發(fā)布時(shí)間：2021-08-25 03:15

　　隨著云計(jì)算技術(shù)的快速發(fā)展,數(shù)據(jù)中心用于計(jì)算和存儲(chǔ)的能耗開(kāi)銷和造成的碳排放已成為不可忽視的問(wèn)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(shí),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(fù)載壓力,提出各種類型的需求響應(yīng)項(xiàng)目激勵(lì)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(gè)極具潛力的需求響應(yīng)參與對(duì)象。數(shù)據(jù)中心通過(guò)參與需求響應(yīng),不但可以協(xié)助電網(wǎng)調(diào)節(jié)負(fù)載,同時(shí)也可以降低數(shù)據(jù)中心的自身能耗費(fèi)用并節(jié)約電力成本。針對(duì)數(shù)據(jù)中心的高能耗問(wèn)題和數(shù)據(jù)中心如何參與需求響應(yīng)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(jié)合數(shù)據(jù)中心的負(fù)載的靈活性特點(diǎn),同時(shí)考慮數(shù)據(jù)中心的計(jì)算能耗和制冷能耗,提出了可再生能源感知的負(fù)載管理策略,并且通過(guò)仿真實(shí)驗(yàn)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(duì)傳統(tǒng)能源的消耗。針對(duì)數(shù)據(jù)中心如何參與電網(wǎng)需求響應(yīng)以期實(shí)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(fù)載壓力,本文提出了一個(gè)兩階段數(shù)據(jù)中心需求響應(yīng)策略。第一階段通過(guò)預(yù)測(cè)電網(wǎng)實(shí)時(shí)電價(jià)決定是否參... 

【文章來(lái)源】：青海大學(xué)青海省 211工程院校

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

虛擬化技術(shù)實(shí)現(xiàn)的典型架構(gòu)

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(duì)傳統(tǒng)能源的消耗。日益劇增的復(fù)雜數(shù)據(jù)處理與計(jì)算需要導(dǎo)致數(shù)據(jù)中心嚴(yán)重的能耗問(wèn)題，這也導(dǎo)致了高碳排放量對(duì)環(huán)境引起的污染問(wèn)題。目前，越來(lái)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(lái)抵消一部分對(duì)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(wù)的靈活性特點(diǎn)，提出了一種可再生能源感知的數(shù)據(jù)中心任務(wù)調(diào)度策略。在此策略中，我們同時(shí)考慮數(shù)據(jù)中心的計(jì)算能耗和制冷能耗，主要采用數(shù)據(jù)中心任務(wù)在時(shí)間維度上的轉(zhuǎn)移策略來(lái)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(gòu)圖3-1數(shù)據(jù)中心架構(gòu)圖3-1給出了本章討論問(wèn)題中所采用的數(shù)據(jù)中心的架構(gòu)情況，其中采用可再生能源和傳統(tǒng)電網(wǎng)通過(guò)轉(zhuǎn)換器連接同時(shí)為數(shù)據(jù)中心進(jìn)行供電。數(shù)據(jù)中心中主要的耗能設(shè)備有制冷設(shè)備和服務(wù)器，用戶向數(shù)據(jù)中心提交負(fù)載。在本章討論的問(wèn)題中，

19圖3-2LSTM模型框架在預(yù)測(cè)過(guò)程中，借助機(jī)器學(xué)習(xí)的Keras框架進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的創(chuàng)建和Scikit-learn庫(kù)進(jìn)行建模的數(shù)據(jù)的歸一化操作并進(jìn)行預(yù)測(cè)。從光伏數(shù)據(jù)共享平臺(tái)中[55]獲取實(shí)際的光伏發(fā)電數(shù)據(jù)，選取2018年2月、3月和4月三個(gè)月的太陽(yáng)能發(fā)電數(shù)據(jù)作為訓(xùn)練集進(jìn)行預(yù)測(cè)。在創(chuàng)建LSTM預(yù)測(cè)模型時(shí)，將迭代次數(shù)設(shè)置為150次。我們分別預(yù)測(cè)了晴天和陰天兩種情況，具體結(jié)果如圖3-3(a)(b)所示，晴天情況下的預(yù)測(cè)誤差保持在7%以內(nèi)，而陰天情況下的預(yù)測(cè)誤差保持在15%以內(nèi)。圖3-3太陽(yáng)能預(yù)測(cè)結(jié)果24681012141618202224時(shí)間（H）020406080100(a)預(yù)測(cè)值實(shí)際值24681012141618202224時(shí)間（H）020406080100(b)預(yù)測(cè)值實(shí)際值


本文編號(hào)：3361278