Multi-timescale Optimal Scheduling Considering Data Center Load Characteristics

SHUAI Wenli; YANG Xiu; ZHAO Xiaoli; SUN Gaiping; LI Lihua

doi:10.20204/j.sp.2025.07001

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Multi-timescale Optimal Scheduling Considering Data Center Load Characteristics

FEATURED FOCUS | 更新时间：2025-10-24

- Multi-timescale Optimal Scheduling Considering Data Center Load Characteristics
- Vol. 53, Issue 7, Pages: 1-10(2025)
- 作者机构：
  
  1. 上海电力大学电气工程学院,上海,200090
  2. 国网上海市电力公司电力科学研究院,上海,200092
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2025.07001
  CLC：
- Published Online：20 July 2025，
  
  Published：20 July 2025
- 稿件说明：
移动端阅览
帅文利,杨秀,赵晓莉,孙改平,李莉华.计及数据中心负载特性的多时间尺度优化调度[J].智慧电力,2025,53(7):1-10.

SHUAI Wenli, YANG Xiu, ZHAO Xiaoli, et al. Multi-timescale Optimal Scheduling Considering Data Center Load Characteristics[J]. 2025, 53(7): 1-10.
帅文利,杨秀,赵晓莉,孙改平,李莉华.计及数据中心负载特性的多时间尺度优化调度[J].智慧电力,2025,53(7):1-10. DOI： 10.20204/j.sp.2025.07001.

SHUAI Wenli, YANG Xiu, ZHAO Xiaoli, et al. Multi-timescale Optimal Scheduling Considering Data Center Load Characteristics[J]. 2025, 53(7): 1-10. DOI： 10.20204/j.sp.2025.07001.

摘要

为降低数据中心能耗，提出一种基于负载特性的新型多时间尺度调度模型。在日前阶段，通过分析批处理负载的到达率、可延迟时间、执行时间及内部DAG结构等底层逻辑特性，建立矩阵模型参与调度优化，以平滑服务器能耗曲线；在日内阶段，结合冗余备份与异地转移策略应对负载波动，构建滚动优化模型，实时调整日内计划。采用 YALMIP + CPLEX求解器进行仿真验证，结果表明该模型显著降低了数据中心的运行成本，对提升能效管理水平具有重要实践价值。

Abstract

To reduce data center energy consumption， this study proposes a novel multi-timescale scheduling model based on load characteristics. In the day-ahead phase， by analyzing the underlying logical characteristics of batch workloads—including arrival rate， delay tolerance duration， execution time， and internal DAG （Directed Acyclic Graph） structure—a matrix model is established to participate in scheduling optimization， thereby smoothing server energy consumption curves. In the intraday phase， a rolling optimization model is constructed to dynamically adjust intraday plans by integrating redundancy backup and geo-migration strategies to address load fluctuations. The model is validated using the YALMIP + CPLEX solver. Results demonstrate that the proposed model significantly reduces the operational costs of data centers and offers substantial practical value for enhancing energy efficiency management capabilities.

关键词

Keywords

references

刘艺.基于负荷转移的数据中心综合能源系统优化研究[D].保定：华北电力大学，2022.

祁兵，曹望璋，李彬，等.计及负载特征及响应特性的多数据中心双层优化模型[J].电力系统自动化，2022，46（21）:30-41.

WANG P，CAO Y J，DING Z H，et al.Stochastic programming for cost optimization in geographically distributed internet data centers[J].CSEE Journal of Power and Energy Systems，2022，8（4）:1215-1232.

文淅宇，朱继忠，李盛林，等.基于时空协同的多数据中心虚拟电厂低碳经济调度策略[J].电力系统自动化，2024，48（18）:56-65.

龙宇杰，修熙，黄庆，等.基于深度强化学习的电子政务云动态化任务调度方法[J].计算机应用研究，2024，41（6）:1797-1802.

沈玉明，斯辉，马浩天，等.考虑数据中心和分布式能源接入的配电网双层规划方法[J].全球能源互联网，2023，6（2）:116-125.

XU R，MITRA S，RAHMAN J，et al.Pythia:improving datacenter utilization via precise contention prediction for multiple co-located workloads[C]// Proceedings of the19th International Middleware Conference.New York，USA，2018:146-160.

SUN Q H，WU C，LI Z P，et al.Colocation demand response: Joint online mechanisms for individual utility and social welfare maximization[J].IEEE Journal on Selected Areas in Communications，2016，34（12）:3978-3992.

吕佳炜，张沈习，程浩忠，等.集成数据中心的综合能源系统能量流-数据流协同规划综述及展望[J].中国电机工程学报，2021，41（16）:5500-5521.

CHEN W，YE K，WANG Y，et al.How does theworkload look like in production cloud? Analysis and clustering of workloads on Alibaba cluster trace[C]// Proceedings of the 25th International Conference on Parallel and Distributed Systems（ICPADS 2019）.Piscataway，USA，2019:102-109.

