带有废热回收直接空气碳捕集的氢集成净零能源与零碳数据中心的分层场景式能量管理

《International Journal of Hydrogen Energy》：Hierarchical scenario-based energy management of hydrogen-integrated net-zero-energy and zero-carbon data centers with waste heat recovery for direct air carbon capture

　　本研究开发了一个分层随机优化框架，用于协调能源、氢气、热能和碳的流动。废热回收与热泵技术为基于直接空气捕集的大气CO?去除提供支持。氢气储存能够主动增强对极端天气事件的抵御能力。净零能耗与零碳约束指导微电网的日常运行。在强风暴期间，主动充氢策略能够维持100%的负荷供应。

**引言**

数据中心规模的快速扩张，主要受云计算、人工智能、数字服务及数据密集型应用需求增长的驱动，使其已成为现代能源基础设施中日益重要的组成部分[1]。这种快速增长伴随着电力需求的大幅增加，给电网带来了相当大的压力，尤其是在拥有大规模、高密度数据中心设施的地区[2]，[3]。当电力由高碳强度电网供应时，额外的电力消耗还可能增加间接碳排放[4]。此外，数据中心信息技术和制冷设备所消耗的电力中，有相当大一部分最终转化为热能，使数据中心成为周围环境废热和热排放的主要来源[5]。除了这些能源和环境挑战外，数据中心持续运行的关键特性要求其具备高度弹性的电力供应能力，能够在上级电网中断或严重扰动期间，通过适当的本地能源资源维持关键服务[6]。

数据中心热负荷不断增加的一个重要后果是持续产生低品位废热，若直接排放到环境中，则代表一种尚未充分开发的能源资源。因此，废热回收已成为一条有前景的路径，可同时提高数据中心能源效率并减少与热排放相关的环境影响。可利用的废热可来自数据中心内部的多个来源，包括排气、回水或循环冷却水以及冷却系统流体，不同来源的可回收热量温度和品质差异显著[7]。

根据热源温度和终端用途需求，已有研究探讨了不同的回收和利用路径[8]，[9]。回收的热量可直接供应给附近建筑用于空间供暖或生活热水生产[10]，可集成到区域供热网络中[11]，也可用于工业和农业过程[12]。其他方法采用热泵将低品位废热提升至更高的温度水平[13]，从而扩大其应用范围；近期研究还考虑了将热泵与热能储存相结合，以解决热量可用性与需求之间的时间不匹配问题[14]，[15]。

因此，文献已逐渐从简单地将数据中心热量排放转向将数据中心视为能够向周围能源系统提供有用热能的能源产消者。然而，回收热量的实际价值很大程度上取决于其温度水平、数据中心与热负荷之间的距离、热量可用性与需求之间的时间兼容性，以及基于热泵升级所需的额外电力。这些因素可能带来技术、经济和能效方面的限制，尤其是当低品位热量在利用前需要大幅升级时[16]，[17]。

与数据中心运行相关的挑战不仅限于电力消耗和废热管理，电力供应产生的碳排放同样需要解决。这两项环境问题有可能通过将废热回收与碳捕集技术相结合来同时解决。碳捕集方法通常可分为点源捕集[18]和直接从环境空气中去除CO?[19]。点源技术，包括燃烧后捕集、燃烧前捕集和富氧燃烧捕集，利用化学吸收、吸附、膜分离和化学链等技术，从电厂和工业设施等浓缩排放流中去除CO?[20]。相比之下，直接空气捕集直接从大气中去除CO?，使其在解决分布式排放和实现净碳去除方面尤为具有吸引力[21]。在典型的直接空气捕集系统中，环境空气被驱动通过空气接触器，CO?被固体吸附剂或液体溶剂选择性捕集。捕集的CO?随后在再生阶段释放，通常通过变温、变压或温压联合变吸附过程，产生用于永久封存或利用的浓缩CO?流[22]。由于直接空气捕集再生可能需要大量热能，数据中心回收的废热（必要时可通过热泵升级）可作为直接空气捕集的有用热输入[23]。这种集成提供了一个机会，将原本废弃的数据中心热量转化为CO?去除的资源，从而同时解决数据中心运行的热影响和碳相关环境影响[21]。

为减少数据中心的碳足迹和电网依赖，已做出了大量努力，增加其低碳和可再生能源电力的获取[24]。这些努力包括部署和采购太阳能光伏和风能[25]、水电[26]、地热能[27]，以及最近的先进核能[28]。然而，这些方法并不一定消除潜在的运行挑战。可再生能源发电具有固有的波动性，年度可再生能源匹配并不能保证清洁电力在数据中心运行的每一小时都实际可用；在可再生能源发电不足期间，仍可能需要由电网或其他备用资源提供额外电力[29]。因此，仅增加可再生能源采购可以降低数据中心的碳强度和电网负担，但不能同时解决每小时能量平衡、废热利用、碳去除以及对电网中断或极端天气事件的抵御能力问题。这一局限性推动了综合能源管理框架的开发，该框架协调可再生能源发电、储能、热回收、碳捕集和弹性运行，而不是独立解决每个挑战。

零碳系统通常可分为间接和直接两种碳减排方法。间接方法通过减少电网电力消耗、增加可再生能源利用以及通过可再生能源证书等机制抵消剩余排放来减少排放[30]。相比之下，直接方法利用碳捕集技术（如直接空气捕集）从大气中去除CO?，以补偿不可避免的排放并实现净零碳运行。例如，参考文献[31]中的模型为集成直接空气捕集的能源系统开发了一种配置优化方法，考虑了CO?吸附和解吸的动态特性，以优化直接空气捕集容量、运行调度和系统成本。净零碳目标通过协调基于直接空气捕集的CO?捕集与能源系统的碳排放来实现。参考文献[32]中的研究为包含碳捕集、氢转电设施和多种能源载体的净零碳综合能源系统开发了一个双层容量规划框架。所提出的方法从燃气锅炉和燃气轮机等高排放设备中捕集CO?，储存捕集的CO?，并通过甲烷化将其转化为燃气。

