宋曉文，回茜，張雯舒

（1.國網(wǎng)遼寧營銷服務(wù)中心，遼寧沈陽 110000；2.沈陽工業(yè)大學(xué)，遼寧沈陽 110000；3.東北大學(xué)，遼寧沈陽 110000）

0 引言

在我國能源結(jié)構(gòu)轉(zhuǎn)型的背景下，國家電網(wǎng)公司也向著綜合能源運(yùn)營商轉(zhuǎn)變[1]。多站合一能源站是傳統(tǒng)變電站的外延，整合了分布式新能源、計(jì)算中心、儲(chǔ)能電站和電動(dòng)汽車（Electric Vehicle，EV）充電站等。對(duì)于計(jì)算中心，文獻(xiàn)[2]對(duì)比分析了不同季節(jié)對(duì)計(jì)算中心負(fù)荷特性的影響，并提出了相應(yīng)的用能優(yōu)化策略；文獻(xiàn)[3]研究了供電方式的選取對(duì)計(jì)算中心可靠性的影響。對(duì)于儲(chǔ)能電站和EV 充電站，文獻(xiàn)[4]研究了在多站合一場景下儲(chǔ)能電站和EV 充電站的優(yōu)化配置方法，并綜合考慮了EV 充電收入和和儲(chǔ)能老化成本，提出了日內(nèi)優(yōu)化調(diào)度方法，然而對(duì)于EV 充電站的建模只考慮了同質(zhì)性EV 的充電特性，沒有考慮不同種類EV 充電需求的不同，也未能考慮EV 并網(wǎng)時(shí)間的不確定性。對(duì)于多站合一的商業(yè)模式，文獻(xiàn)[5]分別探討了計(jì)算中心站、EV 充電站和儲(chǔ)能電站的商業(yè)模式，最后結(jié)合實(shí)際案例論證了電網(wǎng)和投資商均可獲得可觀收益，然而缺乏詳細(xì)的數(shù)學(xué)模型和計(jì)算過程。文獻(xiàn)[6]針對(duì)多站合一的融合方案，探討了場地租賃、充電業(yè)務(wù)、大數(shù)據(jù)服務(wù)等增值業(yè)務(wù)。文獻(xiàn)[1-7]大多使用確定性場景和算法粗略地對(duì)能源站的運(yùn)行進(jìn)行優(yōu)化，而對(duì)于分布式新能源的隨機(jī)性考慮較少。

本文在多站合一場景下，對(duì)計(jì)算中心、儲(chǔ)能電站、EV 充電站、分布式電源站進(jìn)行建模。通過區(qū)間形式的不確定集對(duì)分布式新能源功率的不確定性進(jìn)行建模，并且考慮了EV 并網(wǎng)時(shí)間的隨機(jī)性。提出了多階段魯棒優(yōu)化方法，以多站合一能源站參與市場總收益最大化為目標(biāo)，并考慮了各類設(shè)備運(yùn)行約束。提出了基于拉格朗日乘子的能源站與計(jì)算中心站的成本分?jǐn)偡椒ā?/p>

1 多站合一能源站建模

1.1 多站合一系統(tǒng)參與市場架構(gòu)

多站合一能源站是常規(guī)變電站的拓展，在原有變電站的基礎(chǔ)上，對(duì)數(shù)據(jù)中心站、充換電站、儲(chǔ)能站等建筑進(jìn)行充分整合。其中供能系統(tǒng)、充換電站、儲(chǔ)能站構(gòu)成的常規(guī)能源站往往投資商是同一的[8-10]，而數(shù)據(jù)中心站則對(duì)應(yīng)另一投資主體。常規(guī)能源站可以為數(shù)據(jù)中心提供可靠的電力供應(yīng)，節(jié)約了數(shù)據(jù)中心UPS 的投資成本，而數(shù)據(jù)中心站可以為常規(guī)能源站提供可調(diào)度的負(fù)荷資源，因此兩者存在合作空間，但其收益分配問題需要研究。

