数据中心综合能源系统配置与运行的集成优化_王江江.pdf

投稿网址:www stae com cn2023 年 第23 卷 第5 期2023，23(5):01968-10科学技术与工程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-05-09;修订日期:2022-11-19基金项目:国家自然科学基金重大项目(52090064);国家自然科学基金面上项目(51876064)第一作者:王江江(1979)，男，汉族，河北石家庄人，博士，教授。研究方向:多能互补分布式供能系统与可再生能源利用。E-mail:wangjjncepu edu cn。引用格式:王江江，邓洪达，刘艺，等 数据中心综合能源系统配置与运行的集成优化 J 科学技术与工程，2023，23(5):1968-1977Wang Jiangjiang，Deng Hongda，Liu Yi，et al Integrated optimization of configurations and operations of integrated energy system for datacenterJ Science Technology and Engineering，2023，23(5):1968-1977能源与动力工程数据中心综合能源系统配置与运行的集成优化王江江1，2，邓洪达1，2，刘艺1，2，王永真3(1 华北电力大学动力工程系，保定 071003;2 河北省低碳高效发电技术重点实验室，保定 071003;3 北京理工大学机械工程学院，北京 100081)摘要采用清洁高效、环保节能的综合能源系统替代传统供能系统，是实现数据中心绿色可持续发展的有效措施。综合能源系统的设计与运行优化通常被分割成两个阶段进行考虑，而并未实现系统的最优规划。基于数据中心全年能耗特点，设计了一种以天然气、太阳能及地热能为能源，集成有机朗肯循环发电系统、吸收式制冷机组、换热器等余热利用设备的综合能源系统。以投资成本、运行成本、碳税成本及太阳能丢弃惩罚成本等在内的综合成本为优化目标，建立了综合能源系统混合整数线性规划模型，对各设备容量以及调度策略进行了集成优化。以某小型数据中心为例进行了案例研究，结果显示:与传统供能方式相比，所构建的综合能源系统费用年值节约率为 35.72%，二氧化碳减排率为 55.11%，一次能源节约率为 39.86%。关键词数据中心;综合能源系统;系统配置;运行策略;优化中图法分类号TK01+9;文献标志码AIntegrated Optimization of Configurations and Operations ofIntegrated Energy System for Data CenterWANG Jiang-jiang1，2，DENG Hong-da1，2，LIU Yi1，2，WANG Yong-zhen3(1 Hebei Key Laboratory of Low Carbon and High Efficiency Power Generation Technology，North China Electric Power University，Baoding 071003，China;2 Hebei Key Laboratory of Low Carbon and High Efficiency Power Generation Technology，North China Electric Power University，Baoding 071003，China;3 School of Mechanical Engineering，Beijing Institute of Technology，Beijing 100081，China)Abstract Adopting the energy-efficient，clean and environmental friendly integrated energy system(IES)in data center to replaceconventional separate production system is one of effective alternatives to realize the green and sustainable development of data centerThe