计及算力负载时空特性的算-电-热系统协同优化调度

苏璇; 于宗民; 巨云涛; 王碧清

doi:10.3969/j.issn.2097-0706.2026.09.009

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

计及算力负载时空特性的算-电-热系统协同优化调度

系统调度与低碳运行 | 更新时间：2026-09-17

- 计及算力负载时空特性的算-电-热系统协同优化调度
- Optimal scheduling of integrated computation-electricity-thermal systems considering the spatiotemporal characteristics of computing workload
- 综合智慧能源 2026年48卷第9期页码：107-119
- 作者机构：
  
  1.北方工业大学储能科学与工程学院，北京 100144
  2.特大城市韧性电网供电保障技术与应用北京市重点实验室，北京 100144
  3.清华四川能源互联网研究院，成都 610213
- 作者简介：
  
  苏璇（2003），女，硕士生，从事新型电力系统规划与优化运行等方面的研究，2630435011@qq.com；
  于宗民（1997），男，工程师，硕士，从事新型电力系统规划与优化运行等方面的研究，yuzongmin@tsinghua-eiri.org；
  巨云涛（1985），男，教授，博士，从事新型电力系统和电化学储能协同运行与优化等方面的研究，juyuntao@ncut.edu.cn；
  王碧清（2000），男，博士生，从事低碳算力系统智能优化、能源协同调度与优化等方面的研究，1585948225@qq.com。
- 基金信息：
  
  国家自然科学基金项目(52237008)
- DOI：10.3969/j.issn.2097-0706.2026.09.009
  中图分类号：
- 收稿：2026-07-16，
  
  修回：2026-07-30，
  
  网络首发：2026-09-25，
  
  纸质出版：2026-09-25
- 稿件说明：
移动端阅览
苏璇,于宗民,巨云涛等.计及算力负载时空特性的算-电-热系统协同优化调度[J].综合智慧能源,2026,48(09):107-119.

SU Xuan,YU Zongmin,JU Yuntao,et al.Optimal scheduling of integrated computation-electricity-thermal systems considering the spatiotemporal characteristics of computing workload[J].BLASTING,2026,48(09):107-119.
苏璇,于宗民,巨云涛等.计及算力负载时空特性的算-电-热系统协同优化调度[J].综合智慧能源,2026,48(09):107-119. DOI： 10.3969/j.issn.2097-0706.2026.09.009.

SU Xuan,YU Zongmin,JU Yuntao,et al.Optimal scheduling of integrated computation-electricity-thermal systems considering the spatiotemporal characteristics of computing workload[J].BLASTING,2026,48(09):107-119. DOI： 10.3969/j.issn.2097-0706.2026.09.009.

摘要

电力和算力的协同优化调度，有助于促进可再生能源就地消纳、充分挖掘数据中心用能灵活调配潜力，有效降低数据中心用能成本。现有研究尚未充分量化空间调度模型，且热力侧调度模型过于简化。为提升电力系统与数据中心的运行效率，提出一种计及算力负载时空特性的算-电-热系统优化调度策略。首先，突破将数据中心视为单一节点的传统模式，在考虑算力负载空间迁移时，精细量化光纤通信网络的动态传输损耗与光纤传输约束，并将传输成本纳入目标函数。其次，改变机房产热与制冷设备同步增减功率的既有策略，建立数据中心室内热力学方程，基于阶梯电价机制，利用建筑储冷实现冷量的提前存储与滞后释放。最后，在保证服务质量（QoS）的前提下，以总成本最小为目标，构建算-电-热优化调度模型，分别研究热力侧调度与空间调度的效果。以2个数据中心为研究对象，基于12节点系统，两区域采用差异化峰谷电价，配置不同风光出力曲线及夏季室外温度。通过调度120台服务器，满足批处理与交互式两类算力负载需求，同时通过调度冷热源，满足室内温度及CPU温度约束。仿真结果表明：所提调度策略可实现算力负载的时空调度，全时段内，任务到达后两小时内完成的任务占比得到了提升，且QoS也得到了改善。考虑空间调度时，该策略具备对各类算力负载削峰填谷的能力，可优化区域用电负荷的时空分布，避免任务集中积压，减少大规模服务器频繁启停，从而显著延长硬件使用寿命，并降低维护成本；考虑热力侧调度时，在保障QoS的前提下可显著降低经济成本，为数据中心经济高效运行提供参考。

