1.本发明涉及能源电力领域，特别涉及一种绿色数据中心多资源协同规划方法、计算设备及存储介质。
背景技术：
：：2.数据中心作为信息基础设施的重要组成，呈现出了高速发展态势。伴随着数据中心规模与数量的激增态势，其巨大的用电体量也导致碳污染形势愈发严峻。为此，以数据机房中的it(informationtechnology，信息技术)系统、制冷、照明和电气等能取得最大化的能源效率和最小化的环境影响为目标，提出了绿色数据中心(greendatacenter，gdc)的概念。3.目前，对于绿色数据中心的内部能耗管理已有广泛研究，根据影响绿色数据中心效益的关键因素，结合内部资源的可用性(如服务器、制冷系统、分布式可再生能源等)确定运行策略。但大多数现有研究，均是将绿色数据中心作为需求响应(demandresponse，dr)资源，从电网角度进行建模和探索，常常忽略绿色数据中心中各类不确定性因素对规划决策的影响，或仅用简单的概率分布模型进行描述，从而影响规划结果的准确性。4.尤其对于终端而言，数据中心运营总是假设对用户有完全的了解。在实际中，终端用户是否愿意参与绿色数据中心的需求侧响应及其参与深度，将成为决定投资和建设运行的关键因素。终端用户的数据使用行为具有不确定性，并非总是遵循恒定的统计规律，还会受到一些外部条件的影响，例如所提供的补贴以及用户自身对服务质量的需求。在绿色数据中心规划中，当前阶段的投资决策可能对终端用户数据需求的时间分布产生重大影响，忽略终端用户参与需求响应意愿对于规划决策和政策激励的依赖性，可能会导致非最优的规划决策。5.因此，需要一种新的绿色数据中心多资源协同规划方法来优化处理。技术实现要素：6.为此，本发明提供一种绿色数据中心多资源协同规划方案，以力图解决或者至少缓解上面存在的问题。7.根据本发明的一个方面，提供一种绿色数据中心多资源协同规划方法，该方法包括如下步骤：首先，获取绿色数据中心系统的投资成本和运行效益，绿色数据中心系统包括配电网线路、绿色数据中心和终端用户；基于投资成本和运行效益，构建绿色数据中心多资源协同规划的目标函数；生成约束条件，约束条件包括规划阶段约束和运行阶段约束；通过目标函数，结合约束条件，对绿色数据中心进行多资源协同规划。8.可选地，在根据本发明的绿色数据中心多资源协同规划方法中，获取绿色数据中心系统的投资成本和运行效益的步骤，包括：分别获取服务器、储能系统功率、储能系统容量、风机、光伏设备、制冷设备的安装成本，以计算绿色数据中心系统的投资成本；结合内生不确定性和外生不确定性，计算绿色数据中心系统的运行效益。9.可选地，在根据本发明的绿色数据中心多资源协同规划方法中，内生不确定性包括终端用户参与需求响应意愿，外生不确定性包括可再生能源发电出力和终端用户数据需求。10.可选地，在根据本发明的绿色数据中心多资源协同规划方法中，投资成本以如下公式确定：11.cinv＝ksercsernser+kesscesspness+kess_ecess_eeness+12.kwtcwtpnwt+kpvcpvpnpv+kcoolccoolpncool13.其中，cinv表示投资成本，kser、kess、kess_e、kwt、kpv、kcool分别表示服务器、储能系统功率、储能系统容量、风机、光伏设备、制冷设备的资本回收系数，cser、cess、cess_e、cwt、cpv、ccool分别表示服务器、储能系统功率、储能系统容量、风机、光伏设备、制冷设备的单位安装成本，nser表示服务器安装数量，pness、eness、pncool分别表示储能系统额定功率、储能系统额定容量、制冷设备额定安装容量，pnwt、pnpv分别表示风机、光伏设备的装机容量。14.可选地，在根据本发明的绿色数据中心多资源协同规划方法中，运行效益以如下公式确定：[0015][0016]其中，λope表示运行效益，ρy,s表示合约期y中场景s出现的概率，表示合约期y中场景s出现的概率，分别表示合约期y中场景s下的运行收益、运行成本、碳排放成本、激励成本，y表示数据负荷集群参与需求响应的合约期集合，s表示不同场景集合。[0017]可选地，在根据本发明的绿色数据中心多资源协同规划方法中，合约期y中场景s下的运行收益以如下公式确定：[0018][0019]其中，θ表示一个合约期y的天数，表示合约期y中场景s下时刻t内负荷集群i需求响应后绿色数据中心的总数据负载，δdata表示绿色数据中心提供数据服务的单位价格，t表示一天中各个时刻的集合，i表示数据负荷集群的集合。