數據中心綜合能源系統優化運行研究綜述

馬曉燕，穆云飛，李樹榮，姜欣陽，李華，陳長金

(1. 智能電網教育部重點實驗室(天津大學)，天津市300072；2. 國網河北省電力有限公司雄安新區供電公司，河北省雄安新區 071000；3. 國網河北省電力有限公司涉縣供電分公司，河北省邯鄲市 056400；4. 國網河北省電力有限公司電力培訓中心，石家莊市 050000)

0 引 言

社會經濟的快速發展和化石能源的大規模開發利用導致資源枯竭、環境污染等問題的日益嚴重[1-2]，同時傳統的能源系統優化和運行局限于電/氣/冷/熱等單一能源系統內部，且各種能源形式分開且相對獨立，這大大限制了能源的綜合協調利用，不利于用能能效的提升和節能減排等[3]。如何在確保人類社會能源可持續供應的同時盡量減少環境污染，實現對各類能源的高效利用、清潔轉換和互補融合已成為近年來研究的熱點。為此，習近平總書記提出了推動能源生產和消費革命、加強國際合作等重要論述，明確要求建設清潔低碳、能源安全、科技創新、擴大開放的現代能源體系。針對上述問題和背景，能源互聯網(energy internet，EI)和綜合能源系統(integrated energy system，IES)[4-6]的概念應運而生。

EI旨在將能源和互聯網深度融合，強調信息流和能量流之間的交互作用，注重多能源系統間的泛在互聯[7-8]。IES是EI的物理載體，特指在“規劃、建設和運行等過程中，通過對能源的產生、傳輸、分配、轉換、存儲、消費等環節進行有機協調與優化后，逐步形成以電力系統為核心，涵蓋供電/氣/冷/熱等能源產供銷一體化的復雜系統”[3,6]。IES集電力系統、天然氣系統和熱力系統等于一體，能夠滿足多種能量需求，通過多種能源間的科學調度實現對多種能源的綜合管理和經濟調度，是多能互補、能源梯級利用等理念實現應用的關鍵，同時它能夠提高能源的利用效率、促進可再生能源消納、緩解環境污染、實現重要用戶的不間斷供能等[9]。

近年來IES已經得到各國政府和工業界的支持，并已列入美國[10]、歐盟[11]、韓日[12]等發達國家和地區能源發展領域的重點研究方向。國際上的專家學者于2014年成立能源系統集成國際聯合研究會以解決IES的協調與優化問題；而中國近年來已從國家層面對IES進行積極探索和研究，2015年7月國務院印發《關于積極推進“互聯網+”行動的指導意見》，并提出“互聯網+”智慧能源行動的設想[13]。2016年7月，國家發展改革委聯合國家能源局發布《關于推進多能互補集成優化示范工程建設的實施意見》[14]，強調了創新管理體制和商業模式，以加快推進示范工程建設，提高能源系統效率，帶動有效投資，促進經濟穩定增長。2017年10月，國家電網有限公司下發《關于在各省公司開展綜合能源服務業務的意見》，同時國家電網有限公司與南方電網公司陸續提出要做強、做優、做大綜合能源服務業務，推動公司由電能供應商向綜合能源服務商轉變。

隨著互聯網技術的飛速發展，數據中心的規模和數量高速增加，截至2019年年底，我國數據中心機架總規模達到314.5萬架，其中大型及超大型數據中心占比達75%[15]。未來以數據中心為應用典型的信息能源耦合IES的物質流、能量流、信息流三流特性各異但高度耦合的特性[16-18]，為IES耦合建模與協同控制帶來新的困難與挑戰。同時數據中心的機房散熱密度高、空調設備不間斷運行、服務器等IT設備運行功耗和空調制冷功耗的時變特性[19]，導致機房內部局部過熱成為一個比較突出的問題，影響著整個IES的安全穩定運行及能源利用效率[20]。