张锞，王旭，杨宏坤，等.数据中心集群灵活边界下电力系统分布鲁棒优化调度方法[J].电力系统自动化，2024，48（7）:235-247.

李彬，杜亚彬，曹望璋，等.考虑风光储互补与工作负载分配的数据中心优化调度[J].现代电力，2022，39（3）:356-363.

崔杨，程禹烽，赵钰婷，等.考虑特性分类批处理负荷可调节能力的数据中心微网灵活性设备分布鲁棒容量配置方法[J].电力自动化设备，2024，44（7）：180-188.

陈楷中.数据并行作业负载建模关键技术研究[D].北京：北京工业大学，2022.

GU Z C，TANG S H，JIANG B L，et al.Characterizing job-task dependency in cloud workloads using graph learning[C]//Proceedings of the 2021 IEEE International Parallel and Distributed Processing Symposium Workshops（IPDPSW）.Piscataway，USA，2021:288-297.

王济伟，葛浙奉，蒋从锋，等.混部数据中心负载特征及其任务调度优化分析[J].计算机工程与科学，2020，42（1）:8-17.

曹雨洁，丁肇豪，王鹏，等.能源互联网背景下数据中心与电力系统协同优化(二)：机遇与挑战[J].中国电机工程学报，2022，42（10）：3512-3527.

李文信，齐恒，徐仁海，等.数据中心网络流量调度的研究进展与趋势[J].计算机学报，2020，43（4）：600-617.

JIANG C F，HAN G J，LIN J B，et al.Characteristics of co-allocated online services and batch jobs in internet data centers:A case study from Alibaba Cloud[J].IEEE Access，2019，7: 22495-22508

刘迪，曹军威，刘明爽.分布式数据中心信息能量协同优化策略[J].清华大学学报（自然科学版），2022，62（12）：1864-1874.

易文飞，朱卫平，郑明忠.计及数据中心和风电不确定性的微电网经济调度[J].中国电力，2024，57（2）:19-26.

刘祎泽，向月.计及负荷转移需求响应的低碳数据中心光储容量优化配置[J].电力自动化设备，2024，44（7）:149-155.

苏娟，董彦君，赵晶，等.“东数西算”背景下多数据中心联合消纳可再生能源途径研究综述[J].高电压技术，2024，50（1）：55-64.

魏震波，张海涛，魏平桉，等.考虑动态激励型需求响应的微电网两阶段优化调度[J].电力系统保护与控制，2021，49（19）:1-10.

曹望璋，李彬，祁兵，等.计算资源共享模式下的托管式数据中心群两阶段鲁棒优化模型[J].电网技术，2022，46（10）:4102-4115.

唐伟，单葆国，郑海峰，等.数据中心两阶段源荷协同优化调度研究[J].电力系统及其自动化学报，2023，35（4）:49-58.

YU J Y，TONG W，LV P Z，et al.TERMS: taskmanagement policies to achieve high performance for mixed workloads using surplusresources[J].Journal of Parallel and Distributed Computing，2022，170:74-85.

王康瑾，贾统，李影.在离线混部作业调度与资源管理技术研究综述[J].软件学报，2020，31（10）:3100-3119.

JIANG C F，QIU Y T，SHI W S，et al.Characterizing co-located workloads in Alibaba cloud datacenters[J].IEEE Transactions on Cloud Computing，2022，10（4）:2381-2397.

杨秀，张相寅，黄海涛，等.基于多智能体近端策略网络的数据中心双层优化调度[J].南方电网技术，2025，19（4）:107-121+131.

DING Z H，CAO Y J，XIE L Y，et al.Integrated stochastic energy management for datacenter microgrid considering waste heat recovery[J].IEEE Transactions on IndustryApplications，2019，55（3）: 2198-2207.

查看原文

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Study on Relay Setting Data Center Based on the Splitting and Combination of CIM Model

Control Strategy of UPS for Data Center Based on Economic Dispatch

Energy Optimization Dispatch of Data Center Microgrid Based on Stochastic Model Predictive Control

Low-carbon Scheduling Strategy for Distributed Data Centers Considering Clean Energy and Energy Storage

Cooperative Operation Optimization Strategy for Different Geogra-phically Distributed Data Centers Considering Multiple Flexibility

Related Author

ZHANG Yong-hao

CHENG Gang

LI Jiang-hua

ZHENG Zhong

SI Yang

LI Xingbang

ZHU Yixin

ZONG Chenxi

Related Institution

1. School of Water Resources and Electric Power，Qinghai University

Qinghai Key Lab of Efficient Utilization of Clean Energy

（School of Internet of Things Engineering，Jiangnan University，，）

China Energy Construction Group Guangdong Electric Power Design and Research Institute Co.， Ltd.

1. School of Automation，Guangdong University of Technology

AI问答

⁰