Multi-time scale low-carbon dispatch for Xinjiang green computing parks

ZHANG Zhihao; FAN Xiaochao; WANG Zilong; SHI Ruijing; SUN Jianqiao; WANG Weiqing; HE Shan; CHENG Zhijiang; CHENG Jing; WANG Yongzhen

doi:10.3969/j.issn.2097-0706.2026.08.008

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

Multi-time scale low-carbon dispatch for Xinjiang green computing parks

System Scheduling & Low-Carbon Operation | 更新时间：2026-10-08

- Multi-time scale low-carbon dispatch for Xinjiang green computing parks
- BLASTING Vol. 48, Issue 8, Pages: 96-106(2026)
- 作者机构：
  
  1.新疆大学，智能科学与技术学院，乌鲁木齐 830017
  2.新疆大学，可再生能源发电与并网技术教育部工程研究中心，乌鲁木齐 830017
  3.新疆大学，电气工程学院，乌鲁木齐 830017
  4.新疆工程学院能源工程学院，乌鲁木齐 830023
  5.上海第二工业大学，上海 201209
  6.北京理工大学能源与动力工程系，北京100081
- 作者简介：
- 基金信息：
- DOI：10.3969/j.issn.2097-0706.2026.08.008
  CLC：
- Received：08 June 2026，
  
  Revised：2026-07-14，
  
  Online First：14 August 2026，
  
  Published：25 August 2026
- 稿件说明：
移动端阅览
张志豪,樊小朝,王子龙等.新疆绿色算力园区多时间尺度低碳调度[J].综合智慧能源,2026,48(08):96-106.

ZHANG Zhihao,FAN Xiaochao,WANG Zilong,et al.Multi-time scale low-carbon dispatch for Xinjiang green computing parks[J].BLASTING,2026,48(08):96-106.
张志豪,樊小朝,王子龙等.新疆绿色算力园区多时间尺度低碳调度[J].综合智慧能源,2026,48(08):96-106. DOI： 10.3969/j.issn.2097-0706.2026.08.008.

ZHANG Zhihao,FAN Xiaochao,WANG Zilong,et al.Multi-time scale low-carbon dispatch for Xinjiang green computing parks[J].BLASTING,2026,48(08):96-106. DOI： 10.3969/j.issn.2097-0706.2026.08.008.

摘要

针对新疆新能源基地配套绿色算力园区中风光出力波动、算力任务时限、储能跨时段耦合及外购电碳排放强度变化引起的协同调度问题，提出多时间尺度低碳调度方法。区别于将柔性算力等效为连续可转移负荷的传统处理方式，建立包含任务释放时刻、截止时刻、能量需求、单任务功率上限、聚合算力上限和未完成能量的任务队列模型，用以刻画算力负荷的时间可转移特性。采用随环境温度变化的电能使用效率表征数据中心制冷及辅助能耗，并建立储能荷电状态转移、充放电互斥、公共并网点容量和购电功率爬坡约束，将各项费用与损失统一折算为人民币，构建均值-条件风险价值混合整数线性优化模型。日前层基于未来24 h预测信息形成96个时段的基准计划；日内层每4 h更新风光、电价、碳排放因子、储能状态和剩余任务量并滚动优化；实时层以15 min为周期，根据实际状态修正任务、储能和购电功率。以新疆风光基地配套绿色算力园区参数化典型日的数据为例，设置固定任务无储能、任务队列优化、固定任务配置储能和多时间尺度风险协同4类方案。结果表明：相较于固定任务无储能方案，所提方案运行成本下降61.36%，弃电率由9.92%降至0，可再生能源利用率由90.08%提高至100%，计入等值投资后综合成本为38 709.43元，较基准方案下降4.53%；在400组独立样本外场景中，风险方案的成本、碳排放和公共并网点峰值CVaR95分别下降1.62%，3.55%和1.68%，但单一最大峰值略有上升，说明该方法改善的是最不利场景的尾部平均风险，而不能保证每个极端场景均占优。研究结果表明，柔性任务队列与储能协同能够提高新能源就地供能的能力，间接完成碳减排，兼顾园区经济运行、配电网削峰和算力服务质量。