system configurations and operations of IES were respectively optimized in the traditional methods Based on the annual energy con-sumption characteristics of the data center，a comprehensive energy system was designed，which uses natural gas，solar energy and geo-thermal energy as energy sources and integrates organic ankine cycle power generation system，absorption refrigeration unit，heat ex-changer and other waste heat utilization equipment Taking investment cost，operation cost，carbon tax cost and solar energy discardingpenalty cost as optimization objectives，a mixed integer linear programming model for integrated energy system was established，and thecapacity of each equipment and scheduling strategy were integrated and optimized A case study in small-scale data center was conduc-ted，and the results demonstrate that the optimized IES achieves the annual total cost saving rate of 35.72%，carbon dioxide emissionreduction rate of 55.11%，and primary energy saving rate of 39.86%Keywords data center;integrated energy system(IES);system configuration;operation strategy;optimization当前，以数字化为代表的科技革命和产业革命，正推动着人类生活及生产方式的根本性变革。作为数字基础设施的重要载体，数据中心规模将不断扩大，“算力”将不断提高，相应地，数据中心能耗及运行成本也随之攀升。2018 年，中国数据中心的用电量已达 160 109kWh，占全社会总用电量的2.4%1。按照现有速度发展，数据中心的能耗占全球能耗的比例，将从 2015 年的 0.9%上升到 2025年的 4.5%，再到 2030 年的 8%。数据中心的巨大能耗也带来了严峻的碳排放问题，据估算，2035 年投稿网址:www stae com cn中国数据中心的碳排放总量将达(2.3 3.1)亿 t，占中国碳排放量的 2%4%。因此，加快绿色数据中心建设，积极推广应用安全可控的节能新技术和新能源，把绿色发展理念贯穿于数据中心建设各环节，既是保障资源环境可持续的需要，也是支撑制造强国、网络强国建设的关键2。传统的数据中心多采用市电供电，通过大型集中式空调制冷，将冷负荷转换为电负荷，进而推升了电负荷增长;以市电为主的电力供应方式严重依赖电网，经济性差且二氧化碳排放量大。若以天然气、太阳能等分布式能源替代部分电网的支撑，形成综合能源系统(integrated energy system，IES)，在一定程度上将提升数据中心供能系统的环境效益。以天然气冷热电联供系为代表的分布式能源，因其能量梯级利用的特性，具备高效、清洁、可靠性高等特性，可有效降低数据中心一次能源的消耗3。当前不少研究均证实了利用分布式能源系统为数据中心供能的可行性与可靠性。文献 4 对冷热电联供系统在数据中心应用的能效、经济及环境特性进行了综合分析，结果显示数据中心稳定的负荷需求以及低电冷比使其与联供系统匹配度更好，运行成本可降低 54%。