Abstract

The coordinated optimization and scheduling of power and computing resources help facilitate the local consumption of renewable energy， fully leverage the flexibility of data center energy usage， and effectively reduce data center energy costs. Existing research has not adequately quantified spatial scheduling models， and thermal-side scheduling models are overly simplified. Therefore， to enhance the operational efficiency of power systems and data centers， an optimal scheduling strategy for integrated computation-electricity-heat systems considering the spatiotemporal characteristics of computing loads was proposed. The conventional approach of treating each data center as a single node was overcome. When spatial migration of computing loads was considered， the dynamic transmission losses and fiber-optic transmission constraints of the optical communication network were finely quantified， and the corresponding transmission costs were incorporated into the objective function. Subsequently， the existing strategy of simultaneously increasing or decreasing the power of heat-generating and cooling equipment was changed. Indoor thermodynamic equations of data centers were established. Based on the tiered electricity pricing mechanism， the advance storage and

delayed release of cooling energy were achieved by the thermal storage capacity of the building. With the aim of minimizing total cost while ensuring service quality， an optimal scheduling model for integrated computation-electricity-heat systems was constructed to separately investigate the effects of thermal-side scheduling and spatial scheduling. Two data centers were used as the research objects. Based on a 12-node system， the two regions operated under different peak-valley electricity pricing schemes and featured distinct wind and solar power output curves as well as summer outdoor temperatures. The system met the requirements of both batch and interactive computing loads by scheduling 120 servers， while satisfying indoor temperature and CPU temperature constraints through the scheduling of cooling and heating sources. Simulation results demonstrated that the proposed scheduling strategy achieved spatiotemporal scheduling of computing loads. Across all time periods， the proportion of tasks completed within 0

—2 h of arrival increased， and service quality improved. The power balance chart showed a remarkably high degree of matching between source and load. Considering spatial scheduling， the strategy could perform peak shaving and valley filling for various types of computing loads， thereby optimizing the spatiotemporal distribution of regional power loads， avoiding concentrated task accumulation， and reducing the frequency of start-stop cycles of large-scale servers， thereby significantly extending hardware service life and reducing maintenance costs. Considering thermal-side scheduling， the strategy can significantly reduce economic costs while maintaining service quality， offering a reference for the economical and efficient operation of data centers.

关键词

Keywords

references

赵天阳，张华君，徐岩，等 . 不确定环境下含云计算数据中心的电网韧性增强调度［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 49 - 57 .

ZHAO Tianyang ， ZHANG Huajun ， XU Yan ， et al . Resilience-enhanced scheduling of power system with cloud computing data centers under uncertainty ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 49 - 57 .

曲琪，滕菲，郭禹辛，等 . 考虑算力需求的港口综合能源系统分布式能源管理［J］. 综合智慧能源， 2025 ， 47 （ 1 ）： 42 - 50 .

QU Qi ， TENG Fei ， GUO Yuxin ， et al . Distributed energy management of port integrated energy system considering computing power demands ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 1 ）： 42 - 50 .

北京邮电大学，紫金山实验室，第九届未来网络发展大会组委会 . 算电协同技术白皮书［EB/OL］. （ 2025-08-20 ）［ 2026-07-10 ］. https：//www.gfnds.com/pdf/8.pdf https://www.gfnds.com/pdf/8.pdf .

