數據中心作為“新基建”的重要方向之一，其節能降耗問題一直是領域的研究重點。園區能源互聯網注重清潔能源消納，強調能源利用效率的提升，其“源–網–荷–儲–充”的協調技術是提升數據中心能效的關鍵，探索數據中心園區能源互聯網的關鍵技術與發展模式具有現實意義，然而目前數據中心與園區能源互聯網的研究各自獨立，技術之間缺乏相互結合。本文（http://m.ymcpw.cn）針對目前兩者融合研究的領域空白，首先分析了數據中心與園區能源互聯網技術的結合點，探討其在設備規劃、直流配電、余熱回收、多能調度、負荷管理以及儲能調度6個方面的關鍵技術與融合方向。在此基礎上提出數據中心園區能源互聯網的基本建設架構，對商業與運營模式進行論證，并展望領域未來發展的重點。最后，針對我國數據中心園區能源互聯網的進一步發展提出建議，技術融合、試點實踐、政策扶持及三者的有機結合是保障發展的關鍵。

 

一、前言

隨著第五代移動通信（5G）、云計算等新興技術的大規模推廣與不斷發展，相關數據量也呈幾何級數增長。作為承擔互聯網數據儲存與處理的核心，數據中心成為各地建設的熱點。2020年3月國家提出加快5G網絡、數據中心等新型基礎設施建設進度，標志著數據中心作為“新基建”七大領域之一，將進入更快速的發展階段。

 

數據中心作為海量數據儲存、運算與交互的實體，包括了計算機、制冷、供電、照明與機械等設備，也是5G、人工智能（AI）、物聯網、云計算等技術的數據中樞和計算載體，成為“新基建”發展的重要支撐。按照服務對象，數據中心可以分為互聯網數據中心（IDC）、企業數據中心和國家數據中心。

 

與典型居民、工業和商業負荷不同，數據中心所包含的服務器集群及輔助冷卻系統屬于不間斷運行的高能耗設備。隨著“新基建”的推進，數據中心建設進程不斷加速，總體能源需求將進一步增加，相應能耗問題得到高度關注。

 

我國數據中心的基建項目多以產業園的形式落地，如張北云計算產業園、南通國際數據中心產業園、烏蘭察布大數據中心等，產業園建設模式為園區能源互聯網（PEI）提供了應用條件。PEI是基于電力與天然氣網絡、在園區級用戶側建立的多能耦合系統，以能源需求優化為目標，結合互聯網技術與通信技術，實現區域內“源–網–荷–儲–充”的整體協調。建設數據中心的園區能源互聯網（PEI-DC），利用PEI的“源–網–荷–儲–充”協調技術來優化園區的能源結構與能流分配；同時結合數據中心在數據搜索、挖掘方面的能力，刻畫能源用戶的用能畫像，深入挖掘負荷側潛力。兩者技術的結合將顯著提升產業園區整體的能源利用效率，實現1+1>2的效果。

 

目前PEI與數據中心的研究較為分散，分別關注PEI的優化規劃與運行[1]、數據中心負載調度[2]及其各自系統的單獨設計，少有將兩者特性相結合的研究；PEI-DC的發展模式也缺乏現成經驗與方向指導?；诖?，本文著重討論PEI-DC在規劃建設與運行調控方面的關鍵技術，對其建設、商業與運營模式進行論證，展望PEI-DC的未來發展重點并提出對策與建議。

 

二、數據中心園區能源互聯網發展需求分析

《2019—2020年中國IDC產業發展研究報告》顯示，2019年中國IDC業務市場規模達到1562.5億元，同比增長27.2%；預計2022年市場規模將超過3200億元。隨著市場規模的擴大，IDC相關的能耗也在不斷上升。2017年全國數據中心耗電量為1.2×108～1.3×108 MWh，約是2009年的3.5倍；2020年預計達到2.5×108 MWh?？傮w能耗的上升意味著數據中心的節能降耗成為當前工作的重要方向之一。