[0020]可选地，在根据本发明的绿色数据中心多资源协同规划方法中，合约期y中场景s下的运行成本以如下公式确定：[0021][0022]其中，cserm、cessm、cwtm、cpvm、ccoolm分别表示服务器、储能系统、风机、光伏设备、制冷设备的单位年运维成本，nser表示服务器安装数量，eness、pncool分别表示储能系统额定容量、制冷设备额定安装容量，pnwt、pnpv分别表示风机、光伏设备的装机容量，θ表示一个合约期y的天数，表示合约期y中场景s下时刻t内绿色数据中心从电网购电功率，表示时刻t内配电网电价，δt表示时间。[0023]可选地，在根据本发明的绿色数据中心多资源协同规划方法中，基于投资成本和运行效益，构建绿色数据中心多资源协同规划的目标函数的步骤，包括：计算运行效益与投资成本的差值，将差值最大化作为绿色数据中心多资源协同规划的目标函数。[0024]可选地，在根据本发明的绿色数据中心多资源协同规划方法中，规划阶段约束包括设备安装约束和激励价格约束，设备安装约束包括服务器数量约束、储能系统功率及容量约束、分布式可再生能源安装容量约束、以及制冷设备安装约束。[0025]可选地，在根据本发明的绿色数据中心多资源协同规划方法中，运行阶段约束包括设备运行约束、电网侧约束和需求侧约束，设备运行约束包括储能系统运行约束、分布式可再生能源运行约束、制冷设备运行约束、以及功率平衡约束。[0026]根据本发明的又一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行如上所述的绿色数据中心多资源协同规划方法的指令。[0027]根据本发明的又一个方面，提供了一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行如上所述的绿色数据中心多资源协同规划方法。[0028]根据本发明的绿色数据中心多资源协同规划方案，基于系统规划与运行的关联关系，综合考虑内、外生不确定性对决策规划有效性的影响，获取绿色数据中心系统的投资成本和运行效益，构建绿色数据中心多资源协同规划的目标函数，并生成约束条件，通过目标函数，结合约束条件，对绿色数据中心进行多资源协同规划。在上述技术方案中，通过绿色数据中心的多资源协同规划，以优化绿色数据中心规划和运行的经济性和低碳性，从中长期规划角度探究终端用户的灵活性对促进绿色数据中心效益提升的潜在价值。附图说明[0029]为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。[0030]图1示出了根据本发明一个实施例的计算设备100的结构框图；以及[0031]图2示出了根据本发明一个实施例的绿色数据中心多资源协同规划方法200的流程图。具体实施方式[0032]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。[0033]图1示出了根据本发明一个实施例的计算设备100的结构框图。[0034]如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。[0035]取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(up)、微控制器(uc)、数字信息处理器(dsp)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(alu)、浮点数单元(fpu)、数字信号处理核心(dsp核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。[0036]取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如ram)、非易失性存储器(诸如rom、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。[0037]计算设备100还包括储存设备132，储存设备132包括可移除储存器136和不可移除储存器138。[0038]计算设备100还可以包括储存接口总线134。储存接口总线134实现了从储存设备132(例如，可移除储存器136和不可移除储存器138)经由总线/接口控制器130到基本配置102的通信。操作系统120、应用122以及程序数据124的至少一部分可以存储在可移除储存器136和/或不可移除储存器138上，并且在计算设备100上电或者要执行应用122时，经由储存接口总线134而加载到系统存储器106中，并由一个或者多个处理器104来执行。[0039]计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个a/v端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个i/o端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。