本文所研究的多站合一能源站的結(jié)構(gòu)如圖1 所示，分為常規(guī)能源站和計(jì)算中心站兩部分。

圖1 多站合一能源站結(jié)構(gòu)圖Fig.1 Structure of multi-station integrated energy station

為保證計(jì)算中心的供電可靠性，計(jì)算中心通過雙回線路供電，在單條線發(fā)生故障時(shí)，另一條線路通過負(fù)荷轉(zhuǎn)供裝置拉合，從而保證計(jì)算中心不間斷供電的要求。多站合一能源站整體作為獨(dú)立主體參與電力市場，根據(jù)交易品種不同又可分為電能量市場、調(diào)峰市場、調(diào)頻市場等，本文著重探討多站合一能源站參與電能量市場的情形。由于能源站容量較小，在電能量市場上一般作為價(jià)格接受者，運(yùn)行商根據(jù)日前的電價(jià)預(yù)測來制定運(yùn)行日的報(bào)量策略。多站合一能源站內(nèi)各子系統(tǒng)協(xié)同優(yōu)化，以最大化整體參與電能量市場的收益，并作為整體與交易中心進(jìn)行結(jié)算，然后根據(jù)收益分配模型向計(jì)算中心收取費(fèi)用。

1.2 計(jì)算中心建模

計(jì)算中心通常使用量付費(fèi)的模式，提供可用的、便捷的、按需的網(wǎng)絡(luò)訪問，將計(jì)算資源共享池分?jǐn)偨o用戶。與能耗最直接相關(guān)的是計(jì)算中心的工作負(fù)載，其含義是在完整的運(yùn)行環(huán)境中，虛擬機(jī)處理的連續(xù)、非冗余的批處理計(jì)算任務(wù)請(qǐng)求。每個(gè)工作負(fù)載都包含特定的參數(shù)，例如CPU 利用率、優(yōu)先級(jí)和允許的運(yùn)行時(shí)間限制[11]。根據(jù)計(jì)算急迫性的不同，將計(jì)算中心的計(jì)算任務(wù)分為剛性任務(wù)W0和3種彈性任務(wù)W1，W2，W3，其中W0需要在收到請(qǐng)求的1 h 內(nèi)完成，計(jì)算資源使用率為g0，W1，W2，W3則可在收到請(qǐng)求的2 h，3 h，4 h 內(nèi)完成，計(jì)算資源使用率分別為g1，g2，g3。

在通常情況下，根據(jù)計(jì)算中心先到先算原則將計(jì)算任務(wù)平均分配到各服務(wù)器上。然而，對(duì)于彈性任務(wù)，計(jì)算中心可以靈活地平移其計(jì)算開始時(shí)間，使計(jì)算中心的電負(fù)荷具有可調(diào)節(jié)的外特性。以分配因子為決策變量，表示t時(shí)段收到的計(jì)算請(qǐng)求平移到t+s時(shí)段開始計(jì)算的比例。引入公式（1）來表示計(jì)算任務(wù)的平移特性：

式中：Wt為平移后t時(shí)段的總?cè)蝿?wù)量；為平移前t時(shí)段收到的i類任務(wù)量。

式中：為平移后t時(shí)段各彈性任務(wù)的任務(wù)量。

式中：gt為平移后t時(shí)段計(jì)算中心的CPU 占用率。

計(jì)算中心的用電功率可以用來表示：

式中：k為動(dòng)態(tài)功耗系數(shù)；b為固定功耗系數(shù)；N為運(yùn)行的服務(wù)器臺(tái)數(shù)。

假定各服務(wù)器的型號(hào)和性能一致，最小開機(jī)臺(tái)數(shù)要求為：

0.95為可靠系數(shù)，代表單臺(tái)服務(wù)器的計(jì)算資源占用率不超過95%，維持計(jì)算任務(wù)的流暢運(yùn)行。

服務(wù)器集群在處理計(jì)算任務(wù)時(shí)需要進(jìn)行散熱，因此計(jì)算中心往往配備大型的內(nèi)冷卻系統(tǒng)，用冷負(fù)荷來表示計(jì)算中心的供冷需求：