唐文虎，梁秀壮，郭采珊，等 . 面向算力-电力协同的数据中心与储能融合机制综述［J/OL］. 电力系统自动化， 1 - 18 （ 2026-06-02 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260601.1416.002 https://link.cnki.net/urlid/32.1180.TP.20260601.1416.002 .

TANG Wenhu ， LIANG Xiuzhuang ， GUO Caishan ， et al . Review of integration mechanism of data centers and energy storage for computing power-electricity coordination ［J］. Automation of Electric Power Systems ， 1 - 18 （ 2026-06-02 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260601.1416.002 https://link.cnki.net/urlid/32.1180.TP.20260601.1416.002 .

庞奥康，邵振国，陈昌铭，等 . 计及任务时序灵活性的数据中心算力-能量协同优化方法［J/OL］. 电力系统自动化， 1 - 17 （ 2026-04-23 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260423.1006.002 https://link.cnki.net/urlid/32.1180.TP.20260423.1006.002 .

PANG Aokang ， SHAO Zhenguo ， CHEN Changming ， et al . Computility-energy collaborative optimization method for data centers considering sequential flexibility of tasks ［J］. Automation of Electric Power Systems ， 1 - 17 （ 2026-04-23 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260423.1006.002 https://link.cnki.net/urlid/32.1180.TP.20260423.1006.002 .

张程，江炜龙，罗玉锦，等 . 考虑风光不确定性的多数据中心微网与共享储能协同优化运行［J］. 电力系统保护与控制， 2025 ， 53 （ 4 ）： 72 - 84 .

ZHANG Cheng ， JIANG Weilong ， LUO Yujin ， et al . Collaborative optimal operation of multiple data center microgrids and shared energy storage considering wind power and photovoltaic uncertainty ［J］. Power System Protection and Control ， 2025 ， 53 （ 4 ）： 72 - 84 .

YIN X H ， YE C J ， DING Y ， et al . Exploiting Internet data centers as energy prosumers in integrated electricity-heat system ［J］. IEEE Transactions on Smart Grid ， 2023 ， 14 （ 1 ）： 167 - 182 .

刘承锡，翁泽斌，罗永建，等 . 基于机器学习的数据中心电-算-热分布鲁棒优化与协同运行［J/OL］. 电力系统自动化， 1 - 18 （ 2026-05-25 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.tp.20260522.1400.002 https://link.cnki.net/urlid/32.1180.tp.20260522.1400.002 .

LIU Chengxi ， WENG Zebin ， LUO Yongjian ， et al . Machine learning-based distributionally robust optimization and coordinated electricity-computing-thermal operation for data centers ［J］. Automation of Electric Power Systems ， 1 - 18 （ 2026-05-25 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.tp.20260522.1400.002 https://link.cnki.net/urlid/32.1180.tp.20260522.1400.002 .

佟邢宇，孙秋野，任汝飞，等 . 计及数据中心热电耦合特性的需求响应调节能力量化［J/OL］. 电力系统自动化， 1 - 10 （ 2026-05-06 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260502.0939.002 https://link.cnki.net/urlid/32.1180.TP.20260502.0939.002 .

TONG Xingyu ， SUN Qiuye ， REN Rufei ， et al . Quantification of demand response regulation capacity considering thermoelectric coupling characteristics in data center ［J］. Automation of Electric Power Systems ， 1 - 10 （ 2026-05-06 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260502.0939.002 https://link.cnki.net/urlid/32.1180.TP.20260502.0939.002 .

YIN X H ， YE C J ， DING Y ， et al . Combined heat and power dispatch against cold waves utilizing responsive Internet data centers ［J］. IEEE Transactions on Sustainable Energy ， 2024 ， 15 （ 2 ）： 819 - 834 .

JIN T Y ， BAI L Q ， YAN M Y ， et al . Unlocking spatio-temporal flexibility of data centers in multiple regional peer-to-peer energy transaction markets ［J］. IEEE Transactions on Power Systems ， 2025 ， 40 （ 5 ）： 3914 - 3927 .

