随着人工智能对算力需求的激增,数据中心(internet data center,IDC)作为数据处理与存储的机构,其能耗需求远超预期,使用新能源是其可持续发展的需要。然而,可再生能源具有出力不确定性,仅依靠数据中心参与需求响应难以实现消纳,可配置...随着人工智能对算力需求的激增,数据中心(internet data center,IDC)作为数据处理与存储的机构,其能耗需求远超预期,使用新能源是其可持续发展的需要。然而,可再生能源具有出力不确定性,仅依靠数据中心参与需求响应难以实现消纳,可配置储能提高系统灵活性。因此,本工作建立了以规划总成本最优为目标的数据中心与电池储能(battery energy storage,BES)协同规划两阶段鲁棒模型,为防止规划结果过于乐观,引入了储能寿命约束。同时针对在求解所建模型过程中,传统C&CG(column-and-constraint generation)算法存在难以平衡求解速度与精度间关系的问题,本工作提出了一种不精确列和生成约束算法i-C&CG(inexact column-and-constraint generation)进行求解。基于IEEE30节点与IEEE118节点算例系统进行优化解算,仿真结果表明,与仅配置单一储能相比,本工作所提模型储能年等效建设成本下降39785元,数据中心年等效建设成本下降289080元;且本工作所提算法与传统C&CG相比,采用0.18低精度下的i-C&CG,与采用0.16较高精度的C&CG相比较,i-C&CG最多可缩短3632 s的单次迭代求解所需时间,且最终计算结果的相对误差为0.46%,两者收敛间隙与相对最优间隙近似。展开更多
为促进清洁能源消纳及多能耦合系统灵活运行,降低源、荷不确定性对系统的影响,构建包含光热电站的风光电热氢综合能源系统(wind-photovoltaic-electric-heat-hydrogen integrated energy system,WPEHHIES),提出一种鲁棒性可调的空间多...为促进清洁能源消纳及多能耦合系统灵活运行,降低源、荷不确定性对系统的影响,构建包含光热电站的风光电热氢综合能源系统(wind-photovoltaic-electric-heat-hydrogen integrated energy system,WPEHHIES),提出一种鲁棒性可调的空间多面体不确定集两阶段鲁棒优化方法。基于列与约束生成(column-andconstraint generation,C&CG)算法将两阶段三层min-max-min鲁棒优化模型分解为一层min主问题与两层max-min子问题,通过强对偶原理将双层子问题结构简化处理;由子问题与主问题的交替求解,进而得到原问题的最优解。最后,通过算例分析验证所构建模型和求解算法的有效性及多能耦合系统出力的灵活性。展开更多
文摘随着人工智能对算力需求的激增,数据中心(internet data center,IDC)作为数据处理与存储的机构,其能耗需求远超预期,使用新能源是其可持续发展的需要。然而,可再生能源具有出力不确定性,仅依靠数据中心参与需求响应难以实现消纳,可配置储能提高系统灵活性。因此,本工作建立了以规划总成本最优为目标的数据中心与电池储能(battery energy storage,BES)协同规划两阶段鲁棒模型,为防止规划结果过于乐观,引入了储能寿命约束。同时针对在求解所建模型过程中,传统C&CG(column-and-constraint generation)算法存在难以平衡求解速度与精度间关系的问题,本工作提出了一种不精确列和生成约束算法i-C&CG(inexact column-and-constraint generation)进行求解。基于IEEE30节点与IEEE118节点算例系统进行优化解算,仿真结果表明,与仅配置单一储能相比,本工作所提模型储能年等效建设成本下降39785元,数据中心年等效建设成本下降289080元;且本工作所提算法与传统C&CG相比,采用0.18低精度下的i-C&CG,与采用0.16较高精度的C&CG相比较,i-C&CG最多可缩短3632 s的单次迭代求解所需时间,且最终计算结果的相对误差为0.46%,两者收敛间隙与相对最优间隙近似。
文摘为促进清洁能源消纳及多能耦合系统灵活运行,降低源、荷不确定性对系统的影响,构建包含光热电站的风光电热氢综合能源系统(wind-photovoltaic-electric-heat-hydrogen integrated energy system,WPEHHIES),提出一种鲁棒性可调的空间多面体不确定集两阶段鲁棒优化方法。基于列与约束生成(column-andconstraint generation,C&CG)算法将两阶段三层min-max-min鲁棒优化模型分解为一层min主问题与两层max-min子问题,通过强对偶原理将双层子问题结构简化处理;由子问题与主问题的交替求解,进而得到原问题的最优解。最后,通过算例分析验证所构建模型和求解算法的有效性及多能耦合系统出力的灵活性。
