一种计及数据中心需求响应的园区多能运营商交易决策方法

1.本发明涉及园区运营商能源交易决策领域，具体涉及一种计及数据中心需求响应的园区多能运营商交易决策方法。


背景技术：

2.近年来，园区运营商作为一种特殊应用场景的综合能源服务商，管理着整个园区ies的运行和交易。随着市场的发展，园区运营商管理整个园区ies的运行，并根据园区ies的特性进行交易决策的难度越来越大。原来的商业运营模式已经无法满足新的交易市场，新的竞争性市场将要考虑更多参与主体的主动性，故必须重新对园区运营商的商业运营策略开展新一轮的研究，同时提高园区ies的优化运行。现有研究大多将园区ies仅作为价格接受者按照固定目录价格或预测市场价格向上级能源网络购买能源，对园区运营商参与市场行为的主动性分析不足。在园区运营商的运行优化和市场交易中，为了进一步提高其能源资源利用率并提高园区运营商效益就应在保障用户正常用能的前提下采取适当的措施激励用户主动参与dr。数据中心部分网络负载通常将园区ies作为载体，与园区ies可进行协调运行。数据中心作为一种高电力负荷和综合能源用户具有非常大的dr潜力。站在园区运营商的角度利用市场价格手段对数据中心dr进行合理调配的有关研究还不足。数据中心成为市场参与者之后，园区运营商就可以通过博弈互动的方式模拟数据中心的用能决策，从而制定合适的交易价格策略。


技术实现要素：

3.本发明目的在于提供应一种计及数据中心需求响应的园区多能运营商交易决策方法克服现有技术的不足；
4.本发明所采用的技术方案是：
5.一种计及数据中心需求响应的园区运营商交易决策方法，园区综合能源系统包括数据中心，包括以下步骤：
6.步骤s1：基于数据中心需求响应构建园区运营商能源交易优化决策模型；
7.步骤s2：基于园区运营商能源交易优化决策模型构建以售能净收益最大化为决策目标的园区ies模型、以自身成本最低为决策目标的数据中心负荷迁移模型、以成本最低为决策目标的普通用户决策模型；
8.步骤s3：基于粒子群算法与cplex组合求解园区运营商能源交易优化决策模型，得到运营商交易最优策略。
9.优选地，步骤s1中，所述园区运营商能源交易优化决策模型具体为：
[0010][0011]
式中，带*号为该变量的最优值；为园区运营商定价策略，表示园区运营商制定价格；为数据中心的购能策略，表示数据中心用电电力负荷；为普通用户的购能策略,表示普通用户用电电力负荷；f
co
为园区运营商售能净收益；f
dc
为数据中心成本；f
u
为普通用户成本。
[0012]
优选地，步骤s2中，所述园区ies模型具体为：
[0013][0014][0015]
式中，为园区运营商售能收入，为园区运营商购能成本，为设备运行维护成本，和分别表示园区运营商制定的电、热和冷价格；和分别表示数据中心电、热和冷负荷；和分别表示普通用户电、热和冷负荷；和分别表示向上级电网和上级气网购电和购气价格；和分别表示向上级电网和上级气网购电和购气功率；和分别表示热电联产机组、燃气锅炉、离心式制冷机和吸收式制冷机运行维护单位成本。
[0016]
优选地，步骤s2中，所述园区ies模型以园区ies约束为约束条件，所述园区ies约束包括率平衡约束、售电价格约束、能源耦合设备运行约束、向上级网络购能约束、储能约束以及ups约束。
[0017]
优选地，步骤s2中，所述数据中心负荷迁移模型具体为：
[0018][0019][0020]
式中，为数据中心购能成本、为生活用电偏好成本、为数据负荷延迟补
偿成本，表示数据中心用电偏好成本；表示数据中心生活用电实际电力负荷；表示数据中心生活用电负荷初始需求；表示第k类延迟允许型数据负荷单位延迟补偿成本。
[0021]
优选地，步骤s2中，所述数据中心负荷迁移模型以数据中心约束为约束条件，所述数据中心约束包括功率平衡约束、负荷需求上下限约束与服务器集群平均利用率上下限。
[0022]
优选地，步骤s2中，所述普通用户决策模型具体为：
[0023][0024][0025]
式中，f
u
