張玉瑩 曾 博 周吟雨 徐 豪 劉文霞

碳減排驅(qū)動(dòng)下的數(shù)據(jù)中心與配電網(wǎng)交互式集成規(guī)劃研究

張玉瑩1, 2曾 博1周吟雨1徐 豪1劉文霞1

（1. 華北電力大學(xué)電氣與電子工程學(xué)院 北京 102206 2. 國家能源集團(tuán)新能源技術(shù)研究院有限公司 北京 102209）

伴隨數(shù)字經(jīng)濟(jì)下互聯(lián)網(wǎng)數(shù)據(jù)中心（DC）數(shù)量的迅速增長，科學(xué)規(guī)劃DC并網(wǎng)和利用其需求響應(yīng)能力對(duì)于服務(wù)未來電力系統(tǒng)安全經(jīng)濟(jì)、低碳高效運(yùn)行至關(guān)重要。為此，該文以“雙碳”目標(biāo)下DC與配電網(wǎng)高效融合為出發(fā)點(diǎn)，提出一種面向二者協(xié)同推動(dòng)碳減排的交互式集成規(guī)劃框架。首先，通過深入分析不同類型數(shù)據(jù)負(fù)載特性，并綜合考慮設(shè)備參數(shù)、環(huán)境溫度等對(duì)DC運(yùn)行域的制約，建立計(jì)及熱耗散約束的DC需求響應(yīng)模型。其次，針對(duì)數(shù)據(jù)/電力負(fù)荷需求、可再生能源出力等不確定性對(duì)系統(tǒng)規(guī)劃目標(biāo)實(shí)現(xiàn)的影響，引入條件風(fēng)險(xiǎn)價(jià)值（CVaR）理論定義了含DC配電網(wǎng)碳減排損失風(fēng)險(xiǎn)的概念。然后，基于二階段隨機(jī)優(yōu)化方法，以系統(tǒng)投資運(yùn)行成本、碳排放稅費(fèi)及總CVaR損失（即碳減排與經(jīng)濟(jì)風(fēng)險(xiǎn)）之和最小化為目標(biāo)，構(gòu)建了面向碳減排的DC與配電網(wǎng)交互式集成規(guī)劃模型。最后，以修改的 IEEE 33 節(jié)點(diǎn)系統(tǒng)為例進(jìn)行仿真分析，相關(guān)結(jié)果驗(yàn)證了該文所提方法的有效性。

數(shù)據(jù)中心 有源配電網(wǎng) 集成規(guī)劃 靈活性 熱環(huán)境特性 碳中和

0 引言

近年來，隨著“數(shù)字經(jīng)濟(jì)”和“新基建”戰(zhàn)略的加速推進(jìn)，作為信息負(fù)載分析處理的關(guān)鍵基礎(chǔ)設(shè)施，數(shù)據(jù)中心（Data Center, DC）的發(fā)展速度和規(guī)模呈現(xiàn)爆發(fā)性增長態(tài)勢[1]，DC用電成為電力系統(tǒng)中重要的新增負(fù)荷。相比于傳統(tǒng)電力用戶，DC的用電功率大（通常數(shù)百kW到數(shù)百M(fèi)W），且往往需要全年不間斷運(yùn)行以滿足終端用戶需求。因此，若基于我國當(dāng)前電網(wǎng)結(jié)構(gòu)（化石能源發(fā)電占約70%）對(duì)DC負(fù)荷供電，不僅會(huì)影響電力系統(tǒng)運(yùn)行的安全性和經(jīng)濟(jì)性，還會(huì)加大碳排放量，從而不利于“雙碳”目標(biāo)的實(shí)現(xiàn)[2]。

為應(yīng)對(duì)上述問題，主要存在兩種解決方案：一是從設(shè)備層面切入，大力發(fā)展IT節(jié)能技術(shù)[3-4]，通過突破制約DC設(shè)備能效的關(guān)鍵瓶頸來降低其總體能耗，從而提升DC運(yùn)行低碳性和并網(wǎng)友好性；二是從系統(tǒng)層面入手，統(tǒng)籌優(yōu)化DC與配電網(wǎng)的集成方式[5]，通過使源、網(wǎng)、荷各環(huán)節(jié)具備互動(dòng)響應(yīng)能力，以推動(dòng)系統(tǒng)整體低碳經(jīng)濟(jì)運(yùn)行。對(duì)于DC，借助數(shù)據(jù)任務(wù)在信息域的可延時(shí)/可遷移性參與電網(wǎng)側(cè)需求響應(yīng)（Demand Response, DR），可降低自身運(yùn)行成本，甚至獲得額外經(jīng)濟(jì)收益；對(duì)于電網(wǎng)，利用DC負(fù)荷的靈活性可降低其并網(wǎng)造成的不良影響，并協(xié)助解決當(dāng)前電力系統(tǒng)面臨的一些突出難題，如局部供電容量緊張[6]、韌性提升[7]等。

鑒于DC與電網(wǎng)互動(dòng)帶來的可觀效益，目前國內(nèi)外學(xué)者已從不同角度對(duì)此開展研究。例如，文獻(xiàn)[8]基于數(shù)據(jù)負(fù)載時(shí)空調(diào)節(jié)潛力提出了一種DC靈活調(diào)度策略，有效提升了配電系統(tǒng)能效和供電質(zhì)量；文獻(xiàn)[9]通過網(wǎng)絡(luò)負(fù)載在多DC之間的優(yōu)化分配，實(shí)現(xiàn)了系統(tǒng)網(wǎng)損降低；此外，針對(duì)電力系統(tǒng)低碳發(fā)展問題，文獻(xiàn)[10-11]還提出了含DC風(fēng)光電力系統(tǒng)聯(lián)合調(diào)度模型，通過深入挖掘DC靈活用能特性，在降低運(yùn)行成本的同時(shí)能夠有效促進(jìn)可再生能源消納利用。

上述研究大多是從短期運(yùn)行角度審視DC與電網(wǎng)的集成交互。然而，在實(shí)際工程中，由于不同的DC并網(wǎng)及容量配置方案的效益存在顯著差異，因此要獲得最優(yōu)集成效果，需要在規(guī)劃階段就充分考慮二者的協(xié)調(diào)性問題。

為此，文獻(xiàn)[12]研究并提出了一種關(guān)于DC與微電網(wǎng)的聯(lián)合優(yōu)化規(guī)劃模型，通過對(duì)DC并網(wǎng)位置容量及電網(wǎng)拓?fù)溥M(jìn)行綜合優(yōu)化，有效地提升了系統(tǒng)總體運(yùn)行效益；文獻(xiàn)[13]提出了基于二階段優(yōu)化的DC與發(fā)輸電網(wǎng)絡(luò)協(xié)調(diào)集成模型，可顯著降低電力系統(tǒng)的投資運(yùn)行成本；考慮到儲(chǔ)能設(shè)備的靈活性價(jià)值，文獻(xiàn)[14]還提出了一種考慮DC和儲(chǔ)能的綜合規(guī)劃方法，有效地提升了含DC配電系統(tǒng)運(yùn)行的可靠性和經(jīng)濟(jì)性；針對(duì)DC與電網(wǎng)的信息物理耦合特性，文獻(xiàn)[15]構(gòu)建了綜合考慮經(jīng)濟(jì)性和服務(wù)質(zhì)量的電力-數(shù)據(jù)網(wǎng)絡(luò)協(xié)調(diào)規(guī)劃模型；此外，文獻(xiàn)[16]還基于電力系統(tǒng)能量-信息-業(yè)務(wù)屬性，提出了一種面向變電站分布式云架構(gòu)的DC選址優(yōu)化方法，以促進(jìn)“泛在電力物聯(lián)”實(shí)現(xiàn)。

雖然上述成果為研究DC與電網(wǎng)協(xié)調(diào)集成問題奠定了重要基礎(chǔ)，但從整體來看，現(xiàn)階段工作仍存在以下三方面不足，亟待進(jìn)一步探索解決：①現(xiàn)有研究大多是從減輕DC并網(wǎng)不良影響的角度來探討二者集成規(guī)劃，而對(duì)于DC通過參與互動(dòng)響應(yīng)主動(dòng)支撐電網(wǎng)趨優(yōu)運(yùn)行及低碳實(shí)現(xiàn)的價(jià)值挖掘尚不充分，故其本質(zhì)仍屬于傳統(tǒng)意義上“面向經(jīng)濟(jì)性的自律式規(guī)劃”的范疇。②在DC建模方面，當(dāng)前研究大多僅關(guān)注了服務(wù)器等IT設(shè)備的功耗特性，而鮮有考慮熱環(huán)境溫度等DC特有約束對(duì)其運(yùn)行可調(diào)控潛力的影響。然而，事實(shí)上，根據(jù)相關(guān)統(tǒng)計(jì)[5]，空調(diào)等制冷設(shè)備用電約占DC總功耗的30%～40%。外界環(huán)境溫度變化會(huì)導(dǎo)致DC用電及其響應(yīng)特性出現(xiàn)較大差異。因此，若要有效描述DC與電網(wǎng)的交互作用，在DC建模時(shí)有必要對(duì)上述熱環(huán)境因素進(jìn)行深入分析。③現(xiàn)有規(guī)劃模型大多忽略了不確定性因素（如數(shù)據(jù)負(fù)載預(yù)測誤差）對(duì)系統(tǒng)目標(biāo)實(shí)現(xiàn)的影響。由于未充分考慮規(guī)劃方案的預(yù)期收益與面臨的損失風(fēng)險(xiǎn)之間的內(nèi)在關(guān)系，故可能導(dǎo)致系統(tǒng)在實(shí)際運(yùn)行時(shí)難以實(shí)現(xiàn)真正意義上的最優(yōu)。