解决上述挑战需要一个综合能源管理框架，能够同时减少电网依赖和碳排放、利用原本废弃的废热，并在严重扰动下维持数据中心的可靠运行。为此，本研究开发了一个可再生能源驱动的数据中心微电网，集成了光伏发电、电网交互、氢气生产和储存以及热电联产发电。氢气通过电解吸收多余的可再生电力，并在可再生能源发电或电网可用性不足时通过热电联产供电，从而提供高容量能量缓冲[33]。同时，数据中心和热电联产的回收热量通过热泵利用，为直接空气捕集提供所需的热输入，从而将废热转化为有用的碳去除资源。净零电网能量交换和零碳约束被纳入以限制净能量和碳影响，而灵活的数据中心负荷管理和基于场景的运行增强了系统应对不确定性和极端天气事件的能力。因此，这种集成架构为提高数据中心的能源可持续性、碳中和、废热利用和运行弹性提供了统一路径。近期研究同样强调了电-氢-热综合系统和氢气储存在提高可再生能源利用率和系统灵活性方面的潜力。

前述讨论强调了需要一个综合框架，能够同时解决现代数据中心的能源、环境、热力和弹性挑战。因此，所提出框架的主要创新和贡献总结如下，重点强调使其区别于传统数据中心和微电网能源管理方法的显著特征。

? **集成系统建模与协调能源管理**：开发了一个统一优化框架，用于协调电能、氢气储存、热电联产运行、数据中心需求、废热回收、热泵和直接空气捕集。该模型包含了灵活的数据中心负荷管理以及明确的净零能耗和零碳约束，以共同解决能量平衡、碳中和和运行灵活性问题。数据中心和热电联产机组的废热通过热泵回收和升级以满足直接空气捕集的热需求，同时直接空气捕集运行与电力可用性和电网相关CO?排放相协调。这种集成公式使得在一个优化框架内实现能源、热、氢和碳流的协调管理成为可能。

? **用于不确定性和严重事件的分层场景生成**：开发了一个分层场景生成框架，以表示预测和测量不确定性、自然灾害以及确定性设备停运或故障。通过将常规运行不确定性与严重事件和组件故障区分开来，该框架将不同的不确定性和扰动来源纳入统一随机优化模型，从而能够系统评估经济性能和运行弹性。

? **主动氢基弹性**：开发了一种主动氢管理策略，利用天气预报信息在预期极端事件发生前增加氢气储备。当可再生能源发电中断时，储存的氢气随后通过热电联产机组转化为电力。该方法将氢气储存和调度与预测的不利条件相协调，以提高数据中心在严重事件期间维持可靠运行的能力，同时考虑综合能源系统的运行约束。

**章节片段**

**所提出的随机和弹性感知能源管理框架**

所提出的框架在统一的能源管理结构中集成了电力、氢气、热力和碳管理子系统，如图1所示。光伏发电可直接用于供应数据中心需求、与上级电网交换，或通过电解槽转化为氢气以供后续储存。在可再生能源发电不足期间，储存的氢气通过热电联产机组转化回电力，该机组可供应……

**数学建模**

本研究采用系统级建模方法进行日常能源管理和运行调度，而非详细的设备级建模。设备模型的选择与小时时间分辨率和48小时规划时域相匹配，捕捉关键的能源转换关系、运行约束和跨期依赖关系，同时保持可处理的线性公式，以在不确定性和极端天气情景下进行协调优化。

**系统输入数据和情景设置**

系统配置和组件容量是通过初步可行性评估确定的，考虑了正常运行和不利运行条件下的数据中心需求、可再生能源发电、氢气储存和替代能源供应路径。该系统结合了约10兆瓦的数据中心负荷、35兆瓦的光伏发电和7兆瓦的可调度热电联产发电，代表了一种中等规模配置，与容量范围和可比……

**仿真结果与讨论**

所开发的优化模型（即混合整数线性规划问题）在MATLAB中实现，并使用YALMIP优化工具箱配合“intlinprog”求解器求解。获得的结果在以下小节中呈现和分析，以评估所提出框架在不同运行条件和情景下的运行性能。

**结论**

本研究开发了一个用于氢气集成的净零能耗和零碳数据中心的分层随机能源管理框架。建立了一个混合整数线性规划模型来协调这些资源，同时考虑48小时时域内的不确定性、自然灾害和设备停运，目标是实现能量平衡、碳中和和运行弹性。

在正常运行条件下，氢气储存达到约3182公斤（占其5000公斤容量的63.6%）……

**CRediT作者贡献声明**

Reza Hemmati：软件、调查、概念化。Azam Entezari Harsini：初稿撰写、方法学。Kumars Rouzbehi：审阅与编辑、验证、方法学。

**生成式人工智能使用声明**

在准备本手稿期间，ChatGPT（OpenAI）被用作语言和写作支持工具，用于编辑文本、改进英语语法和可读性、将最初以波斯语撰写的部分章节翻译成英语、协助图1的初始设计，以及以标准LaTeX格式排版数学方程。所有科学构想、所提模型的概念设计与结构、模拟方法以及研究框架均由作者开发。利益冲突声明：作者声明，他们不存在任何已知的竞争性经济利益或个人关系，这些关系可能影响本文所报告的工作。Reza Hemmati|Azam Entezari Harsini|Kumars Rouzbehi