[0040]网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中以编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(rf)、微波、红外(ir)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。[0041]计算设备100可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。当然，计算设备100也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、数码照相机、个人数字助理(pda)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。甚至可以被实现为服务器，如文件服务器、数据库服务器、应用程序服务器和web服务器等。本发明的实施例对此均不做限制。[0042]在根据本发明的实施例中，计算设备100被配置为执行根据本发明的绿色数据中心多资源协同规划方法200。其中，布置在操作系统上的应用122中包含用于执行方法200的多条程序指令，这些程序指令可以指示处理器104执行本发明的方法200，以便计算设备200通过执行本发明的方法200来实现多资源协同规划绿色数据中心。[0043]图2示出了根据本发明一个实施例的绿色数据中心多资源协同规划方法200的流程图。绿色数据中心多资源协同规划方法200可以在计算设备(例如前述计算设备100)中执行。[0044]如图2所示，方法200始于步骤s210。在步骤s210中，获取绿色数据中心系统的投资成本和运行效益，绿色数据中心系统包括配电网线路、绿色数据中心和终端用户。根据本发明的一个实施例，绿色数据中心包含分布式可再生能源(如风机、光伏设备)、储能系统、以服务器为代表的it设备，以及制冷系统等辅助设备。[0045]该系统在如下方面表现出区别于传统数据中心的显著特殊之处：[0046]一是物理与信息环节的深度融合。绿色数据中心需要通过服务器等物理设备实现对信息域数据任务的处理，而信息域数据负荷的性质(如类型、容量、分布)反之也将对各类物理设备的状态产生影响。[0047]二是信息与社会元素的相互交织。数据中心运营根据整体系统的运行目标，设计能够激励终端用户需求侧响应的最优策略，而终端用户则根据相关激励信息做出最利于自身利益的行为反馈。由于不同主体之间的互动响应蕴含人的个性化偏好与意愿，从而为系统协同规划设计引入必要的社会元素，使得信息与社会域之间紧密交织。[0048]三是社会与物理系统相附相依。用户的社会域需求(信息需求)既是影响数据中心和配电系统物理域设备运行的核心要素，也是驱动它们集成利用的出发点和落脚点；而物理域资源是社会域交互活动的基础，其功能属性(设备类型、容量等)反之也会对社会域的活动方式(用户的数据使用行为)产生影响。[0049]基于上述分析，绿色数据中心系统的整体性能受到信息、物理、社会多源因素的共同制约和影响，因此，绿色数据中心的多资源协同规划必须从cpss(cyber-physical-socialsystem，信息物理社会系统)框架出发，才能反映系统的真实工况。[0050]在绿色数据中心系统下，数据中心运营负责绿色数据中心的投资规划以及运营管理，并对数据服务进行定价与激励设计。根据一定区域内数据负荷需求，对源、荷、储多资源进行协同规划与运行调度，充分发挥分布式可再生能源发电出力的清洁性、终端用户数据需求的灵活性，以实现系统规划的最优配置，在经济性最优的基础上促进碳减排的实现。[0051]对规划要素而言，cpss多域耦合特性为协同规划模型带来多元的约束条件，需要综合考虑系统安全运行、数据服务质量、终端用户满意度等多方面的约束限制。最后，对于绿色数据中心系统，由于可再生能源发电出力、终端用户数据需求的随机性和波动性以及终端用户参与需求响应意愿的差异性，为确保最终协同规划方案的有效性和可行性，在建模过程中需要对上述内、外生不确定因素予以充分考虑。[0052]将绿色数据中心多资源协同规划问题构建为一个二阶段随机规划模型，以实现投资规划与运行调度的最优决策。第一阶段，以系统年投资成本最小化为目标，对系统设备容量以及数据服务定价与激励设计进行优化。第二阶段计及内、外生不确定性，以系统年运行效益最大化为目标，优化各时段绿色数据中心(包括信息负载数据处理量、系统购电量、服务器启停状态、系统设备出力等)的运行控制策略。为评估绿色数据中心的环境友好性，将碳排放成本纳入运行成本的量化过程。[0053]在对绿色数据中心特性建模时，应从设备能耗(物理域)、数据负载(信息域)、基于激励的数据需求响应(社会域)三方面综合考虑。