目前，國內外專家學者對IES開展了詳細研究，包括IES的建模、運行、規劃設計、優化、評估等。其中IES的優化運行是通過協調控制和優化管理各類分布式可再生能源、分布式儲能、分布式冷/熱/電聯供系統與電網絡等的運行特性，以滿足用戶的用冷/熱/電等需求，確保以電網為骨干網的IES運行可靠性，以此有效解決系統的經濟、環保和穩定運行問題以及因電/氣/冷/熱等能源種類多樣和數量眾多造成的耦合管理等難題[21]，提高系統內部的供電可靠性和電能質量，減少能源在傳輸和分配過程中的損耗等。但已有研究大多針對某一特定的或假定的IES進行研究，鮮有對基于數據中心的IES運行優化進行系統性的梳理和總結，同時鮮有研究采用IES降低數據中心制冷耗電量的策略。在保證數據中心正常運行前提下，研究基于數據中心的IES優化運行，對于降低制冷設備能耗、提高能源利用效率具有重要意義。

為此，本文針對數據中心IES優化運行這一問題對現有研究進行綜述并給出相應思考。在國內外IES相關研究的基礎上，本文首先引入IES的典型研究框架以及基于數據中心的IES傳統研究框架；其次，總結分析多能源系統中的通用系統建模和含能源集線器的通用建模及擴展建模；然后，對IES及基于數據中心的IES優化運行國內外研究現狀進行分析總結，并提出一種多能源輸入-多能源耦合-多能源輸出的運行方式；最后，梳理當前研究的不足，并對未來基于數據中心的IES建模和運行優化等問題進行展望。

1 基于數據中心的IES研究框架

1.1 IES典型物理架構與設備

IES根據地理因素與電/氣/冷/熱等各類能源的生產、傳輸、存儲和消費環節特性，分為跨區級、區域級和用戶級IES[22]。根據已有研究中各類IES的物理架構[23-24]，現以區域級IES為例總結出圖1所示的IES典型物理架構和設備示意。圖中將電力、天然氣、供冷、供熱等多種能源環節相互耦合，通過系統間的有機協調和運行調度，以此實現多種能源的高效利用，提高系統的運行穩定性。

圖1 IES典型物理架構與設備示意Fig.1 Typical physical architecture and equipment diagram of IES

如圖1所示，根據電/氣/冷/熱系統間是否存在能流間的相互轉化將IES中的設備分為：獨立型運行設備(可再生能源和儲能設備等)和耦合型運行設備。其中電-氣耦合元件為電轉氣(power to gas，P2G)技術，電-熱耦合元件為電鍋爐、熱泵等，電-冷耦合元件為戶用空調、電制冷機、冰蓄冷空調等，電-氣-熱-冷耦合元件為冷/熱/電三聯供機組(主要由微型燃氣輪機、余熱鍋爐和吸收式制冷機組成)。通過各類轉換元件的相互耦合，各類能源之間可實現能量的相互轉換和協調運行。

圖2 數據中心用電量分布圖Fig.2 Power consumption distribution of data center

1.2 基于數據中心的IES研究框架

數據中心內部含有大量的計算機及電子設備進行不間斷的運行，由此產生大量熱量。根據美國采暖制冷與空調工程師學會技術委員會9.9統計報告，數據中心用電量分布大致如圖2所示[25]，其中空調制冷耗電約占數據中心總耗電量的31%。隨著設備的增多，IT設備集成度不斷提高，機房內部局部過熱問題嚴重，為保證數據中心的正常運行，需及時排熱。數據中心供電系統如圖3所示，傳統電制冷數據中心

圖3 傳統電制冷數據中心結構Fig.3 Structure of data center with traditional electric refrigeration

結構采用可再生能源(風力發電、光伏發電)、儲能設備及市電滿足數據中心的電負荷需求，采用電制冷設備(如空調制冷)滿足數據中心的冷負荷需求。

2 IES的穩態建模及組件分析

IES中獨立型設備單元生產、傳輸、存儲電能、熱能或天然氣，相關設備主要包括光伏電池[26]、風力發電機[27]、儲能電池[28]、熱力管網、天然氣管網等，目前對獨立型設備單元的建模研究較為成熟。隨著多能源供能設備的不斷組合，其耦合建模難度增加，連接關系更加復雜。為解決上述問題，有學者提出了能源集線器的概念，以研究IES的通用建模。本節將主要進行IES耦合型設備元件建模和能源樞紐擴展建模。

2.1 IES耦合型設備元件建模

2.1.1 電轉氣技術模型

P2G技術以一種環境友好的方式通過電-氣網絡的深度耦合將電能轉換為化學能，并以H2或天然氣的方式存儲。目前各國的研究機構、學者對P2G建模、控制和應用等方面做了很多研究[29-31]。其中文獻[31]對電轉氣進行了精細化建模，模型結構如圖4所示，主要包括以下2個過程：

