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

马丁; 叶宇剑; 吴奕之; 张曦; Goran STRBAC

doi:10.7500/AEPS20260120001

您当前的位置：

首页 >

文章列表页 >

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

算力-电力协同 | 更新时间：2026-09-01

- 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
- Optimization Method for Coordinated Operation of Computing Power Network and Electric Power Network Under Multi-source Uncertainty Risk Constraints
- 电力系统自动化 2026年50卷第17期页码：137-152
- 作者机构：
  
  1.东南大学电气工程学院，江苏省南京市 210096
  2.深圳河套学院科学与工程智能中心，广东省深圳市 518045
  3.中国电力科学研究院有限公司，北京市 100192
  4.伦敦帝国理工学院电气与电子工程系，伦敦 SW72AZ，英国
- 作者简介：
  
  马丁(2003—)，女，硕士研究生，主要研究方向：绿色数据中心与电网协同调度优化。E-mail：220243041@seu.edu.cn
  叶宇剑(1988—)，男，通信作者，博士，教授，博士生导师，主要研究方向：人工智能+能源（AI4Energy）。E-mail：yeyujian@seu.edu.cn
  吴奕之(2000—)，男，博士研究生，主要研究方向：新型电力系统协调运行与优化调控。E-mail：230259337@seu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(52477083);深圳河套学院科研项目：“面向多源不确定性的电力世界模型”(FP202602)
- DOI：10.7500/AEPS20260120001
  中图分类号：
- 收稿：2026-01-20，
  
  修回：2026-05-28，
  
  网络首发：2026-07-20，
  
  纸质出版：2026-09-10
- 稿件说明：
移动端阅览
马丁,叶宇剑,吴奕之等.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[J].电力系统自动化,2026,50(17):137-152.

MA Ding,YE Yujian,WU Yizhi,et al.Optimization Method for Coordinated Operation of Computing Power Network and Electric Power Network Under Multi-source Uncertainty Risk Constraints[J].Automation of Electric Power Systems,2026,50(17):137-152.
马丁,叶宇剑,吴奕之等.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[J].电力系统自动化,2026,50(17):137-152. DOI： 10.7500/AEPS20260120001.

MA Ding,YE Yujian,WU Yizhi,et al.Optimization Method for Coordinated Operation of Computing Power Network and Electric Power Network Under Multi-source Uncertainty Risk Constraints[J].Automation of Electric Power Systems,2026,50(17):137-152. DOI： 10.7500/AEPS20260120001.

摘要

针对高耗能数据中心（DC）与高比例新能源协同运行中面临的多源不确定性及算力网拓扑约束难题，提出一种考虑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。首先，建立精细化DC能耗模型，并基于负载异质性与算力网拓扑构建刻画任务负载时空灵活性的调度模型。其次，构建算电双向协同的双层优化框架：上层以DC运营商利润最大化为目标，利用负载时空迁移响应电价信号；下层以电网综合成本（含碳成本）最小化为目标，基于直流最优潮流协调源荷资源。在此基础上，引入分布鲁棒机会约束处理算力侧负载与电力侧的多源不确定性，并通过线性化技术与数据驱动的节点碳排放约束保证模型的凸性与可求解性。算例分析表明，所提模型能有效引导DC利用时空灵活性规避高电价与高碳排的区域与时段，在缓解电网阻塞、促进新能源消纳的同时，实现DC利润提升与系统低碳经济运行的综合最优。

Abstract

Aiming at the multi-source uncertainties and topology constraints of computing power network in the coordinated operation of energy-intensive data centers (DCs) and high proportion of renewable energy

this paper proposes an optimization method for coordinated operation of computing power network-electric power network under multi-source uncertainty risk constraints. Firstly

a refined DC energy consumption model is established

and a scheduling model that characterizes the spatio-temporal flexibility of task loads is constructed based on load heterogeneity and computing power network topology. Secondly

a bi-level optimization framework for bidirectional computing power-electric power coordination is built: the upper-level aims to maximize the profit of DC operators

and uses the spatio-temporal migration of loads to respond to electricity price signals; the lower-level aims to minimize the comprehensive cost of the power grid (including carbon cost)