Abstract

Green computing power parks integrated with renewable energy bases in Xinjiang face coordinated scheduling issues， which are caused by fluctuations in wind and photovoltaic power output， computing task deadlines， inter-temporal coupling of energy storage， and variations in the carbon emission intensity from purchased electricity. To address these issues， a multi-time scale low-carbon scheduling method covering day-ahead， intraday， and real-time operation was proposed. Unlike conventional approaches that represent flexible computing power as continuously shiftable loads， a task queue model was established， incorporating the task release time， deadline， energy demand， upper limit of single-task power， upper limit of aggregate computing power， and unfinished energy， so as to characterize the temporal shiftability of computing loads. The energy usage effectiveness varying with ambient temperature was adopted to represent cooling and auxiliary energy consumption in data centers. Constraints on energy storage state-of-charge transitions， mutual exclusivity of charging and discharging， capacity at the point of common coupling， and purchased-power ramping were established. All costs and losses were converted to Chinese yuan， and a mean-conditional value-at-risk mixed integer linear optimization model was developed. At the day-ahead level， a baseline scheme with 96 time intervals was formed based on the prediction information for the next 24 h. At the intra-day level， wind and photovoltaic power， electricity prices， carbon emission factors， energy storage states， and remaining tasks were updated every 4 h， followed by rolling optimization. At the real-time level， task， energy storage， and purchased power were adjusted every 15 min according to actual operating conditions. A parameterized typical day for a green computing power park associated with a wind and photovoltaic power base in Xinjiang was used as a case study， with four schemes considered： fixed tasks without energy storage， task queue optimization， fixed tasks with energy storage， and multi-timescale risk coordination. The results showed that， compared with the fixed-task scheme without energy storage， the proposed scheme reduced operating cost by 61.36%， decreased the curtailment rate from 9.92% to 0， and increased renewable energy utilization from 90.08% to 100%. After equivalent investment was included， the comprehensive cost was 38 709.43 yuan， representing a 4.53% reduction compared with the baseline scheme. Across 400 independent out-of-sample scenarios， the CVaR95 values of cost， carbon emissions， and peak power at the point of common coupling under the risk-based scheme decreased by 1.62%， 3.55%， and 1.68%， respectively. However， the single maximum peak value increased slightly， indicating that the proposed method improves the average tail risk in the most adverse scenarios， but does not guarantee superiority in every extreme scenario. The results indicate that coordination between flexible task queues and energy storage can enhance the capacity for local supply from renewable energy， indirectly achieve carbon emission reduction， and balance the economic operation of the park， peak shaving of the distribution network， and the quality of computing services.

关键词

Keywords

references

FAN X C ， SUN J Q ， ZHANG W W ， et al . Modeling and simulation analysis of capacity optimization configuration for low-carbon energy systems in oxygen-enriched coa-fired power plants using wind power for oxygen production ［J］. Renewable and Sustainable Energy Reviews ， 2026 ， 232 ： 116791 .

国家发展改革委，国家数据局，中央网信办，等 . 关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见（发改数据〔2023〕1779号）［EB/OL］. （ 2023-12-25 ）［ 2026-04-01 ］. https：//www.gov.cn/zhengce/zhengceku/202401/content_6924596.htm https://www.gov.cn/zhengce/zhengceku/202401/content_6924596.htm .

黄朝椿，罗以洪，孙金良 . “东数西算”工程算力保障研究［J］. 贵州社会科学， 2024 （ 1 ）： 120 - 130 .

HUANG Chaochun ， LUO Yihong ， SUN Jinliang . Research on the computing power guarantee of the "East Data， West Computing" project ［J］. Guizhou Social Sciences ， 2024 （ 1 ）： 120 - 130 .

郭远游，叶玉瑶，王长建，等 . “东数西算”战略背景下中国数据中心碳排放空间转移研究［J］. 地理科学， 2025 ， 45 （ 3 ）： 459 - 471 .

GUO Yuanyou ， YE Yuyao ， WANG Changjian ， et al . Spatial transfer of carbon emissions in China's data centers under background of "East Data and West Calculation" project ［J］. Geographical Science ， 2025 ， 45 （ 3 ）： 459 - 471 .

潘婷，许彦斌，王雨晴，等 . 考虑广义综合需求响应的综合能源系统调度优化［J］. 现代电力， 2025 ， 42 （ 4 ）： 630 - 639 .

PAN Ting ， XU Yanbin ， WANG Yuqing ， et al . Integrated energy system dispatch optimization considering generalized integrated demand response ［J］. Modern Electric Power ， 2025 ， 42 （ 4 ）： 630 - 639 .

董晓亮，王雨萱，张圣楠，等 . 源网荷储一体化项目参与市场的现状分析与前景展望［J］. 中国电力， 2025 ， 58 （ 11 ）： 49 - 61 .

DONG Xiaoliang ， WANG Yuxuan ， ZHANG Shengnan ， et al . Market participation of integrated source-grid-load-storage projects： Status and prospects ［J］. Electric Power ， 2025 ， 58 （ 11 ）： 49 - 61 .

