考慮信息負荷調度的融合型變電站優化運行

楊 琪，孟 超*，梅 超，趙英汝，郭熠昀

(1.廈門大學能源學院，福建 廈門 361102；2.國網廈門供電公司，福建 廈門 361000)

隨著大數據、人工智能、物聯網、5G等信息化技術的快速發展，“萬物互聯”不斷推進，連接設備數量持續增長，在帶來海量數據連接的同時，對數據計算與處理能力也提出了更高的要求.僅依靠移動終端本身已無法滿足計算需求，而云計算平臺較長的通信鏈路又極易導致高延時，影響服務質量與用戶體驗[1].為解決這一矛盾，邊緣計算得到廣泛關注，邊緣數據中心的建設需求也逐年上升.另外，隨著能源短缺與環境污染日益嚴重，電動汽車由于其良好的環保節能特性受到社會各界的重視，其大規模普及應用已成為未來交通出行的必然趨勢，擴大電動汽車充電設施建設迫在眉睫.融合型變電站提倡利用電力企業變電站資源，建設數據中心站、充(換)電站、儲能站、5G通信基站等功能站，全面承載電網業務數據，滿足日益增長的數據存儲、融通和增值運營需求，實現“能源流、業務流、數據流”的三流合一[2].融合型變電站具有供電方便、分布廣泛、布點密集、貼近用戶等優勢，是邊緣數據中心與電動汽車充電站選址建設的最佳選擇.

隨著數據服務需求的日益增長，數據中心能耗不斷攀升.2018年全球數據中心耗電量約占全球總耗電量的1%[3]，預計2030年將達到8%[4].電動汽車充電行為在空間和時間上具有極強的隨機性與間歇性，而隨著電動汽車保有量不斷增長，電動汽車入網充電行為將對電力系統的安全性與穩定性帶來更大沖擊.數據中心能耗問題與電動汽車入網充電行為特性均將對融合型變電站運行帶來極大影響，因此有必要針對數據中心節能運行方法與電動汽車充電站負荷模擬及其充電行為特性展開研究.此外，融合型變電站涵蓋供冷、供電、儲能等多種能源形式，也是典型的綜合能源系統載體.因此，融合型變電站的運行優化問題涉及電動汽車充電站的負荷特性研究、綜合能源系統的規劃研究以及傳統數據中心的節能運行方法.

現有電動汽車充電站負荷建模方法主要包括基于充電行為機理、基于概率模型和基于啟發式算法3類[5-10]，仍存在對充電影響因素和充電方式考慮不全面等問題，也并未涉及電動汽車平滑入網方法的研究；現有綜合能源系統的規劃研究已將冷、熱、電、氣、交通等多種能源形式納入考慮[11-19]，但并未涉及信息負荷的調控；現有數據中心節能運行研究主要針對單一數據中心[20-26]，并未涉及多個數據中心的聯合運行優化，也不適用于融合型變電站內數據中心與其他功能站的協同運行優化研究.因此，有必要針對融合型變電站內各功能站協同一體化運行方法及站間信息負荷調度策略展開研究.

本研究構建了數據中心負荷模型、儲能電站模型和電動汽車充電站負荷模型，建立了以年凈支出最小為目標函數的多站協同運行模型，并設計融合型變電站優化運行策略，對模型進行分析求解得到多站協同運行的最優方案.

1 架構設計

融合型變電站集成建設數據中心、儲能電站、充(換)電站、5G基站等功能站，提倡改變各站單獨規劃、單獨運行的模式，優化城市資源配置，實現多站一體化協同運營.本研究主要針對變電站、邊緣數據中心、電動汽車充電站與儲能電站的聯合運營與協同優化進行分析.考慮變電站電力負載率、供電政策差異、土地資源限制以及周邊區域設施組成等因素，利用變電站閑置的土地、電力等資源，配套建設邊緣數據中心、儲能電站與電動汽車充電站；為保證變電站運行的安全性，應在不同級別變電站建設不同規模的邊緣數據中心，信息負荷在滿足數據處理時延約束的情況下，在多個邊緣數據中心間進行分配調度，實現數據處理成本最小化；傳統數據中心一般配有儲能系統作為市電斷絕時的應急電源，考慮對儲能系統規模進行重新規劃設計，在保留應急電量的情況下將儲能系統納入日常電力調度，實現削峰填谷，轉移高峰負載；由于電動汽車充電站與外界的交互性較高，考慮在變電站周邊的園區停車場安裝不同數量的充電樁，充電站的日常充電收入可用以補償融合型變電站的運行成本.融合型變電站架構及各站交互過程如圖1所示.