圖4 電轉氣精細化模型結構示意圖Fig.4 Structure diagram of refined model of P2G

1)電轉氫氣。

通過電解水產生H2和O2，生成的H2經壓縮機加壓進入儲氫罐儲存，再經壓縮機加壓后用于燃料電池、工業設計或者交通運輸等領域。

2)電轉天然氣。

在電轉氫氣基礎上，高溫高壓下經薩巴蒂催化反應將H2和CO2在甲烷反應器合成CH4和水，生成的CH4可直接注入天然氣管道供給天然氣負荷或參與到燃氣輪機的運行中。此處CO2可由碳捕捉技術從大氣、電廠尾氣或沼氣中獲取，同時產生的天然氣由電能轉換而來，因而可削弱可再生能源間歇性的影響[32]。

P2G技術主要包含電解槽、儲氫罐和甲烷反應器三部分，相應的通用模型可分別表示為[32-33]：

EEL,H2,t=uEL,e,tf(PEL,e,t/PEL,rated)πEL,rated

(1)

EHT,t=EHT,t-1+EHT,in,t-EHT,out,t

(2)

PM,g,t=ηmEM,H2,t×4HL×1/κ

(3)

式中：EEL,H2,t、PEL,e,t、PEL,rated分別為t時段電解槽產氫量、輸入電功率和其電功率額定值；πel,rated為電解槽的額定容量；f(PEL,e,t/PEL,rated)為電解槽效率函數；uEL,e,t為t時段電解槽啟動狀態二進制變量，uEL,e,t為0或1分別表示電解槽的停機和啟動狀態；EHT,t、EHT,in,t、EHT,out,t分別為t時段的有效儲氫罐儲氫量、注入儲氫罐的有效氫量和儲氫罐的輸出氫量；PM,g,t、EM,H2,t分別為t時段甲烷反應器生成的天然氣功率和輸入甲烷反應器的有效氫量；ηm、HL分別為甲烷反應器的運行效率和天然氣低熱值；κ為天然氣管道每立方米對應的氣體質量；4為H2生成天然氣的摩爾質量折算系數。

2.1.2 氫燃料電池出力模型

氫燃料電池(fuel cell，FC)是將燃料的化學能轉變成電能的分布式電源，它也是氣-電耦合設備的典型代表。FC結構簡單、壽命長、燃燒成本低、燃料利用率高、工作時無噪音、對環境影響小，其中經由P2G技術產生的H2可供給FC進行發電[34]。氫燃料電池的輸出功率可表示為：

PFC,t=PH2,FC,tηH2ηFC

(4)

式中：PFC,t、PH2,FC,t分別為t時刻FC輸出的有功功率和消耗的H2功率；ηH2和ηFC分別為FC的H2利用率和發電效率。

2.1.3 電制冷機出力模型

電制冷機(電-冷耦合設備)通過消耗電能來進行制冷[35]，其制冷功率表達式為：

Qele,t=Pele,tηele

(5)

式中：Qele,t為電制冷機的制冷功率；Pele,t為電制冷機消耗的電功率；ηele為電制冷機的能效比。

2.1.4 冰蓄冷空調出力模型

冰蓄冷空調主要包括制冷機和蓄冰槽兩部分，有制冷和蓄冰2種運行方式[36]。冰蓄冷裝置可以利用夜間低谷電價進行制冰存儲在蓄冰槽中，利用白天用電高峰時進行的融冰制冷量滿足負荷側供冷需求。冰蓄冷結構按照制冷機和蓄冰設備的連接情況分為并聯式和串聯式結構，其中并聯式冰蓄冷結構可聯合供冷也可單獨供冷，制冷機可同時制冰和供冷；串聯式冰蓄冷結構中制冷機和蓄冰槽的冷量分布則存在一定的比例關系。以并聯式冰蓄冷結構為例，其典型的數學模型如下所示[37-38]：

1)制冷機。

Qref,i,t=Pref,i,tEref,t

(6)

式中：Qref,i,t、Pref,i,t和Eref,t分別為t時段第i個制冷機的制冷功率、電功率和制冷機的制冷能效比。

2)蓄冰槽。

(7)