式中：FC為負(fù)荷相關(guān)系數(shù)，由服務(wù)器集群的能效水平?jīng)Q定。

1.3 儲(chǔ)能電站建模

儲(chǔ)能電站具有快速充放電的特性，可以抵消部分光伏和風(fēng)機(jī)的出力波動(dòng)[12-14]。此外，儲(chǔ)能還可以在電價(jià)低谷時(shí)充電、高峰時(shí)放電，具備峰谷套利的能力。儲(chǔ)能電站的運(yùn)行特性可以通過式（7）—式（10）表示，其中式（7）表示儲(chǔ)能電站在每一時(shí)段只能選擇一個(gè)充放電動(dòng)作。

式中：Scha,t，Sdis,t為0-1 變量，分別為儲(chǔ)能電站在日前調(diào)度時(shí)段t的充電、放電標(biāo)志；ηs為儲(chǔ)能的充放電效率；Pr,cha，Pr,dis分別為儲(chǔ)能電站的最大充、放電功率，Pcha,t，Pdis,t分別為t時(shí)刻的充、放電功率；Ees為儲(chǔ)能電站的容量；Δt為時(shí)間間隔；SOC,min，SOC,max分別為儲(chǔ)能電站SOC 的下限和上限；SOC,t為t時(shí)段的荷電狀態(tài)。

1.4 EV充電站建模

EV 充電站建模的關(guān)鍵在于EV 充電特性的建模。按照用戶充電的急迫性，EV 的充電特性可分為3類[15-17]：第一類EV 的充電要求是以最大功率持續(xù)充電，直到充滿，對(duì)應(yīng)于較急迫的用戶，其模型如式（11）所示；第二類EV 的充電要求是持續(xù)充電，充電功率可以調(diào)整，但充滿電的時(shí)長不大于6 h，對(duì)應(yīng)于并不急迫的用戶，其模型如式（12）所示；第三類EV 的充電要求是充電必須在8 h 內(nèi)完成，期間既可充電，又能向能源站反送功率，對(duì)應(yīng)于經(jīng)濟(jì)性要求較高的用戶，其模型如式（13）所示。

式中：C1為第一類EV 的集合；為 時(shí)段第i輛EV 的充電功率；Pcr為最大充電功率；ηc為充電效率；Ec為EV 額定容量；為編號(hào)為i的EV在t時(shí)刻的荷電狀態(tài)。

式中：C2為第二類EV 的集合；ti,0為第i輛EV 并網(wǎng)時(shí)刻。

式中：C3為第三類EV 的集合。

2 市場競價(jià)模型

2.1 目標(biāo)函數(shù)

假設(shè)能源站和計(jì)算中心不存在利益沖突[18-20]，多站合一能源站的優(yōu)化目標(biāo)是提高充電站的收益，降低能源購買總成本和運(yùn)維成本，而計(jì)算中心站的目標(biāo)是降低電量和冷量的購買成本。首先通過總福利最大化協(xié)同優(yōu)化兩者，然后能源站通過收益分配模型，向計(jì)算中心收取費(fèi)用[21-22]。

協(xié)同優(yōu)化的目標(biāo)函數(shù)為：

式中：Acar為EV 充電站的收益；Cgas為購氣成本；Ce為預(yù)期的電能量市場支出；Cm為設(shè)備運(yùn)維費(fèi)用。

式中:n1,n2,n3分別為第一、二、三類EV 的數(shù)目；ρc,1，ρc,2，ρc,3分別為第一、二、三類EV 的充電價(jià)格。

式中：ρgas為單位氣價(jià)；Pgt,t，Hgb,t分別為燃?xì)廨啓C(jī)和燃?xì)忮仩tt時(shí)刻的發(fā)電和產(chǎn)熱功率；ηgt，ηgb分別為燃?xì)廨啓C(jī)發(fā)電效率和燃?xì)忮仩t產(chǎn)熱效率。