圖1 融合型變電站運行架構示意圖

融合型變電站內能量與信息流動方向如圖1所示.由能量流動方向可知，融合型變電站采用市電與儲能電站協同供能，變電站為邊緣數據中心、儲能電站、電動汽車充電站以及周邊區域設施供電，儲能電站則在必要時向外界輸出電量；由信息流動方向可知，周邊區域產生的電力數據信息由電力系統傳感設備收集流入變電站，邊緣數據中心處理來自周邊以及融合型變電站內產生的各種數據信息，這些數據處理任務遵循一定策略在各級不同規模邊緣數據中心間進行分配遷移，實現信息負荷的互補調度.

2 系統建模

為實現對融合型變電站內各功能站協同優化與站間聯合運行優化，本研究建立數據中心負荷模型、電動汽車充電站負荷模型與儲能電站模型，并對模型涉及的約束條件與目標函數進行分析設計.本研究為課題組前期研究的進一步創新，儲能電站沿用前期模型，具體參見文獻[27].但與前期模型對數據中心總能耗的簡單估算不同，本研究建立的數據中心負荷模型通過調研目前數據中心能效指標，采用電源使用效率(power usage effectiveness,PUE)對數據中心總能耗進行計算，并對具有不同時延要求的信息負荷加以考慮，相比于原模型其準確性與完整性都有所提高.

2.1 數據中心負荷模型

數據中心能耗主要由IT設備能耗、制冷設備能耗與配電系統能耗組成，其中數據中心能耗與IT設備能耗的比值，即PUE是評價數據中心能耗水平的主要指標之一.PUE越接近1，則數據中心能效水平越好.據統計，2018年我國在用超大型數據中心平均PUE為1.63，大型數據中心平均PUE為1.54[28].而隨著綠色數據中心建設的不斷推進，我國針對新建數據中心的能效提出了更高的要求，PUE設計值已從1.4逐步降低到1.3甚至1.25[29].數據中心的PUE表達式如下：

PUE=PDC/PIT,

(1)

式中，PDC為數據中心能耗，PIT為IT設備能耗.服務器能耗是IT設備能耗的主要組成部分，通過建立服務器能耗模型，利用PUE即可計算得到數據中心能耗.

1)服務器能耗模型

將服務器狀態分為工作狀態與休眠狀態，考慮數據中心服務質量要求與服務器使用壽命，不考慮服務器關機狀態.通過調整工作服務器數量對服務器能耗進行調控，具體模型如下：

Ps,t=Pwnt+Ph(M-nt)，

(2)

式中，Ps,t為t時刻的服務器總能耗，Pw為工作服務器能耗，Ph為休眠服務器能耗，M為服務器總數，nt為t時刻的工作服務器數量.

2)數據處理時延約束

數據處理延遲時間是影響數據中心服務質量的一項重要指標.當數據處理任務被分配到數據中心后進入等待序列，數據中心則遵循順序服務的原則對其進行處理.本研究通過對數據處理任務的分配遷移，實現各邊緣數據中心間信息負荷的轉移調度，調度時需滿足數據處理時延約束，如下[30]：

(3)

(4)

式中：λk,i,t為在t時刻到達數據中心i的k型數據任務總量;nk,i,t為t時刻數據中心i中處理k型任務所需的工作服務器數量;ni,t為t時刻數據中心i工作服務器總量;μk為工作服務器對于k型數據任務的服務率，該值取決于服務器性能;Td,k為數據處理的延遲界限,針對不同類型數據負荷具有不同的時延要求.