鑒于此，本文以面向碳減排的DC與配電網(wǎng)高效融合為目標(biāo)，提出一種面向二者協(xié)同增效的交互式集成規(guī)劃框架。與傳統(tǒng)面向經(jīng)濟(jì)性的自律式規(guī)劃不同，本文研究旨在從DC與配電網(wǎng)互動(dòng)角度探究DC靈活性對(duì)支撐電力系統(tǒng)碳減排實(shí)現(xiàn)的潛在作用。為此，首先通過綜合考慮熱環(huán)境、數(shù)據(jù)負(fù)載特性等方面約束，建立兼容信息-物理-社會(huì)多域耦合特性的DC需求響應(yīng)模型。在此基礎(chǔ)上，根據(jù)系統(tǒng)規(guī)劃與運(yùn)行之間的關(guān)聯(lián)關(guān)系，計(jì)及各類不確定性因素對(duì)決策有效性的影響，基于條件風(fēng)險(xiǎn)價(jià)值（Conditional Value-at-Risk, CVaR）理論定義了碳減排損失風(fēng)險(xiǎn)，并據(jù)此構(gòu)建了面向碳減排賦能的DC與配電網(wǎng)二階段隨機(jī)規(guī)劃模型。該模型通過對(duì)源、網(wǎng)、荷各環(huán)節(jié)聯(lián)合優(yōu)化，可實(shí)現(xiàn)風(fēng)險(xiǎn)成本可調(diào)條件下系統(tǒng)經(jīng)濟(jì)性和碳減排效益的協(xié)同趨優(yōu)。

本文所提規(guī)劃方法主要適用于以下三種應(yīng)用場景：①面向由第三方或社會(huì)資本獨(dú)立投資建設(shè)運(yùn)營的含DC增量配電網(wǎng)情況；②輔助政府部門制定以社會(huì)福利/碳減排為目標(biāo)的未來城市發(fā)展規(guī)劃；③支撐電網(wǎng)公司開展“多站融合”及新型數(shù)字電力系統(tǒng)建設(shè)。

1 賦能碳減排的DC-配電網(wǎng)交互式集成規(guī)劃框架

圖1給出了DC設(shè)備構(gòu)成及其與配電網(wǎng)集成交互的示意圖。含DC配電系統(tǒng)主要由配電網(wǎng)線路、DC網(wǎng)絡(luò)和分布式電源（Renewable Energy Source, RES）三方面構(gòu)成。其中，DC內(nèi)部的用電設(shè)備主要包括以服務(wù)器為代表的IT設(shè)備以及制冷照明等其他輔助設(shè)備。此外，為使數(shù)據(jù)任務(wù)能夠在不同DC之間實(shí)現(xiàn)在線遷移，需配置虛擬機(jī)（Virtual Machine, VM）軟件以實(shí)現(xiàn)對(duì)服務(wù)器硬件資源的劃分。

圖1 系統(tǒng)架構(gòu)

從現(xiàn)階段來看，雖然配電網(wǎng)和DC往往歸屬于不同的市場主體。但是，隨著“新基建”下“多站融合”的興起，未來電網(wǎng)公司將有更大的動(dòng)力參與DC的投資建設(shè)，通過直接向公眾提供信息服務(wù)或通過開展算力資源共享來獲得額外收益[17]。因此，這就為實(shí)現(xiàn)“配電網(wǎng)和DC交互式集成規(guī)劃（Interactive Integration Planning, IIP）”創(chuàng)造了可能。

IIP下，配電系統(tǒng)運(yùn)營商（Distribution System Operator, DSO）負(fù)責(zé)DC和配電網(wǎng)的投資規(guī)劃與運(yùn)營管理——其根據(jù)區(qū)域內(nèi)用戶用電和數(shù)據(jù)負(fù)荷需求，對(duì)系統(tǒng)源、網(wǎng)、荷資源進(jìn)行協(xié)同優(yōu)化配置及調(diào)度管理，通過充分挖掘DC需求響應(yīng)潛力及運(yùn)行靈活性，以實(shí)現(xiàn)含DC配電網(wǎng)整體效益的最大化。

IIP與傳統(tǒng)自律式規(guī)劃[13,15-16]的內(nèi)涵差異及對(duì)比見表1。

表1 IIP與自律式規(guī)劃的比較

Tab.1 Comparison between IIP and self-regulation-based planning paradigms

首先，從驅(qū)動(dòng)目標(biāo)來看，傳統(tǒng)自律式規(guī)劃主要面向關(guān)注如何通過優(yōu)化DC部署策略，以減輕其接入對(duì)配電網(wǎng)的不良影響，因此其效益愿景多為單邊性的；而IIP重點(diǎn)則在探討如何在規(guī)劃層面充分挖掘并考慮DC靈活性互動(dòng)潛力，以實(shí)現(xiàn)DC與配電網(wǎng)二者的協(xié)同增效，因此其效益愿景為雙邊性或多邊性的。其次，在實(shí)現(xiàn)方式方面，自律式規(guī)劃大多僅面向解決與DC自身相關(guān)的決策問題；而IIP在此基礎(chǔ)上還需進(jìn)一步融入對(duì)DC互動(dòng)響應(yīng)潛力及其對(duì)電網(wǎng)主動(dòng)支撐作用的考量。最后，在研究邊界上，自律式規(guī)劃大多僅以DC與配電網(wǎng)絡(luò)作為對(duì)象；而IIP則可能涉及DC、配電網(wǎng)、分布式電源和儲(chǔ)能等多方面要素，借此考慮DC互動(dòng)響應(yīng)對(duì)配電系統(tǒng)源、網(wǎng)、荷各環(huán)節(jié)的貢獻(xiàn)。

IIP對(duì)電力系統(tǒng)碳減排的賦能作用主要體現(xiàn)為以下三方面：

1）提高DC自身能效，促進(jìn)系統(tǒng)節(jié)能降耗。DC巨大用電能耗將顯著增加配電系統(tǒng)負(fù)荷及發(fā)電側(cè)碳排放量。而DC通過參與互動(dòng)響應(yīng)，可借助服務(wù)器啟停優(yōu)化及工作任務(wù)管理，在保證服務(wù)質(zhì)量的前提下，最大化降低自身用電需求，促進(jìn)整體配電系統(tǒng)節(jié)能降耗和碳減排。

2）改善配電網(wǎng)潮流分布，降低網(wǎng)損。DC大規(guī)模并網(wǎng)將加劇配電網(wǎng)中的功率流動(dòng)及電能傳輸損耗。而通過DC對(duì)數(shù)據(jù)任務(wù)處理時(shí)間的優(yōu)化管理和基于VM的數(shù)據(jù)任務(wù)空間遷移可改變配電網(wǎng)中的潮流/電壓分布（即利用信息傳輸代替電能傳輸），提高電能輸送效率，并降低系統(tǒng)網(wǎng)損。