式中：Pnet,t為t時(shí)段的電能量市場報(bào)量；ρnet,t為t時(shí)刻的市場電價(jià)預(yù)測值。

式中：Pi,t為設(shè)備i在t時(shí)刻的輸出功率；ρi,m為設(shè)備i的單位出力運(yùn)維費(fèi)用。

2.2 約束條件

1）電功率平衡：

式中：Pv,t為t時(shí)刻分布式光伏實(shí)際輸出功率；Pw,t為t時(shí)刻分布式風(fēng)機(jī)實(shí)際輸出功率；Eload,t為t時(shí)刻的電負(fù)荷；Pcar,t為t時(shí)刻EV 的用電功率；Pec,t為t時(shí)刻計(jì)算中心中央空調(diào)的用電功率。

2）冷功率平衡：

式中：Cec,t，Cac,t分別為t時(shí)刻中央空調(diào)和吸收式制冷機(jī)的制冷功率；Cload,t為t時(shí)刻的冷負(fù)荷。

3）電動(dòng)汽車數(shù)量和功率：

式中：n1,t，n2,t，n3,t分別為第1，2，3 類EV在t時(shí)刻的并網(wǎng)數(shù)量；ncha為EV 充電樁數(shù)量。

4）燃機(jī)出力約束：

式中：Pgas,gt,t為t時(shí)段燃機(jī)消耗的天然氣量；ηgt為氣-電轉(zhuǎn)化效率；ζgt為熱電比；Hgt,t為t時(shí)刻燃機(jī)的供熱功率。

5）吸收式制冷機(jī)出力約束：

式中：ηac為吸收式制冷機(jī)的能效比；Hgt,t為燃機(jī)的余熱功率。

6）中央空調(diào)出力約束：

式中：Cec,t為t時(shí)刻中央空調(diào)的供冷功率；ηec為中央空調(diào)的能效比。

最后，優(yōu)化模型需要考慮的約束條件還包括各子系統(tǒng)模型式（1）—式（13）。

2.3 多階段魯棒優(yōu)化模型

在每一時(shí)刻，能源站根據(jù)當(dāng)前的風(fēng)電和光伏實(shí)際出力和系統(tǒng)狀態(tài)，做出使當(dāng)前及未來最壞情況下收益最高的決策[23]。該過程可以通過動(dòng)態(tài)規(guī)劃形式加以表達(dá)：

式中：Qt+1(st)為最壞情況值函數(shù)（Worst-Case Value Function，WCVF）；yt為除狀態(tài)變量外的其他決策變量；?m，?n分別為m，n維歐式空間。

其中Qt(xt-1;ξt)為t時(shí)刻的優(yōu)化問題的最優(yōu)解。給定系統(tǒng)在t-1時(shí)刻的狀態(tài)xt-1，在不確定參數(shù)ξt實(shí)現(xiàn)后，考慮最壞情況的后續(xù)成本Qt+1(st)做出決定。成本項(xiàng)Ct及常量Bt，Wt，Dt，ht可以通過公式（1）—式（24）推得。

基于式（27）所示的值函數(shù)上界修正方式，提出魯棒動(dòng)態(tài)規(guī)劃算法（Robust Dual Dynamic Programming，RDDP）進(jìn)行求解，算法原理圖如圖2 所示。

圖2 多階段魯棒優(yōu)化求解原理圖Fig.2 Schematic diagram of multi-stage robust optimization

圖2 中，xt,k為t時(shí)刻第k節(jié)點(diǎn)的狀態(tài)變量。通過對(duì)風(fēng)電出力隨機(jī)抽樣，可以在每個(gè)階段生成若干節(jié)點(diǎn)，不同節(jié)點(diǎn)代表不同的風(fēng)電和光伏出力實(shí)現(xiàn)。每一階段的WCVF 可以用分段線性函數(shù)表示（黑線），通過生成benders 割（紅線）可以加以修正。該算法在正向傳遞和反向傳遞之間進(jìn)行迭代。在正向傳遞中，隨機(jī)選擇出力場景，求解得到近似最優(yōu)解，評(píng)估上界和真實(shí)值之間的差距，而在后向傳遞中，通過添加超平面來修正上界。