2.2 電動汽車充電站模型

開展電動汽車充電負荷建模研究是充電站運行規劃的前提.本研究的電動汽車充電負荷模擬對象為私家車用戶，充電采用恒壓恒流結合法，充電過程近似簡化為恒功率充電，采用蒙特卡洛模擬方法對電動汽車充電站進行負荷模擬，流程如圖2所示.

圖2 電動汽車充電站負荷模擬流程圖

首先利用蒙特卡洛模擬抽取單輛電動汽車的起始充電時間與入站時電量水平，然后計算得出充電所需時間與充電結束時間，如式(5)所示.根據充電時間分布計算得到單輛電動汽車的實時充電功率分布，通過累加得到充電站實時負荷曲線，如式(6)所示.

tend,x=tst,x+[SEV,max-Sx]CEV/Pcηc，

(5)

(6)

式中，tst,x為第x輛電動汽車的起始充電時間，tend,x為第x輛電動車的充電結束時間，SEV,max為電動汽車電池最大荷電狀態，Sx為第x輛電動汽車電池的起始荷電狀態，CEV為電動汽車電池容量，Pc為電動汽車充電功率，ηc為電動汽車充電效率，Px,i,t為充電站i中t時刻第x輛車的充電功率，PEV,i,t為充電站i中t時刻電動汽車充電總負荷.本研究設定充電負荷模擬以min為單位，對全天進行模擬，每15 min對充電站負荷進行一次結算.

此外，籌建電動汽車充電站還需考慮變電站土地資源限制與剩余供電容量限制，因此各級變電站安裝充電樁數量有限，充電站實時用電功率約束如下：

PEV,i,t≤Pi,max，

(7)

式中Pi,max為充電站i可容納最大用電功率.

2.3 能量平衡約束

融合型變電站日常運行采用市電與儲能電站聯合供電，能量消耗主要包括數據中心耗能、儲能電站的充電以及電動汽車充電站耗電.融合型變電站能量平衡約束如下：

Pg,i,t+Pbd,i,t=PDC,i,t+Pbc,i,t+PEV,i,t，

(8)

Pg,i,t≤Pmax.

(9)

式中，PDC,i,t為融合型變電站i的數據中心在t時刻的用電功率,Pg,i,t為融合型變電站i在t時刻與電網的交換功率，Pbd,i,t和Pbc,i,t分別為融合型變電站i的儲能電站在t時刻的放電功率和充電功率，Pmax為最大交換功率.融合型變電站用電來源為變電站閑置電力資源，為保證變電站對周邊供電的可靠性，融合型變電站與電網交換功率需考慮變電站周邊供電情況以及供能管網限制.

2.4 目標函數

本研究以最小化融合型變電站年凈支出為目標函數，對融合型變電站運行進行優化.年凈支出由年總成本扣除年總盈利得到，其中年總成本由年等額投資成本、年維護費用與年購電費用組成，年總盈利則包括充電站盈利與數據中心盈利.具體目標函數如下：

min(R)=Rinv+Rm+Rg-REV-RDC，

(10)

(11)

(12)

(13)

(14)

(15)

式中：Rinv為年等額投資成本，Rm為年維護費用，Rg為年購電費用，REV為充電站盈利，RDC為數據中心盈利；f為資本回收因子，Eu為設備u的裝機容量，pinv,u為設備u的單位投資成本；Pu,t為設備u在t時刻的用電功率，pm,u為設備u的單位維護費用；Pg,t為t時刻向電網購電功率，pt為t時刻購電價格；PEV,t為電動汽車t時刻充電功率，pch為電動汽車充電價格，pse為充電服務費；K為數據中心機柜年租金，Qi為數據中心i安置的機柜數量.