基于以上分析，圖2給出了面向碳減排賦能的DC與配電網(wǎng)交互式集成規(guī)劃基本框架。其中，藍(lán)色（深色）模塊代表傳統(tǒng)自律式規(guī)劃的基本構(gòu)成要素，黃色（淺色）模塊則代表本文提出的IIP需新增考慮的成分內(nèi)容。由此可見，在規(guī)劃目標(biāo)方面，不同于單純以經(jīng)濟(jì)性提升為主要考量的自律式規(guī)劃，IIP一方面希望盡量降低系統(tǒng)整體的投資和運(yùn)行成本，另一方面還希望最大程度地提高對(duì)區(qū)域內(nèi)RES資源的利用，以促進(jìn)電力系統(tǒng)碳減排的實(shí)現(xiàn)。因此，決策中需要同時(shí)兼顧多方面的優(yōu)化目標(biāo)。在規(guī)劃要素方面，IIP在傳統(tǒng)自律式規(guī)劃的基礎(chǔ)上，還需額外重點(diǎn)考慮DC的需求響應(yīng)潛力及其對(duì)配電網(wǎng)趨優(yōu)運(yùn)行的支撐作用。相關(guān)要素的加入將使問題在優(yōu)化變量維度方面顯著擴(kuò)大；同時(shí)，基于DC需求響應(yīng)具有的獨(dú)特“信息-物理-社會(huì)”多域耦合性[18]為模型構(gòu)建帶來更多、更廣的約束條件，需要綜合考慮系統(tǒng)運(yùn)行安全、供電/信息服務(wù)質(zhì)量、DC設(shè)備工作熱環(huán)境溫度等多方面約束限制。此外，相比于自律式規(guī)劃，IIP重點(diǎn)關(guān)注如何對(duì)DC與配電網(wǎng)互動(dòng)潛力的挖掘與資源集成，實(shí)現(xiàn)二者的協(xié)同增效。在實(shí)際運(yùn)行中，DC的需求響應(yīng)能力主要受用戶信息負(fù)載特性的影響，而由于用戶數(shù)據(jù)需求具有明顯的隨機(jī)性和波動(dòng)性，因此為確保最終所得方案的有效性，還需在建模過程中充分考慮各類不確定性因素給系統(tǒng)目標(biāo)實(shí)現(xiàn)帶來的風(fēng)險(xiǎn)。

圖2 DC與有源配電網(wǎng)交互式集成規(guī)劃框架

綜上所述，本文將配電網(wǎng)和DC的IIP問題構(gòu)建為一個(gè)基于CVaR的二階段隨機(jī)優(yōu)化模型。該模型包含兩個(gè)彼此關(guān)聯(lián)又相對(duì)獨(dú)立的決策過程：其中第一階段為規(guī)劃決策階段，以系統(tǒng)投資成本最小為目標(biāo)，對(duì)電網(wǎng)線路擴(kuò)容、DC選址及物理和軟件資源設(shè)備容量（包括服務(wù)器、虛擬機(jī)及空調(diào)制冷）以及RES選址定容進(jìn)行聯(lián)合優(yōu)化。所得規(guī)劃方案作為已知參數(shù)（邊界條件），傳遞給第二階段運(yùn)行模擬過程。系統(tǒng)運(yùn)行以年經(jīng)濟(jì)成本、碳排放費(fèi)用及因不確定性導(dǎo)致的風(fēng)險(xiǎn)成本之和最小為優(yōu)化目標(biāo)，優(yōu)化各時(shí)段DC（包括信息負(fù)荷遷移量、服務(wù)器啟停狀態(tài)、制冷設(shè)備出力）及配電網(wǎng)（包括RES出力及外購電量）的運(yùn)行控制策略。第二階段結(jié)果以“系統(tǒng)預(yù)期運(yùn)行成本”和“碳減排效益”形式反饋至第一階段的目標(biāo)函數(shù)，并用于指導(dǎo)規(guī)劃方案的尋優(yōu)調(diào)整。

為計(jì)及各類不確定性因素給系統(tǒng)決策造成的影響，本文引入CVaR量化不確定性給系統(tǒng)經(jīng)濟(jì)性和碳減排目標(biāo)帶來的潛在損失，并以系統(tǒng)風(fēng)險(xiǎn)成本、投資成本和考慮碳排放的運(yùn)行成本之和最低為目標(biāo)，建立面向賦能碳減排的DC與配電網(wǎng)交互式集成規(guī)劃模型。相比于傳統(tǒng)風(fēng)險(xiǎn)度量方法，CVaR具有滿足次可加性、一致性及預(yù)測尾部風(fēng)險(xiǎn)充分等優(yōu)勢[19]，能夠有效地反映決策者對(duì)方案預(yù)期效益與抗風(fēng)險(xiǎn)能力的靈活偏好，因此具有更好的工程實(shí)用性。

2 數(shù)據(jù)中心建模

2.1 能耗特性

如第1節(jié)所述，DC的能耗主要由服務(wù)器、空調(diào)設(shè)備及其他輔助設(shè)備三部分構(gòu)成，且服務(wù)器與空調(diào)設(shè)備功耗通常可占DC總功耗的90%以上[20]。因此，運(yùn)行情況下DC總功耗可表示為

2.1.1 服務(wù)器能耗

煙臺(tái)市將全力實(shí)施國土綠化提升三年攻堅(jiān)行動(dòng)，推動(dòng)生態(tài)環(huán)境持續(xù)改善。全市按照《國土綠化提升三年攻堅(jiān)行動(dòng)實(shí)施方案》，持續(xù)加大國土綠化工程實(shí)施力度，統(tǒng)籌抓好森林生態(tài)修復(fù)與保護(hù)、退耕還果還林、森林生態(tài)廊道建設(shè)、森林質(zhì)量精準(zhǔn)提升、城鄉(xiāng)綠化美化五大工程。其中，實(shí)施森林生態(tài)修復(fù)與保護(hù)工程，對(duì)現(xiàn)有荒山、荒灘進(jìn)行規(guī)模造林，通過三年努力，徹底消滅荒山、荒灘；結(jié)合全域治水三年攻堅(jiān)行動(dòng)，在大中型水庫流域營造水源涵養(yǎng)林，增強(qiáng)水系防洪能力和景觀效果；對(duì)火燒和采伐跡地以及海防林內(nèi)被侵占林地實(shí)施精準(zhǔn)造林，恢復(fù)生態(tài)功能。

式（2）～式（5）分別表示單臺(tái)服務(wù)器的功耗計(jì)算式、DC開機(jī)服務(wù)器數(shù)量約束以及服務(wù)器CPU利用率約束。

2.1.2 空調(diào)設(shè)備能耗

2.2 熱環(huán)境特性

DC運(yùn)行中IT設(shè)備電能消耗大多轉(zhuǎn)化為熱能并耗散到周圍環(huán)境中。如果對(duì)此不加以控制，會(huì)造成機(jī)房環(huán)境溫度不斷升高，進(jìn)而導(dǎo)致服務(wù)器等設(shè)備加速老化或故障。因此，為有效描述DC運(yùn)行特性，需對(duì)其熱環(huán)境進(jìn)行精細(xì)化建模分析。

2.2.1 熱耗散

由于DC服務(wù)器通常布置在樓宇建筑內(nèi)部，根據(jù)樓宇儲(chǔ)熱特性和能量守恒定律[22]，DC整體的熱量平衡方程可表示為

式（9）中各構(gòu)成項(xiàng)的計(jì)算方法如下。

1）墻體熱交換功率

經(jīng)由墻體的熱交換功率與DC樓宇墻體面積及其兩側(cè)溫差成正比，通?？捎墒剑?0）計(jì)算確定。

2）服務(wù)器發(fā)熱功率

3）輔助設(shè)備發(fā)熱功率

基于建筑熱量耗散與溫度變化特性，將式（8）～式（13）聯(lián)立并作離散化處理，可得任意時(shí)段DC的熱平衡方程為

2.2.2 環(huán)境溫度約束

為保證DC內(nèi)部設(shè)備的安全穩(wěn)定運(yùn)行，需將室內(nèi)溫度及其變化控制在一定范圍內(nèi)，故有

2.3 基于數(shù)據(jù)負(fù)載控制的DC需求響應(yīng)特性

如前文所述，DC的需求響應(yīng)能力主要源自其對(duì)數(shù)據(jù)負(fù)載安排的靈活性以及信息任務(wù)在不同地理位置DC之間的空間可轉(zhuǎn)移性。按照響應(yīng)方式[20]，DC中的數(shù)據(jù)負(fù)載大致可分為三類：時(shí)間可轉(zhuǎn)移型負(fù)載（Time-ShiftableData Load, TSDL）、空間可遷移型負(fù)載（Spatially-Transferable Data Load, STDL）和剛性負(fù)載（Rigid Data Load, RDL）。下面將就各類負(fù)載特性分別進(jìn)行建模。

2.3.1 時(shí)間可轉(zhuǎn)移型數(shù)據(jù)負(fù)載

TSDL是指在一定時(shí)間范圍內(nèi)任務(wù)量固定但處理時(shí)間靈活可變的數(shù)據(jù)負(fù)荷。對(duì)于DC，常見的TSDL包括大數(shù)據(jù)離線分析等批處理負(fù)荷。

根據(jù)TSDL的需求性質(zhì)，DSO可以在調(diào)度周期內(nèi)基于相關(guān)需要，一定程度地推遲TSDL任務(wù)的處理時(shí)間，即對(duì)于時(shí)刻產(chǎn)生的TSDL需求可以推遲到時(shí)段[+1,]再進(jìn)行處理。上述過程見式（17）～式（20）。式（17）～式（20）分別表示TSDL的容量占比、響應(yīng)前后數(shù)據(jù)需求平衡約束、時(shí)間轉(zhuǎn)移特性約束以及負(fù)荷需求轉(zhuǎn)移總量約束。