and coordinates source-load resources based on DC optimal power flow. On this basis

distributionally robust chance constraints are introduced to deal with the multi-source uncertainties of the load on the computing power side and the electric power side

and linearization techniques and data-driven node carbon emission constraints are adopted to ensure the convexity and solvability of the model. Case studies show that the proposed model can effectively guide DCs to utilize spatio-temporal flexibility to avoid regions and time periods with high electricity prices and high carbon emissions. While alleviating power grid congestion and promoting renewable energy accommodation

it achieves the comprehensive optimum of DC profit improvement and low-carbon economic operation of the system.

关键词

Keywords

references

Jiang Y A ， Kodialam M ， Lakshman T V ， et al . Resource allocation in data centers using fast reinforcement learning algorithms ［J］. IEEE Transactions on Network and Service Management ， 2021 ， 18 （ 4 ）： 4576 - 4588 .

Goldman Sachs . AI poised to drive 160% increase in power demand ［R/OL］. 2026-03-02 . https：//www.goldmansachs.com/insights/articles/AI-poised-to-drive-160-increasein-power-demand https://www.goldmansachs.com/insights/articles/AI-poised-to-drive-160-increasein-power-demand .

Cao Y J ， Cao F ， Wang Y J ， et al . Managing data center cluster as non-wire alternative： a case in balancing market ［J］. Applied Energy ， 2024 ， 360 ： 122769 .

Zhu Z Q ， Bu S Q ， Chan K W ， et al . Designing the future electricity spot market with high renewables via reliable simulations ［J］. Nature Reviews Electrical Engineering ， 2025 ， 2 （ 5 ）： 320 - 337 .

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 .

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 .

Cui Yang ， Cheng Yufeng ， Zhao Yuting ， et al . Distributionally robust capacity allocation method for flexibility device of data center microgrid considering adjustable capability of characteristic classification batch processing loads ［J］. Electric Power Automation Equipment ， 2024 ， 44 （ 7 ）： 180 - 188 .

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 .

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 .

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 .

Zhu L ， Wu S T ， Liu H Y ， et al . Spatio-temporal load migration potential of data centers： evaluation and application ［J］. Frontiers in Energy Research ， 2023 ， 11 ： 1289275 .

Han J T ， Tong N N ， Lin J Y ， et al . Distributionally robust co-optimization of computing workloads and renewable energy uncertainties in geo-distributed data centers considering multi-element influences ［J］. Energy Conversion and Management： X ， 2026 ， 29 ： 101432 .

Ruan J Q ， Zhu Y F ， Cao Y J ， et al . Privacy-preserving bi-level optimization of Internet data centers for electricity-carbon collaborative demand response ［J］. IEEE Internet of Things Journal ， 2024 ， 11 （ 14 ）： 24948 - 24959 .

Li C Y ， Zheng K D ， Guo H Y ， et al . Computation-power coupled modeling for IDCs and collaborative optimization in ADNs ［J］. IEEE Transactions on Smart Grid ， 2024 ， 15 （ 3 ）： 2762 - 2775 .

陈敏，高赐威，陈宋宋，等 . 考虑数据中心用电负荷调节潜力的双层经济调度模型［J］. 中国电机工程学报， 2019 ， 39 （ 5 ）： 1301 - 1314 .

Chen Min ， Gao Ciwei ， Chen Songsong ， et al . Bi-level economic dispatch modeling considering the load regulation potential of Internet data centers ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 5 ）： 1301 - 1314 .

Yan Z C ， Li C Y ， Yao Y M ， et al . Bi-level carbon trading model on demand side for integrated electricity-gas system ［J］. IEEE Transactions on Smart Grid ， 2023 ， 14 （ 4 ）： 2681 - 2696 .

Yan D X ， Chow M Y ， Chen Y . Low-carbon operation of data centers with joint workload sharing and carbon allowance trading ［J］. IEEE Transactions on Cloud Computing ， 2024 ， 12 （ 2 ）： 750 - 761 .