式中：Stank,i,t為第i個蓄冰槽t時段的蓄冰容量；σtank為蓄冰槽的自損耗系數；Ptank,i,t和Qtank,i,t分別為t時段第i個蓄冰槽的電功率和制冷功率；Etank和ηtank分別為蓄冰槽的制冰能效比和融冰效率；Tref、Tmelt分別為冰蓄冷裝置運行在蓄冰和融冰時段。

3)其他。

Qref,i,t+Qtank,i,t=Qice,i,t

(8)

Pref,i,t+Ptank,i,t=Pice,i,t

(9)

(10)

式中：Qice,i,t、Pice,i,t分別為t時段第i個冰蓄冷裝置的總制冷功率和電功率。在實際運行中，制冷機和蓄冰槽的供冷量與通過制冷機和蓄冰槽乙二醇溶液的流量有關。

2.1.5 冷熱電三聯供系統模型

在IES中，電/氣/冷/熱耦合環節通常是通過冷熱電三聯供系統(combined cooling, heating and power, CCHP)實現的。CCHP主要以微型燃氣輪機(micro turbine, MT) (氣-電耦合設備)進行發電，余熱鍋爐(氣-熱耦合設備)產生的余熱分別經換熱器和吸收式制冷機(熱-冷耦合設備)來供熱和制冷。經由P2G技術產生的CH4可供給CCHP系統進行發電、制熱和制冷。CCHP的物理模型[24,39]為：

1)MT出力模型。

MT是將燃料的化學能轉化為電能的小型分布式能源系統，通常以天然氣為燃料，具有體積小、污染少、可靠性高等性能。其輸出功率可表示為：

PMT,t=Pgas,MT,tηgasηMT

(11)

式中：PMT,t、Pgas,MT,t分別為t時刻MT輸出的有功功率和消耗的天然氣功率；ηgas和ηMT分別為MT的天然氣利用率和發電效率。

2)余熱鍋爐出力模型。

余熱鍋爐輸出的總熱功率表達式為：

(12)

余熱鍋爐供給熱負荷的制熱功率為：

Qheat,t=QHE,tηHEηhe

(13)

3)吸收式制冷機出力模型。

吸收式制冷機通過利用工業生產過程中MT的余熱補足冷負荷需求，所產生的制冷功率為：

Qcold,t=QHE,tηHEηAC

(14)

式中：Qcold,t、ηAC分別為t時刻吸收式制冷機制冷功率輸出和制冷能效比。

2.2 能源集線器及其在IES優化運行中的擴展建模

2.2.1 能源集線器

隨著電鍋爐、微型燃氣輪機等供能元件的增加和負荷形式的變化，如何分析IES中的能量轉化、分配和存儲性質是建模中遇到的主要問題。為此，2007年瑞士蘇黎世聯邦理工學院Martin Geidl等人發起了名為“未來能源愿景”的項目，提出了能源集線器的概念，即一種描述多能源載體中能源、網絡、負荷間轉換、調節和存儲電、熱、冷等多種形式能量的單元[40]。

圖5為一個含EH的IES端口模型示意圖。無論系統多復雜，都可以表示成多種能源輸入-多種能源輸出的形式，而EH則用來分析能源轉化、傳輸和分配過程，即EH代表不同能源基礎設施與負荷之間的接口，其可通過一個能源耦合矩陣C來描述IES中的供能單元和終端需求的輸入輸出特性，以此實現對多種能源系統的協調互補，并使得IES的規劃、優化等可直接進行分析求解。EH數學表達式和簡化表達式分別為：

圖5 IES輸入-輸出端口示意圖Fig.5 Schematic of Input-output port for IES

(15)

Lout=CPin

(16)

式中：α,β, …,ω代表不同能源形式(電力、天然氣、熱能、可再生能源等)；Pin和Lout分別代表不同能源的輸入和輸出矩陣；Cαβ為第β種能源輸出與第α種能源的輸入比值。

2.2.2 能源集線器的擴展模型

IES系統中輸入側能源種類多樣，耦合關系復雜，目前已有通過對輸入側加入儲能裝置以對EH模型進行擴展的方法[22]，同時文獻[41]對含多種元素的EH建模進行了詳細的推廣，包括充分考慮儲能、需求響應、電動汽車、新能源并網等元素?；诖?，本文將在基于數據中心的IES優化中考慮加入儲能，同時將耦合矩陣分解為能源分配和能源傳輸/轉化兩個步驟。

