一种用于优化绿色数据中心电费的负载调度方法.pdf

本发明涉及一种用于优化绿色数据中心电费的负载调度方法，包括如下步骤：(1)对就地拥有绿色能源发电厂的数据中心建立电费模型；(2)基于电费模型，得到电费最小化问题相关的系统模型，由系统模型获得电费最小化问题约束条件，基于约束条件将电费最小化问题转化为平均电费的最小值问题；(3)利用负载均衡算法求解平均电费的最小值问题得到负载调度策略。本发明方法可以在保证负载性能的前提下，有效降低数据中心的电力成本。

1.  一种用于优化绿色数据中心电费的负载调度方法，其特征在于包括如下步骤：
(1)对就地拥有绿色能源发电厂的数据中心建立电费模型；
(2)基于电费模型，得到电费最小化问题相关的系统模型，由系统模型获得电费最小化问题约束条件，基于约束条件将电费最小化问题转化为平均电费的最小值问题；
(3)利用负载均衡算法求解平均电费的最小值问题得到负载调度策略。

2.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述的绿色能源为风能、太阳能、地热能、潮汐能、水能五种的任意一种。

3.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述步骤(2)的系统模型包括绿色能源发电模型、数据中心电费模型、负载功耗模型、平均电费优化模型。

4.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述绿色能源发电模型对应的约束条件为绿色能源发电的输出功率大小。

5.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述数据中心电费模型对应的约束条件如下：
Q(t)＝Q_g(t)+Q_r(t)≤Q_r,max+Q_g,max
其中，Q(t)为t时间槽内数据中心总的用电量，Q_g(t)为时间槽t对应的用电量，Q_r(t)为时间槽t对应的绿色能源使用电量，Q_g,max为数 据中心从电网获得的最大功率，Q_r,max为数据中心可从绿色能源电厂获得的最大功率。

6.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述负载功耗模型对应的约束条件如下：
Q(t)≥W_u(t)
其中，Q(t)为t时间槽内数据中心总的用电量，W_u(t)为数据中心的不可延迟负载所需要的功率消耗量。

7.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述平均电费优化模型对应的约束条件如下：
D=limT&RightArrow;∞1TΣt=0T-1E{D(t)}<∞]]>
其中，D为T个时间槽长度内可延迟负载的平均队列长度，D(t)为队列的长度。

8.  根据权利要求1所述的一种用于优化绿色数据中心电费的负载调度方法，其特征在于：所述步骤(3)的负载均衡算法为一种基于Lyapunov优化的负载调度算法，该算法通过观察当前时间槽t对应的可延迟负载功耗W_d(t)、不可延迟负载功耗W_u(t)，市电电价P_g(t)，绿色能源电价P_r以及就地绿色能源发电厂的最大输出功率Q_r，avail(t)，通过求解平均电费的最小值问题确定数据中心在每个时间槽分别应当使用的市电用电量Q_g(t)和绿色能源使用电量Q_r(t)以及对应的负载调度策略。

