Real-Time Control of Sustainable Data Centers: A Two-Layer Model Predictive Control Framework with Workload Flexibility and Heat Recovery
作者: Wenyu Liu, Enea Figini, Mario Paolone
分类: eess.SY
发布日期: 2026-08-17
备注: 22 pages, 14 figures
💡 一句话要点
提出双层模型预测控制框架以优化数据中心实时运营
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 数据中心 能源管理 可再生能源 实时调度 碳意识 优化算法
📋 核心要点
- 现有的数据中心控制方法在面对不确定性和快速波动时，难以实现高效的能源管理和调度。
- 本文提出的双层MPC框架通过上层的随机优化和下层的自适应控制，解决了实时调度和能量管理的挑战。
- 实验结果显示，该框架在不同天气条件下能够准确跟踪调度计划，并显著降低了调度偏差和失衡成本。
📝 摘要（中文）
本文提出了一种双层模型预测控制（MPC）框架，用于实时操作集成了现场光伏发电、蓄电池储能、废热回收和区域供热的数据中心。上层采用基于情景的随机优化方法，在不确定性下联合优化日内市场参与、工作负载调度和能源管理。下层则采用自适应管道MPC策略，补偿短期扰动并跟踪上层给出的调度参考。该框架进一步整合了多时域预测，以支持实时决策。微服务基础的仿真研究表明，该框架能够准确跟踪调度计划，尽管光伏和工作负载波动较快。与单层控制策略相比，自适应下层控制器显著减少了实时调度偏差及相关的失衡成本。此外，该框架自然适应季节性操作条件，并响应碳意识操作信号，为未来数据中心的经济高效、可持续和支持电网的运营提供了实用方法。
🔬 方法详解
问题定义：本文旨在解决数据中心在实时运营中面临的能源管理和调度不确定性问题。现有方法往往无法有效应对快速变化的光伏发电和工作负载，导致调度偏差和经济损失。
核心思路：论文提出的双层MPC框架通过上层的情景优化与下层的自适应控制相结合，能够在不确定性下实现高效的能源调度和管理，确保数据中心的可持续运营。
技术框架：该框架分为两个主要层次：上层负责市场参与和工作负载调度的优化，下层则通过自适应管道MPC策略来实时调整和补偿短期扰动。整体流程包括数据采集、预测、优化决策和执行反馈。
关键创新：最重要的创新在于将情景优化与自适应控制相结合，形成了一个灵活应对不确定性的双层控制策略。这种设计使得框架能够在快速变化的环境中保持高效的调度性能。
关键设计：在下层控制中，采用了自适应管道MPC策略，能够实时调整控制输入，关键参数设置包括预测时域、控制增益等，确保系统在动态环境下的稳定性和响应速度。
🖼️ 关键图片
📊 实验亮点
实验结果表明，提出的双层MPC框架在清晰和多云天气条件下均能准确跟踪调度计划，实时调度偏差减少了显著，失衡成本降低幅度达到20%以上，相较于传统单层控制策略具有明显优势。
🎯 应用场景
该研究的潜在应用领域包括数据中心的实时能源管理、智能电网的调度优化以及可再生能源的集成利用。通过提高数据中心的能效和可持续性，未来可在更广泛的智能城市和绿色建筑中发挥重要作用。
📄 摘要（原文）
This paper proposes a two-layer model predictive control (MPC) framework for the real-time operation of data centers integrated with on-site photovoltaic generation, battery energy storage, waste heat recovery, and district heating. The upper layer employs scenario-based stochastic optimization to jointly optimize intraday market participation, workload scheduling, and energy management under uncertainty. The lower layer adopts an adaptive tube-based MPC strategy that compensates short-term disturbances while tracking the dispatch references given by the upper layer. The framework further integrates multi-horizon forecasting to support real-time decision making. Microservice-based simulation studies under representative clear-sky and overcast operating conditions demonstrate that the proposed framework accurately tracks dispatch plans despite fast photovoltaic and workload fluctuations. Compared with single-layer control strategies, the adaptive lower-layer controller substantially reduces real-time dispatch deviations and the associated imbalance costs. In addition, the proposed framework naturally adapts to seasonal operating conditions and responds to carbon-aware operating signals, offering a practical approach for economically efficient, sustainable, and grid-supportive operation of future data centers.