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

刘承锡; 翁泽斌; 罗永建; 李卓群; 张倩; 韩江北

doi:10.7500/AEPS20251117007

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 >

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

算力-电力协同 | 更新时间：2026-10-10

- 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
- Machine Learning Based Distributionally Robust Optimization and Coordinated Operation of Electric Power, Computing Power, and Thermal Power in Data Centers
- 电力系统自动化 2026年50卷第19期页码：87-95
- 作者机构：
  
  1.武汉大学电气及自动化学院，湖北省武汉市 430072
  2.国网北京市电力公司，北京市 100031
- 作者简介：
  
  刘承锡(1985—)，男，通信作者，博士，教授，博士生导师，主要研究方向：新能源并网及稳定控制、全纯嵌入。E-mail：liuchengxi@whu.edu.cn
  翁泽斌(1996—),男，博士研究生，主要研究方向：综合能源优化、电算协同运行与数据中心能效优化。E-mail：wengzebin@whu.edu.cn
  罗永建(1995—),男，博士后研究员，主要研究方向：综合能源优化、全纯嵌入及配电网仿真分析。E-mail：luoyongjian@whu.edu.cn
- 基金信息：
  
  智能电网国家科技重大专项资助项目(2025ZD0804800)
- DOI：10.7500/AEPS20251117007
  中图分类号：
- 收稿：2025-11-17，
  
  修回：2025-12-08，
  
  网络首发：2026-05-25，
  
  纸质出版：2026-10-10
- 稿件说明：
移动端阅览
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].电力系统自动化,2026,50(19):87-95.

LIU Chengxi,WENG Zebin,LUO Yongjian,et al.Machine Learning Based Distributionally Robust Optimization and Coordinated Operation of Electric Power, Computing Power, and Thermal Power in Data Centers[J].Automation of Electric Power Systems,2026,50(19):87-95.
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].电力系统自动化,2026,50(19):87-95. DOI： 10.7500/AEPS20251117007.

LIU Chengxi,WENG Zebin,LUO Yongjian,et al.Machine Learning Based Distributionally Robust Optimization and Coordinated Operation of Electric Power, Computing Power, and Thermal Power in Data Centers[J].Automation of Electric Power Systems,2026,50(19):87-95. DOI： 10.7500/AEPS20251117007.

摘要

人工智能等技术的快速发展使数据中心算力需求激增，进而带来巨大的电能消耗。然而，刚性的算力需求及大电网供电模式使数据中心难以有效实现降碳减排与绿色经济运行。因此，充分挖掘电-算-热灵活性对提高新能源供电的数据中心电-算供需动态匹配及绿电消纳至关重要。文中首先基于机器学习方法量化表征新能源不确定性，设计两阶段电-算-热协同运行分布鲁棒优化框架，完成多能耦合建模；其次，引入批处理任务转移系数矩阵，对可控算力任务的柔性调节特性进行量化分析；最后，通过协同优化对影响数据中心经济性的关键指标进行研究。结果表明，多能协同运行能节约49.75%的成本，其中

仅调节算力灵活性能改善48.5%的经济性，表明算力任务灵活调节特性对经济运行至关重要。

Abstract

The rapid development of artificial intelligence and other technologies has led to a surge in computing power demand in data centers

which in turn results in enormous energy consumption. However

the rigid computing power demand and power supply modes of large-scale power grids make it difficult for data centers to effectively reduce carbon emission and achieve green economic operation. Therefore

fully exploiting the flexibility of electric power

computing power and thermal power is crucial for improving the dynamic matching between electricity supply and computing demand

as well as enhancing the accommodation of renewable energy in data centers powered by green electricity. This paper first quantifies and characterizes the uncertainty of renewable energy based on machine learning methods

designs a two-stage distributionally robust optimization framework for coordinated operation of electric power

computing power and thermal power

and establishes multi-energy coupling modeling. Second

a batch task transfer coefficient matrix is introduced to quantitatively analyze the flexible regulation characteristics of controllable computing tasks. Finally

key indicators affecting the economic performance of data centers are investigated through coordinated optimization. The results of the case study show that the multi-energy coordinated operation can reduce costs by 49.75%

of which regulating computing power flexibility alone improves economic performance by 48.5%

indicating that the flexible regulation characteristics of computing power tasks are crucial for economic operation

关键词

Keywords

references

Masanet E ， Shehabi A ， Lei N ， et al . Recalibrating global data center energy-use estimates ［J］. Science ， 2020 ， 367 ： 984 - 986 .