向世林，向月，王晏亮，等 . 计及负载响应特性的多数据中心时空协同运行优化策略［J］. 中国电力， 2025 ， 58 （ 4 ）： 170 - 181 .

XIANG Shilin ， XIANG Yue ， WANG Yanliang ， et al . Optimization strategy for spatiotemporal cooperative operation of multiple data centers considering load response characteristics ［J］. Electric Power ， 2025 ， 58 （ 4 ）： 170 - 181 .

杨挺，姜含，侯昱丞，等 . 基于计算负荷时-空双维迁移的互联多数据中心碳中和调控方法研究［J］. 中国电机工程学报， 2022 ， 42 （ 1 ）： 164 - 176 .

YANG Ting ， JIANG Han ， HOU Yucheng ， et al . Study on carbon neutrality regulation method of interconnected multi-datacenter based on spatio-temporal dual-dimensional computing load migration ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 1 ）： 164 - 176 .

HAN O Z ， DING T ， MU C G ， et al . Multi-time scale optimal dispatch for the wind power integrated system with demand response of data centers based on neural network-based model predictive control ［J］. IEEE Transactions on Industry Applications ， 2023 ， 59 （ 6 ）： 7238 - 7249 .

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 .

WEN Xiyu ， ZHU Jizhong ， LI Shenglin ， et al . Low-carbon economic dispatch for multiple data center virtual power plant based on spatio-temporal collaboration ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 18 ）： 56 - 65 .

刘方，陈祥洲，周江昕，等 . 考虑数据中心共享储能与计算负荷时空迁移特性的虚拟电厂优化运行方法［J］. 电网技术， 2026 ， 50 （ 5 ）： 1848 - 1857 .

LIU Fang ， CHEN Xiangzhou ， ZHOU Jiangxin ， et al . Optimal operation method for virtual power plant considering shared energy storage and spatiotemporal migration characteristics of computational load in data centers ［J］. Power System Technology ， 2026 ， 50 （ 5 ）： 1848 - 1857 .

CHEN M ， GAO C W ， LI Z Y ， et al . Aggregated model of data network for the provision of demand response in generation and transmission expansion planning ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 1 ）： 512 - 523 .

JIN T Y ， LU Y K ， BAI L Q ， et al . Renewable energy integration enhancement by exploiting reserve supply capabilities of data centers and cross-region systems in multi-region system dispatch ［J］. Journal of Modern Power Systems and Clean Energy ， 2026 ， 14 （ 3 ）： 833 - 844 .

CHEN M ， GAO C W ， SHAHIDEHPOUR M ， et al . Internet data center load modeling for demand response considering the coupling of multiple regulation methods ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 3 ）： 2060 - 2076 .

董亚晗，王旭，夏威，等 . MILP加速深度强化学习的多数据中心电-算资源协同优化调度［J/OL］. 电力系统自动化， 1 - 20 （ 2026-05-09 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260508.1943.004 https://link.cnki.net/urlid/32.1180.TP.20260508.1943.004 .

DONG Yahan ， WANG Xu ， XIA Wei ， et al . MILP-accelerated deep reinforcement learning-based coordinated optimization and scheduling method for multi-data-center power-computing resources ［J］. Automation of Electric Power Systems ， 1 - 20 （ 2026-05-09 ）［ 2026-07-10 ］. https：//link.cnki.net/urlid/32.1180.TP.20260508.1943.004 https://link.cnki.net/urlid/32.1180.TP.20260508.1943.004 .

ZHANG Y J ， WILSON D C ， PASCHALIDIS I C ， et al . HPC data center participation in demand response： An adaptive policy with QoS assurance ［J］. IEEE Transactions on Sustainable Computing ， 2022 ， 7 （ 1 ）： 157 - 171 .