一种用于优化绿色数据中心电费的负载调度方法
技术领域
本发明涉及绿色数据中心领域，尤其涉及一种用于优化绿色数据中心电费的负载调度方法。
背景技术
为了给世界各地用户提供高质量的网络服务，大型互联网公司如谷歌、微软等都拥有多个分布在全球各地的数据中心。由于需要给数目巨大的服务器供电和冷却，数据中心的电力消耗已经占到全球电力总供给的1.3％，而且预计到2020年，这一数字将达到8％。巨大的电力消耗给数据中心的可持续发展带来了严峻挑战：大量的电力消耗意味着巨额的电费支出。为了应对电力消耗给数据中心发展带来的挑战，苹果等互联网公司开始在数据中心附近兴建自己的就地绿色能源发电厂。
利用风能、太阳能等可再生能源进行发电，可以减少数据中心的碳排放总量，减轻数据中心对环境的影响；其次，兴建就地绿色能源发电厂可以作为一种长期投资。以风力发电厂为例，虽然初期投入成本很大，但是就地电厂的年度运转支出仅为10美元/兆瓦时左右，远低于电力市场中的市电价格。
但是，利用就地绿色能源发电厂为数据中心供电同时也带来了新的挑战：
首先，由于风能、太阳能受自然条件的影响很大，所以绿色能源的输出具有间歇性的特点。同时，云计算数据中心面临的负载也具有 高度的波动性。因此，虽然绿色能源的价格较低，但是为了在减少数据中心电力成本的同时不影响网络服务的质量，数据中心必须对负载进行合理的调度；
其次，在美国、欧洲等地的电力批发市场中，数据中心面临的市电电价是随时间变化的。在中国，虽然电力产业市场化仍处于起步阶段，但是北京、上海等地已经开始实行分时电价。值得注意的是，虽然绿色能源的价格整体较低，但在某些时刻却高于市电价格。因此，为了减少数据中心总的电费支出，负载调度还必须考虑电价的时间差异性。
最后，在进行负载调度时还需要考虑未来的负载、电价以及绿色能源可用性信息，而这些信息在调度时是未知的并且很难准确预测。
发明内容
本发明为克服上述的不足之处，目的在于提供一种用于优化绿色数据中心电费的负载调度方法，首先建立拥有就地绿色能源发电厂的数据中心的电费模型；然后将数据中心电费最小化问题形式化为一个随机优化问题；最后求解该优化问题得到相应的负载调度策略，该方法可以在保证负载性能的前提下，有效降低数据中心的电力成本。
本发明是通过以下技术方案达到上述目的：一种用于优化绿色数据中心电费的负载调度方法，包括如下步骤：
(1)对就地拥有绿色能源发电厂的数据中心建立电费模型；
(2)基于电费模型，得到电费最小化问题相关的系统模型，由系统模型获得电费最小化问题约束条件，基于约束条件将电费最小化问题 转化为平均电费的最小值问题；
(3)利用负载均衡算法求解平均电费的最小值问题得到负载调度策略。
作为优选，所述的绿色能源为风能、太阳能、地热能、潮汐能、水能五种的任意一种。
作为优选，所述步骤(2)的系统模型包括绿色能源发电模型、数据中心电费模型、负载功耗模型、平均电费优化模型。
作为优选，所述绿色能源发电模型对应的约束条件为绿色能源发电的输出功率大小。
作为优选，所述数据中心电费模型对应的约束条件如下：
Q(t)＝Q_g(t)+Q_r(t)≤Q_r,max+Q_g,max
其中，Q(t)为t时间槽内数据中心总的用电量，Q_g(t)为时间槽t对应的用电量，Q_r(t)为时间槽t对应的绿色能源使用电量，Q_g,max为数据中心从电网获得的最大功率，Q_r,max为数据中心可从绿色能源电厂获得的最大功率。
作为优选，所述负载功耗模型对应的约束条件如下：
Q(t)≥W_u(t)
其中，Q(t)为t时间槽内数据中心总的用电量，W_u(t)为数据中心的不可延迟负载所需要的功率消耗量。
作为优选，所述平均电费优化模型对应的约束条件如下：
D=limT&RightArrow;∞1TΣt=0T-1E{D(t)}<∞]]>
其中，D为T个时间槽长度内可延迟负载的平均队列长度，D(t) 为队列的长度。
作为优选，所述步骤(3)的负载均衡算法为一种基于Lyapunov优化的负载调度算法，该算法通过观察当前时间槽t对应的可延迟负载功耗W_d(t)、不可延迟负载功耗W_u(t)，市电电价P_g(t)，绿色能源电价P_r以及就地绿色能源发电厂的最大输出功率Q_r，avail(t)，通过求解平均电费的最小值问题确定数据中心在每个时间槽分别应该使用的市电用电量Q_g(t)和绿色能源使用电量Q_r(t)以及对应的负载调度策略。
本发明的有益效果在于：本方法可以在保证负载性能的前提下，有效降低数据中心的电力成本。
具体实施方式
下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：
实施例：一种用于优化绿色数据中心电费的负载调度方法，包括如下步骤：
(1)对就地拥有风能发电厂的数据中心建立电费模型；
(2)基于电费模型，得到电费最小化问题相关的系统模型，由系统模型获得电费最小化问题约束条件，基于约束条件将电费最小化问题转化为平均电费的最小值问题；
所述的系统模型包括风力发电模型，数据中心电费模型，负载功耗模型和平均电费优化模型。
(a)其中风力发电模型可以用实际风速来对风涡轮机的输出功率进行建模，风涡轮机的输出功率P_wind与实际风速v的关系如下：