2.4 計(jì)算中心費(fèi)用結(jié)算

模型以計(jì)算中心和其余子系統(tǒng)的總收益最大化為優(yōu)化目標(biāo)，在優(yōu)化完畢后，還需要對(duì)計(jì)算中心向能源站購電的成本進(jìn)行合理定價(jià)，實(shí)現(xiàn)雙方收益的分配。采用拉格朗日對(duì)偶模型來對(duì)計(jì) 算中心向能源站購電的成本進(jìn)行定價(jià)，因?yàn)樵撃Ｐ涂梢院侠矸从秤?jì)算中心靈活性資源對(duì)總收益的邊際貢獻(xiàn)。設(shè)優(yōu)化完畢后，固定計(jì)算中心電功率為其最優(yōu)解，固定冷功率為其最優(yōu)解，可以求得對(duì)應(yīng)的拉格朗日乘子πe,t和π?,t，能源站應(yīng)向計(jì)算中心征收的費(fèi)用CDC為：

在t+1 日結(jié)算時(shí)，能源站可以向交易中心預(yù)支總用能成本，然后向計(jì)算中心收取用能費(fèi)用CDC，從而完成結(jié)算。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

以某地計(jì)算中心的負(fù)荷需求作為參考[2]，計(jì)算中心的負(fù)荷需求較為平穩(wěn)，各任務(wù)類型的典型需求曲線如圖3 所示。能源站分布式光伏和風(fēng)機(jī)的輸出預(yù)測曲線如圖4 所示。電能量市場的電價(jià)預(yù)測如圖5 所示[24-25]。各個(gè)時(shí)刻電動(dòng)汽車并網(wǎng)數(shù)量如圖6 所示。儲(chǔ)能電站的SOC 下限設(shè)定為0.47，使計(jì)算中心在最大工況且以儲(chǔ)能電站為唯一電源時(shí)能正常工作30 min。在EV 充電站方面，3 類EV 的數(shù)量分別設(shè)置為12，20 和30。第一類EV對(duì)應(yīng)的是車主搶用車輛的情況，因此第一類EV 的并網(wǎng)時(shí)間設(shè)置在7：00—21：00 之間。第二類和第三類EV 的并網(wǎng)時(shí)間為1：00—23：00 之間。本算例中同時(shí)并網(wǎng)的充電樁最大數(shù)量設(shè)置為10 個(gè)。本節(jié)算例均通過julia+JuMP 環(huán)境下調(diào)用gurobi 求解器計(jì)算得到。

圖3 計(jì)算中心任務(wù)量預(yù)測Fig.3 Task demand forecast of computing center

圖4 光伏、風(fēng)機(jī)預(yù)測出力曲線Fig.4 Forecasting curves for photovoltaic output and wind turbine output in typical days

圖5 電能量市場價(jià)格預(yù)測Fig.5 Electricity price forecast in power market

圖6 各個(gè)時(shí)刻電動(dòng)汽車并網(wǎng)數(shù)量Fig.6 The number of electric vehicles connected to grid at each moment

為驗(yàn)證所提多站合一模式和多階段魯棒優(yōu)化算法的有效性，本節(jié)對(duì)以下3 個(gè)算例進(jìn)行對(duì)比。算例1：計(jì)算中心與能源站獨(dú)立參與市場，采用確定性的優(yōu)化算法；算例2：計(jì)算中心和能源站協(xié)同參與市場，采用確定性的優(yōu)化算法；算例3：計(jì)算中心和能源站協(xié)同優(yōu)化參與市場，采用多階段魯棒優(yōu)化算法。

