中国西南地区城市生态韧性的时空演变与驱动机制：基于SDM与XGBoost-SHAP的双重框架

《Sustainability》：Spatiotemporal Evolution and Driving Mechanisms of Urban Ecological Resilience in Southwest China: A Dual Framework of SDM and XGBoost–SHAP

　　

数据存储和计算需求的快速增长大幅增加了数据中心(DC)的能耗和碳排放。储能系统促进了多源能源协调，同时DC在需求响应(DR)项目中发挥着越来越大的作用。研究人员提出了一种在碳交易机制下集成分布式储能(DES)和共享储能(SES)的DC集群(DCC)的能量与工作量优化调度模型。构建了一个混合整数非线性规划(MINLP)模型，以最小化包括电力相关成本和碳交易成本在内的经济目标。案例研究结果表明，与仅有DES的配置相比，结合了DES和SES的DCC可以实现成本降低46.19%和碳排放减少54.02%。参与DR进一步降低了成本和碳排放。通过在不同规模的DCC实例中评估其计算性能，验证了所提模型的可扩展性。研究还考察了碳价格和储能容量对DCC性能的影响。较高的碳价格减少了碳排放但增加了成本，而较大的DES和SES容量则同时降低了成本和碳排放。所提模型在广泛的可再生能源发电条件和计算工作量下均被证明是可解且表现良好的。本研究为碳交易机制下DC的可持续发展提供了实践启示。

研究背景与意义：在数字经济快速发展的背景下，数据中心(DC)作为存储海量数据和承担计算任务的实体，已成为一个快速增长的行业。然而，大多数DC存在资源管理不善的问题，导致高昂的运营成本，并且正逐渐被纳入碳排放交易框架。为了提高经济效益并减少碳排放，探索有效的低碳策略以管理DC的计算工作量和能源调度成为迫切需求。虽然现有研究探讨了可再生能源和储能系统在DC中的应用，但将DES与SES同时集成到DCC中在碳交易机制下的成本减排潜力尚未得到充分讨论，且碳交易和储能设备容量对DCC经济与环境性能的影响也需进一步探究。为此，研究人员提出了一种集成DES和SES的DCC能量与工作量优化调度模型，旨在通过联合优化计算任务调度和能源调度，最小化总成本（包括碳交易成本）。该研究验证了双重储能配置在减少经济成本和碳排放方面的优越性能，为碳交易机制下DC的可持续发展提供了重要的理论依据与实践指导。本论文发表在《Sustainability》。

关键技术方法：研究人员构建了一个涵盖三个异构DC并集成DES与SES的DCC系统。在方法上，通过将计算负载划分为交互负载和延迟容忍负载，并基于风电、光伏及电网供电架构，构建了一个混合整数非线性规划(MINLP)模型，以实现计算任务调度与能源调度的联合优化。该模型采用Gurobi Optimizer求解，并结合Python环境处理非线性项，确保了全局最优性。在案例分析中，研究人员设定了五种对比场景，分别考察无储能、仅含DES、含DES与SES、结合DR的DES以及完整协同配置（DES与SES结合DR）的经济与环境表现。

研究结果：
成本分析与碳排放分析：通过对比五种场景，研究发现储能系统显著提升了DCC的经济性。集成DES和SES的DCC总成本相比仅有DES的配置降低了46.19%，且同时部署DES、SES和DR的协同效应最强，总成本较基准场景降低了66.48%。在碳排放方面，集成DES和SES相比基准场景和仅有DES的场景分别实现了70.00%和54.02%的减排。引入DR程序进一步降低了16.84%的碳排放。

运营调度策略：研究分析了各场景下DC内部的电力平衡。结果表明，得益于光伏和风电的优先调度，所有场景均实现了可再生能源的充分利用。DES和SES通过协调充放电有效降低了运营成本和碳排放，而DR程序则允许DC灵活调整电力需求以匹配实时能源供应，不同DC间的电力平衡曲线因可再生能源供应和储能设备影响的不同而存在差异。

DES和SES储能：研究发现，在引入DR的情况下，DES的储能容量变化范围更大，这是因为DR改变了DC的用电曲线。SES的充放电节奏与分布式储能单元协同优化，有助于吸收过剩的可再生能源，并进一步削减系统运营成本和碳排放。

DCC规模的影响：为了验证模型的可扩展性，研究评估了DC数量按比例增加时的求解时间与计算复杂性。结果表明，随着DC数量从3个增加到12个，总成本先降后升，在6个DC时达到最小值。

敏感性分析：
碳价格的敏感性分析：碳价格从0.001 USD/kg上升至0.07 USD/kg时，总成本单调上升，而碳排放呈显著下降趋势，降幅达84.00%。这表明高碳价格对碳密集型用电施加了严厉的经济惩罚，促使DCC使用清洁能源或储存的能源替代电网供电。
储能容量的敏感性分析：在SES和DES容量同时变化的情况下，SES容量对DCC的经济和低碳性能影响更为显著。当SES容量较小时，增加DES容量能显著降低总成本和碳排放；但整体储能容量超过一定临界阈值后，冗余容量会削弱系统的灵活调节能力，边际减排效应逐渐减弱。
可再生发电的敏感性分析：通过在±50%范围内扰动风速和太阳辐射，发现光伏和风电输出的增加会导致最优成本和碳排放下降。当可再生发电超过DCC需求的40%时，进一步增加将被削减，模型在不同发电条件下均保持可解且表现良好。
计算工作量的敏感性分析：工作量的增加会导致最优成本和碳排放上升，模型在多样化的计算设置下被证明是可求解且表现稳定的。

总结讨论与研究结论：本研究探讨了在碳交易机制下，通过协同优化能量和工作量调度，将DES和SES集成到DCC中的经济与环境潜力。研究结论表明，与仅配备DES的能源系统相比，同时配备DES和SES的系统在经济成本和碳排放方面表现更优，最高可降低46.19%的经济成本和54.02%的碳排放。参与DR管理可进一步降低能源成本和碳排放。此外，提高碳价格会降低碳排放但增加总成本，而增加DES和SES容量则能显著降低成本与碳排放。所提出模型在多样化发电条件和计算工作量下均表现良好。未来工作可聚焦于为模型设计模块化接口以集成至现有管理系统，采用分解或启发式算法处理大规模实例的计算瓶颈，利用鲁棒优化应对不确定性，并设计考虑隐私保护的多DC公平收益分配机制。