2.3.2 空間可遷移型數(shù)據(jù)負(fù)載

STDL是指處理請(qǐng)求時(shí)間固定但可根據(jù)需要在不同地理位置DC之間進(jìn)行靈活遷移的數(shù)據(jù)負(fù)荷。在實(shí)際工程中，典型的STDL包括對(duì)于算力或質(zhì)量要求不嚴(yán)格的影音娛樂、網(wǎng)頁瀏覽、音視頻通話及網(wǎng)絡(luò)購物等數(shù)據(jù)負(fù)載。

針對(duì)STDL調(diào)度控制，相關(guān)約束表示見式（21）～式（25）。式（21）～式（25）分別代表STDL容量占比、任務(wù)遷移平衡約束、DC之間通信光纖帶寬約束、VM可用性約束以及STDL可遷移總量約束。

2.3.3 剛性數(shù)據(jù)負(fù)載

還有一些數(shù)據(jù)負(fù)載對(duì)于信息處理的時(shí)間或質(zhì)量均有嚴(yán)格要求，本文將其稱為剛性負(fù)載。由于不具備運(yùn)行可調(diào)節(jié)潛力，因此RDL無法作為需求響應(yīng)資源參與系統(tǒng)調(diào)度運(yùn)行。在實(shí)際應(yīng)用中，典型的RDL包括遠(yuǎn)程實(shí)時(shí)醫(yī)療、電力安控信號(hào)處理等。

RDL的運(yùn)行特性可表示為

2.3.4 DR作用下的DC總數(shù)據(jù)負(fù)載

根據(jù)式（17）～式（26），考慮需求響應(yīng)后，各時(shí)段DC需要處理的總信息負(fù)載可表示為

3 IIP碳減排效益與風(fēng)險(xiǎn)刻化

為支撐碳減排下的IIP實(shí)現(xiàn)，本節(jié)首先給出含DC配電系統(tǒng)的碳減排效益計(jì)算模型；在此基礎(chǔ)上，進(jìn)一步考慮不確定性對(duì)IIP目標(biāo)實(shí)現(xiàn)的影響，通過提出基于CVaR的碳減排風(fēng)險(xiǎn)價(jià)值刻畫模型，從而為后續(xù)IIP優(yōu)化模型構(gòu)建奠定基礎(chǔ)。

3.1 IIP碳減排效益

由第1節(jié)分析可知，含DC配電系統(tǒng)的碳排放主要來自兩個(gè)方面：一是由系統(tǒng)內(nèi)部分布式能源發(fā)電而直接產(chǎn)生的碳排放；另一部分為因從上級(jí)電網(wǎng)購電所間接產(chǎn)生的等效碳排放?？紤]到風(fēng)電、光伏等RES發(fā)電產(chǎn)生的碳排放量極少，故本文在討論IIP的碳減排效益時(shí)，僅關(guān)注系統(tǒng)外購電對(duì)碳排放的影響。

易見，在負(fù)荷水平一定的情況下，若集成規(guī)劃促進(jìn)了RES利用或能效提升時(shí)，則系統(tǒng)從主網(wǎng)的購電量減少，碳稅支出費(fèi)用降低；反之，若規(guī)劃策略不利于RES消納或能耗降低，此時(shí)DSO需支付更多的碳排放成本，這將相應(yīng)地增加系統(tǒng)的綜合運(yùn)行費(fèi)用。

3.2 概率場景下基于CVaR的碳減排風(fēng)險(xiǎn)刻畫

碳減排驅(qū)動(dòng)下的DC與配電網(wǎng)集成規(guī)劃需要在滿足系統(tǒng)運(yùn)行約束的基礎(chǔ)上，綜合考慮經(jīng)濟(jì)性與低碳化目標(biāo)的實(shí)現(xiàn)。但在實(shí)際工程中，由于負(fù)荷功率和RES出力具有間歇性和波動(dòng)性，加之預(yù)測誤差的存在，使得規(guī)劃方案的有效性往往存在高度不確定性。例如，當(dāng)RES實(shí)際發(fā)電低于預(yù)期或用戶負(fù)荷高于預(yù)測水平時(shí)，可能導(dǎo)致系統(tǒng)供電容量不足，需要增加外購電量以保證功率平衡，這會(huì)帶來額外的碳排放成本和運(yùn)行費(fèi)用支出；反之，若RES發(fā)電高于預(yù)測水平或負(fù)荷需求低于預(yù)期時(shí)，則可能使得運(yùn)行過程中RES發(fā)電削減，而原本不必要的外購電量將造成系統(tǒng)碳排放效益折損。因此，為有效考慮不確定性因素對(duì)IIP碳減排效益的影響，本文采用CVaR量化計(jì)算不同場景下的系統(tǒng)損失風(fēng)險(xiǎn)。

式中，的最小值為VaR值。

在本文研究中，系統(tǒng)中的不確定性主要來自RES出力、數(shù)據(jù)/用電負(fù)荷和環(huán)境溫度三個(gè)方面。根據(jù)實(shí)際調(diào)研，假設(shè)風(fēng)速符合威布爾分布、數(shù)據(jù)/用電負(fù)荷需求和環(huán)境溫度符合截?cái)喔咚狗植肌?/p>

由此可得概率場景下CVaR估計(jì)值的解析表達(dá)式為

通過聯(lián)立式（28）和式（31），可得當(dāng)置信水平為時(shí)，系統(tǒng)的碳減排CVaR為

在實(shí)際規(guī)劃中，為實(shí)現(xiàn)對(duì)系統(tǒng)預(yù)期效益與風(fēng)險(xiǎn)的兼顧，本文將其作為目標(biāo)函數(shù)的一部分，與常規(guī)經(jīng)濟(jì)性指標(biāo)整合，進(jìn)而形成計(jì)及碳減排風(fēng)險(xiǎn)的IIP優(yōu)化模型。

4 計(jì)及碳減排風(fēng)險(xiǎn)的IIP模型構(gòu)建

基于上述DC特性、碳減排效益及風(fēng)險(xiǎn)分析模型，本節(jié)將對(duì)碳減排驅(qū)動(dòng)下的IIP數(shù)學(xué)模型構(gòu)建進(jìn)行詳細(xì)說明。

4.1 目標(biāo)函數(shù)

在碳中和背景下，IIP決策者一方面追求系統(tǒng)經(jīng)濟(jì)性和低碳效益的最大化，另一方面追求因不確定性導(dǎo)致的系統(tǒng)預(yù)期風(fēng)險(xiǎn)成本最小。鑒于效益與成本之間相互依存卻彼此制約的關(guān)系，因此在滿足供電質(zhì)量的前提下，本文建立計(jì)及碳減排CVaR的IIP模型目標(biāo)函數(shù)為

此外，由于各類不確定性因素的存在，使得系統(tǒng)在投資運(yùn)行經(jīng)濟(jì)性方面同樣面臨著風(fēng)險(xiǎn)。因此，與前文關(guān)于碳減排風(fēng)險(xiǎn)損失的定義方式類似，本文采用CVaR來度量系統(tǒng)因不確定性導(dǎo)致的經(jīng)濟(jì)風(fēng)險(xiǎn)成本，即

4.2 約束條件

4.2.1 規(guī)劃階段

針對(duì)規(guī)劃階段，考慮到總投資預(yù)算和可用空間的限制，需對(duì)系統(tǒng)中各類設(shè)備的最大可安裝容量進(jìn)行約束。式（40）～式（42）分別代表變壓器擴(kuò)容容量約束、電網(wǎng)擴(kuò)容線型選擇約束、DC設(shè)備（分布式電源及DC服務(wù)器、VM及空調(diào)）安裝容量約束。

4.2.2 運(yùn)行階段

1）電源側(cè)約束

配網(wǎng)系統(tǒng)中分布式電源發(fā)電功率受其安裝容量和最大預(yù)測出力的限制，故有

2）電網(wǎng)側(cè)約束

節(jié)點(diǎn)功率平衡：配電網(wǎng)各節(jié)點(diǎn)的流出功率應(yīng)等于流入功率。

節(jié)點(diǎn)電壓約束：為確保配電網(wǎng)電壓質(zhì)量符合規(guī)定，需對(duì)運(yùn)行過程中各節(jié)點(diǎn)電壓波動(dòng)做出限制，故有

電網(wǎng)潮流約束：含DC配電系統(tǒng)運(yùn)行應(yīng)滿足電網(wǎng)潮流約束，即

線路載流量約束：配電網(wǎng)各線路流過的有功/無功功率應(yīng)不超過其額定載流量，故有

購電容量約束：受配變?nèi)萘康南拗疲鲿r(shí)段系統(tǒng)從上級(jí)電網(wǎng)購入的功率需滿足約束

3）需求側(cè)約束

為降低問題求解復(fù)雜度，本文假設(shè)所有DC的服務(wù)器型號(hào)相同，且運(yùn)行階段基于平均原則將數(shù)據(jù)任務(wù)等額下發(fā)給活躍的服務(wù)器。因此，基于M/M/1排隊(duì)論[14]，可確定各服務(wù)器對(duì)應(yīng)的數(shù)據(jù)負(fù)載分配如下。

