[发明专利]一种数据中心电池充放电优化控制方法及装置

说明书

本申请公开了一种数据中心电池充放电优化控制方法及装置，方法包括：获取数据中心电池的参数信息，所述参数信息至少包括以下任意一项或多项：剩余电量、电池容量和充放电电流；获取环境信息，所述环境信息包括实时电价、数据中心IT设备工作量；基于所述参数信息和所述环境信息，采用深度强化学习算法进行数据中心电池充放电的控制。上述方案利用深度学习神经网络和强化学习机制的优势，根据实时电价、电池的状态和寿命周期，选择合适的时间对电池进行充电和放电，实现数据中心电源的削峰填谷，以最大程度地使储能电池的蓄电收益最大化，从而降低数据中心的电费和总拥有成本。

技术领域

本发明涉及自动控制技术，更具体的说，是涉及一种数据中心电池充放电优化控制方法及装置。

背景技术

随着信息技术的不断普及和深入应用，需要收集、传输、处理和存储的数据越来越多，数据中心作为支持经济和社会活动的关键基础设施，其规模和功耗也将越来越大。数据中心运营商和管理人员正在尝试优化数据中心的能耗，并使用更多的清洁能源，以减轻高能耗带来的经济和环保压力。数据中心的能耗优化主要集中在升级高能效制冷、供电和IT设备进行升级换代、以及动态调整数据中心设备的运行状态以节省电能成本。

储能系统在数据中心可靠供电、降低峰值功率负载、新能源接入、节能等方面发挥着重要作用。目前，主流模式是数据中心使用UPS(Uninterruptible Power System，不间断电源)以提供短期的备用电源。在外部电网停电的情况下，以便于电源恢复和柴油机启动。当前UPS设备越来越多的采用锂离子电池进行储能。当前，领域内缺少一种对数据中心电池充放电进行合理控制的方法。

发明内容

有鉴于此，本发明提供如下技术方案：

一种数据中心电池充放电优化控制方法，应用于数据中心能源管理系统，包括：

获取数据中心电池的参数信息，所述参数信息至少包括以下任意一项或多项：剩余电量、电池容量和充放电电流；

获取环境信息，所述环境信息包括实时电价、数据中心IT设备工作量；

基于所述参数信息和所述环境信息，采用深度强化学习算法进行数据中心电池充放电的控制。

可选的，所述深度强化学习算法为基于深度Q网络算法DQN或所述深度Q网络算法DQN的改进算法。

可选的，所述深度Q网络算法DQN的改进算法为DDQN算法、基于DDQN的优先级经验重放算法或决斗网络架构。

可选的，所述深度Q网络算法DQN采用经验回放机制和目标网络来实现神经网络接近动作值时的稳定性和持续收敛。

可选的，所述深度Q网络算法DQN和所述目标网络均为多层全连接神经网络。

可选的，还包括：

采用储能充放电优化算法对所述数据中心电池充放电过程进行优化。

可选的，所述储能充放电优化算法的确定包括：

确定数据中心储能系统的动作空间和状态空间，所述数据中心储能系统包括数据中心电池；

确定数据中心储能系统对应的多层全连接神经网络的最佳神经元数目和最佳层数；

基于所述动作空间、所述状态空间、所述最佳神经元数目和所述最佳层数确定所述储能系统的储能充放电优化算法。

可选的，所述储能充放电优化算法采用线性整流函数作为激活函数。

可选的，将数据中心所有的电池划分为储能组和UPS组，其中，所述春储能组的电池用户储能，所述UPS组的电池用于提供不间断电源，所述储能组的电池充放电次数高于所述UPS组的充放电次数；