让算力“追着”绿电走：如何在网络边界内实现安全迁移？——东南大学 马丁、叶宇剑，中国电科院 张曦等

 本文提出多源不确定性风险约束下的算力网-电力网协同运行优化方法，将数据中心能耗、任务负载调度、算力网拓扑、电力系统运行及节点碳排放纳入统一框架。

首先，建立数据中心IT设备与制冷系统能耗模型，刻画任务负载、服务器利用率、设备功耗及芯片温度之间的关系。其次，依据调度属性将任务划分为在线负载、离线负载和刚性负载，分别描述其空间迁移、时间转移和固定执行特性。进一步构建包含通信连接、链路时延、传输速率和带宽限制的算力网模型，保证任务迁移方案满足实际网络约束。

在此基础上，构建数据中心运营商与电网运营商协同决策的双层优化模型，并采用分布鲁棒机会约束处理算力任务、新能源出力和常规负荷的不确定性。通过数据驱动的节点碳排放追踪方法，将节点碳排放信号嵌入任务迁移与电网调度过程。

上层模型以数据中心运营利润最大化为目标，综合考虑算力服务收益、购电成本、碳排放成本和通信带宽成本。数据中心依据节点电价与节点碳排放水平，优化在线负载的空间迁移和离线负载的时间转移，并满足服务器容量、处理时延、设备温度及通信链路约束。

下层模型以电力系统综合成本最小化为目标，在直流最优潮流框架下协调常规机组、新能源、常规负荷和数据中心负荷。下层优化生成的节点边际电价能够反映发电成本、线路阻塞和风险水平，并反馈至上层，引导算力负荷向低成本、低碳排区域及时段转移。

针对传统碳流模型非线性强、难以直接嵌入双层优化的问题，本文利用历史潮流数据拟合发电机对负荷节点的贡献关系，形成线性的节点碳排放约束。在完成分布鲁棒机会约束线性化和下层模型等价转换后，原双层问题被转化为可由商业求解器求解的混合整数二次规划问题，如图1所示。

图1 算电双层协同优化框架

本文在改进的118节点系统和6个数据中心组成的算力网络中开展24 h仿真，并从经济性、网络可行性、运行安全性和低碳性等多个维度验证所提方法的有效性。结果表明，算力负荷的时空灵活性并非简单改变数据中心自身用电行为，而是能够通过节点电价、碳排放及风险信号，与电网运行状态形成联动，从而重塑算力与电力资源的时空匹配关系。

1）算力时空迁移释放多重协同价值

与不具备负载时空灵活性的算例相比，所提方法能够提高数据中心运营利润，同时降低电力系统运行成本和系统碳排放，表明算力灵活性可以在数据中心收益、电网经济运行与低碳转型之间形成协同增益。

进一步看，这种收益并非来源于单一维度的负荷削减，而是来自空间迁移与时间转移的协同作用。在空间维度，部分在线任务由算力需求集中区域迁移至新能源较为充裕的区域，使原本需要通过电网跨区输送的部分能源需求转化为算力任务的跨区迁移，从而降低局部电力传输压力并缓解线路阻塞；在时间维度，部分离线任务由负荷高峰转移至风光出力较高的时段，使算力需求与新能源供给在时间上更加匹配，并同步降低购电成本与节点碳排放强度。

这一结果说明，数据中心的作用不再局限于传统意义上的“高耗能负荷”，其可调任务能够在一定程度上承担类似柔性负荷的调节功能。相比单纯依赖电源侧调节或电网扩容，通过任务迁移改变电力需求的时空分布，为缓解局部供需矛盾提供了另一条调节路径。

2）通信网络边界约束算力调节能力

算力网拓扑对调度结果具有直接影响。忽略通信拓扑和带宽约束时，优化模型虽然能够得到经济性更优的任务迁移方案，但部分任务会被安排在不存在直接物理连接的数据中心之间传输，同时部分通信链路出现带宽越限，说明仅从算力和电力两个层面进行优化，可能得到“数学上可行、物理上不可执行”的调度结果。

这一问题在具体任务迁移结果中表现得更为直观。在忽略算力网拓扑约束后，优化模型为了充分利用DC3、DC6等初始任务请求较少的数据中心，会将部分任务向这些节点转移，如图2所示。然而，调度结果中DC5与DC3、DC3与DC6之间均出现了非零任务传输，而实际算力网中这两组数据中心并不存在物理直连链路，相当于优化过程中形成了现实网络中并不存在的“隐形链路”。

图2 不考虑算力网拓扑时20:00的数据中心任务迁移情况

因此，若仅追求算电协同的经济性，而不显式考虑通信网络的连接关系，可能高估算力的空间迁移能力。相比之下，所提方法通过算力网邻接关系约束任务迁移，仅允许物理连通的数据中心之间进行任务传输，从源头保证调度方案具有实际执行基础。

引入实际通信连接及带宽约束后，任务迁移路径受到网络结构约束，关键链路负载率能够控制在安全范围内。图3所反映的链路越限现象进一步说明，算力灵活性并不是无限可用资源，其可调能力受到通信基础设施承载能力的显著制约。