此外，為確保用戶數(shù)據(jù)負(fù)載請(qǐng)求，還需考慮DC運(yùn)行階段各類約束，即前文中式（1）～式（27）。

4.2.3 CVaR風(fēng)險(xiǎn)約束

4.3 決策變量

4.4 求解方法

本文模型屬于混合整數(shù)非線性優(yōu)化問題。為此，首先采用大M法[26]和多邊形法[27]對(duì)其進(jìn)行線性化處理，將其等效轉(zhuǎn)換為混合整數(shù)線性規(guī)劃問題；然后在此基礎(chǔ)上，進(jìn)一步基于GAMS平臺(tái)調(diào)用Gurobi求解器實(shí)現(xiàn)計(jì)算求解。

5 算例分析

5.1 參數(shù)設(shè)置

為驗(yàn)證本文所提方法的有效性，以修改的IEEE 33節(jié)點(diǎn)配電網(wǎng)[28]為例進(jìn)行仿真分析。如圖3所示，該系統(tǒng)包含32個(gè)負(fù)荷節(jié)點(diǎn)和1個(gè)變電站節(jié)點(diǎn)，系統(tǒng)額定電壓為12.66 kV。結(jié)合本文研究，將系統(tǒng)分為4個(gè)區(qū)域，每個(gè)區(qū)域擬建一個(gè)DC用于滿足區(qū)域內(nèi)用戶數(shù)據(jù)需求。本文考慮分布式電源類型為風(fēng)力發(fā)電機(jī)組，假設(shè)其在系統(tǒng)中的可安裝位置為節(jié)點(diǎn){13, 18, 19, 22, 23, 25, 26, 33}。

圖3 系統(tǒng)拓?fù)浣Y(jié)構(gòu)

假設(shè)系統(tǒng)中含有商業(yè)/工業(yè)/居民/DC四類負(fù)荷。規(guī)劃遠(yuǎn)景年各節(jié)點(diǎn)最大負(fù)荷預(yù)測值見附表1，功率因數(shù)均為0.9。假設(shè)負(fù)荷預(yù)測誤差符合標(biāo)準(zhǔn)正態(tài)分布，除DC外各類負(fù)荷日功率均值和數(shù)據(jù)負(fù)荷均值參見附圖1和附圖2，標(biāo)準(zhǔn)差取為8%，室外溫度均值預(yù)測曲線如附圖3所示，標(biāo)準(zhǔn)差取為4%。

系統(tǒng)中各類設(shè)備的技術(shù)經(jīng)濟(jì)參數(shù)取值[29-30]見表2。變電站擴(kuò)容成本取為150萬元/(MV×A)，與電網(wǎng)線路擴(kuò)容有關(guān)的參數(shù)詳見附表2。另外，依據(jù)華北地區(qū)某市2013—2018年實(shí)際氣象數(shù)據(jù)，確定風(fēng)速概率模型的形狀參數(shù)和尺度參數(shù)[31]。此外，基于文獻(xiàn)[7, 25]，模型其他參數(shù)的取值見表3。

表2 系統(tǒng)設(shè)備參數(shù)

表3 其他參數(shù)設(shè)置

Tab.3 Setting of other parameters

5.2 仿真結(jié)果

5.2.1 IIP效益分析

為揭示實(shí)施DC與配電網(wǎng)交互式集成規(guī)劃帶來的效益，本節(jié)分別對(duì)下述四種場景下所得最優(yōu)規(guī)劃方案及其成本效益情況進(jìn)行對(duì)比分析，相關(guān)結(jié)果見表4和表5。

場景Ⅰ：DC和配電網(wǎng)獨(dú)立規(guī)劃。該場景下，假設(shè)DC選址固定且DC不參與互動(dòng)響應(yīng)，僅優(yōu)化設(shè)備容量，然后基于DC年最大負(fù)荷確定配電網(wǎng)擴(kuò)容方案。所得結(jié)果反映了當(dāng)DC和配電網(wǎng)在非協(xié)調(diào)規(guī)劃情況下系統(tǒng)成本及效益情況。

場景Ⅱ：DC和配電網(wǎng)聯(lián)合規(guī)劃但DC不參與電網(wǎng)側(cè)需求響應(yīng)。假設(shè)所有DC均未配置VM且不對(duì)數(shù)據(jù)負(fù)載進(jìn)行調(diào)度控制。該場景代表傳統(tǒng)自律式規(guī)劃范式[13,15-16]，反映了當(dāng)未考慮DC靈活性潛力時(shí)系統(tǒng)規(guī)劃的成本效益情況。

表4 各場景下規(guī)劃方案的成本效益

Tab.4 Costs and benefitsof the derived planning scheme under different scenarios（單位：萬元）

表5 各場景下的最優(yōu)規(guī)劃方案

Tab.5 Optimal planning solutionsunder different scenarios

場景Ⅲ：DC和配電網(wǎng)聯(lián)合規(guī)劃，但僅TSDL參與需求響應(yīng)。該場景用于反映當(dāng)僅考慮DC時(shí)間靈活性時(shí)系統(tǒng)的成本效益情況。

場景Ⅳ：本文模型，即DC和配電網(wǎng)交互式集成規(guī)劃范式。該場景下TSDL和STDL同時(shí)參與電網(wǎng)側(cè)需求響應(yīng)。

從綜合成本方面來看，場景Ⅰ下規(guī)劃方案的總成本最高，場景Ⅱ次之，場景Ⅳ方案的總成本最低。對(duì)比場景Ⅰ和Ⅱ可知，DC與配電網(wǎng)聯(lián)合規(guī)劃方案的經(jīng)濟(jì)性和碳減排效益指標(biāo)優(yōu)于獨(dú)立規(guī)劃模式。這主要是因?yàn)樵诓缓侠淼奈恢媒尤隓C將加劇配電網(wǎng)阻塞，因此需要對(duì)線路擴(kuò)容才能滿足相關(guān)負(fù)荷需求；而采用聯(lián)合規(guī)劃，由于考慮了配電網(wǎng)與DC的協(xié)調(diào)關(guān)系，DSO可根據(jù)全網(wǎng)潮流分布科學(xué)地選取DC的接入位置，最大限度地降低因潮流分布不均衡導(dǎo)致的電網(wǎng)阻塞問題，提升RES利用和清潔電源替代率，進(jìn)而降低系統(tǒng)碳排放水平并提高運(yùn)行經(jīng)濟(jì)性。

由場景Ⅲ與場景Ⅱ?qū)Ρ瓤芍?，借助DC負(fù)荷的時(shí)間可轉(zhuǎn)移潛力，使系統(tǒng)投資成本、購電成本和總成本支出較場景Ⅱ分別下降了331.8萬元（20.75%）、27.6萬元（1.52%）和280.6萬元（7.61%）。同時(shí)，還提高了系統(tǒng)中可再生能源的滲透率。出現(xiàn)上述結(jié)果的原因是，DC通過參與需求響應(yīng)實(shí)現(xiàn)了與配電網(wǎng)的有效互動(dòng)。通過改變自身用電需求時(shí)序特性，降低了電網(wǎng)擴(kuò)容投資需求；同時(shí)，通過DC用電的時(shí)間轉(zhuǎn)移還提高了可再生能源發(fā)電出力與終端負(fù)荷需求的匹配度，促進(jìn)了RES利用，減少了高峰時(shí)段系統(tǒng)從上級(jí)電網(wǎng)的購電量，使系統(tǒng)具有更好的運(yùn)行經(jīng)濟(jì)性和碳減排效益。

在場景Ⅲ的基礎(chǔ)上，場景Ⅳ進(jìn)一步考慮了DC負(fù)荷的空間轉(zhuǎn)移能力。易見，與僅考慮TSDL的情況相比，該策略下DC與配網(wǎng)間交互水平進(jìn)一步加強(qiáng)，通過對(duì)數(shù)據(jù)負(fù)載時(shí)空分布的優(yōu)化，進(jìn)一步降低了DC內(nèi)部服務(wù)器、空調(diào)等設(shè)備的容量配置需求。其次，通過綜合利用DC資源在時(shí)間和空間維度的需求響應(yīng)能力，系統(tǒng)有機(jī)會(huì)更多地利用可再生能源，并減少對(duì)外部市場電能（即具有高碳排放附加屬性的電能）的依賴，因而在碳排放指標(biāo)方面具有更優(yōu)的表現(xiàn)。此外，由于在基于STDL的需求響應(yīng)項(xiàng)目中，DSO無需向用戶支付額外的補(bǔ)償，因此使得系統(tǒng)在經(jīng)濟(jì)成本方面亦有下降，有效地提高了系統(tǒng)的經(jīng)濟(jì)性和碳減排效益。