能源分配表示輸入側的多種能源以一定比例分配到能源傳輸/轉化設備；能源傳輸/轉化指通過不同的途徑將輸入該設備的能源以一定的轉化效率進行轉化，最后傳輸給負荷側。相應的表達式為：

(17)

(18)

L′out=ηυPin

(19)

式中：vαβ(0≤vαβ≤1)為輸入側能源α分配到轉化第β種能源的比例；ηαβ為能源α轉化為能源β的效率；v、η分別為分配矩陣和效率矩陣。

當在IES中加入電儲能和熱儲能后，輸入側為多種供能設備P和風、光等獨立型運行單元PR；輸出端包括數據中心電負荷Le和冷負荷Lc；電儲能和熱儲能能量分別用EEB、EHB表示；儲能耦合矩陣分別用SEB、SHB表示。通過耦合矩陣建立的EH擴展模型可表示為：

(20)

綜上，EH的通用模型及其擴展模型通過靜態轉換將多種能源需求和多種能源供給連接，并且可通過優化方法得出滿足負荷需求條件下的能源供給方式，因而適用于基于數據中心的IES優化運行。

3 數據中心IES優化運行國內外研究現狀

3.1 IES優化運行國內外研究現狀

IES優化運行問題通?？沙橄鬄槿缦卤磉_式：

(21)

式中：Ht、Htrans,t分別為t時刻系統中各能源單元的直接供熱功率和轉換熱功率；Pt+PR,t=Le,t、Ht+Htrans,t=Lc,t分別為電力和熱力負荷的等式約束條件；g(Pt,Ht,Htrans,t)≤0為系統的不等式約束條件，通常優化運行中目標函數為經濟成本最低、穩定性最高或數據中心制冷降耗最大等。

為實現不同能源間的優勢互補、可再生能源消納、節能減排以及實現IES的經濟運行等，針對IES優化調度的相關研究意義重大。按照系統研究對象來分，IES可分為：電-氣IES、電-熱IES和電-氣-熱IES。按照最優化研究方法來說，目前研究熱點包括：單純的最優化方法研究、考慮新能源及負荷隨機性的概率最優能流和隨機最優能流研究。

3.1.1 電-氣IES優化運行研究現狀

天然氣作為一種重要的化石能源，在電力系統中的占比不斷增加。天然氣資源豐富、易于儲存、清潔高效[42]，相較于風、光等可再生能源的間歇性和波動性，天然氣可同時為天然氣網和電力網持續供能。天然氣網絡與電力網絡有相似的能量流動形式，且與電力網絡聯系最為緊密，目前對電-氣互聯IES的研究集中在協調運行層面。

文獻[43]研究了電-氣互聯IES經濟調度和優化運行問題。天然氣網絡的隨機性以及運行約束易導致系統優化結果過于樂觀，同時新能源的大規模接入會增加電力系統的不確定性，進而電-氣互聯系統間的相關性也會對優化調度方案產生影響，因此考慮隨機因素影響的概率最優潮流受到極大重視[44]。文獻[45]計及負荷和風電的不確定性，考慮電力網與天然氣網的運行約束以及輸入變量間的相關性，采用基于Nataf變換的點估計法進行了電-氣互聯系統的概率最優潮流計算。文獻[46]則考慮風電場出力及電力、天然氣負荷的隨機性，通過建立基于機會約束規劃的電-氣互聯IES最優潮流模型，并采用基于半不變量法和內點法的啟發式算法進行求解，最終表明該模型有助于提高電-氣互聯IES運行的安全性。但上述研究未考慮風電等可再生能源并網對電-氣IES的影響。

針對可再生能源并網問題，目前采用P2G技術將低谷時段難以消納的風電轉化為易于大規模存儲的天然氣，以此實現電力-天然氣網絡的深度耦合，從而改善系統運行靈活性和存在的棄風消納問題[47]。目前文獻[31]已對P2G技術進行了精細化建模，但天然氣較高的運行成本嚴重影響了系統運行的經濟性。針對上述問題，文獻[48-51]分別研究了電轉氣對電-氣互聯IES運行的影響、如何提升風電調度的能力、如何解決系統凈負荷削峰填谷的問題以及如何兼顧系統運行經濟性和風電消納能力的問題，以此提高風電利用率、降低系統運行成本等，但上述研究均未涉及需求側響應。