Chen X ， Chao H ， Shi W B ， et al . Towards carbon-free electricity： a flow-based framework for power grid carbon accounting and decarbonization ［J］. Energy Conversion and Economics ， 2024 ， 5 （ 6 ）： 396 - 418 .

Zeng B ， Zhou Y Y ， Xu X Z ， et al . Bi-level planning approach for incorporating the demand-side flexibility of cloud data centers under electricity-carbon markets ［J］. Applied Energy ， 2024 ， 357 ： 122406 .

Chen X ， Sun A ， Shi W B ， et al . Carbon-aware optimal power flow ［J］. IEEE Transactions on Power Systems ， 2025 ， 40 （ 4 ）： 3090 - 3104 .

Yuan Q ， Ye Y J ， Tang Y ， et al . Low carbon electric vehicle charging coordination in coupled transportation and power networks ［J］. IEEE Transactions on Industry Applications ， 2023 ， 59 （ 2 ）： 2162 - 2172 .

Ding Z H ， Cao Y J ， Xie L Y ， et al . Integrated stochastic energy management for data center microgrid considering waste heat recovery ［J］. IEEE Transactions on Industry Applications ， 2019 ， 55 （ 3 ）： 2198 - 2207 .

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 .

高晋坤，余娟，刘珏麟，等 . 考虑多时段设备耦合的数据中心能效优化方法［J］. 电力系统自动化， 2022 ， 46 （ 15 ）： 153 - 161 .

Gao Jinkun ， Yu Juan ， Liu Juelin ， et al . Optimization method for energy efficiency of data center considering multi-period equipment coupling ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 15 ）： 153 - 161 .

Fang Q ， Wang J ， Gong Q ， et al . Thermal-aware energy management of an HPC data center via two-time-scale control ［J］. IEEE Transactions on Industrial Informatics ， 2017 ， 13 （ 5 ）： 2260 - 2269 .

Wan T ， Qiu J ， Tao Y C ， et al . Flexible energy storage system and renewable energy planning for sustainable Internet data center considering temporal and spatial load regulation ［J］. IEEE Transactions on Industry Applications ， 2025 ， 61 （ 6 ）： 8394 - 8405 .

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 .

Microsoft . Azure network round-trip latency statistics ［EB/OL］. （ 2025-08-18 ）［ 2026-04-08 ］. https：//learn.microsoft.com/en-us/azure/networking/azure-network-latency https://learn.microsoft.com/en-us/azure/networking/azure-network-latency .

Amazon Web Services . AWS direct connect-hybrid networking lens ［EB/OL］. （ 2026-03-28 ）［ 2026-04-08 ］. https：//docs.aws.amazon.com/wellarchitected/latest/hybrid-networking-lens/aws-direct-connect.html https://docs.aws.amazon.com/wellarchitected/latest/hybrid-networking-lens/aws-direct-connect.html .

Recommendation G . 114： one-way transmission time ［S/OL］. https：//www.itu.int/rec/dologin_pub.aspid=T-REC-G.114-200305-I！！PDF-E & lang=e.

Han J P ， Du E S ， Du B J ， et al . Evaluating the dispatchable capacity of cross-regional data center clusters toward power system operation ［J］. IEEE Transactions on Smart Grid ， 2026 ， 17 （ 2 ）： 1180 - 1193 .

Long S Q ， Long W F ， Li Z T ， et al . A game-based approach for cost-aware task assignment with QoS constraint in collaborative edge and cloud environments ［J］. IEEE Transactions on Parallel and Distributed Systems ， 2021 ， 32 （ 7 ）： 1629 - 1640 .

Shao Z T ， Yu N P . Carbon-aware optimal power flow with data-driven carbon emission tracing ［C］// 2025 IEEE Power & Energy Society General Meeting （PESGM）， 2025 ： 1 - 5 .

Yang Z H ， Trivedi A ， Ni M ， et al . Distribution locational marginal pricing based equilibrium optimization strategy for data center park with spatial-temporal demand-side resources ［J］. Journal of Modern Power Systems and Clean Energy ， 2023 ， 11 （ 6 ）： 1959 - 1970 .