為進(jìn)一步揭示DC靈活性對(duì)系統(tǒng)效益提升的作用機(jī)制，圖4和圖5分別給出了場景Ⅱ～Ⅳ下系統(tǒng)風(fēng)電實(shí)際出力和服務(wù)器調(diào)度情況。由圖4可見，當(dāng)DC未參與DR時(shí)，風(fēng)電出力與負(fù)荷的匹配度較差，在部分時(shí)段發(fā)生了棄風(fēng)現(xiàn)象，使得系統(tǒng)低碳效益較差。而在考慮DC靈活性后，RES利用率顯著提升。此外，由三個(gè)場景的對(duì)比還可知，當(dāng)DC同時(shí)參與時(shí)間和空間型DR時(shí)系統(tǒng)效益優(yōu)于僅參與時(shí)間型DR的情況。由圖5a、圖5b對(duì)比可見，在場景Ⅲ下，時(shí)段8:00—17:00的原有負(fù)荷集中延時(shí)到18:00—24:00即風(fēng)電高發(fā)時(shí)段進(jìn)行處理，因此棄風(fēng)率由10.93%降低為8.5%。但是，由于TSDL僅可改變用能時(shí)間，導(dǎo)致時(shí)段1:00—5:00棄風(fēng)現(xiàn)象仍舊存在。相比之下，場景Ⅳ通過VM軟件資源的配置，可以充分利用DC在時(shí)空雙維度的靈活運(yùn)行特性。由圖5b、圖5c對(duì)比可知，為了提高0:00—5:00期間可再生能源的消納利用效率，場景Ⅳ下DC1和DC2的服務(wù)器開機(jī)數(shù)量增加，即系統(tǒng)將更多的信息負(fù)荷遷移到區(qū)域1和區(qū)域2進(jìn)行處理，因此其經(jīng)濟(jì)和低碳效益均實(shí)現(xiàn)了進(jìn)一步提升。

圖4 各場景下系統(tǒng)風(fēng)電出力

圖5 各場景下DC服務(wù)器調(diào)度及功率曲線

5.2.2 熱環(huán)境特性的影響分析

現(xiàn)有國內(nèi)外研究大多借助基于電源使用效率（Power Usage Effectiveness, PUE）指標(biāo)的經(jīng)驗(yàn)估算法實(shí)現(xiàn)對(duì)DC總體功耗的確定。PUE指標(biāo)表征DC總能耗與IT負(fù)載能耗的比值。PUE方法下，運(yùn)行人員基于經(jīng)驗(yàn)確定DC的PUE值，然后用測量得到的IT設(shè)備能耗與PUE估計(jì)值相乘，進(jìn)而得到DC總能耗估計(jì)值[9]。實(shí)際應(yīng)用中，由于PUE方法未能有效考慮熱環(huán)境特性對(duì)DC運(yùn)行的影響，因此可能導(dǎo)致最終模型與實(shí)際情況之間存在較大誤差。

為揭示上述影響及本文方法的有效性，本節(jié)分別對(duì)采用PUE方法和本文建模方法下所得規(guī)劃結(jié)果進(jìn)行對(duì)比分析。在PUE方法中，當(dāng)前全球在運(yùn)DC的實(shí)際PUE水平大多在1.1～2.0之間[5,12,16]，本文以此為基礎(chǔ)，并考慮未來技術(shù)發(fā)展和政策因素等對(duì)PUE的影響，以0.2為步長，取PUE設(shè)置值分別為1.2、1.4、1.6、1.8和2.0。通過改變PUE參數(shù)的賦值，來模擬真實(shí)環(huán)境下決策者對(duì)DC能效不同的主觀估計(jì)。兩種方法下系統(tǒng)預(yù)期總成本和年RES利用量對(duì)比見表6。

表6 基于PUE法與本文方法所得規(guī)劃方案對(duì)比

Tab.6 Result comparison between the PUE method and the proposed modeling method

可見，當(dāng)采用PUE經(jīng)驗(yàn)法時(shí)，隨著PUE估計(jì)值的變化，最終所得規(guī)劃方案的預(yù)期經(jīng)濟(jì)成本和可再生能源發(fā)電利用量（間接反映了系統(tǒng)碳減排效益）也隨之發(fā)生變化。較大的PUE估計(jì)將使決策結(jié)果偏向保守，較小的PUE估計(jì)使得優(yōu)化結(jié)果偏向樂觀。這是因?yàn)榛赑UE指標(biāo)的建模方式僅通過服務(wù)器設(shè)備的運(yùn)行能耗線性估計(jì)DC整體功率，這種方式忽略了DC內(nèi)部制冷設(shè)備運(yùn)行控制與外部熱環(huán)境特性之間存在的復(fù)雜非線性耦合關(guān)系。由于PUE取值由決策者根據(jù)經(jīng)驗(yàn)確定，受主觀因素影響大，因此最終決策可能與實(shí)際情況存在較大偏差。而本文方法細(xì)致地考慮了DC中制冷設(shè)備運(yùn)行與熱環(huán)境溫度之間的相依關(guān)系，可實(shí)現(xiàn)對(duì)DC可調(diào)特性更準(zhǔn)確的描述。為比較PUE法與本文方法的經(jīng)濟(jì)性，表6對(duì)實(shí)際總成本與預(yù)期總成本進(jìn)行了對(duì)比分析。實(shí)際總成本是將PUE規(guī)劃方案代入到本文第2階段運(yùn)行優(yōu)化子問題中求得的實(shí)際運(yùn)行成本，再與PUE規(guī)劃成本相加之后得到的總成本。可以看出，當(dāng)PUE值＜1.4時(shí)，雖然PUE方案的預(yù)期總成本低于本文方案，但其實(shí)際總成本卻遠(yuǎn)高于本文方案。因此，所提規(guī)劃方案的總體經(jīng)濟(jì)性較PUE方案更優(yōu)。

由于DC熱環(huán)境與其所處地區(qū)氣候密切相關(guān)，因此為進(jìn)一步揭示熱環(huán)境參數(shù)對(duì)IIP效益的影響，分別選取我國西北、華北、東北、華南地區(qū)典型城市年平均氣溫?cái)?shù)據(jù)（詳見附圖3），并在5.2.1節(jié)場景Ⅱ和Ⅳ基礎(chǔ)上開展集成規(guī)劃。所得規(guī)劃結(jié)果見表7。

表7 不同熱環(huán)境條件下的系統(tǒng)規(guī)劃結(jié)果

Tab.7 System planning results under different thermal environment settings

由表7易見，在不同的環(huán)境溫度設(shè)置下，所得規(guī)劃方案的經(jīng)濟(jì)成本和碳排放存在顯著差異。在常年氣溫偏低的西北地區(qū)，實(shí)施IIP帶來的經(jīng)濟(jì)性和碳減排效益最為顯著，而在常年氣溫較高的華南地區(qū)產(chǎn)生的預(yù)期效益最差。出現(xiàn)上述差異的主要原因是，西北地區(qū)年平均室外氣溫較低，故DC可以利用樓宇與自然之間的天然熱交換滿足其冷通需求；而華南地區(qū)全年氣溫大多處于較高水平，因此需要配置更大容量的空調(diào)設(shè)備才能滿足DC工作的熱環(huán)境要求，故導(dǎo)致系統(tǒng)無論在投資運(yùn)行成本或碳排放方面均更高。其次，從IIP對(duì)系統(tǒng)效益提升的角度，還可發(fā)現(xiàn)在東北、西北地區(qū)場景下，利用DC需求響應(yīng)能力對(duì)系統(tǒng)效益的貢獻(xiàn)更為顯著（即場景Ⅱ和Ⅳ的結(jié)果對(duì)比）。這是因?yàn)樯鲜龅貐^(qū)氣溫具有明顯的日變化特性，因此通過靈活調(diào)整數(shù)據(jù)負(fù)載的處理時(shí)間，可最大化地發(fā)揮外部環(huán)境對(duì)DC的天然冷卻效果，降低因空調(diào)制冷的能源消耗，從而降低系統(tǒng)碳排放。

5.2.3 損失風(fēng)險(xiǎn)的影響分析

為考慮不確定性因素對(duì)規(guī)劃決策的影響，本文引入CVaR方法實(shí)現(xiàn)對(duì)系統(tǒng)經(jīng)濟(jì)性和碳減排風(fēng)險(xiǎn)成本的刻畫。為驗(yàn)證上述方法的有效性，本節(jié)在5.2.1節(jié)場景Ⅳ的基礎(chǔ)上，對(duì)不同風(fēng)險(xiǎn)偏好系數(shù)下IIP成本效益變化進(jìn)行對(duì)比分析，所得結(jié)果見表8。

表8 不同風(fēng)險(xiǎn)偏好系數(shù)下的系統(tǒng)成本效益

Tab.8 Costs and benefits of the derived planning scheme under different risk preference settings