 

工業和信息化部、國家能源局在《關于加強綠色數據中心建設的指導意見》中對數據中心的能耗利用效率（PUE）提出了明確要求：到2022年，我國數據中心的平均能耗基本達到國際先進水平，新建大型、超大型數據中心的PUE值低于1.4，高能耗老舊設備基本淘汰；鼓勵包括液冷在內的綠色技術產品創新推廣，推進余熱回收等節能技術；加強能源的綜合利用，合理利用清潔能源。

 

目前，我國數據中心的PUE值大部分在1.5到1.8之間，距國際先進水平仍有一段距離；對供能穩定性的高需求限制了消納清潔能源的效率，計算機設備產生的大量熱能由冷卻系統帶出后并未高效利用。提升數據中心消納清潔能源的能力、充分利用冷卻系統回收的余熱，是解決我國數據中心能耗問題的關鍵。

 

PEI技術的應用將成為解決數據中心能耗問題的有效對策之一。利用PEI源荷協同管理的優勢，在消納清潔能源的同時保證數據中心供能的穩定可靠；基于PEI冷、熱、電、氣多種能源綜合利用的特點，充分回收數據中心冷卻系統中的余熱；通過建設PEI-DC模式，高效協調園區內“源–網–荷–儲–充”各個環節，實現數據中心整體能源利用效率的提升。當前PEI與數據中心的研究未能充分融合，一定程度上制約了PEI-DC的發展。PEI與數據中心技術融合的關鍵因素可分為PEI-DC的建設與運行兩大塊，細分為設備規劃、直流配電、多能流調度、余熱回收、負荷管理、儲能調度等。

 

三、園區能源互聯網發展現狀

（一）國外發展現狀

在2008年率先提出PEI概念后，美國學者主要關注相關系統的架構設計。北卡羅來納大學研究團隊在未來可再生能源傳輸和管理系統（FREEDM）項目中提出了能源路由器的概念，構建了系統原型，利用電力電子及通信技術實現區域內電力設備的控制與交互。加州大學伯克利分校研究團隊則關注信息與電能傳輸協議的相互結合，以分布式控制方式靈活使用電量和電價信息。普渡大學研究團隊進一步關注儲能系統在能源互聯網中的作用。在用戶側，美國Opower公司通過智能電表及智能電網技術實現了能源網與信息網的融合，通過云平臺上的大數據計算與挖掘，整合分析用戶的能耗數據，建立家庭能耗檔案，并向用戶提供個性化的用能和節能建議。

 

歐洲同樣在PEI方向上積極展開實踐。德國eTelligence項目關注港口風能利用，通過分布式清潔能源、儲能與熱電聯產的結合對區域內能效提升進行了探索。英國曼徹斯特市示范工程關注區域內的供暖問題，開發綜合能源電–熱–氣–水系統與用戶交互平臺，通過冷熱電三聯供與需求響應技術，實現了能源梯級高效利用。歐盟E-DeMa項目突出區域內多主體交互，通過智能能源路由器整合用戶、發電商、售電商、設備運營商，在統一系統內進行電能和備用容量的交易。

 

日本較多關注電能的集中調度。通過電力路由器的形式對區域內的電力進行統一管理調度，將相應的“IP地址”分配給發電機、電源轉換器、風力發電場、太陽能電池以及其他電網基礎結構，由電力路最終由器完成網中的能源分配。

 

（二）國內發展現狀

我國PEI方面的實踐相對較晚，但同樣對PEI的基本架構、規劃與運行展開了探索。為落實《關于推進“互聯網+”智慧能源發展的指導意見》，2017年7月國家能源局啟動了“互聯網+”智慧能源（能源互聯網）示范項目的申報工作。首批公布了55個“互聯網+”智慧能源（能源互聯網）示范項目，包括北京延慶能源互聯網綜合示范區、能源互聯網試點示范園區等，標志著我國PEI進入實際工程示范階段。2018年12月，國家能源局發布了《關于發展“互聯網+”智慧能源（能源互聯網）示范項目驗收工作的通知》，要求在2019年4月底前完成驗收工作。