3.2 競價(jià)策略收益分析

不同算例的參與市場收益及分配情況如表1所示。對(duì)于算例1，計(jì)算中心和能源站各自從市場購電，兩者沒有能量交互，由于能源站總體電能供大于求，可將富余電能在市場出售，但由于缺乏了向計(jì)算中心供能的收益，凈收益在3 個(gè)模型中最低。對(duì)于算例2，在能源站和計(jì)算中心的協(xié)同優(yōu)化后，盡管增加了購電成本，但向計(jì)算中心供能可以獲得更多收益，因此凈收益增加。對(duì)于算例3，由于考慮了新能源的不確定性，并采用了多階段魯棒優(yōu)化算法，能源站克服新能源出力波動(dòng)的能力得到增強(qiáng)，凈收益進(jìn)一步得到提升。

表1 多站合一收益分析Table 1 Multi-station integration market revenun元

圖7 展示了多站合一模式下和電網(wǎng)直接供電情況下的競價(jià)策略對(duì)比。在電網(wǎng)直接供電的情況下，能源站與計(jì)算中心總的電功率報(bào)量近似維持一條直線。而在多站合一模式下，能源站和計(jì)算中心通過調(diào)節(jié)自身負(fù)荷外特性，通過儲(chǔ)能電站和EV 充電樁的充放電，使整體的電功率聚合到電價(jià)低谷時(shí)段。由于在電價(jià)高峰時(shí)段，一部分電能轉(zhuǎn)售給計(jì)算中心，因此圖7 中電價(jià)低谷時(shí)段的電功率報(bào)量會(huì)明顯大于計(jì)算中心的負(fù)荷。將多站合一能源站作為一個(gè)負(fù)荷整體來看，恰好具有可調(diào)節(jié)負(fù)荷的作用，通過削峰填谷、改變自身負(fù)荷外特性來在市場上獲得更好的收益。

圖7 兩種場景下電功率報(bào)量情況對(duì)比Fig.7 Comparison of power exchange plan between multi-station integration and power grid

3.3 協(xié)同優(yōu)化結(jié)果分析

本節(jié)針對(duì)模型3 的協(xié)同優(yōu)化模型，對(duì)其結(jié)果進(jìn)行詳細(xì)分析。圖8 展示了多站合一能源站內(nèi)部的電能優(yōu)化調(diào)度結(jié)果，在電價(jià)低谷時(shí)段，站內(nèi)的電負(fù)荷和制冷需求幾乎全部通過外網(wǎng)購電滿足，而在其余時(shí)段，站內(nèi)的電負(fù)荷和制冷需求主要來源于儲(chǔ)能電站放電，燃?xì)廨啓C(jī)發(fā)電，中央空調(diào)關(guān)閉，實(shí)現(xiàn)削峰填谷的效果。

圖8 電、冷優(yōu)化調(diào)度結(jié)果Fig.8 Optimal scheduling of electrical power and cold power

從EV 充電站的角度來看，由于隨機(jī)生成了EV的并網(wǎng)時(shí)間和并網(wǎng)SOC，每次優(yōu)化計(jì)算的結(jié)果不盡相同，如圖9 所示。

圖9 EV充放電情況Fig.9 Diagram showing EV charging and discharging

對(duì)于第一類EV，由于其用戶充電需求較為急迫，因此整體的充電功率隨機(jī)分布在并網(wǎng)時(shí)段內(nèi)（7：00～21：00）；對(duì)于第二類EV，由于用戶充電需求急迫性較弱，因此整體的充電功率較多分布在電價(jià)低谷時(shí)段，在電價(jià)高峰時(shí)段充電的功率較低；對(duì)于第三類EV，由于用戶充電需求的急迫性最弱，并且可以向電網(wǎng)反送電，因此在高峰時(shí)段（如8:00—9:00，15:00 和21:00），總體電功率為負(fù)值。