6 結(jié)論

針對(duì)“雙碳”目標(biāo)下DC與配電網(wǎng)融合，提出了一種面向DC與配電網(wǎng)協(xié)同增效的交互式集成規(guī)劃框架。與現(xiàn)有研究相比，本文重點(diǎn)從中長期規(guī)劃角度探討了利用DC運(yùn)行靈活性對(duì)于提升未來配電系統(tǒng)經(jīng)濟(jì)性與碳減排效益的潛在貢獻(xiàn)，并詳細(xì)分析了DC特有的熱環(huán)境約束及不確定性對(duì)上述目標(biāo)實(shí)現(xiàn)的影響。根據(jù)算例仿真結(jié)果，所得主要結(jié)論如下：

1）相比于傳統(tǒng)自律式規(guī)劃，IIP能夠有效地提高含DC配電網(wǎng)的運(yùn)行效率，促進(jìn)可再生能源利用，從而助力電力系統(tǒng)碳減排。

2）實(shí)施IIP的預(yù)期效益受DC數(shù)據(jù)負(fù)載時(shí)空可遷移力、需求特性及環(huán)境溫度等多方面因素的影響。在DC建模中計(jì)及IT設(shè)備發(fā)熱、制冷調(diào)節(jié)、建筑耗散等熱力學(xué)特性，有助于更為精確地描述DC實(shí)時(shí)互動(dòng)響應(yīng)能力，從而確保最終規(guī)劃方案的有效性。

3）選擇年平均氣溫較低或日間氣溫變化較大的城市實(shí)施IIP，可節(jié)約系統(tǒng)建設(shè)運(yùn)營成本，并更好地發(fā)揮DC資源的靈活性價(jià)值。

4）通過CVaR可直觀地量化不確定性對(duì)系統(tǒng)碳減排實(shí)現(xiàn)的風(fēng)險(xiǎn)，并根據(jù)決策者偏好，有效平衡預(yù)期收益與風(fēng)險(xiǎn)損失之間的內(nèi)在矛盾，因此具有較好的工程實(shí)用價(jià)值。

附表1 系統(tǒng)用電負(fù)荷

App.Tab.1 System power load demand

節(jié)點(diǎn)有功功率/kW節(jié)點(diǎn)有功功率/kW節(jié)點(diǎn)有功功率/kW 10129023135 2150139024630 31351418025630 418015902690 59016902790 69017902890 73001813529180 83001913530300 9902013531225 10902113532315 1167.5221353390

附表2 電網(wǎng)饋線參數(shù)

App.Tab.2 Parametersof power grid feeders

線路型號(hào)電阻率/(Ω/km)電抗率/(Ω/km)載流量/A建設(shè)成本/(萬元/km) 10.0760.06941060 20.0460.06671380 30.0350.061025100

附圖1 常規(guī)用電負(fù)荷曲線

App.Fig.1 Curves of regular power load demands

附圖2 數(shù)據(jù)負(fù)荷曲線

App.Fig.2 Curves of data load demands

附圖3 室外環(huán)境溫度曲線

App.Fig.3 Curves of outdoor environment temperature

[1] 工業(yè)和信息化部關(guān)于印發(fā)《新型數(shù)據(jù)中心發(fā)展三年行動(dòng)計(jì)劃（2021-2023年）》的通知[EB/OL]. (2021-07-04).http://www.gov.cn/zhengce/zhengceku/2021/ 07/ 14/content_5624964.htm.

[2] 楊挺, 姜含, 侯昱丞, 等. 基于計(jì)算負(fù)荷時(shí)-空雙維遷移的互聯(lián)多數(shù)據(jù)中心碳中和調(diào)控方法研究[J]. 中國電機(jī)工程學(xué)報(bào), 2022, 42(1): 164-177. Yang Ting, Jiang Han, Hou Yucheng, et al. Study on carbon neutrality regulation method of interconnected multi-datacenter based on spatio-temporal dual-dimensional computing load migration[J]. Proceedings of the CSEE, 2022, 42(1): 164-177.

[3] Dabbagh M, Hamdaoui B, Rayes A, et al. Shaving data center power demand peaks through energy storage and workload shifting control[J]. IEEE Transactions on Cloud Computing, 2019, 7(4): 1095-1108.

[4] Huang Pei, Copertaro B, Zhang Xingxing, et al. A review of data centers as prosumers in district energy systems: renewable energy integration and waste heat reuse for district heating[J]. Applied Energy, 2020, 258: 114109.

[5] 桑丙玉, 王德順, 楊波, 等. 基于經(jīng)濟(jì)性的互聯(lián)網(wǎng)數(shù)據(jù)中心光-儲(chǔ)協(xié)同優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(17): 131-138. Sang Bingyu, Wang Deshun, Yang Bo, et al. Collaborative optimization configuration of photovoltaic-energy storage based on economy in an Internet data center[J]. Power System Protection and Control, 2020, 48(17): 131-138.

[6] Li Jie, Qi Wenbo. Toward optimal operation of Internet data center microgrid[J]. IEEE Transactions on Smart Grid, 2018, 9(2): 971-979.

[7] 趙天陽, 張華君, 徐巖, 等. 不確定環(huán)境下含云計(jì)算數(shù)據(jù)中心的電網(wǎng)韌性增強(qiáng)調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2021,45(3):49-57. Zhao Tianyang, Zhang Huajun, Xu Yan, et al. Resilience-enhanced scheduling of power system with cloud computing data centers under uncertainty[J]. Automation of Electric Power Systems, 2021, 45(3): 49-57.

[8] Chen Sirui, Li Peng, Jihaoran. Operational flexibility of active distribution networks with the potential from data centers[J]. Applied Energy, 2021, 293: 116935.

[9] 高賜威, 吳剛, 陳宋宋. 考慮地理分散的數(shù)據(jù)中心服務(wù)器頻率調(diào)節(jié)的電網(wǎng)降損模型[J]. 中國電機(jī)工程學(xué)報(bào), 2019, 39(6): 1673-1681, 1863. Gao Ciwei, Wu Gang, Chen Songsong. A model aimed at reducing power net loss considering frequency scaling of servers in geo-distributed data centers[J]. Proceedings of the CSEE, 2019, 39(6): 1673-1681, 1863.

[10] Niu Tao, Hu Bo, Xie Kaigui, et al. Spacial coordination between data centers and power system considering uncertainties of both source and load sides[J]. International Journal of Electrical Power & Energy Systems, 2021, 124: 106358.

[11] 溫正楠, 劉繼春. 風(fēng)光水互補(bǔ)發(fā)電系統(tǒng)與需求側(cè)數(shù)據(jù)中心聯(lián)動(dòng)的優(yōu)化調(diào)度方法[J]. 電網(wǎng)技術(shù), 2019, 43(7): 2449-2460. Wen Zhengnan, Liu Jichun. A optimal scheduling method for hybrid wind-solar-hydro power generation system with data center in demand side[J]. Power System Technology, 2019, 43(7): 2449-2460.

[12] Qi Wenbo, Li Jie, Liu Yaoqing, et al. Planning of distributed Internet data center microgrids[J]. IEEE Transactions on Smart Grid, 2019, 10(1): 762-771.

[13] Chen Min, Gao Ciwei, Li Zuyi, et al. Aggregated model of data network for the provision of demand response in generation and transmission expansion planning[J]. IEEE Transactions on Smart Grid, 2021, 12(1): 512-523.

[14] Guo Caishan, Luo Fengji, Cai Zexiang, et al. Integrated planning of internet data centers and battery energy storage systems in smart grids[J]. Applied Energy, 2021, 281: 116093.

[15] Vafamehr A, Khodayar M E, Manshadi S D, et al. A framework for expansion planning of data centers in electricity and data networks under uncertainty[J]. IEEE Transactions on Smart Grid, 2019, 10(1): 305-316.

[16] 張子儀, 蔡澤祥, 郭采珊, 等. 面向泛在電力物聯(lián)網(wǎng)的分布式云數(shù)據(jù)中心優(yōu)化選址[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(3): 36-42. Zhang Ziyi, Cai Zexiang, Guo Caishan, et al. Optimization of distributed cloud computing data center layout for ubiquitous power internet of things[J]. Power System Protection and Control, 2020, 48(3): 36-42.

[17] 張勝杰. “電力+算力”融合推動(dòng)電網(wǎng)智能轉(zhuǎn)型[N]. 中國能源報(bào), 2022-04-04(21).

[18] 劉念, 余星火, 王劍輝, 等. 泛在物聯(lián)的配用電優(yōu)化運(yùn)行：信息物理社會(huì)系統(tǒng)的視角[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(1):1-12. Liu Nian, Yu Xinghuo, Wang Jianhui, et al. Optimal operation of power distribution and consumption system based on ubiquitous Internet of Things: a cyber-physical-social system perspective[J]. Automation of Electric Power Systems, 2020, 44(1): 1-12.