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 .

LYU Jiawei ， ZHANG Shenxi ， CHENG Haozhong ， et al . Review and prospect on coordinated planning of energy flow and workload flow in the integrated energy system containing data centers ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 16 ）： 5500 - 5521 .

马晓燕，穆云飞，李树荣，等 . 数据中心综合能源系统优化运行研究综述［J］. 电力建设， 2022 ， 43 （ 11 ）： 1 - 13 .

MA Xiaoyan ， MU Yunfei ， LI Shurong ， et al . Review on the optimal operation of integrated energy system in data center ［J］. Electric Power Construction ， 2022 ， 43 （ 11 ）： 1 - 13 .

CHEN M ， GAO C W ， SONG M ， et al . Internet data centers participating in demand response： A comprehensive review ［J］. Renewable and Sustainable Energy Reviews ， 2020 ， 117 ： 109466 .

VESA A V ， CIOARA T ， ANGHEL I ， et al . Energy flexibility prediction for data center engagement in demand response programs ［J］. Sustainability ， 2020 ， 12 （ 4 ）： 1417 .

LI B ， CAO W Z ， TANG T Y ， et al . QoS-based bi-level demand response for data center to facilitate renewable energy integration ［J］. IEEJ Transactions on Electrical and Electronic Engineering ， 2024 ， 19 （ 5 ）： 625 - 639 .

YANG T ， ZHAO Y J ， PEN H B ， et al . Data center holistic demand response algorithm to smooth microgrid tie-line power fluctuation ［J］. Applied Energy ， 2018 ， 231 ： 277 - 287 .

DING Z H ， XIE L Y ， LU Y ， et al . Emission-aware stochastic resource planning scheme for data center microgrid considering batch workload scheduling and risk management ［J］. IEEE Transactions on Industry Applications ， 2018 ， 54 （ 6 ）： 5599 - 5608 .

RADOVANOVIĆ A ， KONINGSTEIN R ， SCHNEIDER I ， et al . Carbon-aware computing for datacenters ［J］. IEEE Transactions on Power Systems ， 2023 ， 38 （ 2 ）： 1270 - 1280 .

WIESNER P ， BEHNKE I ， SCHEINERT D ， et al . Let's wait a while： How temporal workload shifting can reduce carbon emissions in the cloud ［C］// Proceedings of the 22nd International Middleware Conference . ACM ， 2021 .

XU H ， FENG C ， LI B C . Temperature aware workload management in geo-distributed datacenters ［J］. ACM Sigmetrics Performance Evaluation Review ， 2013 ， 41 （ 1 ）： 373 - 374 .

LIU Z H ， WIERMAN A ， CHEN Y ， et al . Data center demand response： Avoiding the coincident peak via workload shifting and local generation ［J］. Performance Evaluation ， 2013 ， 70 （ 10 ）： 770 - 791 .

LIU W Y ， YAN Y J ， SUN Y M ， et al . Online job scheduling scheme for low-carbon data center operation： an information and energy nexus perspective ［J］. Applied Energy ， 2023 ， 338 ： 120918 .

GOIRI Í ， HAQUE M E ， LE K ， et al . Matching renewable energy supply and demand in green datacenters ［J］. Ad Hoc Networks ， 2015 ， 25 ： 520 - 534 .

杨磊，杨晖，徐婧芳，等 . 数据中心液体冷却技术研究综述［J］. 化工学报， 2026 ， 77 （ 4 ）： 1667 - 1684 .

YANG Lei ， YANG Hui ， XU Jingfang ， et al . Review of research on liquid cooling technology for data centers ［J］. CIESC Journal ， 2026 ， 77 （ 4 ）： 1667 - 1684 .

白章，郝文杰，李琦，等 . 基于全生命周期评价的风光制氢综合系统容量配置优化研究［J］. 综合智慧能源， 2024 ， 46 （ 10 ）： 1 - 11 .

BAI Zhang ， HAO Wenjie ， LI Qi ， et al . Capacity configuration optimization of wind-solar hydrogen production based on life cycle assessment ［J］. Integrated Intelligent Energy ， 2024 ， 46 （ 10 ）： 1 - 11 .

王鑫，陈祖翠，卞在平，等 . 基于粒子群优化算法的智慧微电网风光储容量优化配置［J］. 综合智慧能源， 2022 ， 44 （ 6 ）： 52 - 58 .

