摘 要：構建一種融合可再生能源的數(shù)據(jù)中心余熱利用系統(tǒng)，實現(xiàn)余熱的高效利用。同時，為進一步降低系統(tǒng)運行成本，引入基于用戶側柔性負荷調節(jié)的需求響應機制，研究動態(tài)削峰補貼價格下系統(tǒng)的運行表現(xiàn)。結果表明：選取補貼價格依次為0.149、0.141、0.190、0.145元/kWh時，系統(tǒng)取得最高凈收益266158.4元，且隨著蓄熱裝置容量的提升，系統(tǒng)凈收益增長率由10.4%降低至1.6%，可再生能源消納量呈現(xiàn)下降趨勢。

關鍵詞：數(shù)據(jù)中心；可再生能源；余熱利用；需求響應

中圖分類號：TK01+9" " " " " " 文獻標志碼：A

0 引 言

數(shù)據(jù)中心的迅猛發(fā)展對中國社會經(jīng)濟的進步起到重要的支撐作用，但其自身也面臨著能源需求量大、清潔低碳運行壓力大等挑戰(zhàn)。根據(jù)相關機構預測，2035年中國數(shù)據(jù)中心電力消耗將達到78 TWh，約占全國總電力消耗的4%；碳排放將達到2.3×108 t，占全國碳排放總量的2%～4%［1］，因此針對數(shù)據(jù)中心的節(jié)能減排研究具有重大意義。

由于數(shù)據(jù)中心在消耗大量電能的同時也會產(chǎn)生大量的熱量，如果熱量作為廢熱排放到空氣中，在破壞環(huán)境的同時將造成嚴重的資源浪費。因此，許多研究人員提出將數(shù)據(jù)中心產(chǎn)熱進行回收利用，而利用數(shù)據(jù)中心產(chǎn)熱最有效的方法之一是給周圍建筑物供暖［2］。周梅［3］從數(shù)據(jù)中心供熱能源規(guī)劃、熱源設施布局、熱網(wǎng)布局、規(guī)劃反饋等方面出發(fā)，為數(shù)據(jù)中心余熱供暖系統(tǒng)的設計以及運行策略的制定提供了參考；李金苡［4］以濟南某數(shù)據(jù)中心為例，構建以“數(shù)據(jù)機房余熱+熱泵機組”為核心的住宅與辦公區(qū)域集中供熱系統(tǒng)，測算結果表明：該數(shù)據(jù)中心機房可釋放約70 MW的熱量，可滿足周邊采暖建筑面積5萬m2，相比于常規(guī)然氣集中供熱系統(tǒng)，該方案在單個采暖季可節(jié)省費用150萬元；黃若琳［5］對某大型數(shù)據(jù)中心機房冷卻系統(tǒng)熱回收的潛力和技術方案進行定量分析，結合當?shù)爻鞘心茉蠢煤图竟?jié)性氣候情況評價了熱回收系統(tǒng)供暖帶來的節(jié)能、經(jīng)濟性的優(yōu)勢，為大型數(shù)據(jù)中心機房冷卻系統(tǒng)熱回收供暖方案提供了理論指導。

目前關于數(shù)據(jù)中心余熱利用的研究相對單一，主要是將數(shù)據(jù)中心余熱作為熱源制取居民采暖熱水，忽略了利用過程中熱負荷作為可削減負荷參與電網(wǎng)削峰填谷的潛力。因此，本研究引入基于柔性負荷調控的電網(wǎng)需求響應機制，通過制定合理的價格補貼策略，最大程度吸引用戶參與電網(wǎng)需求響應；同時在系統(tǒng)運行架構中引入蓄熱裝置以及以風、光為代表的可再生能源，進一步提高系統(tǒng)控制的靈活性，降低系統(tǒng)的能源供給成本。

1 系統(tǒng)描述

以天津某數(shù)據(jù)中心為例，構建以數(shù)據(jù)中心余熱利用為核心的居民集中供熱系統(tǒng)，該系統(tǒng)由風電和光伏兩種可再生能源以及市政電網(wǎng)共同提供電力供給，其運行架構如圖1所示。

