CAT蓄电池协调数据中心中多个UPS电池以实现读档灵活性与成本降低
来源：
卡特蓄电池 发布时间：2026-03-27 10:41:13 点击： 次
引言
随着对人工智能、云计算和数字服务需求的持续攀升，行业领导者正越来越多地将大规模数据中心作为支撑这些工作负载的关键基础设施部署。这一趋势的显著例证是亚马逊计划在15年内投资1500亿美元，其中包括在俄亥俄州开发一个占地45万平方英尺的园区[1]。同样，Meta已承诺投入100亿美元在路易斯安那州建设一个面积达400万平方英尺的综合设施，这标志着对基础设施的重大投资[2]。
研究表明，此类扩展包与能源消耗的显著增长存在相关性。2024年全球数据中心能耗达416太瓦时，预计到2030年将攀升至945太瓦时，约占全球电力需求的3%[3]。人工智能工作负载的能源强度是推动这一增长的关键因素，当代AI加速器在提供空前算力的同时，其能耗远超传统硬件。不间断电源(UPS)系统是数据中心的关键基础设施，可在电网故障期间提供重要备用电力。这些系统主要依赖电池即时供电，填补柴油发电机达到满负荷前的供电空白。然而影响数据中心的公共电网停电事件并不频繁，年均仅发生1.5至4.4次[4]。因此，UPS电池在其运行寿命中的放电时间占比不足0.1%，导致大量储能容量长期闲置。以典型10兆瓦数据中心为例，需要15分钟备用供电时长，其配置的UPS电池存储能量达2.5兆瓦时，这些储能在绝大部分运行时间内都处于闲置状态。
不间断电源系统(UPS)的两种主要电池类型为铅酸电池和锂离子电池(Li-ion)。铅酸电池因初始成本较低而在历史上占据主导地位，但其寿命较短且需要频繁的人工维护，这使其主要局限于闲置备用角色。锂离子电池虽初始成本较高，却具备对现代数据中心至关重要的优异特性：更高的能量密度与更低的维护成本，使其能在空间受限的数据中心环境中实现更紧凑、可靠的部署；更长的循环寿命和更高效率，使其明显更适合频繁读档切换和电网服务等动态动作应用[5]。此外，与同等铅酸电池相比，锂离子容量边际成本的持续下降更有利于部署更大规模的能量缓冲系统。这种过度配置的容量至关重要：它确保将专用部分的能量（如SOC ≥ 25%）严格保留作为备用，同时释放剩余容量用于主动电网交互。
这些综合优势使锂离子电池成为现代不间断电源系统的首选方案。市场采用率反映了这一转变，从2019年的48%飙升至2021年的63%[6]。微软都柏林数据中心等实施案例印证了这一趋势，该中心部署锂电系统取代传统不间断电源，在缩减占地面积的同时增强了电网交互能力[7]。不间断电源系统固有的低利用率特性，为从被动备份转向主动双重用途提供了战略机遇。大规模部署为读档灵活性带来显著潜力，包括调频服务、电价响应型负荷转移及可再生能源并网。关键在于，这种主动整合可实现充放电数据的实时监测，相比闲置资产，既促进了自动化健康管理，又提升了系统可靠性。
对于典型数据中心而言，其供电系统可分为四个层级（图1）。在最高层级，变压器将电网电压降压后输送至不间断电源（UPS）单元。UPS还接有柴油发电机作为市电故障时的备用电源。为实现市电与柴油发电机之间的电源切换，自动转换开关（ATS）负责选择供电来源，该切换过程耗时10-20秒[8]。此外，对于柴油发电机而言，内燃机的启动以及发电机达到稳定运行状态需要数秒甚至数十秒时间[9]。在这一关键时段内，由不间断电源（UPS）为数据中心供电。电力随后通过配电单元（PDUs）分配至不同机架，各机架再经由电源分配条将电力传输至单个服务器[10]。该拓扑结构中，UPS位于最高层级，其电池组集中布置于此层级，为后续所有层级供电。该层级通常采用高压交流供电以降低线缆损耗。为消除电力线路向UPS的切换时间，普遍采用如图3(c)所示的双变换UPS架构。通过双变换UPS，1电能通过AC-DC转换存储于电池组，随后经DC-AC转换供机架和服务器使用。然而集中式UPS存在若干缺陷[11]：其一，正常运行期间双级转换会导致4-10%的功率损耗；其二，该架构难以实现大型数据中心的弹性扩展；其三，集中式UPS的单点故障将影响所有下级供电单元。与集中式架构相比，分布式方案将UPS单元部署在供电层级的更低层级，如图1(b1-b2)所示。在模块级实施方案中，多个机柜共享单个不间断电源(UPS)单元。例如，Facebook的设计方案为每六个机柜（约180台服务器）配置一台UPS[11]。该分布式架构最初是为规避集中式UPS系统固有的双重电力转换而开发的。通过定制服务器电源单元(PSU)使其可同时接受电网交流电与电池直流电，备用电池可直接为服务器供电而无需再次转换为交流电——这一过程在我们对腾讯数据中心的案例研究中有详细分析。配电架构可进一步延伸至机柜或服务器层级。以谷歌的基础设施为例，其设计在每台服务器的PSU中集成了专用电池[12]。