 

我國PEI朝著多能互補的方向發展，目前多以電力網和天然氣網為核心，對園區內的電、氣、冷、熱等多種能源進行統籌調度，并通過熱電聯產、冷熱電三聯供等技術實現能源的梯級高效利用；在此基礎上，進一步考慮分布式新能源、儲能以及需求側響應在規劃及運行中的影響與作用。與歐洲、日本不同，我國幅員遼闊，地區之間的自然資源與社會發展情況差異明顯；應結合各地區實際情況，構建物理模型與信息結構深度融合的、多種能源高效利用、多元負荷主體深度參與的PEI，同時充分激發需求側市場潛力。

 

四、數據中心園區能源互聯網關鍵技術分析

（一）規劃與建設技術集群

1. PEI-DC設備規劃技術

該領域的研究目前多為在不同指標的約束下，通過數學解析計算或者建模優化求解的方法，完成園區內多種能源設備的配置，使園區設備配置方案具有更為優良的經濟性、環保性與可靠性。

 

(1）經驗測算規劃方法

規劃人員根據工程經驗和各類設計原則，如以熱定電、以電定熱、按面積配置、按比例配置等，對區域內的能源設備進行規劃。文獻[3]對冷熱電三聯供系統進行設計，以屋頂面積為原則確定光伏配置容量，以平均熱負荷、平均冷負荷、50%的電負荷的需求確定設備容量。文獻[4]以滿足負荷需求為原則，對某車站綜合體的冷熱電負荷進行預測，并對比了基于以熱定電、以電定熱的兩種配置原則的不同方案。經驗測算方法計算流程直觀，過程簡潔，但對于規劃方案的經濟性、環保性指標考慮不嚴格，僅適用于PEI-DC內小范圍的局部能源設備配置，而用于整體規劃則存在過于簡化、對多種能源設備交互運行考慮不足的問題。

 

(2）建模規劃方法

對規劃目標整體建立數學模型，基于不同規劃目的構建目標函數，通過求解目標函數來實現方案在經濟性、環保性與可靠性層面的最優配置以及多個指標之間的相互平衡。相較于經驗測算方法，通過求解模型進行設備規劃通常能夠尋得不同指標下的最優配置，但考驗建模的精確程度。更精確的建模將增加模型的復雜程度，增加求解難度。除規劃指標外，不確定性作為多時間尺度規劃的重要考慮因素也受到更多的關注。通過基于最劣條件的區間優化[5]、基于場景的隨機規劃技術[6]，實現規劃方案在不同時間尺度上對于不確定性的適應能力。

 

上述規劃方法研究雖然缺少對數據中心的用能和發展特征的考量，但為PEI-DC模式的建設提供了較為完整的技術基礎。通常數據中心的規劃至少需要考慮滿足未來10～15年的需求變化，而以互聯網為主的業務結構使其很難直接采用傳統方法預估長期業務需求，這對PEI-DC的設備規劃方案提出了時間尺度方面的挑戰。數據中心需求變動大的特點也考驗了規劃方案的擴展性。規劃應充分考慮能源政策、區域特征以及供需特性等信息，結合大數據、云計算等信息技術，準確刻畫區域未來發展圖景，保障實施效果。

 

2. PEI-DC直流配電技術

近年來，直流配電系統（DCS）因輸送容量更大、供電質量更優、易于接納分布式能源、可控性更高[7]等優勢而受到關注。數據中心的大部分電子元件都由直流電源驅動，同時考慮直流配電系統在面向分布式電源、儲能、充電站樁、柔性負荷等方面的應用具有先天優勢[8]，研究PEI-DC的直流配電技術將有助于園區內新能源、儲能的廣泛接入，支持實現負荷側的智能化調控。作為基于電壓源換流器提供直流電力的智能化配電系統，DCS雖然具有供電質量高、適合互動化接入優勢，但也應關注其可靠性、穩定性與經濟性問題。目前DCS研究較多關注控制與穩定、故障識別與保護、拓補與組網等技術。上述研究均聚焦于DCS的單獨運行環境，而對多種能源相互耦合的PEI-DC運行環境考慮較少。