數(shù)據(jù)中心產(chǎn)生的余熱由熱泵提升品位后提供給居民用戶，同時熱泵可在夜間谷電時段制取多余的熱量存儲于蓄熱裝置中，并在白天峰電時段放出以降低供熱能源成本。為保證居民用熱的穩(wěn)定性及安全性，系統(tǒng)中還配有一臺電鍋爐，可在極端工況下快速啟動進行輔助供熱。該余熱利用系統(tǒng)的具體參數(shù)如表1所示。

2 系統(tǒng)模型構建

2.1 數(shù)據(jù)中心能耗模型

實際采集天津地區(qū)某數(shù)據(jù)中心12月份逐時能耗數(shù)據(jù)，如圖2所示。該數(shù)據(jù)中心逐時能耗呈現(xiàn)明顯的周期性變化，且最高逐時能耗為12.211 MWh，最低為10.538 MWh，其變化區(qū)間較小，能耗較為穩(wěn)定。由于數(shù)據(jù)中心90%以上電耗將轉化為廢熱，據(jù)測算其中有68%的廢熱可被回收利用［6］，由此驗證了數(shù)據(jù)中心可為余熱利用系統(tǒng)提供較為穩(wěn)定的熱源。

2.2 用戶響應模型

參與需求響應的用戶，可選擇在峰電時段降低室內空調溫度，從而實現(xiàn)自身熱負荷的削減。同時，根據(jù)國家供熱規(guī)范要求，集中供熱場景下，居民用戶室內溫度應保持18 ℃以上，因此，每一時刻用戶將室溫從原定溫度調整至18 ℃所節(jié)省的熱量，就是該時刻用戶參與需求響應的最大負荷削減量。此時，用戶可根據(jù)負荷供應商給予的補貼價格動態(tài)調節(jié)自身的需求響應程度。

應用韋伯-費希納定律，可量化用戶在參與市場化交易時的心理活動，可認為用戶的響應比例[Z]與用戶獲取的補貼價格[PB，i]呈現(xiàn)對數(shù)函數(shù)關系，即：

[Z=KlnPB，i+C] （1）

式中：[K]、[C]——特性系數(shù)。

每一時刻用戶的負荷削減量通過式（2）計算。

[LX，m，i=Z?（Lnow，m，i-L18，m，i）] （2）

式中：[Lnow，m，i]——維持當前室溫所需負荷，kW；[L18，m，i]——維持室內溫度為18 ℃時的負荷，kW；負荷[Lnow，m，i]和[L18，m，i]可通過在熱力負荷計算模型中設定供暖溫度計算得到。

2.3 水環(huán)熱泵機組模型

供暖回水進入水環(huán)熱泵（water loop heat pump，WLHP），當水溫低于WLHP溫度設定點時壓縮機啟動。根據(jù)式（3）可計算WLHP的供水溫度：

[Ts=Tr+ΔtPHPcwmw，" Trlt;TqTs=Tr，" Tr≥Tq] （3）

式中：[Ts]——供水溫度，℃；[Δt]——水環(huán)熱泵運行時間，s；cw——循環(huán)水比熱容，J/（kg·℃）；mw——循環(huán)水質量，kg；[Tr]——回水溫度，℃；[PHP]——水環(huán)熱泵的制熱功率，kW；[Tq]——水環(huán)熱泵的溫度設定點，℃。

