隨著云計算技術的快速發(fā)展,數(shù)據(jù)中心用于計算和存儲的能耗開銷和造成的碳排放已成為不可忽視的問題。最近,一些擁有大型數(shù)據(jù)中心的科技公司正使用可再生能源作為其數(shù)據(jù)中心的部分能源供給。同時,隨著智能電網(wǎng)的發(fā)展,其提供了很靈活的與用戶交互功能。電網(wǎng)為了提高可靠性和減輕峰值負載壓力,提出各種類型的需求響應項目激勵用戶參與。數(shù)據(jù)中心作為電網(wǎng)的高能耗需求用戶,是一個極具潛力的需求響應參與對象。數(shù)據(jù)中心通過參與需求響應,不但可以協(xié)助電網(wǎng)調(diào)節(jié)負載,同時也可以降低數(shù)據(jù)中心的自身能耗費用并節(jié)約電力成本。針對數(shù)據(jù)中心的高能耗問題和數(shù)據(jù)中心如何參與需求響應以期減少電力成本,本文主要做了以下工作:為了降低數(shù)據(jù)中心的能耗消耗和數(shù)據(jù)中心充分利用可再生能源,本文結合數(shù)據(jù)中心的負載的靈活性特點,同時考慮數(shù)據(jù)中心的計算能耗和制冷能耗,提出了可再生能源感知的負載管理策略,并且通過仿真實驗證明本文提出的策略能最大化利用可再生能源,最大程度的減少對傳統(tǒng)能源的消耗。針對數(shù)據(jù)中心如何參與電網(wǎng)需求響應以期實現(xiàn)最小化數(shù)據(jù)中心的電力成本和減輕電網(wǎng)的峰值負載壓力,本文提出了一個兩階段數(shù)據(jù)中心需求響應策略。第一階段通過預測電網(wǎng)實時電價決定是否參... 

【文章來源】：青海大學青海省 211工程院校

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【部分圖文】：

虛擬化技術實現(xiàn)的典型架構

14第三章面向可再生能源利用的數(shù)據(jù)中心功耗管理策略在本章中，主要討論如何使數(shù)據(jù)中心最大化使用可再生能源從而抵消一部分對傳統(tǒng)能源的消耗。日益劇增的復雜數(shù)據(jù)處理與計算需要導致數(shù)據(jù)中心嚴重的能耗問題，這也導致了高碳排放量對環(huán)境引起的污染問題。目前，越來越多擁有數(shù)據(jù)中心的公司正在考慮采用可再生能源作為其數(shù)據(jù)中心的一部分能源供給，以此來抵消一部分對傳統(tǒng)能源的消耗。我們采用混合能源供給的綠色數(shù)據(jù)中心，利用數(shù)據(jù)中心任務的靈活性特點，提出了一種可再生能源感知的數(shù)據(jù)中心任務調(diào)度策略。在此策略中，我們同時考慮數(shù)據(jù)中心的計算能耗和制冷能耗，主要采用數(shù)據(jù)中心任務在時間維度上的轉移策略來使數(shù)據(jù)中心最大化利用可再生能源。3.1數(shù)據(jù)中心架構圖3-1數(shù)據(jù)中心架構圖3-1給出了本章討論問題中所采用的數(shù)據(jù)中心的架構情況，其中采用可再生能源和傳統(tǒng)電網(wǎng)通過轉換器連接同時為數(shù)據(jù)中心進行供電。數(shù)據(jù)中心中主要的耗能設備有制冷設備和服務器，用戶向數(shù)據(jù)中心提交負載。在本章討論的問題中，

19圖3-2LSTM模型框架在預測過程中，借助機器學習的Keras框架進行神經(jīng)網(wǎng)絡模型的創(chuàng)建和Scikit-learn庫進行建模的數(shù)據(jù)的歸一化操作并進行預測。從光伏數(shù)據(jù)共享平臺中[55]獲取實際的光伏發(fā)電數(shù)據(jù)，選取2018年2月、3月和4月三個月的太陽能發(fā)電數(shù)據(jù)作為訓練集進行預測。在創(chuàng)建LSTM預測模型時，將迭代次數(shù)設置為150次。我們分別預測了晴天和陰天兩種情況，具體結果如圖3-3(a)(b)所示，晴天情況下的預測誤差保持在7%以內(nèi)，而陰天情況下的預測誤差保持在15%以內(nèi)。圖3-3太陽能預測結果24681012141618202224時間（H）020406080100(a)預測值實際值24681012141618202224時間（H）020406080100(b)預測值實際值


本文編號：3361278