为用户购能成本，为用户购能成本，为用电偏好成本，表示普通用户用电偏好成本；表示普通用户电力负荷初始需求。
[0026]
优选地，所述普通用户决策模型以用户电负荷上下限为约束条件。
[0027]
优选地，步骤s3中，基于粒子群算法与cplex组合求解园区运营商能源交易优化决策模型，得到运营商交易最优策略的具体方法为：将园区运营商的价策略作为随机粒子，内嵌cplex求解随机粒子对应园区运营商能源交易优化决策模型下的数据中心和普通用户最优购能策略，不断迭代进化获取最优解，即园区运营商交易定价最优策略。
[0028]
本发明的有益效果为：
[0029]
本发明设计了一种计及数据中心需求响应的园区多能运营商交易决策方法，该在含有数据中心的园区ies中，同时考虑数据中心和普通用户参与dr的主动性，将数据中心作为市场参与者，园区运营商就可以通过博弈互动的方式模拟数据中心的用能决策，从而制定合适的交易价格策略可以为园区运营商带来较好效益，并使得园区运营商能够更加合理的对园区ies进行能量管理。
附图说明
[0030]
图1为本发明的结构框图；
[0031]
图2为本发明的园区运营商信息流；
[0032]
图3为本发明的园区冷
‑
热
‑
电能源枢纽能量流；
[0033]
图4为本发明一个算例的数据中心和普通用户电、热和冷负荷及光伏发电预测功率；
[0034]
图5为本发明一个算例的数据中心预测数据负荷；
[0035]
图6为本发明一个算例的上级能源网络与园区运营商交易价格；
[0036]
图7为本发明一个算例的园区运营商电功率交易决策仿真结果；
[0037]
图8为本发明一个算例的园区运营商热功率交易决策仿真结果；
[0038]
图9为本发明一个算例的园区运营商冷功率交易决策仿真结果；
[0039]
图10为本发明一个算例的服务器集群资源利用率优化前后对比；
[0040]
图11为本发明一个算例的数据中心dr前后电力负荷曲线对比；
[0041]
图12为本发明一个算例的各类数据负荷延迟量。
具体实施方式
[0042]
下面结合本发明的附图1～12，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施。
[0043]
在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0044]
如图1所示，一种计及数据中心需求响应的园区运营商交易决策方法，园区综合能源系统包括数据中心，包括以下步骤：
[0045]
步骤s1：基于数据中心需求响应构建园区运营商能源交易优化决策模型；
[0046]
步骤s2：基于园区运营商能源交易优化决策模型构建以售能净收益最大化为决策目标的园区ies模型、以自身成本最低为决策目标的数据中心负荷迁移模型、以成本最低为决策目标的普通用户决策模型；
[0047]
步骤s3：基于粒子群算法与cplex组合求解园区运营商能源交易优化决策模型，得到运营商交易最优策略。
[0048]
值得说明的，步骤s1中，所述园区运营商能源交易优化决策模型具体为：
[0049][0050]
式中，带*号为该变量的最优值；为园区运营商定价策略，表示园区运营商制定价格；为数据中心的购能策略，表示数据中心用电电力负荷；为普通用户的购能策略,表示普通用户用电电力负荷；f
co
为园区运营商售能净收益；f
dc
为数据中心成本；f
u
为普通用户成本。
[0051]
具体的，如图2所示，园区ies互动交易框架由园区运营商、数据中心和普通用户等市场主体构成。园区运营商作为综合能源服务商管理着整个园区ies，并负责为园区所有用户提供能源；数据中心管理着整个服务器集群，为园区乃至园区外部计算机网络用户提供数据处理服务；普通用户则是园区普通居民，为单纯的能源使用者。
[0052]
区运营商与数据中心和用户进行互动交易，是一个stackelberg博弈的过程，此互动交易结果为博弈纳什均衡结果。互动交易过程所传递的信息是园区运营商制定的售电价格和数据中心和普通用户的用能策略，园区运营商以自身收益最大化制定电价λ