绿色数据中心的能耗主要由服务器、制冷设备以及其他辅助设备构成，且前两者能耗通常可占绿色数据中心总功耗的90％以上。为简化问题，将服务器以及制冷设备两部分的功耗之和近似视为绿色数据中心的总功耗。[0054]服务器能耗主要由服务器的利用程度决定，并综合服务器功率参数、当前时刻下的开机数量。为简便起见，假设绿色数据中心中所有服务器的型号及配置相同，在云运营管理平台的调度下，任意时段的信息负载将平均分配给各个活跃服务器。绿色数据中心中不同工况下的服务器功耗特性可表示为：[0055][0056][0057][0058][0059]其中，分别表示合约期y中场景s下时刻t内服务器的耗电功率、cpu(centralprocessingunit，中央处理器)利用率、服务器开机数量，pser_peak、pser_idle分别表示单台服务器的峰值功耗、静默功耗，表示合约期y中场景s下时刻t内负荷集群i需求响应后绿色数据中心的总数据负载(即数据负荷的到达率)，μser表示单台服务器的服务率，up,max表示服务器利用率上限，θser表示服务器的备用系数，nser表示服务器安装数量，i表示数据负荷集群的集合。[0060]为确保环境温度、满足绿色数据中心中服务器等设备运行的工况要求，绿色数据中心中需要配置大量的制冷设备，从而产生大量的电力消耗。采用“负载系数”对制冷设备的功耗进行建模，该参数定义为绿色数据中心中服务器运行功率与制冷设备消耗的功率之比，可反映制冷设备综合能效。[0061][0062]式中，表示合约期y中场景s下时刻t内制冷设备的功耗，λtlf表示制冷设备综合负载系数。[0063]绿色数据中心的需求响应能力主要源自数据负载调度的灵活性。按照响应方式，绿色数据中心中的数据负载可分为3类：可中断工作负载(interruptibleworkload，iw)、可转移工作负载(shiftableworkload，sw)、以及刚性负载(rigiddataload，rdl)。[0064]可中断工作负载是指在一定时间范围内数据处理量可以灵活削减的数据负荷。对于绿色数据中心而言，可中断工作负载主要包括视频软件等。式(6)～(8)分别表示可中断工作负载的容量占比、响应前后需求平衡、需求中断总量约束，具体如下所示：[0065][0066][0067][0068]其中，分别表示合约期y中场景s下时刻t内负荷集群i需求响应前iw的负载到达率、需求响应后iw的负载到达率、需求响应前的总负载到达率、iw负载削减量，表示合约期y中场景s下负荷集群i参与需求响应意愿，表示负荷集群i的iw占比。[0069]可转移工作负载是指在一定时间范围内总任务量固定，但各时段中数据处理量灵活可变的数据负荷。对于绿色数据中心而言，可转移工作负载主要包括图像处理、大数据离线分析等批处理负荷。根据可转移工作负载的特性，数据中心运营可以在负载允许调度周期内，一定程度地推迟可转移工作负载任务的处理时间。式(9)～(12)分别表示可转移工作负载的容量占比、响应前后需求平衡、时间转移特性约束、需求转移总量约束，具体如下所示：[0070][0071][0072][0073][0074]其中，分别表示合约期y中场景s下时刻t内负荷集群isw需求响应前、后的负载到达率，分别表示合约期y中场景s下负荷集群i在时刻t到t′间、时刻t″到t间的sw转移量，表示时刻t内负荷集群isw的截止时间，表示负荷集群i的sw占比。[0075]此外，部分重要数据负载对于信息处理的时间和质量均有严格要求，在此称为刚性负载。此类负载不具备运行可调节潜力，故而无法作为需求响应资源参与调度运行。在实际应用中，典型的刚性负载包括远程实时医疗、电力安控信号处理等。刚性负载的运行特性可表示为：[0076][0077]其中，表示合约期y中场景s下时刻t内负荷集群irw的负载到达率。[0078]至此，可将需求响应后各时段内绿色数据中心的总数据负载表示为：[0079][0080]用户的数据使用行为选择受到经济、环境、习惯偏好及主观意愿等多重个性化因素的影响。利用“用户参与度”这一概念表示在外部激励下各数据负荷集群参与需求响应的用户意愿。为方便起见，假设在同一负荷集群i，其iw和sw有相同的参与意愿。[0081]根据本发明的一个实施例，可通过如下方式获取绿色数据中心系统的投资成本和运行效益。首先，分别获取服务器、储能系统功率、储能系统容量、风机、光伏设备、制冷设备的安装成本，以计算绿色数据中心系统的投资成本。[0082]在该实施方式中，投资成本以如下公式确定：[0083][0084]其中，cinv表示投资成本，kser、kess、kess_e、kwt、kpv、kcool分别表示服务器、储能系统功率、储能系统容量、风机、光伏设备、制冷设备的资本回收系数，cser、cess、cess_e、cwt、cpv、ccool分别表示服务器、储能系统功率、储能系统容量、风机、光伏设备、制冷设备的单位安装成本，pness、eness、pncool分别表示储能系统额定功率、储能系统额定容量、制冷设备额定安装容量，pnwt、pnpv分别表示风机、光伏设备的装机容量。