根據(jù)性能系數(shù)[ηCOP]可進一步計算WLHP功耗。[ηCOP]可根據(jù)式（4）計算。

[ηCOP=ηPLF?ηCOP，ra] （4）

式中：[ηCOP，ra]——WLHP的額定性能系數(shù)；[ηPLF]——WLHP部分負荷系數(shù)，可根據(jù)式（5）進行計算［7］。

[ηPLF=ε1-Cc（1-ε）] （5）

式中：[ε]——WLHP的負荷率，一般熱泵機組可調范圍在0.1～1.0區(qū)間內；[Cc]——待機損失系數(shù)。

根據(jù)WLHP的性能系數(shù)和制熱功率，利用式（6）可計算WLHP的功耗：

[eHP=ΔtPHP/ηCOP] （6）

式中：[eHP]——WLHP的耗電量，kWh。

2.4 電鍋爐模型

當回水進入到電鍋爐且溫度低于設定的加熱溫度，電鍋爐啟動，加熱后的供水溫度計算方法同式（3），電鍋爐輸出熱量計算如式（7）所示。

[QEB=η?Δt?PEB] （7）

式中：[QEB]——電鍋爐加熱量，kJ；[η]——熱電轉換系數(shù)；[PEB]——電鍋爐加熱功率，kW。

2.5 蓄熱裝置模型

本文中將蓄熱裝置的充-放狀態(tài)[S]定義為當前蓄熱量與最大蓄熱量的比值。本模型將一天分為[k]個階段。通過式（8）可計算每個時間段的[S]。

[S=Sk+1=Sk-zkc?qkc-zkdc?qkdc?ΔtQmaxSk+1，" Sk∈0.2，1qkc∈qc，min，qc，maxqkdc∈qdc，min，qdc，maxzkc+zkdc≤1] （8）

式中：[zkdc]、[zkc]的取值為0或1，當[zkdc]（或[zkc]）=1時蓄熱裝置為放熱（充熱）狀態(tài)；[Qmax]——蓄熱裝置最大的蓄熱容量，kWh；[qdc，max]、[qdc，min]、[qc，max]、[qc，min]——放熱的最大/小功率約束和充熱的最大/小功率約束，kW；[qkdc]、[qkc]——蓄熱裝置[k]時刻放熱/充熱的功率，kW。

2.6 光伏發(fā)電模型

光伏的輸出功率取決于太陽輻照度，其能量轉換模型如式（9）所示［8］。

[Ptpv=Cpv?fpv?（Itpv/Irapv）?[1+cT?（Ttpv-Trapv）]] （9）

式中：[Cpv]——光伏的安裝容量，kW；[fpv]——光伏的功率降低因子；[Itpv]——太陽輻照度，W/m2；[Irapv]——額定的太陽輻照度，W/m2；[cT]——溫度系數(shù)；[Ttpv]——[t]時刻光伏組件的表面溫度，℃；[Trapv]——額定測試下光伏組件的表面溫度，℃。

2.7 風力發(fā)電模型

風力發(fā)電機的輸出功率與當前環(huán)境的風速、切入風速以及額定風速等因素存相關，其輸出功率計算方法如式（10）所示［9］。

[P（v）=" " " " "0" " " " " " " ，" vlt;vci，" vgt;vco12ρACpv3" " " " "，" vci≤vlt;vr" " " " Pr，" " " " " " " " vrlt;vlt;vco" " " " " " " ] （10）

式中：[v]——實際風速，m/s；[vci]、[vr]、[vco]——切入、額定以及切出風速，m/s；[ρ]——空氣密度，kg/m3；[A]——風機轉子橫掠面積，m2；[Cp]——風機的功率系數(shù)；[Pr]——風力發(fā)電機組的額定裝機量，kW。

3 系統(tǒng)控制策略

3.1 蓄熱裝置控制策略

蓄熱裝置的控制策略如圖3所示，圖中[Pmax]表示蓄熱裝置最大蓄放熱功率，[Qmax]表示蓄熱裝置最大蓄熱量，[QLoad]表示當前熱負荷，[Pre]表示當前可再生能源發(fā)電功率。在負荷削減時段系統(tǒng)采用蓄熱裝置和熱泵進行聯(lián)合供熱的形式，其中，蓄熱裝置儲存的熱量將優(yōu)先用于滿足用戶負荷，缺口部分由熱泵進行補充。同時，若此時可再生能源發(fā)電功率高于熱泵最小負荷率對應的運行功率，可再生能源將被優(yōu)先用于驅動熱泵制取供暖熱水，否則可再生能源將被廢棄。