3 融合型變電站的運行策略設計

3.1 站內協同運行策略

單個融合型變電站內設有變電站、電動汽車充電站、數據中心與儲能電站，各站功能定位如下.變電站作為主要供電來源，利用其剩余容量為數據中心、儲能電站與電動汽車充電站進行日常供電.電動汽車充電站在本研究中作為設計負載，利用蒙特卡洛方法獲取實時負荷曲線，充電站營業收入可用以補償融合型變電站日常運行成本.儲能電站作為輔助電源：1)在電動汽車入網充電造成電網波動時，為電網提供緊急支撐、調峰調頻的功能；2)結合分時電價政策，在低電價時段充電，高電價時段放電為數據中心與電動汽車充電站供電，以達到降低數據中心運行電費、削減電動汽車充電站充電成本的作用；3)兼顧數據中心后備電源的功能，在參與日常電力調度時需保留一定容量以備市電中斷時的緊急供能.數據中心作為靈活的需求響應資源，可利用各級變電站電價差異，通過信息負荷的合理調度，改變自身用電行為，進而實現數據中心用電成本最小化，具體信息負荷調度方法將在 3.2 節中進行詳細說明.

3.2 站間信息負荷調度策略

數據中心能耗中IT設備能耗的占比最大，該能耗主要在服務器處理信息負荷的過程中直接生成，數據中心所承擔的信息負荷越多，則IT設備能耗值越大[31].因此，利用各融合型變電站之間的信息負荷調度，可以實現電力負荷的轉移.另外，電信號在電纜中的傳輸存在網損，而光纖傳輸帶寬較寬，傳輸損耗較低，抗干擾能力較強[32]，因此通過數據網絡轉移電力負荷在經濟性與穩定性方面也更具優勢.信息負荷與電力負荷流動方向如圖3所示.

圖3 信息負荷與電力負荷流動方向示意圖

本研究中各級融合型變電站建設的邊緣數據中心規模不一，承擔的信息負荷體量不同，用電需求也有較大差別.首先設定一前端門戶對各邊緣數據中心接收的數據處理任務進行整合，然后考慮各級變電站電價差異與電力負載率，對信息負荷進行合理的分配轉移，優化各邊緣數據中心工作服務器的數量.這樣既可利用價格信號削減數據中心的運行電費，又可通過數據網絡轉移電力負荷，緩解個別融合型變電站的用電壓力，實現各站間的互補調度.

4 案例研究

在數學規劃與優化的高級建模軟件GAMS24.0中建立融合型變電站系統模型，以最小化年凈支出為優化目標對模型進行求解，獲得全局最優運行方案.

4.1 參數設置

本研究設計1個110 kV變電站為大型工業園區供電，2個35 kV變電站為一般工商業建筑供電，2個10 kV 變電站為居民區供電，利用變電站空間資源在站內建設不同規模的邊緣數據中心與儲能電站，并在各園區停車場內配置不同數量充電樁.考慮變電站土地資源限制與剩余供電容量限制，在10和35 kV變電站僅設置7 kW交流慢充樁，在110 kV變電站設置7 kW 交流慢充樁與60 kW直流快充樁.電價采用北京分時電價，如表1所示.通過考察北京私家車年平均出行里程與出行時間分布，對電動汽車充電負荷進行蒙特卡洛模擬，設置入站電動汽車的起始荷電狀態Sx服從正態分布N(0.55,0.12)，私家車在小區停車場與單位停車場的起始充電時間不同，分別服從N(1 140，902)和N(540，302).數據中心網絡信息負載采用泊松過程模擬，本研究考慮的信息負荷均為延遲敏感型，根據其時延要求不同分為兩類：Ⅰ型信息負荷包括實時視頻通信、虛擬現實、地圖數據傳輸等對時延要求較高的任務，以10 ms為延遲界限；Ⅱ型信息負荷包括在線游戲、視頻緩存、廣播業務等對時延要求較低的任務，以50 ms為延遲界限.各設備技術參數見表2.