co
，数据中心和用户接收到价格信息之后，分别以自身成本最低制定购能策略l
dc
和l
u
。直到三方决策
结果达到ne为止。园区运营商为互动交易过程中的领导者，具有优先决策电价的权利，而数据中心和普通用户为跟随者，根据园区运营商的报价策略决策自身用能策略。由约束条件可知，园区运营商关于电价的策略集必然为非空紧致凸子集。同样，数据中心和普通用户策略集为非空紧致凸子集。故满足ne存在性定理。
[0053]
具体的，f
dc
和f
u
分别对其l
o
和l
u
一阶和二阶求导得到下面第一式，从式中可以看出，其二阶导数恒大于0，满足定理。然后，令其等于0得到l
o
和l
u
的最优解l
o,*
和l
u,*
并带入f
co
中，并令f
co
对进行一阶和二阶求导可得到下面第二式。从式中可以看出，其二阶导数恒大于0，满足定理。因此，本发明所提园区运营商能源交易优化决策模型的ne存在且唯一。
[0054][0055][0056]
值得说明的，步骤s2中，所述园区ies模型具体为：
[0057][0058][0059]
式中，u
co
为园区运营商售能净收益，u
co
与f
dc
的含义相同，为园区运营商售能收入，为园区运营商购能成本，为设备运行维护成本，和分别表示园区运营商制定的电、热和冷价格；和分别表示数据中心电、热和冷负荷；分别表示数据中心电、热和冷负荷；和分别表示普通用户电、热和冷负荷；和分别表示向上级电网和上级气网购电和购气价格；和分别表示向上级电网和上级气网购电和购气功率；和分别表示热电联产机组、燃气锅炉、离心式制冷机和吸收式制冷机运行维护单位成本。
[0060]
值得说明的，步骤s2中，所述园区ies模型以园区ies约束为约束条件，所述园区ies约束包括率平衡约束、售电价格约束、能源耦合设备运行约束、向上级网络购能约束、储
能约束以及ups约束。
[0061]
具体的，(1)功率平衡约束
[0062]
园区ies功率平衡包括电功率、热功率、冷功率以及气功率的平衡。
[0063][0064]
式中：p
tess,c
和p
tess,d
分别表示储能电池充放电功率；p
tcss,c
和p
tcss,d
分别表示储冷单元充放冷功率。
[0065]
(2)售电价格约束
[0066]
本文园区运营商制定售电价格传递给需求侧，以刺激需求侧调整用能需求。因此售电价格将受到一定约束，以保障数据中心和普通用户用能效用。
[0067][0068]
式中：和表示售电价格最大、最小值。
[0069]
(3)能源耦合设备运行约束
[0070][0071]
式中：p
tchp,max
、p
tgb,max
、p
tcr,max
和p
tar,max
分别表示chp、gb、cr和ar注入功率上限；p
tchp,min
、p
tgb,min
、p
tcr,min
和p
tar,min
分别表示chp、gb、cr和ar注入功率下限；p
tpv,fore
表示园区光伏发电机(photovoltaic generator，pvg)预测发电功率。
[0072]
(4)向上级网络购能约束
[0073][0074]
式中：和表示向上级电网购电功率上下限；和表示向上级气网购气功率上下限。
[0075]
(5)向上级网络购能约束
[0076]
此处只给出了储能电池的约束条件，其储冷单元约束类似。
[0077]
[0078][0079]
式中：表示储能电池剩余容量；s
ess,max
和s
ess,min
为最大容量和最小容量；η
ess,c
、η
ess,d
分别表示储能电池充放电功率；p
tess,cmax
和p
tess,dmax
分别表示储能电池充放电功率上限；和表示储能电池充放电状态，为0
‑
1变量。
[0080]
(6)ups约束
[0081]
园区数据中心具有高可靠性需求，因此园区ies必须装设足够容量的ups设备以保障数据中心用电。ups通常与储能电池协同运行，并配有整流器和逆变器。
[0082][0083]