文献 5对燃料电池驱动的冷热电联供系统在数据中心的经济性能进行了评估，结果显示天然气与市电价格 1%的变化将分别带来年度现金流 50%和 56%的变化，市电价格的提升将使其经济性能更好。但是由于冷热电联供系统自身热电比受限的属性，经常与用户动态负荷不匹配，造成系统设备利用率低、适应性不强等问题。为了改善其特性，加之能源可持续发展目标的深化，太阳能、风能等可再生能源技术以及设置储能等方式在数据中心的应用也逐渐增多。但由于可再生能源的波动和随机性，给冷热电联供系统的规划与运行带来了不稳定的要素6，因此大多的研究更倾向于采用互补的方式为数据中心供电，提高可再生能源利用率，降低化石燃料的使用量。Sheme 等7 论证了在北纬60数据中心使用可再生能源供电的可能性，结果显示太阳能和风能发电相互协同可取得更高的经济效益和更好的稳定性。为了降低数据中心对于传统化石能源的依赖，目前大多数研究都考虑使用风能和太阳能为数据中心供能，只有少数研究考虑了其他资源，如固体废料8。另外，有研究还探讨了通过系统内部中低品位热力循环的耦合来实现冷热电联供系统热电比的改善与系统优化。典型的耦合方式有地源热泵9、有机朗肯循环发电系统10-11、电转气技术(power to gas，P2G)12 等。文献 11 通过集成余热有机朗肯循环发电系统来提升氢能驱动的冷电联供系统，年度能源利用率达 86.53%。除了数据中心 IES 的优化设计外，IES 的运行与调度策略也是关键所在13。Song 等14 比较了数据中心以电定热和以热定电两种不同运行策略，结果表明以电定热模式更适宜于数据中心，其运行成本、二氧化碳排放和一次能源消耗分别降低了46.5%、37.4%和 18.5%。Norani 等15 基于能量分析、分析和经济分析，比较了两种不同运行场景下的系统的性能，最终得出了系统的最优设计方案。Keskin 等16 将数据中心与区域供冷、供热相结合，为数据中心和区域能源网络运营商提供更大灵活性的同时，降低了运营的整体能源成本，同时全年可节约 40.3%的电力成本。综上，数据中心综合能源在设计与运行阶段，都取得了突破性的进展，但已有研究成果大多是将两个阶段分开进行，并未将优化的调度策略集成于系统的优化设计。另外，传统的 IES 优化设计方法通常将各设备的运行出力按照某种特定的运行规则进行分配，在这种优化模式下，IES 并未实现最优的规划。基于以上问题，现首先提出一种集成有机朗肯循环的 IES，实现 IES 热电比灵活调控，从而匹配数据中心的动态负荷;另外构建一种将系统容量配置与运行策略一并集成的优化模型，并采用混合整数线性规划理论进行求解，实现IES 的最优设计。1数据中心 IES 方案1.1数据中心负荷数据中心通常包括 IT 机房和办公区两部分，IT机房的主要耗能单元以服务器、网络设备和配电设备为主，则数据中心在 t 时刻的电负荷 EtDC可表示为EtDC=EtIT+Etof(1)EtIT=Etser+Etnet+Etdis(2)式中:EIT为 IT 机房电负荷;Eof为办公区电负荷;Eser、Enet和 Edis分别为 IT 机房中服务器、网络设备和配电设备的能耗。其中，服务器的实时动态功耗Etser与机房单台服务器闲置状态下的待机功率、额定功率以及服务器数量有关，可表示为Etser=Etser，idle+(Etser，max Etser，idle)utser(3)式(3)中:Eser，idle为所有处理器处于闲置状态时的总待机功率，W;Eser，max为机房处理器最大功率，即处理器利用率为 100%时的能耗，W;user为处理器实时利用率，即工作状态的处理器数量占机房处理器总数的百分比。处理器最大功率和待机功率可分别96912023，23(5)王江江，等:数据中心综合能源系统配置与运行的集成优化投稿网址:www stae com cn求得为Eser，max=a0Nser+a1Nser1Eser，rat+a2NCPUSCPU(4)Eser，idle=a3Nser+a4Nser1Eser，rat+a5NCPUSCPU(5)式中:a0 a5为模型参数;Nser为处理器总数;SCPU为平均处理速度，MHz。网络设备电负荷 Etnet计算公式为Etnet=Ctnet2+4Nr 22NlNr1(10+7C0.265 3net，rat+6.419 6C0.149 9net，rat)(6)式(6)中:Ctnet为网络流量负载，Gbit/s;Nr为路由器个数;Nl为路由器之间的链路数，条;Cnet，rat为额定网络流量负载，Gbit/s，近似为正态分布。