本发明涉及电力系统调配领域，尤其涉及一种基于需求响应合同的数据中心的功耗调控方法及系统。
背景技术：
随着用电需求的增大，仅通过发电侧对电力系统电力的整合分配与调节，难以应对具有波动性的新能源发电接入后带来的实时供需平衡问题，需要重新认识电力需求侧的作用。需求响应作为智能电网建设的重要措施，能够通过价格信号和激励机制来引导用户的用电行为，从而提高电力市场运行效率并有效改善电力系统的灵活性与可靠性，并有利于对新能源的消纳利用。数据中心作为运算服务的提供商，已有大量研究基础表明，其功耗负载是灵活可调的，但现有技术中的调整方案精确度较低，并不能有效的带来效益。
技术实现要素：
本发明所要解决的技术问题是针对现有技术的不足，提供一种基于需求响应合同的数据中心的功耗调控方法及系统。
本发明解决上述技术问题的技术方案如下：一种基于需求响应合同的数据中心的功耗调控方法，包括：
步骤1、获取功耗数据、数据中心的特征向量以及需求响应合同的信息，并对所述功耗数据、所述特征向量以及所述需求响应合同的信息进行预处理，得到标准输入数据；
步骤2、将所述标准输入数据输入至合同模型，得到抑抵时段和目标线；
步骤3、根据所述抑抵时段和所述目标线对所述标准输入数据中的功耗数据进行调整。
本发明的有益效果是：通过对功耗数据以及特征向量等的预处理可以提高工作的效率，另外，通过对抑抵时段和目标线的计算可以使得对功耗数据的调整更为精准，同时还提高了电力系统的灵活性与可靠性，同时可以利用数据中心海量任务中批处理任务可推延的特性有针对性有计划地响应需求，及时快速的做出相应处理，此外，由于针对每种合同都可以生成相应的调整策略，大大的节省了数据中心的耗电成本，保护环境，节约资源。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，步骤2具体为：
将所述标准数据中的需求响应合同的信息分别输入至n种合同模型，处理后得到每种合同模型下的抑抵日期、抑抵时间以及抑抵功率，通过所述抑抵日期、所述抑抵时间以及所述抑抵功率计算得出每种合同模型下的抑抵时段以及每种合同模型下的目标线。
采用上述进一步方案的有益效果是，通过n种合同模型的建立可以有效的增加对需求响应合同处理的全面性，另外，由于是计算每种合同模型下的抑抵时段以及目标线，因此，每个需求响应合同都会有n种调节方案，可以供用户挑选使用，同时也为后续选取最优调整方案打下基石。
进一步，步骤3具体为：
对每种合同模型下的抑抵时段以及每种合同下的目标线计算，得到每种合同模型下的延迟功耗负载及延迟负载补偿，根据所述延迟功耗负载及所述延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
采用上述进一步方案的有益效果是，通过对延迟功耗负载以及延迟负载补偿的计算可以准确的得知需要调整的方向以及具体数值，提高调整的精确程度。
进一步，步骤3之后还包括：
步骤4、将所述延迟功耗负载及所述延迟负载补偿输入至迁移惩罚模型，处理后得到每种合同模型下的迁移惩罚成本结果。
采用上述进一步方案的有益效果是，通过对每种合同下延迟功耗负载及延迟负载补偿的处理可以使得数据中心针对特定需求响应合同制定的动态调控方法能够有效提高激励措施的奖励总值，从而节约数据中心的耗电成本。
进一步，步骤4之后还包括：
步骤5、根据所述迁移惩罚成本结果计算每种合同模型下的动态调控的获利，选取获利最高的合同模型，并根据所述获利最高的合同模型下的延迟功耗负载及延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
采用上述进一步方案的有益效果是，结合奖励机制后对调整方案作出最优的选取，不仅是对资源的最大利用同时也可以使得数据中心运行负载能够面向特定需求响应合同进行有针对性地调控与平抑，从而得以从电力供应商处获得最大的电费扣减。根据系统方法进行动态调控不仅能够优化数据中心电力成本，更能够最大化提高智能电网的灵活性并保证电网稳定运行。
本发明解决上述技术问题的另一种技术方案如下：一种基于需求响应合同的数据中心的功耗调控系统，包括：
获取模块、用于获取功耗数据、数据中心的特征向量以及需求响应合同的信息，并对所述功耗数据、所述特征向量以及所述需求响应合同的信息进行预处理，得到标准输入数据；
输入模块、用于将所述标准输入数据输入至合同模型，得到抑抵时段和目标线；
调整模块、用于根据所述抑抵时段和所述目标线对所述标准输入数据中的功耗数据进行调整。
本发明的有益效果是：通过对功耗数据以及特征向量等的预处理可以提高工作的效率，另外，通过对抑抵时段和目标线的计算可以使得对功耗数据的调整更为精准，同时还提高了电力系统的灵活性与可靠性，同时可以利用数据中心海量任务中批处理任务可推延的特性有针对性有计划地响应需求，及时快速的做出相应处理，此外，由于针对每种合同都可以生成相应的调整策略，大大的节省了数据中心的耗电成本，保护环境，节约资源。