资本回收系数可通过设备的使用寿命和贴现率计算得到。[0085]而后，结合内生不确定性和外生不确定性，计算绿色数据中心系统的运行效益。其中，内生不确定性包括终端用户参与需求响应意愿，外生不确定性包括可再生能源发电出力和终端用户数据需求。数据参数的不确定性将导致相关决策边界条件的动态性，因此，为实现绿色数据中心多资源协同规划，需要在建模过程中充分考虑上述不确定因素对绿色数据中心多资源协同规划效果的潜在影响。[0086]考虑地理因素以及相关技术成熟度，以风力发电与光伏发电为例说明可再生能源发电出力不确定性的建模过程。风电出力主要受到风速、空气密度等环境影响。风速具有随机性，在长期规划中通常使用双参数的weibull(威布尔)分布模型描述风速的随机性，从而确定风电机组的预测输出功率如下：[0087][0088]pnwt＝nwtpnwt_staꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(17)[0089]其中，vy,t,s分别表示合约期y中场景s下时刻t内风机的预测输出功率、风速，vin、vout、vrate分别表示风机的切入风速、切出风速、额定风速，nwt表示风机的安装数量，pnwt_sta表示风机的单位装机容量，or表示或者。[0090]光伏发电主要受到太阳光照辐射、温度等环境影响，研究中广泛采用beta(贝塔)分布模拟太阳光辐照度的概率分布，从而确定光伏发电机组的输出功率如下：[0091][0092]pnpv＝npvpnpv_staꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(19)[0093]其中，分别表示合约期y中场景s下时刻t内光伏设备的预测输出功率、光照强度，νpv_cap、νpv_sta分别表示标准光照强度、光伏设备单位光照强度，npv表示光伏设备的安装数量，pnpv_sta表示光伏设备的单位装机容量。[0094]终端用户数据需求的可预测性差，具有很强的不确定性，一般可采用截断gaussian(高斯)分布描述各类数据负荷集群在各时段的随机性。[0095]终端用户是否愿意参与需求侧响应是决定绿色数据中心投资运行效益的关键因素，其受到用户个性化偏好、政策激励等方面的影响。在实践中，由于该不确定依赖于绿色数据中心的规划决策，因此终端用户参与需求响应意愿是系统的内生不确定性，可利用后悔度匹配(regret-matching，rm)机制对这种决策依赖不确定性进行描述。[0096]参与数据中心运营需求响应计划的终端用户负荷集群i的收益，可视为参与需求响应计划的补贴与用户效益折损的差值，表示为：[0097][0098]iw参与需求响应的补偿效益(即补贴激励)，是具有多个阶梯分段的阶梯型激励补偿，以实现细分市场的差别定价，合理地对不同终端用户进行补贴。sw参与需求响应的补偿效益(即补贴激励)，与其实际延迟时间呈线性正相关关系。iw、sw参与需求响应的用户效益折损，分别与iw削减量、sw转移量呈正相关关系。[0099][0100][0101][0102][0103]其中，wy,i,s表示合约期y中场景s下参与需求响应负荷集群i的收益，分别表示合约期y中场景s下时刻t内负荷集群iiw的补贴激励、iw的用户效益折损、sw的补贴激励、sw的用户效益折损、sw的实际延迟时间，分别表示绿色数据中心对iw补贴的第1、2、……、n个阶梯单位价格，阶梯单位价格，分别表示各阶梯区间的数据量边界值，δsw,inc表示绿色数据中心对sw补贴的单位价格，αiw,loss、αsw,loss分别表示iw、sw的用户效益折损系数，表示负荷集群isw的最大可延迟时间，θ表示一个合约期y的天数，例如取90天，t表示一天中各个时刻的集合。[0104]在rm中，用户将根据转移概率分布反复调整自身行为，该转移概率分布取决于对没有更早采用新策略的“遗憾度”，即遵循“反射-反应”行为学范式。绿色数据中心在运营时，终端用户几乎无法提前知道参与需求响应可以获得的收益值。因此，为了获得最大收益，用户只能通过自身以往选择的策略与获得的收益来估计参与需求响应的盈利能力，并使用这些信息来选择下一阶段的参与策略。基于用户的上述行为选择特点，可通过rm机制对用户需求响应参与意愿进行适当描述。[0105]利用rm方法，使用有限集ωb表示数据负荷集群i的假定策略集合，其中每种策略表示运行过程中可能出现的用户意愿。