合作博弈视角下计算任务调度驱动的算力-电力双向协同优化

王鹏; 刘文宇; 曹雨洁; 孙逸萌; 卫璇; 丁肇豪

doi:10.7500/AEPS20251126001

您当前的位置：

首页 >

文章列表页 >

合作博弈视角下计算任务调度驱动的算力-电力双向协同优化

算力-电力协同 | 更新时间：2026-09-01

- 合作博弈视角下计算任务调度驱动的算力-电力双向协同优化
- Computing-task-scheduling-driven Bidirectional Coordinated Optimization for Computing Power and Electric Power from Perspective of Cooperative Game
- 电力系统自动化 2026年50卷第17期页码：62-73
- 作者机构：
  
  1.新能源电力系统全国重点实验室（华北电力大学），北京市 102206
  2.华北电力大学电气与电子工程学院，北京市 102206
  3.华北电力大学国家能源发展战略研究院，北京市 102206
- 作者简介：
  
  王鹏(1973—)，男，博士，教授，博士生导师，主要研究方向：能源电力经济、新能源电力系统特性与多源互补、中国能源战略。E-mail：wangpeng@ncepu.edu.cn
  刘文宇(1998—)，男，博士研究生，主要研究方向：算力-电力协同。E-mail：wenyu.liu@ncepu.edu.cn
  曹雨洁(1995—)，女，通信作者，博士，助理研究员，主要研究方向：能源经济、需求侧响应、电力系统运行优化、电力市场交易与规则。E-mail：yujie.cao@ncepu.edu.cn
- 基金信息：
  
  智能电网重大专项（2030）资助项目(2025ZD0804700)
- DOI：10.7500/AEPS20251126001
  中图分类号：
- 收稿：2025-11-26，
  
  修回：2026-03-25，
  
  网络首发：2026-07-28，
  
  纸质出版：2026-09-10
- 稿件说明：
移动端阅览
王鹏,刘文宇,曹雨洁等.合作博弈视角下计算任务调度驱动的算力-电力双向协同优化[J].电力系统自动化,2026,50(17):62-73.

WANG Peng,LIU Wenyu,CAO Yujie,et al.Computing-task-scheduling-driven Bidirectional Coordinated Optimization for Computing Power and Electric Power from Perspective of Cooperative Game[J].Automation of Electric Power Systems,2026,50(17):62-73.
王鹏,刘文宇,曹雨洁等.合作博弈视角下计算任务调度驱动的算力-电力双向协同优化[J].电力系统自动化,2026,50(17):62-73. DOI： 10.7500/AEPS20251126001.

WANG Peng,LIU Wenyu,CAO Yujie,et al.Computing-task-scheduling-driven Bidirectional Coordinated Optimization for Computing Power and Electric Power from Perspective of Cooperative Game[J].Automation of Electric Power Systems,2026,50(17):62-73. DOI： 10.7500/AEPS20251126001.

摘要

数据中心可以通过计算任务调度改变其负荷，将成为新型电力系统中重要的需求侧灵活调节资源。由于数据中心与电力系统的运行目标存在差异、无法完全共享信息等问题，当前仍未形成有效的算力-电力双向协同方式。文中提出一种合作博弈视角下计算任务调度驱动的算力-电力双向协同优化方法。首先，提出了基于纳什谈判理论的电力系统运营商-数据中心运营商双向协同框架，以协调实现双方的效用提升；接着，构建了详细的交互型负载、批处理作业两类计算任务的调度模型，并提出了基于滚动时域优化的计算任务调度决策方法；随后，提出了分布式框架下的算力-电力协同决策在线求解方法，在双方内部运行参数与信息保密的前提下，实现全局最优性和求解实时性的兼顾。算例结果验证了所提方法的有效性。

Abstract

Data centers can adjust their load through computing task scheduling

which will become an important flexible demand-side regulation resource in new power systems. However

data centers and power systems have different operation objectives and cannot fully share information. An effective bidirectional coordination method for computing power and electric power has not yet been established. This paper proposes a bidirectional coordinated optimization method for computing power and electric power driven by computing task scheduling from a cooperative game perspective. First

a bidirectional coordinated optimization framework for data center operators and power system operators is proposed based on the Nash bargaining theory

to coordinate utility improvements for both parties. Next

detailed computing task scheduling models for interactive workloads and batch jobs are established

and a computing task scheduling decision-making method based on rolling horizon optimization is proposed. Subsequently

a distributed online solution method for collaborative decision-making of computing power and electric power is proposed. It balances global optimality and real-time solution efficiency while preserving the confidentiality of internal operation parameters and information of both parties. Case study results verify the effectiveness of the proposed method.