式中：p
tups
表示园区向ups提供电能；η
rec
表示整流器工作效率；η
inv
表示逆变器工作效率。
[0084]
需要说明的，延时允许型数据负荷在满足网络用户服务质量的前提下完成即可，可进行延迟。利用延时允许型数据负荷这一可延时迁移特性，通过动态调整数据中心不同时段的网络负载，从而实现数据中心的dr。
[0085]
采用数据负荷延时迁移策略动态调整电力负荷，其响应步骤如下：
[0086]
(1)首先依据数据负荷日前预测确定不同种类数据负荷最大可延迟时间延时允许型数据负荷可分为k类，第k类延时允许型数据负荷表示最大可延时时间为k个时段，过程如下：
[0087][0088]
式中：表示第k类延时允许型数据负荷最大完成时间，即网络用户从发送数据请求到接收到处理结果的最大时间。
[0089]
(2)根据最大可延迟时间确定各类任务可延时区间[ta，tm]，以及每个时段数据负荷迁入迁出量。
[0090][0091]
[0092][0093][0094]
式中：α
k,t
表示最大延时时间；a
k,t
表示t
‑
a时段延时到t时段的数据负荷之和；b
k,t
表示t时段延时到t+b时段的数据负荷之和；x
k,(t
‑
a)
→
t
表示t
‑
a时段延时到t时段的数据负荷；x
k,t
→
(t+b)
表示t时段延时到t+b时段的数据负荷；和表示可迁入迁出数据负荷最大值。最后一个等式表示整个优化周期内，迁入数据负荷与迁出数据负荷总量保持一致。
[0095]
优选的，在日前市场频繁调整数据中心服务器的活跃数量将极大增加开关损耗并严重削减设备寿命，所以在进行dr研究时采用关于服务器集群平均利用率h
t
的线性模型。
[0096]
根据服务器集群平均利用率h
t
建模，数据中心单个服务器的电力负荷p
ser
可由以下模型近似表示：
[0097]
p
ser
＝p
i
+(p
f
‑
p
i
)h
[0098]
式中：p
i
和p
f
分别是单台服务器空载和满载功耗；h表示单台服务器利用率。
[0099]
整个数据中心是由服务器集群组成，因此其数据中心功耗模型为：
[0100]
p
tdc
＝[p
i
+(p
f
‑
p
i
)h
t
]m
[0101]
式中：m表示数据中心服务器活跃数量。
[0102]
在园区数据中心中，一组数据负荷的处理时间d
b
小于一个优化时段δt(本发明设置为15min)，因此可将优化时段δt依d
b
分成q个区间。若各类数据负荷在第t时段内的初始数据负荷为a
k,t
，则假设每个优化时段δt的数据负荷平均在每个区间起始时到达，即每个区间初始数据负荷为b
k,t
＝a
k,t
/q，且每个时段的迁移数据负荷α
k,t
和b
k,t
也平分到每个区间上。利用数据中心平均处理时间与优化时段δt的比值来表示其服务器集群平均利用率h
t
，如下所示：
[0103][0104]
由此可得
[0105][0106]
式中：表示t时段每个区间的实际数据负荷；δ表示单个服务器一个优化时段内处理数据负荷的数量。
[0107]
进一步的，步骤s2中，所述数据中心负荷迁移模型具体为：
[0108][0109][0110]
式中，为数据中心购能成本、为生活用电偏好成本、为数据负荷延迟补偿成本，表示数据中心用电偏好成本；表示数据中心生活用电实际电力负荷；表示数据中心生活用电负荷初始需求；表示第k类延迟允许型数据负荷单位延迟补偿成本。
[0111]
值得说明的，步骤s2中，所述数据中心负荷迁移模型以数据中心约束为约束条件，所述数据中心约束包括功率平衡约束、负荷需求上下限约束与服务器集群平均利用率上下限。
[0112]
(1)功率平衡约束
[0113][0114]
(2)负荷需求上下限约束
[0115][0116]
式中：p
tdc,max
和分别表示服务器集群电力功耗上下限；和分别表示其他电力负荷上下限。
[0117]
(3)服务器集群平均利用率上下限
[0118][0119]
式中：和分别表示服务器集群平均资源利用率上下限。
[0120]