Han J P ， Fang Y C ， Du E S ， et al . Eliminating distribution network congestion based on spatial-temporal migration of multiple base stations ［J］. IEEE Transactions on Smart Grid ， 2024 ， 15 （ 6 ）： 5638 - 5652 .

Tan Z F ， Cheng T ， Liu Y C ， et al . Extensions of the locational marginal price theory in evolving power systems： a review ［J］. IET Generation ， Transmission & Distribution， 2022 ， 16 （ 7 ）： 1277 - 1291 .

蔡钦钦，徐英，仪忠凯，等 . 基于分布鲁棒双边机会约束的联合市场出清模型与不确定性定价方法［J］. 电工技术学报， 2025 ， 40 （ 23 ）： 7515 - 7531 .

Cai Qinqin ， Xu Ying ， Yi Zhongkai ， et al . Joint market clearing model and uncertainty pricing approach based on distributed robust bilateral chance constraint ［J］. Transactions of China Electrotechnical Society ， 2025 ， 40 （ 23 ）： 7515 - 7531 .

Sinha A ， Malo P ， Deb K . A review on bilevel optimization： from classical to evolutionary approaches and applications ［J］. IEEE Transactions on Evolutionary Computation ， 2018 ， 22 （ 2 ）： 276 - 295 .

Ye Y J ， Papadaskalopoulos D ， Kazempour J ， et al . Incorporating non-convex operating characteristics into bi-level optimization electricity market models ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 163 - 176 .

Illinois Institute of Technology . Index of data Illinois Institute of Technology ［DS/OL］. ［ 2026-04-08 ］. http：//motor.ece.iit.edu/data/ http://motor.ece.iit.edu/data/ .

Chen Y B ， Xu J J . Solar and wind power data from the Chinese State Grid Renewable Energy Generation Forecasting Competition ［J］. Scientific Data ， 2022 ， 9 ： 577 .

Alibaba . Cluster-trace-v2018： trace_2018 ［DS/OL］. ［ 2026-04-08 ］. https：//github.com/alibaba/clusterdata/blob/master/clus ter-trace-v2018/trace_2018.md https://github.com/alibaba/clusterdata/blob/master/cluster-trace-v2018/trace_2018.md .

Tencent Cloud Developer . The first global-scale commercial deployment of RDMA， Tencent Cloud’s core technology in computing ［EB/OL］. ［ 2026-04-08 ］. https：//cloud.tencent.com/developer/news/1261026 https://cloud.tencent.com/developer/news/1261026 .

张玉莹，曾博，周吟雨，等 . 碳减排驱动下的数据中心与配电网交互式集成规划研究［J］. 电工技术学报， 2023 ， 38 （ 23 ）： 6433 - 6450 .

Zhang Yuying ， Zeng Bo ， Zhou Yinyu ， et al . Research on interactive integration planning of data centers and distribution network driven by carbon emission reduction ［J］. Transactions of China Electrotechnical Society ， 2023 ， 38 （ 23 ）： 6433 - 6450 .

Microsoft . What are availability zones ［EB/OL］. ［ 2026-04-08 ］. https：//learn.microsoft.com/en-us/azure/reliability/availa bility-zones-overview https://learn.microsoft.com/en-us/azure/reliability/availability-zones-overview .

Microsoft . About Azure ExpressRoute Direct ［EB/OL］. ［ 2026-04-08 ］. https：//learn.microsoft.com/en-us/azure/expressrou te/expressroute-erdirect-about https://learn.microsoft.com/en-us/azure/expressroute/expressroute-erdirect-about .

RFC 5976： Y.1541-QOSM： model for networks using Y.1541 quality-of-service classes ［S/OL］ . https：//datatracker.ietf.org/doc/html/rfc5976 https://datatracker.ietf.org/doc/html/rfc5976 .

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

计及建筑热动态特性的数据中心时空协调两阶段鲁棒优化方法

基于闲时算力调度的算电协同方法与实践

面向算电协同的建模与应用：研究现状与展望

考虑电-证耦合交易的微网联盟低碳优化调度策略

多时段边际碳排放因子及其不确定性分析