配电设备功耗计算公式为Etdis=(Etser+Etnet)UPSPDU(7)tUPS=a6LAt2UPS+a7LAtUPS+a8(8)式中:UPS和 PDU分别为不间断电源(uninterruptiblepower supply，UPS)和电源分配单元(power distribu-tion unit，PDU)效率;LAUPS为 UPS 负载率。数据中心冷负荷 Qc，DC包括机房和办公区两部分，可表示为Qtc，DC=Qtc，IT+Qtc，of(9)式(9)中:Qc，IT和 Qc，of分别为机房和办公区冷负荷，机房冷负荷采用负载系数 LF 进行估算，即Qtc，IT=EtIT/LF(10)负载系数 LF 越高则电能使用效率越高，对应产生的热能越低，所需的冷能也越低，选取冬季的负载系数为 1.94，夏季负载系数为 1.3917。为了获得数据中心全年负荷曲线，参考典型数据中心历史数据，将处理器实时占用率近似为正态分布，根据其抽样则可获取机房全年电负荷，进而获得 IT 机房冷负荷。数据中心办公区冷热电负荷则可根据建筑面积及房间用电设备设置等进行模拟计算。因此数据中心分为非供暖期，IES 满足数据中心 IT 机房和办公区的冷和电需求，而在供暖期，IES 需同时满足 IT 机房的冷电需求以及办公区的热电需求。1.2IES 方案及建模针对数据中心 IT 机房及办公冷热电需求，构建如图 1 所示的 IES，系统通过光伏(photovoltaic，PV)和燃气内燃机(gas engine，GE)发电，并与市电结合共同满足数据中心电力需求，采用余热利用设备 吸收式制冷机组(absorption chiller，AC)、有机朗肯循环机组(organic ankine cycle，OC)、换热器(heat exchanger，HC)等 回收利用内燃机余热，并通过 OC 和 地 源 热 泵(ground source heat pump，GSHP)来调控系统热电比，以满足用户端的动态变化。针对数据中心供暖期和非供暖期的需求，采用两台 GSHP 配置的方式，非供暖期，两台 GSHP 为数据中心供冷，而在供暖期，GSHP#2 与吸收式制冷机组为 IT 机房供冷，GSHP#1 为办公区供热。图 1数据中心 IES 流程图Fig.1Energy flows of integrated energy system for data center0791科学技术与工程Science Technology and Engineering2023，23(5)投稿网址:www stae com cn1.2.1内燃机内燃机的天然气耗量及发电量、产热量之间的关系(以 1 h 为时间尺度)如下。Ege=Fgege，e(11)Qr=Fgege，qhr(12)Vge，gas=Fge/LHVgas(13)式中:Ege为内燃机输出的电功率，kW;Fge为燃气内燃机的天然气消耗率，kW;Qr为余热功率，kW;ge，e、ge，q和 hr分别为发电效率、余热效率和热回收效率;Vge，gas为天然气消耗体积，m3;LHVgas为天然气低热值，取 9.7(kW h)/m3。1.2.2光伏发电光伏板电力输出与当地环境温度和太阳辐射强度有关，发电功率 EPV3 表示为EPV=fNPVGpGstc 1+(TPV，p TPV，stc)(14)式(14)中:f 为光伏功率降额因子;NPV为光伏的额定功率，kW;Gp为太阳辐射强度，kW/m2;Gstc为标准测试条件下的太阳辐射强度，取值1 kW/m2;为温度系数，%/;TPV，stc为标准试验条件下的光伏板温度，25;TPV，p为实际温度下的光伏板温度，计算公式3 为TPV，p=Ta，p+(TPV，soc Ta，soc)GpGsoc1 e，PV(1 TPV，stc)1+(TPV，soc Ta，soc)GpGsoce，PV()(15)式(15)中:Ta，p为环境温度，;TPV，soc为标准工况(45 48)下光伏板表面温度;e，PV为在标准试验条件下光伏效率;为太阳能的透光率;为光伏的太阳能吸收率;的默认值为 0.9，标准操作条件为:标准光强度(Gsoc)0.8 kW/m2，标准环境温度(Ta，soc)20。1.2.3吸收式制冷机组和地源热泵内燃机烟气与缸套水一并通入烟气热水型溴化锂吸收式冷水机组制冷，另外配置了两台地源热泵机组利用电力制冷，共同满足 IT 机房全年冷负荷及办公区的冬季热负荷。