智慧能源, 2022, 44(7): 49-57.
[13]	郭祚刚, 袁智勇, 徐敏, 雷金勇, 李朋岳, 谈赢杰. 多能互补综合能源系统混合能流计算方法及算例[J]. 综合智慧能源, 2022, 44(7): 58-65.
[14]	路尧, 顾晓希, 尹硕, 陈兴, 金曼. 考虑断面负载率的县域内部新能源电力自平衡交易调度策略研究[J]. 综合智慧能源, 2022, 44(7): 66-72.
[15]	谢典, 高亚静, 芦新波, 刘天阳, 赵良, 赵勇. 能耗“双控”向碳排放“双控”转变的实施路径研究[J]. 综合智慧能源, 2022, 44(7): 73-80.