Ajayi O ， Heymann R . Data centre day-ahead energy demand prediction and energy dispatch with solar PV integration ［J］. Energy Reports ， 2021 ， 7 ： 3760 - 3774 .

Koot M ， Wijnhoven F . Usage impact on data center electricity needs： a system dynamic forecasting model ［J］. Applied Energy ， 2021 ， 291 ： 116798 .

中国信通院 . 2025综合算力指数报告发布［EB/OL］.［ 2025-11-17 ］. https：//www.dt.gov.cn/dtszf/sxyw/202508/3b4f8738ba5f45dc94c724c9be46c0f3.shtml https://www.dt.gov.cn/dtszf/sxyw/202508/3b4f8738ba5f45dc94c724c9be46c0f3.shtml .

China Academy of Information and Communications Technology . 2025 Comprehensive computing power index report released ［EB/OL］. ［ 2025-11-17 ］. https：//www.dt.gov.cn/dtszf/sxyw/202508/3b4f8738ba5f45dc94c724c9be46c0f3.shtml https://www.dt.gov.cn/dtszf/sxyw/202508/3b4f8738ba5f45dc94c724c9be46c0f3.shtml .

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 - 177 .

Yang Ting ， Jiang Han ， Hou Yucheng ， et al . Carbon-neutral regulation method for interconnected multi-data centers based on spatiotemporal two-dimensional migration of computing load ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 1 ）： 164 - 177 .

俞露杰，周欢，朱介北，等 . 面向新能源消纳的数据中心热力学模型和变温运行策略［J/OL］. 电力系统自动化， 2025-11-17 . http：//doi. org/10.7500/AEPS20240414005 http://doi.org/10.7500/AEPS20240414005 .

Yu Lujie ， Zhou Huan ， Zhu Jiebei ， et al . Thermodynamic model and variable-temperature operation strategy of data centers for renewable energy accommodation ［J/OL］. Automation of Electric Power Systems ， 2025-11-17 . http：//doi. org/10.7500/AEPS20240414005 http://doi.org/10.7500/AEPS20240414005 .

Ren X ， Han Z ， Ma J ， et al . Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for datacenters ［J］. Energy ， 2024 ， 288 ： 129679 .

Han J ， Han K ， Han T ， et al . Data-driven distributionally robust optimization of low-carbon data center energy systems considering multi-task response and renewable energy uncertainty ［J］. Journal of Building Engineering ， 2025 ， 102 ： 111937 .

王天琪，于浩，赵金利，等 . 算力-热力灵活性协同的数据中心能量管理方法［J］. 高电压技术， 2024 ， 50 （ 9 ）： 4069 - 4079 .

Wang Tianqi ， Yu Hao ， Zhao Jinli ， et al . Data center energy management method with coordinated flexibility of computing power and thermal power ［J］. High Voltage Engineering ， 2024 ， 50 （ 9 ）： 4069 - 4079 .

Yang Z ， Trivedi A ， Liu H ， et al . Two-stage robust optimization strategy for spatially-temporally correlated data centers with data-driven uncertainty sets ［J］. Electric Power Systems Research ， 2023 ， 221 ： 109443 .

Kwon S . Ensuring renewable energy utilization with quality of service guarantee for energy-efficient data center operations ［J］. Applied Energy ， 2020 ， 276 ： 115424 .

Fan W ， Ju L ， Tan Z ， et al . Two-stage distributionally robust optimization model of integrated energy system group considering energy sharing and carbon transfer ［J］. Applied Energy ， 2023 ， 331 ： 120426 .

Taghizad-Tavana K ， Tarafdar-Hagh M ， Nojavan S ， et al . Operation of smart distribution networks by considering the spatial-temporal flexibility of data centers and battery energy storage systems ［J］. Sustainable Cities and Society ， 2024 ， 114 ： 105746 .

Zhou Y ， Li X ， Han H ， et al . Resilience-oriented planning of integrated electricity and heat systems： a stochastic distributionally robust optimization approach ［J］. Applied Energy ， 2024 ， 353 ： 122053 .