UPS电池控制模式可大致分为连续控制与离散控制两类。连续控制通过调节DC-DC变换器的占空比实现精确的功率调节[13][14]，而离散控制则通过调整母线电压在充电、放电和空闲状态间切换[15]。连续控制具备精确跟踪与阻抗检测能力[14]。在该模式下，优化问题的决策变量具有线性约束特性。采用线性目标时，优化问题可转化为线性规划问题，更易于求解。现有研究主要集中于连续控制模式。相比之下，离散控制会引入非线性规划问题，通常求解难度更高，因此鲜有研究考虑该模式。然而实际数据中心采用离散控制，因其能简化控制逻辑，并通过消除电流反馈需求来降低成本[16]。本研究致力于解决多UPS电池系统在离散控制模式下的优化问题。
降低数据中心服务器电力成本的途径主要有两种：提升能源效率与利用UPS电池参与需求响应。先前多数研究聚焦于第一条路径，通过提出更优的数据中心架构设计或优化电源管理技术来实现。Chun等人研究了一种混合型数据中心架构，该架构整合低功耗系统与高性能系统，以高能效方式处理具有不同服务等级协议（SLA）的多样化工作负载[18]。类似地，文献[17]提出了一种面向云数据中心的集成化能源感知资源供给框架。在电源管理方面，Hieu等人[18]提出了一种结合多重使用预测的虚拟机整合算法，以提升数据中心能效。Tseng等人[19]进一步针对视频流数据中心，开发了具有幂律特征的专用虚拟机管理方案。此外，先前研究还探讨了多种技术手段，如芯片功耗控制[20][21]、服务器休眠/关机及供电设备断电[22][23]。
相比之下，利用UPS蓄电池参与需求响应的研究较少。这对激活此类"闲置资源"至关重要，因为它无需额外装备投资，同时能提供读档灵活性并降低用电成本。需求响应可分为基于价格的方案和基于激励的方案。在基于激励的方案中，用户通过减少或中断用电量来换取经济激励。在基于价格的方案中，分时电价（TOU）是最常见的时变电价方案[24]。该方法通过设定日内不同时段的差异化电价实施分时计价。此外，需量电费作为另一种基于价格机制的项目正日益普及，其金额与计费周期内的峰值读档成正比，在某些情况下可占电费总额的30%至70%。现有研究较少将需量电费纳入考量，本研究则同时考虑了分时电价与需量电费的组合机制。
在探究需求响应项目下不间断电源（UPS）电池能量调度的研究中，数据中心配置存在差异。如第1.2节所述，这些配置可按UPS集中式与分布式布局进行划分，且各研究采用的电池数量亦不相同，这意味着控制问题具有不同程度的复杂性。Wang等[25]提出了一种基于模型预测控制（MPC）的分层调度策略，该策略将发电厂与氢燃料电池整合至数据中心的UPS系统中。除模型预测控制外，文献[26]提出了一种基于模糊聚类的改进小生境遗传算法，用于数据中心不间断电源系统的能量调度。在综合能源调度方面，Peng等[27]提出统一能效管理系统来分配波动性可再生能源、UPS电池储能或电网电力。类似地，文献[28]提出了考虑水光风混合可再生能源与UPS协同的优化配置框架。通常，这些研究将UPS电池建模为优化问题中的集中式聚合体，忽略了考虑电池功率约束的分布式UPS电池系统的复杂性。另一些研究则考虑了分布式UPS电池的协调问题。Chen等[29]基于共享机制生态位概念，提出了一种集群分类方法来解决分布式UPS电池控制问题。本研究根据SOC水平将UPS电池分为五类，并对不同组别应用差异化控制策略。Zhang等[30]提出一种基于场景的模型预测控制（MPC）方法，用于协调控制参与事件型项目的多组UPS电池，该方法将调节信号的不确定性纳入考量。
尽管现有研究提出了多样化的控制策略，但如表1所示，在考虑不间断电源（UPS）布局拓扑结构、蓄电池控制模式和峰值负载管理时仍存在三个研究空白。首先，当前鲜有研究探讨分布式拓扑结构中多组蓄电池的协同控制问题——这种拓扑结构因具有更高鲁棒性和可靠性，代表了数据中心供电系统的未来发展趋势，但也使控制任务更具挑战性。此外，随着UPS设备数量的增加，在实施复杂控制算法时保持各UPS的稳定性至关重要。其次，电池离散控制模式（battery discrete control mode）的控制策略研究尚不充分，这导致控制优化问题呈现非线性特征。第三，在需求响应计划方面，现有研究仅考虑对负荷曲线产生即时影响的峰谷电价（TOU tariffs），而未能涵盖以用户月峰值负荷为计费基准的需求电价（demand charge）所产生的长期影响。该控制算法需将长期峰值读档纳入考量。例如，现有研究中，当分时电价较低时，UPS电池通过充电储存更多能量。然而，这种做法容易增加从外部电网输入电力的峰值读档，甚至导致需量电费账单高于通过分时电价差进行的套利收益。值得注意的是，需量电费制度正日益普及，尤其对数据中心等高需求用户而言。这一现象凸显了在开发控制策略时，必须同时兼顾分时电价与需量电费的紧迫性。