混合制冷模式提升了系统可靠性，保证数据中心的冷量需求。吸收式机组与地源热泵的输出功率分别表示为Qac=COPacQra(16)Qgshp=COPgshpEgshp(17)式中:Qra和 Egshp分别为吸收式制冷机组和热泵的输入能量，kW;Qac和 Qgshp分别为吸收式制冷机组和热泵的能量输出，kW;COPac和 COPgshp分别为吸收式制冷机组和地源热泵的性能系数;其中热泵在冬夏工况下性能系数各不同相同。1.2.4有机朗肯循环系统OC 系统主要由膨胀机、蒸发器、冷凝器和工质泵 4 个部件组成，其理想循环过程包括绝热压缩、定压吸热、绝热膨胀和定压放热过程。有机朗肯循环系统的发电量为Eorc=Qorcorcgen(18)式(18)中:Eorc为 OC 系统的输出电量，kW;Qorc为OC 的输入热量，kW;gen为发电机效率，%。1.2.5燃气锅炉和换热器燃气锅炉和换热器的输入输出能量关系如下。Qb=bVbVgasLH(19)Qhx=hxQrh(20)式中:Vb为燃气锅炉的天然气消耗量，m3;Qb和 Qhx分别为锅炉和换热器的输出热量，kW;Qrh为换热器的输入热量，kW;b和 hc分别为锅炉和换热器的效率。2优化模型针对数据中心 IES 的设计与运行，提出一种容量配置与运行策略的集成优化模型，如图 2 所示，主要包括模型构建、混合整数线性规划(mixed integerlinear programming，MILP)模型、优化问题求解及性能评估等 4 个阶段。该模型将多维数、多时段及多约束的非连续优化问题，通过模型变换，实现了该优化问题的求解。另外，设备容量与其逐时运行出力间存在密切的耦合关系，常规处理方法是将两者图 2IES 容量配置与运行策略集成优化模型Fig.2Optimization model of system configurations andoperation strategies of IES17912023，23(5)王江江，等:数据中心综合能源系统配置与运行的集成优化投稿网址:www stae com cn分为两阶段优化，而本模型中将两者一并作为优化变量，实现了两者一体化的求解。2.1优化变量如图 1 所示，IES 中涉及的发电设备包括光伏、内燃机、OC 以及电网补充，各自的容量配置以及逐时出力状态关系到系统中的能流平衡以及经济成本，例如光伏容量的提升必然会降低 IES 运行成本，但是其投资成本也要一并考虑在内，因此，IES系统中各设备的容量存在最佳配置来实现优化设计;另外在系统运行中，由于数据中心末端冷热电负荷的逐时变化以及光伏的波动，各设备的出力需要进行优化调度，以实现运行性能的提升。基于此，针对 IES 各设备容量以及逐时出力进行优化，则针对图 1 所示的 IES，其优化变量(X)可表示为X=Etge，EtPV，EtOC，Etgrid，Qtc，gshp1，Qth，gshp1，Qtgshp2，Qthc，Qtb，Nge，NPV，NOC，Ngshp1，Ngshp2，Nhc，Nb，Stge，t 1，2，8 760(21)式(21)中:符号的上标 t 代表 t 时刻，以 1 h 为时间尺度;E 和 Q 分别为各设备的逐时电量和热量;N 为各设备的容量;Sge为内燃机的运行状态(当内燃机工作时，Sge=1;当内燃机停机时，Sge=0)。内燃机运行状态的优化主要是限制其低负荷运行，以免由于效率的下降而导致污染物的增加。2.2优化目标通常 IES 成本包括设备投资成本、设备维护成本，包括购电及燃气的运行成本;另外考虑到双碳战略目标，引入碳排放成本限制市电和天然气的使用;并考虑弃光惩罚成本作为鼓励可再生能源的使用。综上，数据中心 IES 的年总成本可表示为minATC=Ccap+Com+Cgas+Cgrid+Ctax+Cpe(22)式(22)中:ATC 为数据中心 IES 费用年值;Ccap、Com、Cgas、Cgrid、Ctax和 Cpe分别为年投资成本、设备运维成本、燃气成本、购电成本、碳税成本以及弃光惩罚成本。其中设备年投资成本可表示为Ccap=lm=1NmCmi(i+1)n(i+1)n 1(23)式(23)中:Nm为第 m 个设备的装机容量，kW;Cm为第 m 个设备的单位投资费用，元/kW;l 为系统中的设备个数;i 为折现率，i=0.06;n 为寿命周期，年。设备运维成本按照设备投资成本进行折算，公式为Com=lm=1NmCm(24)式(24)中:为运维成本系数，=0.0218。