 

相較于交流配電系統，在PEI-DC中組建DCS，減少了各類能源設備接入配電系統所經歷的變換步驟，在提高效率和功率密度的同時降低了成本[9]。DCS的直流配電母線不存在相位和頻率同步的問題，支持了園區內源、荷、儲、充各個環節設備的即插即用，簡化了控制難度，由此提高了可靠性。PEI-DC中的DCS應充分利用園區物理網與信息網緊密結合的優勢，深入研究實時信息采集傳輸技術與海量數據快速處理技術，在DCS的控制穩定、運行管理與故障保護等環節投入使用，提升DCS的靈活性與可靠性。

 

3. 數據中心余熱回收技術

冷卻系統的能耗約占數據中心總能耗的30%～40%，有效利用冷卻系統帶出的大量機房熱量具有重要意義。建設PEI-DC余熱回收系統，與PEI-DC多能流調度技術結合，充分利用數據中心回收的余熱，將有效提升園區的能源利用效率，進一步降低DC的PUE值。文獻[10]以數據中心作為節點建立區域供熱模型，分析驗證了余熱回收的節能意義。文獻[11]將數據中心在區域供熱系統中考慮為熱源，分析在節能降耗、經濟運行方面的收益。文獻[12]提出基于熱虹吸/蒸氣壓縮循環復合制冷技術的熱回收方案，利用逐時穩態模型分析供暖效果。

 

目前的數據中心熱回收系統研究大多立足于制冷學科領域，較為復雜且較難與電力領域模型結合，距離與PEI-DC的規劃與運行模型相結合仍有一定距離。應從電力工程角度出發，精簡熱回收系統的數學模型，提取模型中有關系統成本、能耗及回收效率的關鍵數據，構建適用于PEI-DC框架的熱回收系統模型。

 

（二）運行與調控技術集群

1. PEI-DC多能流調度技術

PEI-DC作為含冷、熱、電、氣等多種能源與眾多能源設備的系統，對其進行科學高效的調度是實現園區內“源–網–荷–儲–充”協調的基礎與關鍵。多能流調度已有不少研究，大都以經濟性、環保性、可靠性、能源利用率為指標，尋求多種類型能源設備的最優調度方法[13]，并探討設備種類、能源價格、用戶舒適度和不同調控手段對調度結果的影響。同時，PEI-DC作為含有多種形式能源的系統，其不確定性復雜程度遠超所包含的單一系統，可能分布于能源生產、傳輸、轉換、消費等多個環節，因此研究多能流調度中有關不確定性處理的技術也是重點之一。目前相關研究主要通過區間優化[14]、基于場景的隨機優化[15]、魯棒優化的各種改進形式[16]來提高系統適應不確定性的能力，但未在調度過程中考慮數據中心的能源需求特性。

 

多能流調度技術是實現PEI-DC余熱回收、負荷管理及儲能調度的基礎技術框架。研究PEI-DC的科學高效調度方法，充分考慮當前互聯網環境下數據中心的數據處理業務需求，通過轉換模型將其業務特性與能源需求特性相關聯，實現數據中心與園區整體設備的穩定、環保、高效運行。

 