在普通時段，為使蓄熱裝置的蓄熱量最大程度利用于峰電時段，蓄熱體將不參與供暖，供熱系統(tǒng)利用市政電網(wǎng)及可再生能源驅動熱泵對用戶進行供熱。同時在谷電、平電時段，供熱系統(tǒng)可利用政電網(wǎng)及可再生能源對蓄熱裝置的蓄熱量進行補充，以在接下來的峰電時段更好地輔助削峰，并從中賺取峰谷電價間的差價。

3.2 用戶價格補貼策略

不同的補貼價格對應用戶不同的負荷削減量，而系統(tǒng)從電網(wǎng)獲取的削峰收益、系統(tǒng)的逐時負荷供應量以及單位供能成本均受到負荷削減量的影響，因此合理的價格補貼策略可最大化系統(tǒng)供熱收益。本文采用每周改變一次補貼價格的方式，通過粒子群尋優(yōu)算法，得到供熱期間的最優(yōu)補貼價格策略。采用的粒子群算法更新方法如式（11）所示［10］，算法流程如圖4所示。

[vi=ω×vi+c1×rand（）×（pbest，i-xi）+" " " " "c2×rand（）×（gbest，i-xi）] （11）

式中：[ω]——慣性因子；[pbest，i]——粒子個體極值位置；[gbest，i]——全局粒子極值位置。

4 系統(tǒng)控制策略

本文開展以一個月為供熱周期的系統(tǒng)優(yōu)化控制，在此期間可再生能源的出力曲線如圖5所示，無論是光伏出力還是風力機出力均具有較大的隨機性與波動性，若本地用電設備無法有效消納則需要借助儲能設備。根據(jù)調控策略，分別在當月的第1、8、15以及第22天發(fā)布補貼價格，價格區(qū)間取0.1～0.2元/kWh。最優(yōu)補貼價格的求解則是通過設定系統(tǒng)最大凈收益為目標函數(shù)，采用粒子群尋優(yōu)算法完成多次迭代后得到，迭代過程如圖6所示。在完成100次迭代后，粒子群所獲得的最大收益基本保持不變；最終，系統(tǒng)最高收益穩(wěn)定在266158.4元。

4.1 用戶熱負荷分析

09：00—12：00和14：00—19：00對應每天的削峰時段，參與需求響應的用戶可在上述時段內降低自身熱負荷需求從而減少系統(tǒng)的供能量。同時，系統(tǒng)內部署的蓄熱裝置也通過釋放熱量進一步調節(jié)該區(qū)域的用電負荷。為了顯示該供熱期的熱負荷變化特征，分析供熱期第1天的熱負荷變化情況，如圖7所示。在兩個需求響應時段中用戶熱負荷會相應減少，且削減量在需求響應時段內逐漸降低，這是由于蓄熱裝置蓄熱量有限，當在需求響應前期釋放完全部熱量，后期只能依靠用戶自身削減負荷來參與電網(wǎng)的需求響應。

4.2 系統(tǒng)收益分析

本文分別計算了在固定補貼價格下以及動態(tài)補貼價格策略下系統(tǒng)的凈收益。如圖8所示，在固定補貼價格下，系統(tǒng)的凈收益隨著補貼價格的提高呈現(xiàn)出先增加后降低的變化趨勢，當補貼價格位于0.16元/kWh時，系統(tǒng)凈收益達到最大值263535.3元。導致這一變化趨勢的原因在于：一開始隨著補貼價格的提升，用戶參與負荷削減的比例逐步提高，使得峰電時段系統(tǒng)耗電量降低，加上較高的削峰凈收益，使得系統(tǒng)凈收益逐步增加。隨著補貼價格的繼續(xù)提高，峰電時段熱負荷繼續(xù)降低，但較低的負荷率會對機組的性能產(chǎn)生不利影響，使得單位制熱量的電耗增加，同時，隨著補貼價格的繼續(xù)提升，用戶參與負荷削減比例增幅放緩，而較高的用戶補貼價格導致該供熱系統(tǒng)實際得到的削峰靜收益下降。綜合以上因素，過高的補貼價格反而使得系統(tǒng)凈收益下降。在固定價格對比的基礎上，探索動態(tài)價格策略下系統(tǒng)的凈收益表現(xiàn)。結果表明，當設置的補貼價格依次為0.149、0.141、0.190和0.145元/kWh時，供熱系統(tǒng)獲得266158.4元凈收益，而該收益高于所有固定價格下的凈收益，因此，該結果驗證了動態(tài)補貼價格策略的可行性。