天然气费用、电网购电费用、碳税和弃光成本的计算公式如下。Cgas=cgas(Vge+Vb)(25)Cgrid=cgridEgrid(26)Ctax=ctax(Vge+Vb)gas+Egridgrid(27)Cpe=cpe(Epv Epv0)(28)式中:Vge和 Vb分别为内燃机和锅炉年消耗天然气量，m3;cgas为天然气单价，元/m3;cgrid为实时电价，元/kWh;Egrid为电网年购电量，kW;ctax为碳税价格;gas为天然气 CO2排放因子，kg/m3;grid为电网度电CO2排放因子，kg/(kWh);Epv为光伏系统年产电量，kW;Epv0为数据中心实际使用的光伏发电量，kW;cpe为弃光惩罚因子，元/(kW h)。2.3约束条件IES 运行过程中各发电设备电功率输出与数据中心和地源热泵所需要的电功率平衡，可表示为Ege+Egrid+EOC+EPV=Egshp1+Egshp2+EDC(29)非供暖期，数据中心由吸收式制冷机组和地源热泵共同供冷，则冷量平衡可表示为Qc=Qc，gshp1+Qgshp2+Qac(30)而在供暖期，数据中心由吸收式制冷机组和GSHP#2 供冷，则冷量平衡可表示为Qc=Qgshp2+Qac(31)IES 热量平衡约束包括系统末端为数据中心供热的热量平衡和系统内部余热利用平衡，分别表示为Qh=Qhc+Qh，gshp1(32)Qb+Qr=Qorc+Qra+Qrh+Qloss(33)另外，IES 运行中各设备的逐时出力不得大于设备容量，则发电设备通用不等式约束可表示为0 Em Nm(34)而余热及制冷设备科表示为0 Qm Nm(35)对于燃气内燃机而言，若运行在低负荷，其发电效率将降低，也会带来污染物排放的增高，因此这里为了限制其运行在低负荷，设置其逐时出力约束为NgeSge Ege NgeSge(36)式(36)中:为内燃机运行最小负荷率，=25%。2.4求解算法IES 优化模型涉及设备容量变量、内燃机运行状态布尔变量，以及式(36)中运行状态和设备容量之间的耦合使得该优化为混合整数非线性优化(MINLP)模型。现引入一个无穷大变量 M，将内燃机出力约束转换为如下线性数学表达式，即0 Ege MSgeNge M(1 Sge)Ege Nge+M(1 Sge)(37)2791科学技术与工程Science Technology and Engineering2023，23(5)投稿网址:www stae com cn通过线性变换，将 MINLP 问题转换为混合整数线性规划(MILP)模型，然后利用分支定界法对其进行求解。3性能评价指标为了比较 IES 相对于传统数据中心供能系统的能源节约特性，选择一次能源节约率(primary energysaving ratio，PES)作为能源评价指标，定义为PES=Fref FIESFref 100%(38)式(38)中:Fref和 FIES分别为参考系统和 IES 的化石能源消耗量，其中参考系统由电网供电，地源热泵供冷，燃气锅炉供热来满足数据中心冷热的负荷。为了便于计算，将内燃机和锅炉消耗的天然气以及电网购电量按照自身热值转化为标准煤，计算公式为F=Vgasgas，f+Egridgrid，f(39)式(39)中:gas，f和 grid，f分别为天然气和市电折算为标准煤的系数。根据综合能耗计算通则(GB/T25892020)，标 准 煤 的 热 值 为 7 000 kcal/kg(29 300 kJ/kg)，所用天然气热值为 8 500 kcal/m3(35 580 kJ/kg)，因此天然气折算为标准煤的系数为 1.214 kg 标准煤/m3。根据国家电网及发改委所提供的数据，以火力发电煤耗为基准，电力折算为0.335 kg 标准煤/(kW h)19。类似节能率的定义，IES 的二氧化碳减排率可表示为CDE=CDEref CDEIESCDEref100%(40)式(40)中:CDEref为参考系统二氧化碳排放量，CDEIES为 IES 二氧化碳排放量，计算公式为CDE=gas(Vge+Vb)+gridEgrid(41)为了体现 IES 相对于参考系统的经济收益，使用年值节约率来评价系统经济性能，可表示为ATCS=ATCref ATCIESATCref100%(42)式(42)中:ATCref和 ATCIES分别为参考系统和 IES的费用年值。