需求響應可引導用戶理性用能，合理轉移高峰用電以此平移負荷峰谷，從而有效提升電力系統運行效率。目前對電-氣IES中引入需求響應正處于初步探索階段，文獻[52]提出了一種考慮需求側負荷響應及動態天然氣潮流的電-氣IES優化調度新模型，并通過仿真驗證了需求響應所帶來的經濟性。

同時考慮負荷和風電的不確定性、風電消納以及需求響應的電-氣綜合能源系統目前鮮有研究，這是目前亟待解決的問題。

3.1.2 電-熱IES優化運行研究現狀

除電-氣互聯外，電-熱互聯IES中電能和熱能是人類生產生活的基本需求，也是該系統的主要能源形式[53]，熱系統的傳輸較慢、慣性較大，其延時效應可等效為系統的儲能，特別是當傳輸規模較大時可為系統提供較大的儲能容量，從而提升系統運行的靈活性[32]?，F有文獻已建立了有關熱網的通用模型[54]。

在電-熱IES中，傳統電熱聯合調度中“以熱定電”的運行模式限制了系統的調節能力，導致棄風現象高發，除利用電-熱系統的互補特性提升系統消納可再生能源的能力外，常采用配置儲熱或電鍋爐的方式解耦“以熱定電”的運行方式[55-58]。文獻[55]對包含大容量儲熱的電-熱聯合系統的國內外研究現狀、應用前景和提高消納能力等關鍵技術方面做了綜述，但缺乏對具體實施方式和應用效果的分析。文獻[56]構建了包含儲熱的熱電聯產機組和電供熱系統的調度模型，將儲熱納入包含風電的電力系統有功調度模型，進而以最大化風電消納為目標，通過算例仿真分析和驗證了儲熱提升風電消納能力的有效性。文獻[57]提出了在熱電廠中配置大型電鍋爐來解耦熱電廠“以熱定電”約束以參與風電調峰的運行方案，并對方案的國民經濟性和潛在效益進行了分析。文獻[58]則將電鍋爐和熱儲相結合進行了風電消納能力的分析。

文獻[59-60]分別考慮熱力系統中供熱管道傳輸時間延遲等熱動態特性以及用戶供熱需求的柔性、供熱管道動態特性約束和儲熱裝置的模型，建立了包含儲熱的源-網-荷-儲協調優化調度模型和熱電聯合調度模型，并分別驗證了相應模型提高可再生能源消納能力的水平。除此之外，現有文獻[61]采用能量流法來統一電力和熱力系統，提出基于能量流的電熱IES棄風消納優化調度模型，并在考慮換熱約束的前提下，協調優化電-熱IES以實現棄風的大規模消納。文獻[62-63]則從需求側角度出發，分別考慮了用戶舒適性和多種負荷需求響應，建立了電-熱分時間尺度平衡的IES運行優化模型和考慮電熱多種復合綜合需求響應的園區微網IES以提高系統的運行經濟性。不僅如此，文獻[64]在考慮IES經濟性的同時還考慮了傳統發電機碳排放對環境的影響問題。

目前綜合考慮系統經濟運行、環境效益和可再生能源消納的電-熱IES優化調度問題少有研究，這將是未來值得深入研究的問題。

3.1.3 電-氣-熱IES優化運行研究現狀

IES中各類能源轉換設備如電鍋爐、熱泵、冷熱電聯產裝置、天然氣等使得電力網-天然氣網-熱力網相互耦合，以此實現多能源的互動和轉換。

目前對于電-氣-熱IES建模問題集中在靜態建模研究。文獻[65]提出了集成電-氣-熱網的能源互聯網模型。文獻[66]形成了電-氣-熱系統的綜合能量流模型。文獻[67]通過不同能源網絡間的耦合機制建立了電-氣-熱綜合能源耦合系統模型，同時考慮階梯碳交易機制建立了經濟成本最低的區域IES經濟調度模型，并提出了包含能源集線器、熱網和天然氣網絡的優化調度策略，最后采用果蠅優化算法對天津某IES“以電定熱”模式、“以熱定電”模式和“綜合最優”3種模式下的電力、熱力和天然氣網絡進行算例分析，說明了在“綜合最優”模式下的總運行成本更小，碳排放更低，同時也驗證了果蠅優化算法的有效性。目前對于同時計及熱網與氣網動態特性的電-氣-熱互聯系統運行優化的研究尚不多見，大部分側重于兩種能流的耦合。如文獻[68]提出了一種電-氣-熱互聯系統日前優化調度模型，并將模型轉化為線性問題繼而利用GAMS軟件進行求解，最后通過算例仿真分析證明了計及網絡動態特性在IES中的可行性與必要性。