4.3 蓄熱裝置容量優(yōu)化

余熱利用系統(tǒng)的蓄熱容量對系統(tǒng)的收益以及可再生能源的消納均產(chǎn)生重要的影響。如圖9所示，隨著蓄熱容量的增加，系統(tǒng)的供熱花費逐漸降低，對應的系統(tǒng)凈收益也隨之增加，但其增長速度逐步放緩，由一開始的10.4%增長率逐步降低至1.6%增長率。這是由于一開始隨著蓄熱容量的增加，更多的谷價電以熱量的形式被存儲于蓄熱裝置中并在白天削峰時段放出，進一步減少了白天的供熱成本；但隨著蓄熱容量的進一步增加，其蓄熱量基本持平甚至超過白天所需削峰需求，因此對系統(tǒng)凈收益的影響逐漸降低。同時，由圖9可看出，隨著蓄熱容量的增加，可再生能源的消納量是呈現(xiàn)下降的趨勢，這是由于當蓄熱容量較小時，蓄熱裝置的蓄熱量在需求響應期間很快被放空，因此后續(xù)需要啟動熱泵實現(xiàn)熱負荷的正常供給，此時熱泵的負荷率必然高于最低限制的0.1負荷率，使得此時的可再生能源電量能夠被完全消納。但隨著蓄熱容量的提升，其能維持的放熱時段大大增加，在該時段內，可再生能源的發(fā)電量可能達不到熱泵的啟動功率，而蓄熱體又完全可滿足熱負荷供應，此時熱泵將不會啟動，可再生能源的電量將被廢棄。

5 結 論

針對數(shù)據(jù)中心大量余熱排放導致的能源浪費及環(huán)境污染問題，本文建立了融合可再生能源的數(shù)據(jù)中心余熱利用系統(tǒng)，并提出可行的動態(tài)補貼價格策略，進一步提高了系統(tǒng)凈收益，主要貢獻及結論歸納如下：

1）針對該數(shù)據(jù)中心余熱利用系統(tǒng)，提出針對系統(tǒng)內蓄熱裝置的控制策略，實現(xiàn)了電網(wǎng)的削峰填谷。

2）利用粒子群算法實現(xiàn)動態(tài)補貼價格的制定，當補貼價格依次為0.149、0.141、0.190及0.145元/kWh時，系統(tǒng)取得最高凈收益266158.4元。

3）隨著蓄熱裝置容量的提升，系統(tǒng)凈收益增幅逐漸放緩，可再生能源消納量也呈現(xiàn)下降趨勢。因此，實際系統(tǒng)規(guī)劃需根據(jù)具體儲能的增量成本以及運維成本來制定最佳的蓄熱容量配比。

［參考文獻］

［1］ 華北電力大學. 華北電力大學與阿里巴巴實現(xiàn)全球首次數(shù)據(jù)中心與電力系統(tǒng)間協(xié)同調度［EB/OL］. https：//energy.ncepu.edu.cn/zxdt/yjydt/aa1a9f538ad3461f90f33704e2791695.htm.

North China Electric Power University. North China Electric Power University and Alibaba achieved the world’s first coordinated dispatching between data centers and power systems［EB/OL］. https：//energy.ncepu.edu.cn/zxdt/yjydt/aa1a9f538ad3461f90f33704e2791695.htm.

［2］ HUANG Q H， SHAO S Q， ZHANG H N， et al. Development and composition of a data center heat recovery system and evaluation of annual operation performance［J］. Energy， 2019， 189： 116200.