将用户意愿归一化为以0.1为等距间隔的离散值，则ωb＝{0,0.1,…,0.9,1}。其中，策略“1”表示负荷集群i将在合约期y中的需求响应中发挥所有的潜力，策略“0”表示负荷集群i将完全退出需求响应计划，不参与任何需求响应。在此每个间隔合约期y对应一次合同签订，可改变自身的需求响应策略。[0106]根据rm机制的定义，对于任何合约期y，采用策略属于ωb的概率取决于用户的后悔度值，具体如下所示：[0107][0108][0109]其中，my,i,s(·)、gy,i,s(·)分别表示合约期y中场景s下负荷集群i的后悔度函数、后悔量化函数，分别表示场景s下负荷集群i的两个不同策略(即负荷集群i参与需求响应的两个不同意愿，以下标b、b′进行区分)，max表示求最大值，表示场景s下合约期y之前的历史时刻τ内负荷集群i的选择策略(即历史决策)，wi(·)表示负荷集群i的用户效益函数，可参考式(20)计算。[0110]终端用户参与需求响应的“后悔度”被定义为在某一个时段之前所有的结果发生后，如果先前的选择(实际上已经实现)被替换成了一个不同的选择，所带来效益的潜在增加。如果个体的来自策略的预期利润高于之前选择的策略的利润，那么用户将会后悔自己的决定，并对后悔进行量化，否则将不会有任何遗憾，即后悔度为0。[0111]基于以上定义，若假设场景s下负荷集群i合约期y采取策略那么在合约期y+1转换到新策略的概率分布函数可以通过决策依赖模型描述如下：[0112][0113]其中，分别表示合约期y+1中场景s下负荷集群i选择策略的概率，λi表示为负荷集群i预定义的常数，其保证概率总和为1。[0114]式(27)表明，对于每个运行时段，终端用户可以保留其之前的策略或者从ωb选择一个新的策略每一个策略被选择的概率是一个有关于后悔度的函数my,i,s(·)，后悔度越大，被选择的概率就越高，较好描述了信息负载在规划决策与合同激励下的行为。[0115]在实际的优化中，给定数据负荷的历史决策，可以使用如下方法确定合约期y处场景s下的每个负荷集群i∈i的概率分布[0116]1)载入数据负荷集群参与需求响应的潜在选择ωb、历史决策负荷集群i的用户效益函数的模型参数，并从ωb中随机选择初始策略初始化τ＝1；[0117]2)根据式(20)定量计算并记录，对于同样根据式(20)定量计算并记录；[0118]3)判断是否τ＝y，如果是，则继续，否则令τ＝τ+1，并返回2)；[0119]4)通过聚合先前的输出结果根据式(25)、(26)，计算my,i,s(·)；[0120]5)根据式(27)确定概率分布函数并终止。[0121]基于以上描述，与绿色数据中心相关的不确定性因素通常可以归结为两个方面：外生不确定性和内生不确定性。前者的统计特征固定并且可以通过预定的概率模型来表示，而后者的概率随着数据中心运营的决策而不断演变。因此，与绿色数据中心规划不确定性的相关场景可以由矩阵表示为：[0122][0123]其中，ψy,s是合约期y中场景s下各不确定性因素构成的预想场景，表示在运行期间绿色数据中心可能出现的各种状态，分别表示合约期y中场景s下时刻t内风机、光伏设备的实际输出功率。[0124]考虑不确定输入的概率分布，可采用monte-carlo(蒙特卡洛)模拟法生成了绿色数据中心规划运行场景的原始场景集。由于生成的场景数量众多且具有相似的统计学特征，为降低模型规模及复杂度，进一步利用k-means(k均值)聚类法进行场景削减，在充分保留原场景集统计学特征的情况下提高规划模型的求解效率。以上涉及rm机制和预想概率场景构建的具体实现过程，可参照常规算法来实现，此处不再赘述。[0125]根据本发明的一个实施例，运行效益以如下公式确定：[0126][0127]其中，λope表示运行效益，ρy,s表示合约期y中场景s出现的概率，表示合约期y中场景s出现的概率，分别表示合约期y中场景s下的运行收益、运行成本、碳排放成本、激励成本，y表示数据负荷集群参与需求响应的合约期集合，s表示不同场景集合。[0128]在该实施方式中，运行收益是指由于向终端用户提供数据服务而获得的收益，则合约期y中场景s下的运行收益以如下公式确定：[0129][0130]其中，δdata表示绿色数据中心提供数据服务的单位价格。[0131]运行成本主要包括绿色数据中心中服务器、储能系统、分布式可再生能源、制冷设备的运维成本，以及绿色数据中心向配电网支付的购电成本，则合约期y中场景s下的运行成本以如下公式确定：[0132][0133]其中，cserm、cessm、cwtm、cpvm、ccoolm分别表示服务器、储能系统、风机、光伏设备、制冷设备的单位年运维成本，表示合约期y中场景s下时刻t内绿色数据中心从电网购电功率，表示时刻t内配电网电价，δt表示时间。[0134]利用绿色数据中心的运行灵活性可以促进对分布式可再生能源的消纳，减少发电侧碳排放。