Pwind=0,v≤vinor v&GreaterEqual;voutPr&CenterDot;v-vinvr-vin,vin<v<vrPr,vr≤v<vout]]>
其中，v_r，Pr分别表示发电设备的额定风速和输出功率，v_in，v_out分别表示设备的切入风速和切出风速，当实际风速达到或超过切出风速时，风涡轮机将停止工作。就地风力发电厂通常会有多个风涡轮机同时利用风能来发电。具有n_wt个风涡轮机的电厂的发电量PW为n_wt个设备的发电总和。那么，电厂输出的风电功率PW可以表示为
PW=Σn=1nwtPwind,n*.]]>
(b)进一步地，数据中心电费模型中，将时间槽t对应的用电量和电价分别记为Q_g(t)和P_g(t)，那么数据中心的市电电费支出为P_g(t)/Q_g(t)。每个时间槽的实际长度由以下3个变量的公约数确定：市电电价的变化周期，一般从几分钟到几个小时；数据中心负载的波动频率；就地绿色能源发电厂输出功率的变化周期。用电量Q_g(t)的取值范围如下：
0≤Q_g(t)≤Q_g,max
其中，Q_g,max是数据中心可以从电网获得的最大功率，由数据中心的供电基础设施决定。
0≤Q_r(t)≤Q_r,avail(t)≤Q_r,max
其中，Q_r,avail(t)为就地绿色能源电厂在时间槽t所能输出的最大功率；Q_r,max为数据中心可从电厂获得的最大功率，由绿色能源发电厂的设计容量决定。故t时间槽内数据中心总的用电量Q(t)满足：
Q(t)＝Q_g(t)+Q_r(t)≤Q_r,max+Q_g,max
数据中心在时间槽t的电费支出C(t)可以表示为
C(t)＝P_g(t)Q_g(t)+P_r(t)Q_r(t)
(c)负载功耗模型中，数据中心在时间槽t完成负载所需要的功率消耗为W(t)。通常情况下，数据中心的负载由可延迟负载和不可延迟负载两部分组成，分别用W_d(t)和W_u(t)表示，因此有W(t)＝W_d(t)+W_u(t)。用D(t)表示时间槽t对应的可延迟负载队列，并且在该时间槽到达数据中心的可延迟负载W_d(t)都被推迟到下一时间槽去执行，那么D(t)的递推公式如下：
D(t+1)＝max{D(t)-(Q(t)-W_u(t)),0}+W_d(t)
数据中心采用先来先服务(FIFO)的顺序处理D(t)对应的可延迟负载。为了保证网络服务的质量，不可延迟负载W_u(t)必须在当前时间槽内完成，因此有以下约束：
Q(t)≥W_u(t)
(d)平均电费优化模型中，必须保证队列D(t)的长度是稳定的。把T个时间槽长度内可延迟负载的平均队列长度记为D，那么D满足：
D=limT&RightArrow;∞1TΣt=0T-1E{D(t)}<∞]]>
将市电用电量Qg(t)和绿色能源使用量Qr(t)作为负载调度策略中时间槽t对应的控制变量，该策略在T个时间槽长度内的平均电费为
Cav=limT&RightArrow;∞1TΣt=0T-1E{Pg(t)Qg(t)+Pr(t)Qr(t)}]]>
数据中心的电费最小化问题就转化为在以上四类约束条件下求平均电费C_av的最小值问题：
minQg(t),Qr(t)Cav]]>
subject to 0≤Qg(t)≤Qg,max
0≤Qr(t)≤Q_r,avail(t)≤Qr,max
Q(t)≥W_u(t)
limT&RightArrow;∞1TΣt=0T-1E{D(t)}<∞]]>
其中，变量Q(t)＝Q_g(t)+Q_r(t)。
(3)利用负载均衡算法求解平均电费的最小值问题得到负载调度策略。
本发明设计了一种基于Lyapunov优化的负载调度算法。该算法只需观察当前时间槽t对应的负载功耗W_d(t)，W_u(t)、市电电价P_g(t)、绿色能源电价P_r以及就地绿色能源发电厂的最大输出功率Q_r,avail(t)，然后通过求解优化问题就可以确定数据中心在每个时间槽分别应该使用的市电用电量Qg(t)和绿色能源使用电量Qr(t)以及相应的负载调度策略。
minQg(t),Qr(t)(VPg(t)-D(t))Qg(t)+(VPr-D(t))Qr(t)]]>
subject to 0≤Q_g(t)≤Q_g,max(t)
0≤Q_r(t)≤Q_r,avail(t)≤Q_r,max(t)
Q(t)＝Q_g(t)+Q_r(t)≥W_u(t)
其中，变量V是一个非负的控制参数，大小可以根据实际需求自由选择。在此优化问题中，变量V的取值可以在数据中心电费和可延迟负载的平均队列长度之间加以权衡：V越大，数据中心需要支付的电费越小，平均队列长度越大，从而负载性能损失也越大；反之 亦然。当V确定时，此优化问题就变成了一个有约束的线性规划问题。求解这样的有约束线性规划问题，已有很多成熟的算法。
综上所述，本发明的目的旨在不使用负载的波动性、电价的时间差异性以及绿色能源的间歇性等未来信息的前提下，为拥有自建绿色能源发电厂的数据中心设计负载调度策略，从而在保证服务质量的同时使数据中心的总电费支出达到最小化。
以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书所涵盖的精神时，仍应属本发明的保护范围。