從節(jié)能的角度考慮，該競價(jià)策略優(yōu)先使用新能源輸出，可以降低購買電力和天然氣的成本，并且可以提升新能源的就地消納率。因此，多站合一的模式具有經(jīng)濟(jì)和環(huán)境效益，切合未來低碳的發(fā)展方向。

3.4 計(jì)算中心優(yōu)化結(jié)果分析

圖10 和圖11 顯示了優(yōu)化前后計(jì)算中心的電力負(fù)荷和冷卻負(fù)荷的比較。計(jì)算中心通過將彈性計(jì)算任務(wù)分配至其他時(shí)段，體現(xiàn)電負(fù)荷的可平移特性，在電價(jià)高峰時(shí)段增加負(fù)荷，在電價(jià)低谷時(shí)段減少負(fù)荷。計(jì)算中心從能源站購買能源的價(jià)格相對(duì)較低，降低了其運(yùn)營成本。在計(jì)算中心和能源站獨(dú)立參與市場報(bào)量的場景下，計(jì)算中心的電負(fù)荷全部來自外網(wǎng)，其總用能成本為22 974 元。通過多站合一的方式，計(jì)算中心可以通過能源站供能，其用能成本為20 176 元，下降了12.1%。在投資成本方面，由于儲(chǔ)能電站可作為計(jì)算中心的應(yīng)急電源，因此計(jì)算中心的供能可靠性得到了保障，無需額外投資UPS，從而降低了潛在的投資成本。

圖10 計(jì)算中心電負(fù)荷調(diào)度前后對(duì)比Fig.10 Comparison of electrical load of computing center before and after scheduling

圖11 計(jì)算中心冷負(fù)荷調(diào)度前后對(duì)比Fig.11 Comparison of cold load of computing center before and after scheduling

此外，通過蒙特卡羅模擬對(duì)該競價(jià)策略下的多站合一能源站的供能可靠性進(jìn)行了驗(yàn)證。每臺(tái)設(shè)備的可用度如表2 所示[3]。

表2 各個(gè)設(shè)備的可用度Table 2 Availability of each device

計(jì)算中心通過雙回線路供電，在單條線發(fā)生故障時(shí)，另一條線路通過負(fù)荷轉(zhuǎn)供裝置合上供電。儲(chǔ)能電站的最低荷電狀態(tài)設(shè)置為0.45，以保證計(jì)算中心在最大負(fù)載下30 min 正常運(yùn)行。通過5 000 次蒙特卡洛仿真，得到整站無負(fù)荷損失的概率為0.999 742，滿足計(jì)算中心的供電可靠性[19]。

4 結(jié)語

本文建立了含計(jì)算中心的多站合一能源站基本結(jié)構(gòu)，并對(duì)其中的各個(gè)子系統(tǒng)進(jìn)行了建模。對(duì)于儲(chǔ)能電站，由于計(jì)算中心供電可靠性的要求，SOC的最小值必須高于一般情況，使計(jì)算中心可以在最大負(fù)荷下正常運(yùn)行至少30 min。對(duì)于EV 充電站，根據(jù)實(shí)際情況將電動(dòng)汽車的充電需求分為3 類，每一類需求在合理的時(shí)間范圍內(nèi)隨機(jī)生成，以模擬現(xiàn)實(shí)中充電的隨機(jī)性?？紤]到風(fēng)電和光伏發(fā)電的不確定性，以能源站總收益最大為目標(biāo)函數(shù)，建立了多階段魯棒優(yōu)化模型。通過數(shù)值仿真方法驗(yàn)證了多站合一供能模式能夠滿足計(jì)算中心供電可靠性的要求。計(jì)算結(jié)果表明，在參與現(xiàn)貨市場模式下，多站合一模式可以提高能源站和計(jì)算中心雙方的收益，在新能源就地消納方面也具有較好的表現(xiàn)。

本文僅考慮了多站合一能源站參與能量市場，未來可在輔助服務(wù)市場做進(jìn)一步研究。