值得说明的，步骤s2中，所述普通用户决策模型具体为：
[0121][0122][0123]
式中，f
u
为用户购能成本，为用户购能成本，为用电偏好成本，表示普通用户用电偏好成本；表示普通用户电力负荷初始需求。
[0124]
值得说明的，所述普通用户决策模型以用户电负荷上下限为约束条件。
[0125]
具体的，所述用户电负荷上下限约束为：
[0126][0127]
式中：和分别表示普通用户电力负荷上下限。
[0128]
值得说明的，步骤s3中，基于粒子群算法与cplex组合求解园区运营商能源交易优化决策模型，得到运营商交易最优策略的具体方法为：将园区运营商的价策略作为随机粒子，内嵌cplex求解随机粒子对应园区运营商能源交易优化决策模型下的数据中心和普通用户最优购能策略，不断迭代进化获取最优解，即园区运营商交易定价最优策略，其求解过程如下所示：
[0129]
(1)首先输入初始参数和预测数据；
[0130]
(2)第1次迭代中，园区运营商在决策变量约束范围内随机生成一组粒子，作为园区运营商第1次迭代的最优策略。数据中心和普通用户根据园区运营商的策略利用cplex求解器对应得到一组最优策略；
[0131]
(3)第i次迭代中，园区运营商根据数据中心和普通用户第i
‑
1次的最优策略更新粒子，作为园区运营商第i次迭代的最优策略，并传递给数据中心和普通用户。数据中心和普通用户根据园区运营商第i次迭代最优策略通过cplex求解器进行优化，也相应得到第i次迭代下的最优策略。
[0132]
(4)直到园区运营商第i次迭代的最优策略与第i
‑
1次迭代的最优策略之差的绝对值小于10
‑4时，才停止迭代，输出结果。
[0133]
实施例：
[0134]
具体的，如图3所示，园区ies由园区运营商进行管理，是一套完整的源
‑
网
‑
荷
‑
储系统。园区ies其外部主要由电力网络、燃气网络协同供能，内部主要包含了pvg、能源耦合设备、不间断电源、储能配置，其中能源耦合设备有chp、gb、离心式制冷机和吸收式制冷机，储能配置有储能电池和储冷单元。园区从上级网络即电力网络和燃气网络供给电功率和气功率，经过园区ies的耦合转换后，输出为电负荷、冷负荷以及热负荷。当系统改变对一种或多种能源的需求时，其他能源的供需将会收到影响；基于此，楼可通过调整对不同能源的需求，在不影响自身舒适度的情况下达到同样的削峰填谷效果。
[0135]
具体的，如图4所示，交易优化时段为24个，即δt＝1h。图4包含了数据中心以及普通用户电负荷、热负荷以及冷负荷，还包含了光伏发电功率。数据中心以及普通用户的三类负荷的变化趋势大致相似，光伏发电功率在晚上时为零，正午时达到峰值，其发电功率随光照强度变化而变化，与光照强度成正比。
[0136]
具体的，如图5所示，数据中心数据负荷最大延迟迁移时间有限，优化时段设置为96个，即δt＝15min。数据中心电力负荷预测波动较大，这是由于数据负荷波动大导致。
[0137]
具体的，如图6所示，上级电网售电价格在不同的时间波动较大，而上级气网售气价格以及园区运营商售热价格以及售冷价格都是恒定不变的。由于数据负荷波动大导致数据中心电力负荷预测波动较大。由于燃气网络供应稳定，使得冷/热功率输出也较为稳定，其价格可采用单一固定价格。
[0138]
具体的，如图7所示，在日前市场的所有时段，园区运营商都优先选择消纳pvg进行供电。在16
‑
17时段，上级网络电价格低于气价格，园区运营商首先选择购买批发市场电功
率来满足园区大部分电负荷需求，此时chp机组注入功率为0，离心式制冷机注入电功率满载运行，ups进行充电，数据中心和普通用户负荷调整量较低；在1
‑
7时段和10
‑
12时段，上级网络电价略高于气价格，园区运营商向上级批发市场购电量降低，优先考虑购买天然气注入chp机组进行电能供应，不足部分则向批发市场购买，且离心式制冷机注入电功率略微降低，ups进行充电，数据中心和普通用户负荷调整量增大。在8
‑
9时段、13
‑
15时段和18