关键词

Keywords

references

卢奇秀 . 北京理工大学发布报告显示：数据中心电耗将占全国电耗2.4% ［N］. 中国能源报， 2025-01-20 （7）.

Lu Qixiu . Report by Beijing Institute of Technology indicates data center electricity consumption will constitute 2.4% of China’s overall power usage ［N］. China Energy News ， 2025-01-20 （7）.

EPRI . Powering intelligence： analyzing artificial intelligence and data center energy consumption ［EB/OL］. ［ 2025-10-22 ］. https：//www.epri.com/research/products/00000000300202 8905 https://www.epri.com/research/products/000000003002028905 .

陶劲宇，秦川，金宇清，等 . 面向新型电力系统的负荷模型研究综述［J］. 电力系统保护与控制， 2025 ， 53 （ 5 ）： 168 - 187 .

Tao Jinyu ， Qin Chuan ， Jin Yuqing ， et al . A review of load models for new power systems ［J］. Power System Protection and Control ， 2025 ， 53 （ 5 ）： 168 - 187 .

仝杰，丁浩，陈洪银，等 . 电力-算力协同：内涵、架构、技术与实践［J/OL］. 中国电机工程学报， 2026-03-04 . https：//doi.org/10.13334/j.0258-8013.pcsee.252209 https://doi.org/10.13334/j.0258-8013.pcsee.252209 .

Tong Jie ， Ding Hao ， Chen Hongyin ， et al . Power-computing synergy： connotation， architecture， technologies， and practice ［J/OL］. Proceedings of the CSEE ， 2026-03-04 . https：//doi.org/10.13334/j.0258-8013.pcsee.252209 https://doi.org/10.13334/j.0258-8013.pcsee.252209 .

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 .

Liu Yize ， Xiang Yue . Optimal allocation of photovoltaic and storage capacity in low carbon data center considering load transfer demand response ［J］. Electric Power Automation Equipment ， 2024 ， 44 （ 7 ）： 149 - 155 .

吴林林，陈璨，胡俊杰，等 . 支撑新能源电力系统灵活性需求的用户侧资源应用与关键技术［J］. 电网技术， 2024 ， 48 （ 4 ）： 1435 - 1450 .

Wu Linlin ， Chen Can ， Hu Junjie ， et al . User side resource application and key technologies for flexibility demand of renewable energy power system ［J］. Power System Technology ， 2024 ， 48 （ 4 ）： 1435 - 1450 .

董朝武 . 电力与算力行业融合、协同发展的挑战及建议［J］. 中国电力企业管理， 2025 （ 1 ）： 57 - 60 .

Dong Chaowu . Challenges and suggestions on the integration and coordinated development of electric power and computing industry ［J］. China Power Enterprise Management ， 2025 （ 1 ）： 57 - 60 .

Xu C H ， Wang K ， Li P ， et al . Renewable energy-aware big data analytics in geo-distributed data centers with reinforcement learning ［J］. IEEE Transactions on Network Science and Engineering ， 2020 ， 7 （ 1 ）： 205 - 215 .

Ding Z H ， Chen S J ， Sun Y M ， et al . Data center job scheduling and energy management under uncertain environments ［J］. IEEE Transactions on Industry Applications ， 2025 ， 61 （ 4 ）： 5489 - 5500 .

文亚凤，程祖铭，刘欣雅，等 . 考虑算力-电热耦合的边缘数据中心能量优化管理［J］. 中国电机工程学报， 2026 ， 46 （ 1 ）： 186 - 197 .

Wen Yafeng ， Cheng Zuming ， Liu Xinya ， et al . Energy optimization management of edge data centers considering computing power-electrothermal coupling ［J］. Proceedings of the CSEE ， 2026 ， 46 （ 1 ）： 186 - 197 .