4结果与讨论4.1参数设置选择中国华北地区某中小型数据中心，该数据中心占地 2 km2，为单体建筑，包括数据机房和办公区域。其中机房含 3 100 个机架，共 56 000个处理器，单台处理器的额定功率为500 W。数据中心功耗模型所用经验系数见表 1。该数据中心IT 机房内各设备规格参数见表 2。其中处理器实时利用 率 与 实 时 网 络 流 量 负 荷 均 用 正 态 分 布表示20。根据数据中心当地环境参数及太阳辐射强度，以及数据中心本体的设备能耗及围护结构，可模拟求得数据中心逐时负荷曲线，如图 3 所示。可以看出，数据中心全年存在冷负荷需求，热负荷需求仅发生在供暖季;数据中心全年最大电冷热负荷分别为 9 568.19、8 948.93、3 290.24 kW。表 3 给出了各设备的技术与经济参数。数据中心当地分时电价:1:007:00 以及 24:00 为低谷时段，电价为 0.474 8 元/(kWh);8:00 和 12:0018:00 为平价时段，电价为 0.900 3 元/(kWh);9:0011:00 和 19:0023:00 为高峰时段，为1.345 8 元/(kW h)22。表 1数据中心 IT 设备功耗模型经验系数20 Table 1Coefficients of electric consumption ofIT in data center20 参数数值参数数值a05607a51 59 104a10 210 1a60361 0a22 50 103a70496 9a35679a80816 1a40112 3表 2数据中心 IT 设备的规格参数20-21 Table 2Parameters of IT equipment20-21 部件参数数值额定功率 Pser，rat500 W服务器处理器平均速度 SCPU2 500 MHz处理器总数 Nser56 000处理器实时利用率 userN 0 85，0 48路由器数量 Nr795网络设备链路数 Nl1 136额定网络流量负荷 Cnet，rat100 Gbit/s实时网络流量负荷 CnetN 28 74，21 23配电设备UPS 额定功率 PUPS，rat6 05 106PDU 效率 PDU0 97图 3数据中心全年逐时负荷Fig.3Hourly loads of data center37912023，23(5)王江江，等:数据中心综合能源系统配置与运行的集成优化投稿网址:www stae com cn表 3系统技术及经济参数Table 3Technical and economic parameters设备符号单位数值ge，e%40ge，q%60燃气内燃机hr%80Cge元/kW4 000nge年20工质113morckg/s08PevMPa3OCTcd25gen%85orc%199Corc元/kW10 000norc年20COPac14吸收式制冷机组Cac元/kW1 200nac年15e，pv%16%/50光伏f%90Cpv元/kW4 600npv年20COPgshp，c589地源热泵COPgshp，h4Cgshp元/kW970ngshp年15b%80燃气锅炉Cb元/kW90nb年20hc%80换热器Chc元/kW200nb年204.2设备容量优化结果为了比较所提出 IES 系统的有效性，对以下 3种系统进行优化对比。系统 1:参考分供系统(SP)。系统 2:未集成 OC 的太阳能与天然气互补IES，即如图 1 中所示未集成 OC 发电子系统，定义为 PV-IES。系统 3:图 1 所示的 IES，定义为 PV-OC-IES。采用所构建混合整数线性规划模型，3 种系统的配置方案如表 4 所示。对比发现:由于集成了OC 在内，PV-OC-IES 中内燃机和光伏的容量分别下降了 6.17%和 3.20%，也反映了 OC 的集成可提升余热的利用，降低发电设备的容量。参考分供系统的全年电负荷来自电网，冷负荷来自地源热泵，热负荷来自锅炉。对 PV-OC-IES全年冷热电负荷供给来源如表 5 所示。