針對風電接入背景下的不確定因素及其相關性，文獻[69]建立了電-氣-熱IES概率最優能量流模型，并采用基于Nataf變換的三點估計法求解模型，以此驗證了模型的可行性與有效性。文獻[70]則針對風電不確定性提出了一種IES擴展規劃方法，并建立以投資、運行、電能不足與棄風成本之和最小為目標的混合整數線性規劃模型，進而采用基于場景法的兩階段規劃求解策略對模型進行求解分析，再利用GAMS對所建電-氣-熱IES進行優化求解，所得最優擴展規劃結果驗證了所提方法的正確性。

綜合考慮風電不確定性、不同能源網絡的動態特性以及經濟、環境等效益的電-氣-熱IES優化目前鮮有研究，這將是未來值得研究的方向。

3.2 數據中心IES優化運行國內外研究現狀

目前一般采用水冷、風冷、液冷、蒸發冷卻與機械制冷聯合或冰蓄冷空調制冷等制冷方式來降低數據中心內部過熱問題，但傳統的電制冷或空調制冷等方式嚴重依賴電網，導致制冷能耗增加，系統運行效率低下，同時當發生大面積斷電事故時，將嚴重威脅數據中心的安全和可靠運行[71]。

目前鮮有對數據中心IES優化運行的研究，但已有采用獨立的單分布式能源運用于數據中心，解決數據中心冷負荷和電負荷需求量大的問題。如文獻[72]從能源、經濟和環境3個方面評估了冷熱電聯供的性能，表明數據中心可充分發揮冷熱電聯供的優勢。文獻[73]采用分布式能源如冷熱電聯供系統為數據中心制冷，根據冷熱電聯供系統中余熱回收制冷的方式擺脫對電網的依賴性并提高可靠性，同時分布式能源將綜合能源進行梯級利用，減少了輸電線路的能源損耗。文獻[74]采用冰蓄冷空調為數據中心供冷，緩解了電網負荷負擔。文獻[75]采用基于FC的冷熱電聯供機組以定功率方式為數據中心供能，以此降低系統運行成本和碳排放，但該數據中心采用的是定負荷運行，與工程應用有一定差距。因目前大多是采用單種類型的分布式電源應用于數據中心或者是定負荷數據中心的運行，這就導致系統運行效率低下，制冷耗電量增加，運行靈活性差、偏差大。

若采用多能源系統作為輸入側，以協調各類分布式可再生能源、分布式冷/熱/電聯供系統與電網絡的運行特性，滿足數據中心用冷/熱/電的需求，降低系統制冷耗電量和運行成本，理論上可有效解決數據中心內部的局部過熱問題。

如圖6所示，本文提出采用多能源輸入-多能源耦合-多能源輸出的運行方式來滿足數據中心的冷、電負荷需求，其中電負荷需求由風力發電、光伏發電、微型燃氣輪機、燃料電池、儲能設備及外界電網來滿足，冷負荷需求由戶用空調、電制冷機、冰蓄冷裝置及熱電聯產機構中的余熱吸收式制冷設備來滿足。其中電解槽電解反應產生的H2一部分供給燃料電池，燃料電池可進行發電，發電電量可繼續參與電解槽的電解；另一部分H2經過甲烷反應器與CO2反應生成天然氣供微型燃氣輪機使用，微型燃氣輪機再進行發電和制冷制熱，發電電量可繼續參與電解槽電解，從而形成“兩回環”結構。采用上述研究框架原則上可提高電源利用率，因此對于數據中心IES調度優化運行的研究顯得尤為重要，這將是未來需要進一步研究的問題。

