一种用于数据中心微能源系统的自适应鲁棒规划方法，旨在提升系统的灵活性

《Renewable Energy Focus》：An adaptive robust planning method for data center micro-energy system towards flexibility enhancement

数据中心微能源系统通过整合双条件热泵与动态需求响应模型，结合高斯过程回归的两阶段鲁棒规划方法，实现79%的碳减排和9.1%-14.3%的投资成本降低，同时确保规划灵活性与系统鲁棒性。

　　随着人工智能助手如DeepSeek的兴起，数据中心（DC）的规模迅速扩大。据预测，到2025年，数据中心的电力消耗预计将占全球电力系统总消耗的25%[1]，这一增长趋势主要由云计算服务的广泛应用所推动。面对日益增长的能源消耗成本，可再生能源供电设备的应用逐渐增加[2]，这不仅有助于数据中心微能源系统的进一步发展，也有效应对了可再生能源固有的不确定性[3]。

微能源系统的结构必须兼顾灵活性、经济性和效率。然而，由于成本和建设周期的限制，灵活设备的配置往往受到制约，使得研究重点逐渐转向需求侧的灵活性[4]。数据中心负载在时空上的可调整特性为系统优化提供了广阔的可能性[5]。考虑到数据中心负载的时空可调整性，文献[6]提出了一种线性、隐私保护的需求响应（DR）模型，而文献[7]则从队列动态和区域间传输约束的角度出发，优化了运营成本。此外，用户需求的变化以及负载调节过程中存在的风险和信任问题，进一步凸显了在需求响应中引导用户参与的重要性。为了解决因处理延迟导致的用户流失问题，设计激励电价是常见的方法[8]。同时，文献[9]提出了一种联合优化框架，通过云服务提供商之间的协作，优化数据中心微能源系统的负载管理。总而言之，开发一种新型数据中心负载调节机制是迫切需要的，以在经济和实际约束的框架内深入挖掘需求侧的灵活性。

除了电力，热能也是现代能源系统的重要组成部分。因此，余热回收（WHR）技术因其提高能源利用率的能力而受到广泛关注，为可持续发展提供了支持[10]。文献[11]研究了不同参数对余热回收系统的影响，实现了将余热直接转化为绿色电力。考虑到热管在热传导过程中因热阻导致的低效率，文献[12]通过引入盐梯度热储存装置，驱动余热回收系统，实现了在低温连续热源下的高效发电。与此同时，先进的热管理策略正在拓展热能的应用范围：集中式设计能够提升热管的流量，加快热传导并减少结垢[13]。此外，整合多维的技术-环境-经济评价系统，有助于全面量化系统的可持续性[14,15]。总的来说，热能对于提升整体能源效率和推动环境可持续性具有重要作用。

作为能源的生产者和消费者，数据中心能够将电能和热能内部整合，实现互补。数据中心消耗的电能可以转化为热能，用于建筑供暖[16]，甚至促进电网与热网之间的耦合[17]。此外，热能也可用于冷却，例如提升能源利用率[18]，并作为间接的灵活性资源[19]。如表1所示，目前关于余热回收的研究在应用范围上仍较为有限，通常仅关注单一功能的利用。文献[20]通过采用热泵、吸收式制冷机（AC）、燃气轮机（GT）、余热回收系统和热能与冷能储存装置，以应对这些需求。然而，配置过多的冷却和加热设备会增加系统的复杂性和成本。双工况热泵则提供了一种更简单、更高效的集成方式，能够有效避免在能量储存和再利用过程中产生的损失，特别适用于频繁变化的数据中心负载和冷却与加热需求。

尽管如此，上述研究主要关注系统在运行过程中负载和设备提供的灵活性，而忽略了规划阶段的灵活性。与此同时，传统的刚性约束限制了规划的经济性和可持续性，凸显了在规划中引入灵活操作范围的必要性。确保系统在不同运行条件下的灵活性和鲁棒性仍然是一个关键的研究课题。