‑
24时段，即一天电负荷的高峰期，上级网络电价大大高于气价格，园区运营商向上级批发市场购电量有更大程度的降低，chp机组注入气功率大大增加，并且ups在这个时段进行放电，离心式制冷机注入电功率也有很大降低，负荷调整量有很大增加。其中，虽然在1
‑
7时段和10
‑
12时段上级网络电价略高于气价格，但ups还是选择充电，是为了在价格更高的其他时段进行放电，以获得更低的成本。
[0139]
具体的，如图8、图9所示，在16
‑
17时段，上级网络电价格低于气价格，园区运营商优先选择通过购买气功率注入gb进行供热，而在其余时段都选择购买气功率注入chp中进行供热，这是因为其余时段气价低于电价，且chp可同时输出电功率和热功率，综合成本更低。同样，在电价低于气价的时段，园区运营商优先选择购买电功率注入离心式制冷机来供应负荷冷需求；在电价高于气价的时段，园区运营商优先选择购买气功率注入chp和gb转换为热功率，并再注入吸收式制冷机来供应负荷冷需求。
[0140]
具体的，如图10所示，数据中心可调整服务器集群平均资源利用率h
t
来调整服务器的电力功耗，图10是关于数据中心参与dr前后的h
t
对比曲线，可以看到，在高资源利用率时段降低了h
t
，在低资源利用率时段提高了h
t
，使服务器集群资源利用率得到了更好的调整。
[0141]
具体的，如图11所示，由图11可以明显看出数据中心参与dr后电力负荷波峰下降了，波谷上升了，有效降低了电力负荷曲线峰谷差。推动电力负荷曲线改变的是电价的作用，图中可以明显看出电价越高，数据中心实际电力负荷需求越低；电价越低，数据中心实际电力负荷需求越高。通过在限定可调节范围内调整服务器集群资源利用率，进而调整了数据中心电力负荷曲线更趋于平稳。此时数据中心通过自身延迟允许型数据负荷的灵活调节，可帮助园区运营商实现电力负荷的削峰填谷。
[0142]
具体的，如图12所示，数据中心数据负荷共延迟迁移了2139个，其对应到电力功率则共转移6673kw到低价时段。其中一类延时允许型数据负荷最大可延迟时间最短，其迁移时段最短，灵活性最低，其迁移经济补偿也最低，因此延时转移量最高；三类延时允许型数据负荷最大可延迟时间最长，其迁移时段最长，灵活性最高，但延时经济补偿也最高，因此其延时转移量最低。
[0143]
如表1所示，表1展示了4种场景下的园区运营商售能净收益、数据中心购能成本和普通用户购能成本，四种场景的具体情况如下所示：
[0144]
(1)园区运营商同时与数据中心和普通用户博弈互动，即本发明所提模型；
[0145]
(2)园区运营商仅与普通用户博弈互动，向数据中心售能采取固定价格；
[0146]
(3)园区运营商向数据中心和普通用户售能皆采取固定价格；
[0147]
(4)园区运营商同时与数据中心和普通用户博弈互动，但不考虑数据负荷可延迟迁移特性。
[0148]
若数据中心和普通用户不参与博弈互动时，园区运营商售电固定价格按照上级电
网价格进行出售。
[0149]
表1不同场景下各主体收益和成本
[0150][0151][0152]
相比于其他所有场景，场景1模型优化下的园区运营商的净收益最高。同样，数据中心和普通用户的购能成本也较低。由此可见，鼓励用户参与需求响应可以在降低用户购能成本的前提下，提高园区运营商收益。通过场景1与场景2和3的对比可以看出，相较于仅鼓励数据中心通过博弈互动参与需求响应，园区运营商鼓励数据中心和普通用户同时通过博弈互动参与需求响应收益更高。由此可见，鼓励通过博弈互动参与需求响应的用户数量及类型越多，园区运营商效益更好。
[0153]
场景1下，园区运营商可在上级能源网络高价时段通过调整售电价格刺激数据中心延迟迁移数据负荷，以降低在此时段的电能购买量，增加低价时段的购买量，进而降低成本。而在场景4下，由于数据中心不能灵活迁移数据负荷，导致园区运营商在上级能源网络高价时段也必须购买能够满足负荷需求的电能。因此，场景4下的园区运营商购能成本更高，净收益也就低于场景1下的园区运营商净收益。