4 面向數據中心IES優化運行的研究展望

4.1 數據中心的能源供給側不確定性及冷、電負荷預測研究

IES是由冷、熱、電、氣等多種能流相互耦合的復雜多變系統，能源供給側的可再生能源(如風、光等)出力受天氣、區域位置等外界條件的影響有很大的間歇性和不確定性；數據中心中的冷、電負荷性質受到機房布局結構、建筑設計性質、機房溫度、濕度、照明、建筑材料、通風條件、機器設備臺數、用戶行為等因素的影響，造成數據中心負荷建模及求解的困難。因此，可再生能源出力和負荷需求的預測精度差。不僅如此，數據中心負荷與供給側能源的出力具有一定相關性，因此未來在研究數據中心IES優化運行過程中，有必要同時研究可再生能源出力和負荷需求的不確定性以及數據中心的負荷動態變化特性，以提高數據預測精度。

目前對于風電等可再生能源出力的不確定性問題研究通常采用概率潮流和概率最優潮流方法及其改進方法；同時通常采用的負荷預測建模方法為宏觀類預測方法(如統計學方法)或微觀類預測方法(如物理-統計混合模型)[76-77]，但此類方法因影響因素眾多而導致機理復雜，無法準確建立負荷模型，因此有必要研究新興的深度學習、機器學習等人工智能方法對數據中心進行負荷預測，以在不需要人為干預的情況下，依據歷史數據進行自我學習，從而進行有效的負荷預測。

圖6 多能源輸入-多能源耦合-多能源輸出的數據中心IES結構Fig.6 Structure of data center IES with multiple energy input, coupling and output

4.2 IES優化運行中多能源動態模型的構建研究

目前對于IES的建模大多針對特定元件進行穩態研究，而對包含電、氣、冷、熱等元素的時間尺度等問題考慮較少，雖然部分學者已開始對系統進行動態建模，但大都是對有關CCHP的系統進行研究，而對于冰蓄冷裝置、熱泵等一些多時間尺度的耦合型設備動態特性和優化特性等缺乏深入研究，同時現有的物理模型無法考察含電、氣、冷、熱的多能源系統的動態特性和多時間尺度特性，導致在進行有關IES的規劃運行等方面遇到眾多難題。因此為提高研究精度，有必要構建有關熱泵、冰蓄冷裝置等耦合設備的動態模型，并開發相應的仿真工具以推進有關IES研究的發展。

4.3 采用人工智能方法的數據中心IES優化調度策略研究

目前存在的IES優化運行策略因受可再生能源波動、通信延時等擾動問題的影響難以實現實時的自動調度運行，因此需要研究如何根據IES中的多能源輸入側數據、多能源耦合模型、數據中心冷電負荷輸出側數據，并利用人工智能方法自動生成優化運行方案，進一步提取相應知識和規則，形成IES優化策略庫，以此實現IES在不同時段的實時自動調度策略，這將是未來的重要研究方向。

4.4 數據中心IES優化運行效益評價方法研究

在運用多能源系統調配控制策略解決數據中心的制冷耗電問題時，如何評價系統的經濟、環境、社會、投資、能耗效率等效益顯得極其重要，但目前對于IES的研究還未建立起適用于系統的綜合效益評估理論體系，同時一些效益評價方法如：神經網絡算法、概率分析法、蒙特卡洛模擬法等僅限于理論方面的研究，適用于實際落地工程的評價指標和方法均未完全成熟地建立。因此進行適合中國IES發展的效益評價及其研究方法的探索將是值得研究的方向。

5 結 語

在能源危機和環境污染問題日益突出以及我國數據中心規模日益增大、制冷耗電問題日益嚴重的背景下，數據中心綜合能源系統優化運行的研究對于發展經濟、保護環境、提高能源利用效率、降低數據中心的制冷耗電等意義重大。本文首先介紹了綜合能源系統以及基于數據中心的綜合能源系統典型物理框架；進而，根據給定的物理框架，分析了系統中耦合型運行設備的物理建模以及含能源集線器的通用建模和擴展建模；然后，對國內外綜合能源系統及基于數據中心的綜合能源系統優化運行進行了綜述、總結和探討，提出了多能源輸入-多能源耦合-多能源輸出的數據中心運行方式；最后，本文對數據中心綜合能源系統優化運行研究的重點和難點進行了分析，展望了該方向的幾個潛在可研究內容，以期為未來相關的項目落地、仿真研發等研究提供參考。