［3］ 周梅. 基于多規(guī)融合的供熱規(guī)劃策略研究［J］. 居舍， 2021（15）： 173-174.

ZHOU M. Research on heating planning strategy based on multi" "planning" "integration［J］." "Dwelling" "house，" "2021（15）： 173-174.

［4］ 李金苡. 淺談利用濟南某數(shù)據(jù)中心余熱的供暖方式［J］. 建筑熱能通風空調， 2021， 40（9）： 64-67.

LI J Y. Analysis of the supply heating utilization of Ji’nan data centre［J］. Building energy amp; environment， 2021， 40（9）： 64-67.

［5］ 黃若琳. 大型數(shù)據(jù)中心機房冷卻系統(tǒng)研究與優(yōu)化［D］. 重慶： 重慶大學， 2018.

HUANG R L. Research and optimization of cooling system in computer room of large data center［D］. Chongqing： Chongqing University， 2018.

［6］ 李國柱， 崔美華， 黃凱良， 等. 數(shù)據(jù)中心余熱利用現(xiàn)狀及在建筑供暖中的應用［J］. 科學技術與工程， 2022， 22（26）： 11287-11295.

LI G Z， CUI M H， HUANG K L， et al. Current situation of data center waste heat utilization and its application in building heating［J］. Science technology and engineering， 2022， 22（26）： 11287-11295.

［7］ XU Z W， LI H， XU W， et al. Investigation on the efficiency degradation characterization of low ambient temperature air source heat pump under partial load operation［J］. International journal of refrigeration， 2022， 133： 99-110.

［8］ 張繼紅， 闞圣鈞， 化玉偉， 等. 基于氫氣儲能的熱電聯(lián)供微電網(wǎng)容量優(yōu)化配置［J］. 太陽能學報， 2022， 43（6）： 428-434.

ZHANG J H， KAN S J， HUA Y W， et al. Capacity optimization of CHP microgrid based on hydrogen energy storage［J］. Acta energiae solaris sinica， 2022， 43（6）： 428-434.

［9］ 馮璐. 耦合儲能的可再生能源系統(tǒng)優(yōu)化研究［D］. 北京： 華北電力大學， 2021.

FENG L. Study on Optimization of renewable energy system with coupled energy storage［D］. Beijing： North China Electric Power University， 2021.

［10］ 林濤， 劉航鵬， 趙參參， 等. 基于SSA-PSO-ANFIS的短期風速預測研究［J］. 太陽能學報， 2021， 42（3）： 128-134.

LIN T， LIU H P， ZHAO S S， et al. Short-term wind speed prediction based on SSA-PSO-ANFIS［J］. Acta energiae solaris sinica， 2021， 42（3）： 128-134.

OPERATION OPTIMIZATION OF DATA CENTER WASTE HEAT SYSTEM CONSIDERING DEMAND RESPONSE

Wang Kui1，2，Wang Zhenyu1，2，Shen Rendong3，Chen Tianheng4，Ding Yi4

（1. State Grid Electric Power Research Institute Wuhan Energy Efficiency Evaluation， Wuhan 430074， China；

2. State Grid Electric Power Science Research Institute， Nanjing 210037， China；

3. College of Mechanical Engineering， Tianjin University， Tianjin 300350， China；

4. State Grid Tianjin Electric Power Company， Tianjin 300010， China）

Abstract：A waste heat utilization system for data centers integrating renewable energy is constructed， enabling efficient waste heat utilization. Additionally， to further reduce the system’s operating costs， a demand response mechanism based on user-side flexible load regulation is introduced to study the system’s performance under dynamic peak-shaving subsidy prices. The results show that when the subsidy prices are set to 0.149， 0.141， 0.190， 0.145 yuan/kWh respectively， the system achieves its highest net income of 266158.4 yuan. As the capacity of the heat storage device increases， the net income growth rate decreases from 10.4% to 1.6%， while renewable energy consumption shows a declining trend.

Keywords：data centers； renewable energy； waste heat utilization； demand response