当前的规划研究主要采用随机优化、鲁棒优化和元启发式算法来应对源-荷不确定性。表2对这些方法的优缺点进行了比较分析。总体来看，仍然存在计算效率与求解精度之间的矛盾。现有的鲁棒优化模型在应对变量分布敏感性和投资成本分配不优等方面仍面临重大挑战。

数据中心微能源系统规划的主要贡献如下：

1）为了提高整体能源利用效率，引入双工况热泵，用于重新利用服务器和燃气轮机产生的多级余热，以满足微能源系统的季节性需求。

2）为了协同能源供应设备的运行，利用需求侧价值，将用户的信任过程和疲劳现象纳入考虑，以优化批量负载模型。引入差异补偿机制，以提升响应质量。

3）为了应对源-荷不确定性，建立了一种两阶段自适应鲁棒规划框架，基于高斯过程回归（GPR）来表征不确定性，通过引入规划灵活性来减少因设备过度配置而导致的投资浪费。

本文的其余部分如下：第二节介绍了新微能源系统的架构、运行和资源灵活性模型。第三节建立了两阶段自适应鲁棒规划方法及其求解。第四节通过案例研究验证了该方法。第五节是结论。

在新微能源系统的运行和资源灵活性模型中，传统的数据中心微能源系统通常包括可再生能源源、燃气轮机、储能系统（ESS）、余热回收单元、数据中心和常规电气负载。然而，在大多数现有架构中，余热回收单元，如吸收式制冷机和空气源热泵，通常被设计用于单一功能应用（要么用于冷却，要么用于供暖），其回收效率受到季节变化的显著限制。在本研究中，引入了一种能够同时进行冷却和供暖的双工况热泵，以解决这一问题。

两阶段自适应鲁棒规划模型及其求解方法中，为了平衡规划的鲁棒性和灵活性，如图3所示，本文开发了一种两阶段自适应鲁棒规划模型，结合灵活操作区间。首先，收集并分类相关数据，按季节进行划分。然后，建立两阶段鲁棒模型，旨在最小化年度投资和运营成本，其中上层关注规划，下层关注运营。通过优化数据中心的运行特性模型，进一步提升规划的灵活性和适应性。

案例研究部分，本文以图1所示的数据中心微能源系统作为研究实例。本文所采用的电力和热能负载数据来源于中国河北省的一个案例研究。为了模拟全年微能源系统运行的变化，从每个季节中选取典型日。选择AERMEC NRP 1104-4管式版本A热泵用于余热回收。所有设备的规划时间跨度设定为20年，折现率为5%。主要的分析结果表明，与传统余热回收策略相比，碳排放量减少了79%，光伏、燃气轮机和储能系统的投资成本分别降低了9.1%、14.3%和8.6%。此外，与忽略规划灵活性的场景相比，规划成本可减少0.5%至4.9%。通过引入资源和规划灵活性，并优化不确定性集，释放了系统的灵活性，同时确保了规划结果的稳定性和经济性。

在结论部分，总结了所提出方法在三个关键维度上的效果：

1）需求响应：基于信任过程和疲劳现象构建的差异补偿机制显著提升了需求响应的潜力。与低补偿机制相比，它提高了负载调度的灵活性；与高补偿机制相比，它明显降低了规划和运营成本。

2）余热回收：通过燃气轮机和数据中心余热回收的整合，提升了余热利用效率。

3）规划优化：通过引入两阶段自适应鲁棒规划框架，有效应对了源-荷不确定性，同时在保证系统稳定性和经济性的前提下，提升了规划的灵活性。

通过上述方法的综合应用，不仅实现了对数据中心能源需求的高效管理，也促进了能源系统的可持续发展。未来的研究可以进一步探索如何在更复杂的系统中优化这些机制，以实现更高的能源利用效率和更低的环境影响。此外，随着技术的不断进步，数据中心微能源系统的规划和运行模式将不断完善，为构建更加智能、绿色和高效的能源体系提供支持。