Zhao B ， Qian T ， Tang W ， et al . A data-enhanced distributionally robust optimization method for economic dispatch of integrated electricity and natural gas systems with wind uncertainty ［J］. Energy ， 2022 ， 243 ： 123113 .

Li W ， Qian T ， Zhang Y ， et al . Distributionally robust chance-constrained planning for regional integrated electricity-heat systems with data centers considering wind power uncertainty ［J］. Applied Energy ， 2023 ， 336 ： 120787 .

Zhang S ， Lyu J ， Jin W ， et al . Coordinated planning of multiple energy hubs considering the spatiotemporal load regulation of data centers ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 2 ）： 4193 - 4207 .

尹卫方，彭淑芬，孙毅，等 . 边缘数据中心集群算力-电力-热力协同优化运行策略［J/OL］. 电力信息与通信技术， 2025-11-17 . https：//link.cnki.net/urlid/10.1164.tk.20250527.1405.002 https://link.cnki.net/urlid/10.1164.tk.20250527.1405.002 .

Yin Weifang ， Peng Shufen ， Sun Yi ， et al . Coordinated optimal operation strategy of computing-electric-thermal power for edge data center clusters ［J/OL］. Electric Power Information and Communication Technology ， 2025-11-17 . https：//link.cnki.net/urlid/10.1164.tk.20250527.1405.002 https://link.cnki.net/urlid/10.1164.tk.20250527.1405.002 .

Zhou Y ， Wei F ， Li S ， et al . Data center load modeling through optimal energy consumption characteristics： a path to simultaneously enhance energy efficiency and demand response quality ［J］. Applied Energy ， 2025 ， 393 ： 126095 .

Wang Y ， Lin J ， Han Y ， et al . Comprehensive evaluation of all-element flexibility resources in data centers： considering synergistic benefits of computing， electricity， and heat ［J］. Applied Energy ， 2025 ， 399 ： 126442

国家发展和改革委员会 . 数据中心绿色低碳发展专项行动计划［EB/OL］.［ 2025-11-17 ］. https：//www.gov.cn/zhengce/zhengceku/202407/content_6964165.htm https://www.gov.cn/zhengce/zhengceku/202407/content_6964165.htm .

National Development and Reform Commission . Special action plan for the green and low-carbon development of data centers ［EB/OL］. ［ 2025-11-17 ］. https：//www.gov.cn/zhengce/zhengceku/2024-07/content_6964165.htm https://www.gov.cn/zhengce/zhengceku/2024-07/content_6964165.htm .

Rasmussen N . Electrical efficiency modeling for data centers ［EB/OL］. ［ 2025-11-17 ］. https：//it-resource.schneider-electric.com/whitepapers/wp-113-electrical-efficiency-modeling-for-data-centers https://it-resource.schneider-electric.com/whitepapers/wp-113-electrical-efficiency-modeling-for-data-centers .

羲和能源气象大数据平台［E B/OL］.［ 2025-11-17 ］. https：//xihe-energy.com/ https://xihe-energy.com/ .

Xihe energy meteorological big data platform ［EB/OL］. ［ 2025-11-17 ］. https：//xihe-energy.com/ https://xihe-energy.com/ .

Google . Traffic and disruptions to Google ［EB/OL］. ［ 2025-11-17 ］. https：//transparencyreport.google.com/traffic/overview？fraction_traffic=start：1722384000000；end：1722556799999；product：19；region：HK&lu=fraction_traffic&hl=en https://transparencyreport.google.com/traffic/overview?fraction_traffic=start:1722384000000;end:1722556799999;product:19;region:HK&lu=fraction_traffic&hl=en .

Weng Q ， Xiao W ， Yu Y ， et al . Mlaas in the wild： workload analysis and scheduling in large-scale heterogeneous gpu clusters ［EB/OL］. ［ 2025-11-17 ］. https：//web.stanford.edu/class/cs349d/docs/MLaaS_in_the_Wild.pdf https://web.stanford.edu/class/cs349d/docs/MLaaS_in_the_Wild.pdf .

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

基于空间弹性表征的广域数据中心集群算电协同调度方法

绿电直连数据中心：耦合逻辑、关键技术与应用模式

共享架构下数据中心集群集中式备电储能优化配置方法

多源不确定性风险约束下算力网-电力网协同运行优化方法

基于闲时算力调度的算电协同方法与实践