2. PEI-DC負荷管理技術

作為不間斷運行的高能耗設備，數據中心的能源需求具有較大的波動性，滿載與空載能耗差可以達到100%。對供能穩定性的需求制約了園區對具有不確定性的新能源的消納，由此增加了備用冗余設備。通過數據中心荷的優化管理，降低能源需求峰谷差，消納可再生能源，提升數據中心的經濟性與環保性。文獻[17]通過智能算法分配數據中心工作負載，通過負載集中優化服務器啟停，可降低超過6.1%的能耗。以此為基礎，文獻[18]在考慮實時電價的基礎上，通過時間尺度上的負載轉移來降低數據中心購能成本。文獻[19]在實時電價的基礎上進一步考慮可再生能源的接入，通過調度策略匹配數據中心負載與可再生能源。

 

從PEI-DC整體出發，若只考慮數據中心的負載調控能力，將極大限制了園區運行優化的潛力。應同時考慮園區內可能存在的其他種類能源負荷（如工業、商業、居民、電動汽車等）參與負荷調控。例如，基于調度中心的集中式激勵型需求側響應和基于能源價格的需求側響應，并考慮不確定性的影響，可保證PEI-DC多能流調度的經濟與平穩，增強調控能力。通過與數據中心負載管理技術相結合，同時參與園區負荷管理，兩者互補將很大程度提升園區負荷調度的潛力，提升消納清潔能源的能力與供能可靠性，在故障時提供容量支援，降低數據中心備用容量需求并提升經濟性。

 

3. 計及儲能的PEI-DC調度技術

儲能作為PEI-DC中的重要能源設備之一，在能源的優化調度中可發揮關鍵作用。通過電能、天然氣、氫氣、蓄冷、蓄熱等多種儲能設備的單一配置或混合配置，來強化PEI-DC在消納清潔能源、削峰填谷方面的能力，提升系統運行的經濟性與環保性。利用儲能的備用技術提高系統穩定性，并平衡儲能調度的穩定性與經濟性。文獻[20]基于帶有中間緩沖環節的可再生能源發電技術（P2G），提出一種氫能–天然氣混合儲能系統方案，在不同水平風電滲透率的場景中證明了經濟性與環保性。文獻[21]在PEI中考慮蓄熱裝置熱備用，在電–氣互聯場景下提出一種多階段彈性調度策略，在備用容量最小的前提下顯著提升系統對于故障的適應性。文獻[22]在多時間尺度下考慮多源儲能的調度，通過滾動控制時域內購能、處罰成本與功率調整量最小，在保證系統經濟性的情況下降低不確定性對系統運行的影響。

 

PEI-DC負荷管理技術應用于優化調度，同樣能起到提升經濟效益、提供備用容量、提升系統穩定性的作用。相較于儲能，PEI-DC具有單位成本低、潛力大的優點，但同時也存在具有不確定性、突發故障下響應慢的不足。結合儲能的充能/供能功率大小確定、響應快速的特點，可進一步減少數據中心中的備用，降低設備投資。結合數據中心供能穩定性需求高，備用容量大的特點，完善適應于PEI-DC的儲能優化調度技術。

 

五、數據中心園區能源互聯網的發展模式

（一）PEI-DC建設模式

建設PEI-DC，應當融合PEI在多能源互聯互補和數據中心在數據整合運算方面的優勢，實現園區整體在物理層面與信息層面的連接。通過能源轉換設備將園區內電力、天然氣、供熱、供冷網絡相互耦合，利用PEI多能耦合調度技術實現不同類型能源之間的梯級利用及優勢互補；經能源網絡在物理層面與數據中心連接，實現數據中心的高效供能。通過園區內廣泛分布的智能傳感器，收集眾多能源設備與能源用戶的海量數據，經園區通信網絡統一于數據中心，實現整個園區在信息層面的連接。

 

PEI-DC是園區范圍能源生產、轉換、儲存、消費等環節有機協調，冷、熱、電、氣等多種能源連接交互，信息網與能源網緊密連接的系統（見圖1）。相較于普通數據中心產業園，PEI-DC具有鮮明特征。

 

(1）分布式新能源大量接入。多種能源耦合互補的供能形式顯著提升了PEI-DC消納新能源的能力，大量分布式新能源的接入將有效提升數據中心供能的環保性。

 

