【技术实现步骤摘要】
本专利技术属于配电网运行优化，具体涉及一种数据中心集群在线调度方法及系统。
技术介绍
1、随着全球云计算服务需求的不断激增，云服务运营商在全球建立起了大规模地理分散的数据中心用于对大量工作负载进行分析和处理，而这导致了数据中心高能耗和环境污染问题。据统计，大规模数据中心每年的耗能占据了世界电能总消耗量的1.3%，占据了美国电能总消耗量的2%。同时，云资源配置的不合理进一步提高了能耗和维护开销，在google数据中心，服务器的平均利用率仅为20%左右。因此，为数据中心的资源分配设计一种自适应且高效的解决方案意义重大。
2、另外，在全球大规模分布式发电广泛接入的背景下，部分新能源电站建设规模与当地负荷需求不匹配，阻碍了大规模分布式新能源在多区域的有效利用，并出现了严重的弃风弃光现象。全球地理分散式的数据中心作为重要的灵活性资源，通过对其合理调度可有效提升数据中心对分布式可再生能源的就地消纳能力。
3、目前，许多学者针对数据中心的能耗问题已开展了一定的研究工作，但大多都局限于单个数据中心的优化管理，并未考虑当前全球迅猛发展的数据中心集群间的协调优化，且主要针对的是运行在确定环境下的数据中心。然而，在数据中心实际运行场景中，调度过程通常应该在较短的时间内完成，而且由于工作负载和新能源的不确定性，会导致在确定环境中得出的最优决策不再是实际运行中的最优决策，这严重影响了数据中心实时运行的安全性和经济性，因此研究考虑不确定环境下的数据中心实时能量管理是非常必要的。传统的数据中心实时能量管理主要基于规则、启发式和控制理论
4、深度强化学习是一种通过迭代地从历史决策中获得反馈来近似最优奖励的方法，已成为处理高适应性和低复杂性资源分配问题的一种有前途的方法。当前，地理分布式数据中心集群的在线调度的相关研究较少，总的来说数据中心集群的在线调度工作才刚刚起步，还不够深入和全面，且目前还鲜有研究通过多数据中心的在线调度实现地理分布式新能源的最大化消纳并减少数据中心的用能成本。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种数据中心集群在线调度方法及系统，用于解决在不确定性环境下，跨区域、动态地对数据中心的能耗进行自适应管理的技术问题，实现数据中心集群的在线优化调度。
2、本专利技术采用以下技术方案：
3、一种数据中心集群在线调度方法，包括以下步骤：
4、基于数据中心中工作负载的时空迁移特性，构造数据中心工作负载时空迁移模型和数据中心能耗模型；
5、基于构造的数据中心工作负载时空迁移模型和数据中心能耗模型，结合数据中心中分布式设备的运行模型，构造考虑购电成本、设备运行成本和负载迁移成本的数据中心集群优化调度模型；
6、将构造的数据中心集群优化调度模型表述为马尔可夫决策过程，并通过设计智能体的状态空间、动作空间和奖励函数，采用先进的深度强化学习算法实现数据中心集群的在线调度。
7、优选地，数据中心工作负载时空迁移模型：
8、与交互式负载相关联的约束：
9、
10、其中，表示在时间从终端服务器分配给数据中心的交互式工作负载量，表示在时间到达终端服务器的交互工作负载量；
11、与批处理工作负载相关联的约束：
12、
13、其中，表示在时间到达数据中心的批处理工作负载量，表示在数据中心中转移到时间的批处理工作量的量；
14、最小活动服务器和处理的交互式工作负载之间的关系表示为：
15、
16、其中，表示在时间时数据中心中服务交互式工作负载的活动服务器的最小数量，表示数据中心的服务器平均服务率，表示交互工作负载的容差服务延迟；
17、活动服务器的最低级别与已处理的批处理工作负载之间的关系表示为：
18、
19、其中，表示在时间时数据中心中服务批处理工作负载的冗余活动服务器的数量；
20、从一个终端服务器分配到一个数据中心的交互式工作负载、转移到时隙之一的批处理工作负载以及活动服务器是非负的，具体如下：
21、
22、其中，表示时间时数据中心中服务交互式工作负载/批处理工作负载的活动服务器的最小数量,时间时数据中心中服务交互式工作负载/批处理工作负载的冗余活动服务器的数量，表示服务于交互式工作负载/批处理工作负载的服务器的数量；
23、活动服务器的总数不能超过服务器的总数：
24、
25、其中，为数据中心中服务器的总数；
26、在峰值功率下操作的活动服务器的范围：
27、
28、数据中心能耗模型：
29、
30、其中，表示在时间时用于保证数据中心中的最低服务质量的服务器设备的功耗，表示在时间数据中心中用于更高服务质量的冗余服务器设备的功耗，为其他设备的电力消耗，为冷却系统的功耗。
31、优选地，在时间时用于保证数据中心中的最低服务质量的服务器设备的功耗为：
32、
33、其中，为每台有源边缘交换机/聚合交换机/核心交换机的额定功耗，为边缘交换机/聚合交换机/核心交换机/服务器数量，为每个活动服务器的空闲/峰值功率。
34、优选地，在时间数据中心中用于更高服务质量的冗余服务器设备的功耗为：
35、
36、其中，为每台有源边缘交换机/聚合交换机/核心交换机的额定功耗，为边缘交换机/聚合交换机/核心交换机/服务器数量，为每个活动服务器的空闲/峰值功率。
37、优选地，冷却系统的功耗为：
38、
39、其中，为冷却系统经验常数，为散发的热量。
40、优选地，数据中心集群优化调度模型如下：
41、
42、
43、
44、其中，能源成本包括来自外部电力市场的电力采购成本和传统发电机运行成本，表示在时间中以计的能量市场的现货价格，工作负载迁移成本表示转移工作负载的数量，并且是表示从导出的工作负载单位的迁移成本系数。
45、优选地，数据中心中常规发电机组的运行模型为：
46、
47、
48、其中，和表示中的常规发电机的最大和最小功率输出，并且是指示发电机是否开启的二进制变量，是斜坡系数。和是中发电机的最小接通时间和最小关断时间，和是中发电机的实际接通时间和关断时间。
49、启动和关闭成本以及操作成本：
50、
51、其中，为发电机组出力的成本项系数，表示发电机组本文档来自技高网...
【技术保护点】
1.一种数据中心集群在线调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数据中心集群在线调度方法，其特征在于，数据中心工作负载时空迁移模型：
3.根据权利要求2所述的数据中心集群在线调度方法，其特征在于，在时间时用于保证数据中心中的最低服务质量的服务器设备的功耗为：
4.根据权利要求2所述的数据中心集群在线调度方法，其特征在于，在时间数据中心中用于更高服务质量的冗余服务器设备的功耗为：
5.根据权利要求2所述的数据中心集群在线调度方法，其特征在于，冷却系统的功耗为：
6.根据权利要求1所述的数据中心集群在线调度方法，其特征在于，数据中心集群优化调度模型如下：
7.根据权利要求6所述的数据中心集群在线调度方法，其特征在于，数据中心中常规发电机组的运行模型为：
8.根据权利要求1所述的数据中心集群在线调度方法，其特征在于，将构造的数据中心集群优化调度模型表述为马尔可夫决策过程具体为：
9.根据权利要求8所述的数据中心集群在线调度方法，其特征在于，智能体的动作空间：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。