表1 分時電價

表2 設備技術參數

4.2 單項設備運行分析

各充電站典型日負荷曲線如圖4所示.由圖可見，電動汽車充電負荷在兩個時段出現高峰，分別為10：00—11：00與20：00—21：00，與電網供電高峰時段相符.可見隨電動汽車保有量持續增加，大量電動汽車入網充電將導致用電高峰時段電網供電壓力進一步增大，對電網穩定性造成更大沖擊.而這一現象與私家車主的出行規律以及電動汽車充電特性具有密切關系：車主在上午離開居民區前往工作地點，到達單位停車場后部分車主選擇充電，隨著充電車輛的增多，充電站負荷上升，在10：30左右到達峰值，此后入站充電的車輛逐漸減少且部分車輛充滿電離開，充電站負荷因此降低；同理，車主結束當天的工作后回到居民區，夜間充電車輛逐漸增多，負荷累加直到20：30左右到達峰值，隨著入站車輛減少以及部分車輛充電任務的完成，負荷曲線呈下降趨勢，直至次日03：00充電站內充電車輛基本清零.110 kV充電站由于設有直流快充樁，車輛入站后充電時間較短，所以負荷曲線更早(10：00左右)達到峰值.此外，各充電站設置充電樁數量不同，可容納充電車輛數量不同，其峰值負荷也有一定差距.

圖4 充電站典型日負荷曲線

各儲能電站典型日實時運行曲線如圖5所示.考慮電池壽命損耗，本研究對電池的充放電深度進行限制.由圖可見，儲能電站參與日常電力調度后，一日進行兩次充放電：在電價處于低谷時進行充電，在07:00前完成第一次充電；在電價處于高峰時段(08:00以后)進行第一次放電，以供邊緣數據中心與充電站用電；第二次充電發生在電價平時段(11：00—18：00)，在該時段充入的電量將在夜間的電價高峰時段(18：00—23:00)放出，以達到轉移高峰負荷，促進電動汽車充電負荷平滑入網，以及降低融合型變電站運行成本的作用.

圖5 儲能電站典型日實時運行曲線

各邊緣數據中心實時運行曲線如圖6所示.由圖6(a)可見，變電站建設的邊緣數據中心的用電功率隨變電站電壓等級的增大而增大.這是由于：1)高電壓等級的變電站周邊建設的數據中心規模更大，能夠承擔更多的信息負荷；2)為保證數據中心運行成本最低，在前端門戶進行數據任務的整合與調度時優先將信息負荷分配至電價更低的邊緣數據中心；3)110 kV變電站建設的數據中心由于規模較大，服務器數量較多，其基礎待機能耗是其一項較大的用電負荷.結合圖6(b)可知，在電價低谷時段(23：00—07：00)，盡可能將信息負荷轉移至電價更低的35 kV邊緣數據中心，而在平時段與高峰時段則大多轉移至110 kV邊緣數據中心.

圖6 各邊緣數據中心的實時運行曲線

4.3 融合型變電站綜合運行分析

融合型變電站典型日凈收益值曲線如圖7所示.充電站通過收取入站車輛充電費與服務費進行營利，而數據中心的營利方式則為機柜出租，實時收益由年租金均攤到每日得到.數據中心收益為融合型變電站主要收益來源.收益圖中各曲線00:00—07:00的低谷是由儲能電池分段充電造成的，此時處于低谷電價故而充電成本不高；07:00—08:00各收益曲線均出現降低現象，這是電價從谷時電價轉變為平時電價導致的，其中110 kV站收益下降尤為明顯，這是由于隨電價信號變化，110 kV站成為實時電價最低的融合型變電站，信息負荷遵循成本最低原則，大部分被轉移至110 kV數據中心；08:00后各站收益曲線開始劇烈波動，這主要是電價高峰時段電池分段放電以削減成本導致的，此外充電站運營收入也為融合型變電站成本削減帶來積極作用；電池放電帶來的收益波動持續至11:00，此時峰時電價結束；電價處于平時段，各儲能站開始充電，110 kV儲能電站從13:00左右開始分段充電，直至到達設定的電量上限，使收益曲線出現3個低谷，2個35 kV儲能電站分別在11:00與12:00左右開始分段充電，收益曲線呈現2個低谷，2個10 kV儲能站在13:00左右開始充電，曲線形成明顯尖峰；同理，18:00以后高峰電價時段的收益波動也由電池放電和充電站運營收入補償所致；23:00以后電價信號重回低谷，信息負荷向低成本的35 kV站與10 kV站轉移，使得110 kV站的收益大幅回升，其余各站收益則有所降低.