内燃机发电量占全年总用电量的 45.15%，为数据中心和地源热泵用电的主要来源，光伏发电量占 29.13%，电网表 4系统设备优化容量Table 4Optimum capacities of components设备容量/kWSPPV-IESPV-OC-IESGE6 5756 169OC752PV15 52115 023AC5 4364 284GSHP#11 7721 957GSHP#28 9493 7043 503GB4 1131 8541 866HX3 2912 1381 333表 5数据中心冷热电来源占比Table 5Cooling，heating and power source ratios能源设备全年总产购电量/(MW h)占比/%内燃机25 7444515电源OC1 963344光伏发电16 6112913电网购电12 7082228冷源吸收式制冷261 1077292地源热泵#1433 1061211热源地源热泵#2535 1061497地源热泵#1705 8803630换热器124 1066370购电量占比为 22.28%，有机朗肯循环发电量占比最少，约 3.44%。数据中心全年有冷负荷需求，吸收式制冷机组全年制冷量占数据中心冷负荷的72.92%，为主要冷量来源，地源热泵#1 供冷量为12.11%，地源热泵#2 为 14.97%，略高于地源热泵#1。这说明 IES 为数据中心供能的过程中，绝大多数冷负荷能通过吸收式制冷机组利用内燃机余热满足。冬季，数据中心办公区的热需求由地源热泵#1和换 热 器 满 足，两 者 占 比 分 别 为 36.30%和 63.70%。表 6 为 3 种系统的性能对比。与传统 SP 系统相比，PV-IES 性能大幅提升，二氧化碳减排较为明显，达 53.58%，一次能源节约率为 37.67%。从经济性上来看，由于 SP 系统的电需求主要由电网满足，未涉及设备投资费用，因此 PV-IES 的投资费用和运维费用远大于 SP 系统。PV-IES 主要由内燃机消耗天然气产电，购天然气的费用远大于 SP 系统，购电费用小于 SP 系统。碳税与二氧化碳排放量相关，年值中 IES 碳税部分的成本下降明显。由于光伏发电量受当地温度、湿度、太阳辐射等多种因素影响，不能完全与数据中心末端电负荷相匹配，存在弃光现象，PV-IES 的年度弃光率约为 15.65%，弃光成本约为 46.54 万元。提出的 PV-OC-IES 在经济、环境和能源三个方面均优于 PV-IES。与 SP 系统相比，PV-OC-IES4791科学技术与工程Science Technology and Engineering2023，23(5)投稿网址:www stae com cn表 6不同供能系统性能对比Table 6Performance comparisons of different systems项目SPPV-IESPV-OC-IES费用年值/万元投资费用9834978 7999446运维费用1942220 2522435购电费用5 599 21691 3066435天然气费用0 027 62 190 102 09777碳税1 786 74829 3380212弃光惩罚46 544065合计/万元7 503 744 956 314 82370费用年值节省率/%33 953572二氧化碳排放量/万 t596276267费用年值节省率/%53 585511标煤/万 t205128123一次能源节省率/%37 673986的年 值 节 约 率 为 35.72%，二 氧 化 碳 减 排 率 为55.11%，一次能源节约率为 39.86%。与 PV-IES相比，虽然包含 OC 的 IES 投资费用与运维费用略大，但是购电费用、购天然气费用、碳税以及弃光惩罚均有减少。通过传统分供系统与两个 IES 的对比可以明显看出，IES 在数据中心的应用是非常有必要的，IES 与光伏发电、电网进行合理的配置和运行可以明显降低系统年值费用、二氧化碳排放量和一次能源消耗量，更好地发挥 IES 能源利用率高、节能环保的优势。同时，通过 PV-IES 和 PV-OC-IES 的性能比较，可以看出有机朗肯循环发电系统能够在数据中心 IES 中发挥很好的作用。4.3最优运行出力分析通过优化各个设备的逐时出力，达到运行成本最低的目的。选择供暖期和非供暖期典型日下对IES 的优化运行状态进行分析。图 4 为 IES 供暖期典型日的各机组运行状态及能量平衡关系。由图 4(a)电平衡关系中可知:数据中心电力来源与电价、光伏发电情况密切相关。1:007:00 以及 24:00 为低谷电价时段，该时段内电量来源以电网购电为主，内燃机发电为辅;9:0018:00 时段内系统优先利用光伏发电，在光伏发电量不足以满足数据中心电需求时，通过内燃机、OC发电系统和电网共同满足电负荷。某些时刻 IE