(2）智能用電終端廣泛存在。物理層與信息層的緊密結合讓園區內各個環節得以更頻繁地交互，傳感設備與數據中心的高效信息流將有助于智能用電終端充分發揮其負荷調控的潛力。

 

(3）高效可靠供能。PEI-DC內存在多種能源的儲能設備，在園區發生故障時能快速通過儲能調度技術提供備用容量，為數據中心提供穩定可靠的供能。

 

(4）數據驅動的園區管理。智能傳感器收集的園區海量信息匯集于數據中心，通過大數據挖掘技術，實現園區內基于數據驅動的源荷預測、設備監測與負荷側管理。

 

依據PEI-DC的建設規劃，完成園區內設備與網架的高效部署；結合PEI-DC的運行調控技術，進行園區內“源–網–荷–儲–充”的統一協調；平衡園區運行的經濟性、可靠性與環保性，實現PEI-DC的高效綠色運行。

 

（二）PEI-DC商業與運營模式

結合數據中心的數據挖掘與數據處理功能，PEI-DC運營可以實現園區與用戶間能量流與信息流的互聯互通，充分利用可再生能源，提高能源使用效率，向用戶提供個性化服務，開創新的商業模式。對商業運營模式的探索能夠幫助PEI-DC實現資源優化配置，凸顯競爭優勢。

 

1. 大數據支撐下的清潔供能服務

大量分布式清潔能源接入園區，在帶來清潔供能的同時，其高波動性與不確定性也制約了清潔能源的可靠消納，必須尋求合適的方式進行快速精確的出力預測。PEI-DC廣泛分布的智能量測設備，收集海量數據為大數據技術應用提供了基礎。結合數據分析和天氣建模技術，可以進行混合可再生能源預測，實現海量數據量下的快速評估。大量交互的用戶用能數據信息可用于各種能源的消費預測，根據用戶特性制定適當的激勵機制，促進新能源消納，優化園區用能整體清潔性。在此基礎上，對有特殊用能需求的用戶，深度挖掘其用能數據，刻畫用戶用能畫像，進行源荷匹配，為用戶提供更加穩定可靠的清潔供能服務。

 

2. 基于大數據分析的高可靠性供能服務

部分PEI-DC的能源用戶對供能可靠性有著更高要求，為這類用戶提供高可靠性的能源將是PEI-DC的服務方向之一。利用園區運行過程中收集的海量數據，通過大數據分析方法和AI技術，及時掌握運行中異常問題和潛在風險，實時把控園區運行狀態，規避園區運行存在的風險。利用大數據技術開展用能宏觀變化趨勢和局部用能精細化預測，提高用能預測精準度，更準確地對能源生產與用能進行協同調度，提高園區運行整體穩定性。與用戶簽訂可靠性協議，面向用戶用能需求推出大數據分析增值服務；在園區多能流調度中結合分析結果，利用PEI-DC儲能調度及負荷管理手段來滿足客戶供能特異性需求，實施精準可靠供能。

圖1 PEI-DC的基本架構

 

3.5G和物聯網共同助力下的智能化服務

數據中心的PEI-DC建設模式使得數據中心在選址方面具有更大的自由度，不再局限于單獨建在為其提供充足電力能源的發電廠附近，或在冷卻需求小并因此額外能源需求低的氣候環境中，而是更加靠近用戶側。這為園區內部及其周邊地區的智能化服務推進提供了有利條件。通過5G技術實現園區及其周邊一定范圍內設備到數據中心的高效率交互，區域內穩定且低于1 ms的訪問延遲使汽車自動駕駛、虛擬現實或增強現實系統在保證發揮效率的同時，得以省去本地的數據存儲，并轉而依賴于單位成本更低、數據存儲和計算能力更強的數據中心。與物聯網技術結合，實現園區內多種終端連接到云，通過5G網絡提供穩定高效的連接，PEI-DC將提供多樣化的智能化增值服務。

 