圖7 融合型變電站典型日凈收益值曲線

多站協同運行方式與傳統獨立運行方式的典型日凈收益值以及年凈支出的對比如圖8所示.傳統獨立運行方式是指充電站、數據中心站與儲能電站均獨立運行，儲能電站僅作為數據中心后備電源使用，不參與日常電力調度，各邊緣數據中心間不進行信息負荷的分配調度，僅處理各分管區域產生的信息負荷.由圖8(a)可見，在高峰電價時段，協同站的凈收益值有大幅提高，而電價較低的某些時刻協同站凈收益低于傳統站，這是儲能電站在電價低時充電、電價高時放電導致的；除儲能電站發揮作用而產生的大幅收益變化外，協同站凈收益在全時段均較傳統站有所提高，這則是在對各邊緣數據中心數據處理任務進行整合再分配時，盡可能將信息負荷轉移至電價低的數據中心所致；此外，由圖8(b)可見，協同站的年購電費用相比于傳統站有明顯降低，而年維護費用略微升高.通過計算，協同站的典型日凈收益值較傳統站提升了54.87%，年凈支出則降低了19.68%.可見，利用數據中心信息負荷的轉移調度與儲能電站充放電行為的策略控制，確實可以顯著提升協同站的經濟性.

圖8 典型日凈收益值(a)和年凈支出(b)的對比

4.4 信息負荷類型比例的敏感性分析

通過改變Ⅰ型與Ⅱ型信息負荷的比例研究其對融合型變電站凈收益值的影響.如圖9所示，隨著時延要求更高的Ⅰ型信息負荷占比的增加，數據中心日用電量降低，融合型變電站日凈收益值升高，基本呈線性變化.這是由于Ⅰ型信息負荷雖然具有更高的時延要求，但此類任務的處理計算量更小，所以服務器處理花費的時間更少，即具有更高的服務效率，工作服務器數量反而有所降低.由于僅考慮兩種任務類型，曲線呈簡單線性變化.

圖9 融合型變電站日凈收益值及數據中心典型日用電量隨Ⅰ型信息負荷占比的變化

5 結 論

本研究針對涵蓋數據中心、電動汽車充電站、儲能電站等多個功能站的融合型變電站一體化運營方式，將網絡信息負載到達作為泊松過程處理，采用蒙特卡洛方法對電動汽車充電站負荷進行模擬，以最小化年凈支出為目標函數，建立了多站協同優化運行模型.通過對模型進行求解與分析，得到以下結論：

1)電動汽車充電站負荷曲線存在明顯的峰值，且在時間上恰好與電網供電高峰時段相符，隨著電動汽車保有率的不斷增大，大量電動汽車入網充電將對電網運行帶來極大沖擊，開展多站協同運行優化有利于提高電力系統穩定性；

2)重新規劃數據中心后備電源規模，將其作為儲能電站納入日常運行調度范圍，在電價低谷與平時段充電儲能，電價高峰時段放電供能，可以轉移高峰負載，促進電動汽車平滑入網，實現協同站最優經濟運行；

3)在滿足時延約束的前提下，將數據處理任務進行整合再分配，盡可能將信息負荷轉移至電價較低且具有富余計算能力的邊緣數據中心，可以實現電力負荷的空間轉移，進而有效削減融合型變電站的運行成本；

4)對于延遲敏感型數據任務，隨著低時延數據任務比例增大，融合型變電站單日凈收益值也有所增大，且由于本模型僅考慮兩種數據任務類型，曲線呈線性變化.

本研究利用混合整數非線性規劃進行單目標優化進而得到融合型變電站最優運行方案.下一步研究將考慮更多數據負荷類型的信息負荷調度方法、涵蓋多種車型與充電模式的電動汽車充電站的融合型變電站運行規劃以及多目標運行優化.