WANG Xin ， CHEN Zucui ， BIAN Zaiping ， et al . Optimal allocation of a wind-PV-battery hybrid system in smart microgrid based on particle swarm optimization algorithm ［J］. Integrated Intelligent Energy ， 2022 ， 44 （ 6 ）： 52 - 58 .

姚芳，杨晓娜，葛磊蛟，等 . 风-光-氢能源系统容量优化配置研究［J］. 综合智慧能源， 2022 ， 44 （ 5 ）： 56 - 63 .

YAO Fang ， YANG Xiaona ， GE Leijiao ， et al . Optimization of capacity allocation scheme for wind-solar-hydrogen energy system ［J］. Integrated Intelligent Energy ， 2022 ， 44 （ 5 ）： 56 - 63 .

乔力晖，李明澈，张睿，等 . 直流微网蓄电池-SMES混合储能系统容量配置方法［J］. 综合智慧能源， 2023 ， 45 （ 9 ）： 59 - 64 .

QIAO Lihui ， LI Mingche ， ZHANG Rui ， et al . Capacity configuration method for a battery-SMES hybrid energy storage system in a DC microgrid ［J］. Integrated Intelligent Energy ， 2023 ， 45 （ 9 ）： 59 - 64 .

王海鸣，张润之，周家辉，等 . 离网式风光互补制氢合成绿氨系统容量配置优化分析［J］. 综合智慧能源， 2024 ， 46 （ 11 ）： 73 - 82 .

WANG Haiming ， ZHANG Runzhi ， ZHOU Jiahui ， et al . Optimal capacity configuration of off-grid wind-solar hybrid hydrogen production and green ammonia synthesis system ［J］. Integrated Intelligent Energy ， 2024 ， 46 （ 11 ）： 73 - 82 .

赵珍珍，王维庆，樊小朝，等 . 基于NSGA-II-PSO算法的微电网多目标优化运行模式［J］. 电源学报， 2023 ， 21 （ 1 ）： 118 - 125 .

ZHAO Zhenzhen ， WANG Weiqing ， FAN Xiaochao ， et al . Multi-objective optimal operation mode of microgrid based on NSGA-II-PSO algorithm ［J］. Journal of Power Supply ， 2023 ， 21 （ 1 ）： 118 - 125 .

LV Y ， LI Z Y ， DENG D ， et al . Low-carbon dispatch of integrated energy systems considering solar thermal coupled combined heat and power units ［J］. Energy Science & Engineering ， 2025 ， 13 （ 2 ）： 562 - 581 .

ZHANG N ， YU S T . Carbon emission accounting method for enterprises considering green electricity and green certificate consumption ［J］. International Journal of Industrial Engineering Computations ， 2026 ， 17 （ 1 ）： 19 - 30 .

MEILUS E V ， BROWN N R . Rapid nuclear energy deployment for powering predicted data center demands ［J］. Nuclear Science and Engineering ， 2026 ： 1 - 21 .

WANG H Y ， HUA W Q ， PENG J Q ， et al . Public sentiment analysis of data center energy consumption using social media data and large language models ［J］. Energy and Buildings ， 2025 ， 341 ： 115802 .

ZHANG Y L ， LIU J . Prediction of overall energy consumption of data centers in different locations ［J］. Sensors ， 2022 ， 22 （ 10 ）： 3704 .

LIU Y ， HANG C Z ， HAN Y ， et al . Capacity configuration and optimization of PV/T coupled gas turbine multi-energy cogeneration system for data center ［J］. Energy ， 2026 ， 342 ： 139552 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Cross-park computing-electricity bilateral matching driven by Bayesian reputation and diffusion-policy potential game

Deep reinforcement learning method for energy-computing coordinated scheduling in integrated energy systems considering flexible data center tasks

Review of flexibility and adjustable potential quantification of transportation and computing loads for green power accommodation

Low-carbon economic scheduling for multiple data centers considering spatiotemporal migration characteristics of computing loads

Theoretical foundation， system architecture， and operational mode of integration of computing infrastructure and new power systems

Related Author

CHENG Lefeng

YU Feng

SUN Runbao

ZOU Tao

QU Xinmei

ZHONG Junjie

ZHAO Jinjin

SUN Kanghong

Related Institution

School of Mechanical and Electrical Engineering，Guangzhou University

School of Electrical and Information Engineering，Changsha University of Science and Technology

State Key Laboratory for Grid Disaster Prevention and Mitigation，Changsha University of Science and Technology

School of New Energy， Inner Mongolia University of Technology

Key Laboratory of Wind Energy and Solar Energy Utilization Technology， Ministry of Education, Inner Mongolia University of Technology

AI问答

⁰