[19] 車泉輝, 婁素華, 吳耀武, 等. 計(jì)及條件風(fēng)險(xiǎn)價(jià)值的含儲(chǔ)熱光熱電站與風(fēng)電電力系統(tǒng)經(jīng)濟(jì)調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(10): 2047-2055. Che Quanhui, Lou Suhua, Wu Yaowu, et al. Economic dispatching for power system of concentrated solar power plant with thermal energy storage and wind power considering conditional value-at-risk[J]. Transactions of China Electrotechnical Society, 2019, 34(10): 2047-2055.

[20] 馮成, 王毅, 陳啟鑫, 等. 能源互聯(lián)網(wǎng)下的數(shù)據(jù)中心能量管理綜述[J]. 電力自動(dòng)化設(shè)備, 2020, 40(7): 1-9. Feng Cheng, Wang Yi, Chen Qixin, et al. Review of energy management for data centers in energy Internet[J]. Electric Power Automation Equipment, 2020, 40(7): 1-9.

[21] Jin Chaoqiang, Bai Xuelian, Yang Chao, et al. A review of power consumption models of servers in data centers[J]. Applied Energy, 2020, 265: 114806.

[22] 陳厚合, 李澤寧, 靳小龍, 等. 集成智能樓宇的主動(dòng)配電網(wǎng)建模及優(yōu)化方法[J]. 中國電機(jī)工程學(xué)報(bào), 2018, 38(22): 6550-6563. Chen Houhe, Li Zening, Jin Xiaolong, et al. Modeling and optimization of active distribution network with integrated smart buildings[J]. Proceedings of the CSEE, 2018, 38(22): 6550-6563.

[23] 謝樺, 任超宇, 郭志星, 等. 基于聚類抽樣的隨機(jī)潮流計(jì)算[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(23): 4940-4948. Xie Hua, Ren Chaoyu, Guo Zhixing, et al. Stochastic load flow calculation method based on clustering and sampling[J]. Transactions of China Electrotechnical Society, 2020, 35(23): 4940-4948.

[24] Tran N H, Tran D H, Ren Shaolei, et al. How geo-distributed data centers do demand response: a game-theoretic approach[J]. IEEE Transactions on Smart Grid, 2016, 7(2): 937-947.

[25] Chen Zhi, Wu Lei, Li Zuyi. Electric demand response management for distributed large-scale Internet data centers[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 651-661.

[26] 刁涵彬, 李培強(qiáng), 王繼飛, 等. 考慮電/熱儲(chǔ)能互補(bǔ)協(xié)調(diào)的綜合能源系統(tǒng)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(21): 4532-4543. Diao Hanbin, Li Peiqiang, Wang Jifei, et al. Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrotechnical Society, 2020, 35(21): 4532-4543.

[27] 范志成, 朱俊澎, 袁越, 等. 基于改進(jìn)型直流潮流算法的主動(dòng)配電網(wǎng)分布式電源規(guī)劃模型及其線性化方法[J]. 電網(wǎng)技術(shù), 2019, 43(2): 504-513. Fan Zhicheng, Zhu Junpeng, Yuan Yue, et al. Distributed generation planning model of active distribution network and linearization method based on improved DC power flow algorithm[J]. Power System Technology, 2019, 43(2): 504-513.

[28] Zeng Bo, Zhang Jianhua, Yang Xu, et al. Integrated planning for transition to low-carbon distribution system with renewable energy generation and demand response[J]. IEEE Transactions on Power Systems, 2014, 29(3): 1153-1165.

[29] 曾博, 徐富強(qiáng), 劉一賢, 等. 綜合考慮經(jīng)濟(jì)-環(huán)境-社會(huì)因素的多能耦合系統(tǒng)高維多目標(biāo)規(guī)劃[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(7): 1434-1445. Zeng Bo, Xu Fuqiang, Liu Yixian, et al. High-dimensional multiobjective optimization for multi-energy coupled system planning with consideration of economic, environmental and social factors[J]. Transactions of China Electrotechnical Society, 2021, 36(7): 1434-1445.

[30] 邊曉燕, 史越奇, 裴傳遜, 等. 計(jì)及經(jīng)濟(jì)性和可靠性因素的區(qū)域綜合能源系統(tǒng)雙層協(xié)同優(yōu)化配置[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(21): 4529-4543.Bian Xiaoyan, Shi Yueqi, Pei Chuanxun, et al.Bi-level collaborative configuration optimization of integrated community energy system considering economy and reliability[J]. Transactions of China Electrotechnical Society, 2021, 36(21): 4529-4543.

[31] Zeng Bo, Liu Yu, Xu Fuqiang, et al. Optimal demand response resource exploitation for efficient accommodation of renewable energy sources in multi-energy systems considering correlated uncertainties[J]. Journal of Cleaner Production, 2021, 288: 125666.

Research on Interactive Integration Planning of Data Centers and Distribution Network Driven by Carbon Emission Reduction

Zhang Yuying1,2Zeng Bo1Zhou Yinyu1Xu Hao1Liu Wenxia1

（1. School of Electrical and Electronic Engineering North China Electric Power University Beijing 102206 China 2. CHN Energy New Energy Technology Research Institute Co. Ltd Beijing 102209 China）

With the proliferation of data centers (DC) in the digital economy, the scientific planning of DC grid connection and the use of its demand response (DR) capability are crucial to the secure, economical, and sustainable operation of future power systems. However, most of the existing studies have only explored the DC integration problem from the perspective of adverse-effect mitigation, while the potential value of DCs for supporting low-carbon operation of the grid has not been fully explored. As such, this paper proposes an interactive planning framework to enable synergetic integration of DC and distribution network under the carboncarbon-neutrality background.

Firstly, synthesizing the impacts of equipment characteristics, environmental temperature and other factors, a DC demand response model considering heat dissipation constraints is established. Secondly, given the impact of uncertainties such as power consumption/ data demand and renewable energy output on system objectives, the concept of carbon-emission-reduction loss risk in the distribution network with DC is defined by introducing conditional risk value (CVaR) theory. Then, based on the two-stage stochastic optimization method, a carbon-emission-reduction driven collaborative optimization model for DC and distribution network planning is proposed, which aims to minimize the total costs associated with system investment operating costs, carbon emission taxes and total CVaR losses (carbon emission reduction and economic risk). By considering the planning and operation control of source-grid-load components simultaneously, the proposed model could co-optimize the economic and low-carbon benefits of the system under controllable system risk. The model is reformulated into a mixed integer linear programming problem and resolved by the Gurobi commercial solver.

A modified IEEE-33 node system is used as an example for simulation analysis. In order to reveal the benefits of implementing DC and distribution network interactive integration planning, four scenarios with different DC integration modes and response characteristics are set up and their resulting optimal planning solutions and cost-benefits are compared and analyzed. It is found that DC and distribution network integration planning taking into account spatial and temporal adjustable characteristics, i.e., the method proposed in this paper, minimizes capacity allocation requirements and allows the system to make greater use of renewable energy sources and reduce external power purchases, thus achieving optimal economic and carbon reduction benefits. In addition, the impact of DC-specific thermal constraints and uncertainties on the achievement of these objectives is analyzed in detail.

The following conclusions can be drawn from the simulation analysis: (1) Compared with traditional self-regulated planning, IIP can effectively improve the efficiency of the distribution network with DC and promote the use of renewable energy, thereby helping the power system to reduce carbon emissions. (2) The expected benefits of implementing IIP are influenced by various factors such as the spatio-temporal adjustability of DC data load, demand characteristics and environment temperature. By considering the thermodynamic characteristics in the DC modeling, it helps to capture the real-time interactive responsivity of DC more accurately, thus ensuring the effectiveness of the final planning scheme. (3) Selecting cities with low average annual temperatures or high daytime temperature variations to implement IIP can save system construction and operation costs and better utilize the flexibility value of DC resources. (4) CVaR can intuitively quantify the risk of the uncertainty on the carbon emission reduction, and effectively balance the inherent contradiction between the expected benefits and risk losses according to the decision-maker's preference, thus having a better engineering practical value.

Data center, active distribution network, integrated planning, flexibility, thermal environment characteristics, carbon neutrality

10.19595/j.cnki.1000-6753.tces.221646

TM715

國家自然科學(xué)基金（52177082）、北京市科技新星計(jì)劃（20220484007）和中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金（2022JG005）資助項(xiàng)目。

222-08-29

2022-11-03

張玉瑩 女，1990年生，博士研究生，工程師，研究方向?yàn)樾滦湍茉措娏ο到y(tǒng)優(yōu)化規(guī)劃。E-mail：zhyuying@126.com

曾 博 男，1987年生，副教授，博士生導(dǎo)師，研究方向?yàn)榫C合能源系統(tǒng)規(guī)劃、電力信息物理社會(huì)系統(tǒng)分析與建模。E-mail：alosecity@126.com（通信作者）

（編輯 郭麗軍）