六、數據中心園區能源互聯網的未來發展重點

（一）數據驅動的園區能源互聯網運營模型與方法

PEI-DC廣泛分布的智能量測設備收集了大量信息，包括園區氣象、負荷、交通、能源網架與能源設備的實時與歷史數據，基于數據驅動的相關技術成為有效利用這些數據以更好支持PEI-DC運營的關鍵。在數據驅動下的新能源出力預測、短期負荷預測、電動汽車充電需求預測、熱電耦合系統潮流求解等方向已有一些研究，但研究內容相對獨立和分數。PEI-DC作為一個緊密耦合的系統，從能源生產到消費的各個環節相互關聯、相互影響，從單一角度切入研究的技術若直接應用，將缺失必要的整體效應。PEI-DC的信息層與物理層緊密聯結，為園區數據驅動的運營提供了基礎條件。未來應從PEI-DC整體角度出發，研究數據驅動相關技術在“源–網–荷–儲–充”各個環節的復合應用，充分利用園區內數據中心的海量數據整合、運算、發布能力，通過5G、物聯網等技術實現數據中心到邊緣設備的低延遲、高頻率交互，推動數據驅動下PEI-DC的高效運營。

 

（二）考慮數據中心負荷空間特性的多園區能源互聯網協同調控

隨著數字化進程的加快，在國家“新基建”有關政策的推動下，數據中心產業園項目將不斷建設落地，逐步形成多個產業園區在能源、信息系統方面緊密互聯的局面。在我國電力體制改革和能源結構轉型的大背景下，隨著市場管制的放松，電力與能源市場開始逐步興起。在開放的能源市場下，區域內多個PEI-DC決策主體間以能源價格為導向，根據自身利益最大化進行合作或博弈協同，勢必對區域整體運行的穩定性與經濟性構成挑戰。目前已有基于能源價格的區域內多園區主體的優化調度技術研究，但缺少對數據中心負荷時空特性的考量。上述研究中的園區負荷都具有本地性，根據能源價格的引導只能在時間維度上進行平移或者削減。區別于此，數據中心負荷可以根據區域能源價格的不同，通過互聯網等信息網絡，將數據運算業務向運算成本較低的數據中心轉移，完成空間維度上的負荷轉移。因此，在多PEI-DC的調控中，應進一步考慮數據中心負荷的時空雙重特性，與其他園區負荷的調節能力相結合來平衡區域內負荷在時間與空間上的分布，最終實現區域整體的高效運行。

 

七、數據中心園區能源互聯網的發展建議

(1）技術層面。優先攻關PEI與數據中心間的技術壁壘。數據中心冷卻系統研究的模型并未很好地與電力領域適配，PEI的規劃與調度研究中也鮮有對數據中心負荷特性的考量。對兩者的模型進行適應性修改，或通過接口設計使其相互結合，建立統一完善的PEI-DC規劃/運行模型是當前技術研究的關鍵。

 

(2）實踐層面。我國不同地區在自然資源、社會發展和負荷種類、水平等方面存在明顯差異，PEI-DC的建設不能采用有固定標準的模式，而是要注重與地區實際情況的結合。優選適宜PEI-DC發展的區域作為試點，因地制宜地開展PEI-DC的實踐工作，積累PEI-DC的建設與運營經驗；跟隨“新基建”的浪潮，探尋PEI-DC與5G、大數據、物聯網等發展熱點的相互結合。

 

(3）政策層面。PEI-DC相較于傳統電力系統，其初期建設投入相對較高，可出臺相關財政激勵、稅收減免等政策來推動PEI-DC的投資與建設；完善監管體系，保證發展的科學性與公平性，建立與之配套的能源市場機制。在健全的市場機制下，PEI-DC中各個主體進行互動與交易，充分發揮PEI-DC在負荷調控、源荷協調與多能流調度方面的應用潛力。（作者：王獎 張勇軍 李立浧 李欽豪 蘇潔瑩）