TSILIGKARIDIS A ， ANDRIANESIS P ， COSKUN A K ， et al . Distributed economic dispatch in power networks incorporating data center flexibility ［J］. IEEE Transactions on Sustainable Computing ， 2025 ， 10 （ 4 ）： 768 - 783 .

甘润东，龙玉江，汤杰，等 . 计及负荷时空转移需求响应的数据中心聚合商最优运行策略［J］. 中国电力， 2024 ， 57 （ 3 ）： 20 - 26 .

GAN Rundong ， LONG Yujiang ， TANG Jie ， et al . Optimal operation strategy of data center aggregators for demand response considering temporal and spatial load shift ［J］. Electric Power ， 2024 ， 57 （ 3 ）： 20 - 26 .

余文昶，陈永刚，曹俊波，等 . 考虑负载响应特性的数据中心综合能源系统优化调度研究［J］. 综合智慧能源， 2023 ， 45 （ 10 ）： 25 - 34 .

YU Wenchang ， CHEN Yonggang ， CAO Junbo ， et al . Optimal scheduling of the data center integrated energy system considering load response characteristics ［J］. Integrated Intelligent Energy ， 2023 ， 45 （ 10 ）： 25 - 34 .

李志远，王建学，邓娇娇，等 . 基于变电站并网方案精细化建模的输电系统规划方法［J］. 中国电机工程学报， 2025 ， 45 （ 18 ）： 7017 - 7029， I 0001 .

LI Zhiyuan ， WANG Jianxue ， DENG Jiaojiao ， et al . Transmission system planning method based on refined modeling of substation grid-connection scheme ［J］. Proceedings of the Chinese Society for Electrical Engineering ， 2025 ， 45 （ 18 ）： 7017 - 7029， I 0001 .

黄子书，蔡晔，孙溶佐，等 . 电力系统高危 N-k 故障的高危断面辨识与保护配置［J］. 综合智慧能源， 2025 ， 47 （ 9 ）： 1 - 9 .

HUANG Zishu ， CAI Ye ， SUN Rongzuo ， et al . Critical section identification and protection configuration for high-risk N-k faults in power systems ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 9 ）： 1 - 9 .

YANG Y ， LIN C H ， XU L ， et al . PyOptInterface： Design and implementation of an efficient modeling language for mathematical optimization ［EB/OL］. （ 2024-05-16 ）［ 2026-07-10 ］. https：//arxiv.org/abs/2405.10130 https://arxiv.org/abs/2405.10130 .

XIONG P ， JIRUTITIJAROEN P ， SINGH C . A distributionally robust optimization model for unit commitment considering uncertain wind power generation ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 1 ）： 39 - 49 .

潘雷，丁云飞，庞毅，等 . 基于SC-SAC算法的REHMIS-IES优化调度策略［J］. 综合智慧能源， 2026 ， 48 （ 1 ）： 43 - 58 .

PAN Lei ， DING Yunfei ， PANG Yi ， et al . Optimal scheduling strategy for REHMIS-IES based on SC-SAC algorithm ［J］. Integrated Intelligent Energy ， 2026 ， 48 （ 1 ）： 43 - 58 .

赵建立，向佳霓，王隗东，等 . 考虑风电不确定性的数据中心平抑风电功率波动的调度方法［J］. 综合智慧能源， 2022 ， 44 （ 11 ）： 70 - 78 .

ZHAO Jianli ， XIANG Jiani ， WANG Weidong ， et al . A scheduling method for suppressing wind power fluctuation of data centers considering wind power uncertainty ［J］. Integrated Intelligent Energy ， 2022 ， 44 （ 11 ）： 70 - 78 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑数据中心柔性任务的综合能源系统能-算协同深度强化学习方法

绿电直连模式下风光储驱动的数据中心经济性分析

核能直供数据中心技术路径及适配性研究

考虑低碳激励的运营商-数据中心群主从博弈调度策略

计及算力与储冷灵活性的数据中心多能微网运行优化