以系统从配电网购电对应产生的发电侧碳排放成本来表征低碳效益，则合约期y中场景s下的碳排放成本以如下公式确定：[0135][0136]其中，ccm表示单位碳税成本，etpg表示火力发电碳排放率。[0137]系统运行中，由于部分终端用户根据其信息负载特征、数据服务质量要求等因素参与需求响应，将不可避免地降低用户满意度，故而对其进行经济激励，则合约期y中场景s下的激励成本以如下公式确定：[0138][0139]随后，进入步骤s220，基于投资成本和运行效益，构建绿色数据中心多资源协同规划的目标函数。根据本发明的一个实施例，可以通过如下方式构建目标函数，即计算运行效益与投资成本的差值，将差值最大化作为绿色数据中心多资源协同规划的目标函数。[0140]则根据式(15)和(29)可确定，绿色数据中心多资源协同规划的目标函数表示如下：[0141]maximize{profitdc}＝λope-cinvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(34)[0142]其中，profitdc表示最终利润，maximize表示求最大值。[0143]在步骤s230中，生成约束条件，约束条件包括规划阶段约束和运行阶段约束。根据本发明的一个实施例，规划阶段约束包括设备安装约束和激励价格约束，设备安装约束包括服务器数量约束、储能系统功率及容量约束、分布式可再生能源安装容量约束、以及制冷设备安装约束。[0144]在该实施方式中，服务器数量约束以如下公式确定：[0145]0≤nser≤nser，maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(35)[0146]其中，nser，max表示服务器的最大安装限制。[0147]储能系统功率及容量约束以如下公式确定：[0148]0≤pness≤pness,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(36)[0149]0≤eness≤eness,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(37)[0150]其中，pness,max、eness,max分别表示储能系统功率、容量的最大安装限制。[0151]分布式可再生能源包括风机和光伏设备，其安装容量约束以如下公式确定：[0152]0≤nwt≤nwt,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(38)[0153]0≤npv≤npv,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(39)[0154]其中，nwt,max、npv,max分别表示风机、光伏设备的最大安装限制。[0155]制冷设备安装约束包括制冷设备安装容量约束和制冷设备功率约束，制冷设备安装容量约束以如下公式确定：[0156]0≤ncool≤ncool,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(40)[0157]pncool＝ncoolpncool_staꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(41)[0158]其中，ncool表示制冷设备的安装容量，ncool,max表示制冷设备的最大安装限制，pncool_sta表示单位制冷设备的额定容量。[0159]对于制冷设备而言，其额定功率需满足服务器满负载运行时的功率关系约束，则制冷设备功率约束以如下公式确定：[0160][0161]对于绿色数据中心数据服务定价与激励设计，其基本价格与补贴激励需要满足以下约束，保证设计的合理性，即激励价格约束以如下公式确定：[0162]0≤δiw,inc≤δiw,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(43)[0163]0≤δsw,inc≤δsw,maxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(44)[0164]其中，δiw,inc、δsw,inc分别表示绿色数据中心对iw、sw补贴的单位价格，δiw,max、δsw,max分别表示绿色数据中心对iw、sw激励的单位价格上限。[0165]根据本发明的一个实施例，运行阶段约束包括设备运行约束、电网侧约束和需求侧约束，设备运行约束包括储能系统运行约束、分布式可再生能源运行约束、制冷设备运行约束、以及功率平衡约束。