Hu C Y ， Wang Y M ， Kong P C ， et al . Adaptive deep reinforcement learning for efficient task scheduling in green energy powered cloud data center ［J］. IEEE Transactions on Sustainable Computing ， 2025 ， 10 （ 6 ）： 1189 - 1201 .

Lou J ， Tang Z Q ， Jia W J . Energy-efficient joint task assignment and migration in data centers： a deep reinforcement learning approach ［J］. IEEE Transactions on Network and Service Management ， 2023 ， 20 （ 2 ）： 961 - 973 .

王辉东，高晋坤，黄佳斌，等 . 考虑数据中心负载灵活性的电力系统运行可靠性评估方法［J］. 电力系统保护与控制， 2023 ， 51 （ 21 ）： 96 - 105 .

Wang Huidong ， Gao Jinkun ， Huang Jiabin ， et al . Power system operational reliability evaluation method considering data center load flexibility ［J］. Power System Protection and Control ， 2023 ， 51 （ 21 ）： 96 - 105 .

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 .

Zhang Ke ， Wang Xu ， Yang Hongkun ， et al . Distributionally robust optimal scheduling method for power system under flexibility boundaries of data center clusters ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 7 ）： 235 - 247 .

Wu Z Y ， Chen L ， Wang J X ， et al . Incentivizing the spatiotemporal flexibility of data centers toward power system coordination ［J］. IEEE Transactions on Network Science and Engineering ， 2023 ， 10 （ 3 ）： 1766 - 1778 .

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 .

U.S. Energy Information Administration . Data centers and cryptocurrency mining in Texas drive strong power demand growth ［EB/OL］. ［ 2025-02-22 ］. https：//www.eia.gov/todayinenergy/detail.phpid=63344 https://www.eia.gov/todayinenergy/detail.phpid=63344 .

Eliahou Ontiveros J ， Patel D ， Pandey A . AI training load fluctuations at gigawatt-scale—risk of power grid blackout？［EB/OL］. ［ 2025-11-11 ］. https：//newsletter.semianalysis.com/p/ ai-training-load-fluctuations-at-gigawatt-scale-risk-of-power-grid-blackout https://newsletter.semianalysis.com/p/ai-training-load-fluctuations-at-gigawatt-scale-risk-of-power-grid-blackout .

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 .

Li X L ， Liu S J ， Pan L ， et al . Performance analysis of service clouds serving composite service application jobs ［C］// 2018 IEEE International Conference on Web Services （ICWS）， 2018 ： 227 - 234 .

丁肇豪，曹雨洁，张素芳，等 . 能源互联网背景下数据中心与电力系统协同优化（一）：数据中心能耗模型［J］. 中国电机工程学报， 2022 ， 42 （ 9 ）： 3161 - 3176 .

Ding Zhaohao ， Cao Yujie ， Zhang Sufang ， et al . Coordinated operation for data center and power system in the context of Energy Internet （Ⅰ）： energy demand management model of data center ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 9 ）： 3161 - 3176 .

Biçici E . A cloud monitor to reduce energy consumption with constrained optimization of server loads ［J］. IEEE Access ， 2024 ， 12 ： 25265 - 25277 .

Sun Z X ， Zhang B Y ， Gu C L ， et al . ET2FA： a hybrid heuristic algorithm for deadline-constrained workflow scheduling in cloud ［J］. IEEE Transactions on Services Computing ， 2023 ， 16 （ 3 ）： 1807 - 1821 .

Cao Y J ， Cheng M ， Zhang S F ， et al . Data-driven flexibility assessment for Internet data center towards periodic batch workloads ［J］. Applied Energy ， 2022 ， 324 ： 119665 .

Jiang X ， Chen Z W ， Yang M L ， et al . A unified blocking analysis for parallel tasks with spin locks under global fixed priority scheduling ［J］. IEEE Transactions on Computers ， 2023 ， 72 （ 1 ）： 15 - 28 .

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

计及计算资源自适应调整的数据中心算力-电力协同调度

面向算力-电力协同的数据中心与储能融合机制综述

适应新型电力系统的广东电力市场机制构建与应用实践

弱电网下计及直流同步特性的跟网型变流器自适应控制策略

基于可行域聚合投影的输配电网与EVA分层协同优化调度