[0166]在该实施方式中，储能系统运行约束以如下公式确定：[0167][0168][0169][0170][0171][0172][0173]式(45)、(46)、(47)、(48)～(50)分别表示储能系统功率平衡约束、电量约束、可持续性约束、充放电功率约束。其中，分别表示合约期y中场景s下时刻t内储能系统的电量、储能系统充电功率、放电功率、充电系数和放电系数，εess表示储能系统自放电率，ηess_c、ηess_d分别表示储能系统充电效率、放电效率，分别表示合约期y中场景s下时刻t-1、时刻0、时刻t内储能系统的电量，socess,min、socess,max分别表示储能系统荷电状态最小值、最大值。[0174]分布式可再生能源运行约束通常是要求风机、光伏设备的实际输出功率均不超过对应的预测输出功率制冷设备运行约束以如下公式确定：[0175][0176]功率平衡约束以如下公式确定：[0177][0178]受配变容量的限制，电网侧约束以如下公式确定：[0179][0180]其中，ptr表示绿色数据中心与外部电网相连的配电变压器容量。[0181]假设在绿色数据中心中所有服务器型号相同，且在运行阶段将信息负载的数据处理任务平均下发至各台活跃服务器，则需求侧约束可以如下公式确定：[0182][0183][0184][0185]其中，分别表示合约期y中场景s下时刻t内数据任务排队时间、数据处理时间、数据负载的到达率，tmax表示数据任务最大可容忍延迟时间。[0186]最后，执行步骤s240，通过目标函数，结合约束条件，对绿色数据中心进行多资源协同规划。[0187]根据本发明的一个实施例，通过如式(34)所示的目标函数，再结合如式(35)～(56)所示的约束条件，对绿色数据中心进行多资源协同规划。上述具体规划处理过程，可采用遗传算法、粒子群算法等启发式算法来实现，此处不进行赘述。[0188]根据本发明实施例的绿色数据中心多资源协同规划方案，基于系统规划与运行的关联关系，综合考虑内、外生不确定性对决策规划有效性的影响，获取绿色数据中心系统的投资成本和运行效益，构建绿色数据中心多资源协同规划的目标函数，并生成约束条件，通过目标函数，结合约束条件，对绿色数据中心进行多资源协同规划。在上述技术方案中，内生不确定性指的是终端用户参与需求响应计划的意愿，外生不确定包括可再生能源发电出力以及终端用户数据需求的源荷双侧不确定性，通过绿色数据中心的多资源协同规划，以优化绿色数据中心规划和运行的经济性和低碳性，从中长期规划角度探究终端用户的灵活性对促进绿色数据中心效益提升的潜在价值。[0189]这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、u盘、软盘、cd-rom或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。[0190]在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的绿色数据中心多资源协同规划方法。[0191]以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。[0192]在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。[0193]在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。[0194]类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。[0195]本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。[0196]本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。[0197]此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。[0198]此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。[0199]如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。[0200]尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本
技术领域：
：内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本
技术领域：
：的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。当前第1页12当前第1页12