进一步，输入模块具体用于：
将所述标准数据中的需求响应合同的信息分别输入至n种合同模型，处理后得到每种合同模型下的抑抵日期、抑抵时间以及抑抵功率，通过所述抑抵日期、所述抑抵时间以及所述抑抵功率计算得出每种合同模型下的抑抵时段以及每种合同模型下的目标线。
采用上述进一步方案的有益效果是，通过n种合同模型的建立可以有效的增加对需求响应合同处理的全面性，另外，由于是计算每种合同模型下的抑抵时段以及目标线，因此，每个需求响应合同都会有n种调节方案，可以供用户挑选使用，同时也为后续选取最优调整方案打下基石。
进一步，调整模块具体用于：
对每种合同模型下的抑抵时段以及每种合同下的目标线计算，得到每种合同模型下的延迟功耗负载及延迟负载补偿，根据所述延迟功耗负载及所述延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
采用上述进一步方案的有益效果是，通过对延迟功耗负载以及延迟负载补偿的计算可以准确的得知需要调整的方向以及具体数值，提高调整的精确程度。
进一步，还包括：
成本计算模块、用于将所述延迟功耗负载及所述延迟负载补偿输入至迁移惩罚模型，处理后得到每种合同模型下的迁移惩罚成本结果。
采用上述进一步方案的有益效果是，通过对每种合同下延迟功耗负载及延迟负载补偿的处理可以使得数据中心针对特定需求响应合同制定的动态调控方法能够有效提高激励措施的奖励总值，从而节约数据中心的耗电成本。
进一步，还包括：
确定模块、用于根据所述迁移惩罚成本结果计算每种合同模型下的动态调控的获利，选取获利最高的合同模型，并根据所述获利最高的合同模型下的延迟功耗负载及延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
采用上述进一步方案的有益效果是，结合奖励机制后对调整方案作出最优的选取，不仅是对资源的最大利用同时也可以使得数据中心运行负载能够面向特定需求响应合同进行有针对性地调控与平抑，从而得以从电力供应商处获得最大的电费扣减。根据系统方法进行动态调控不仅能够优化数据中心电力成本，更能够最大化提高智能电网的灵活性并保证电网稳定运行。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明一种基于需求响应合同的数据中心的功耗调控方法的实施例提供的流程示意图；
图2为本发明一种基于需求响应合同的数据中心的功耗调控系统的实施例提供的结构框架图；
图3为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的各时段基本电费适用的用电需量示意图；
图4为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的获取当月基准日和抑低日索引流程图；
图5为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的流动电费扣减流程图；
图6为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的抑低日索引与竞价列表对应示例图；
图7为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的动态调控样例示例图；
图8为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的数据中心单日能耗数据，即预处理后输出的示例图；
图9为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的功率及能耗示例图；
图10为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的原始功耗数据与动态调控后数据示例图；
图11为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的竞价结果示例图；
图12为本发明一种基于需求响应合同的数据中心的功耗调控方法的其他实施例提供的奖励金额总值与均值示例图。
附图中，各标号所代表的部件列表如下：
100、获取模块，200、输入模块，300、调整模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种基于需求响应合同的数据中心的功耗调控方法，包括：
步骤1、获取功耗数据、数据中心的特征向量以及需求响应合同的信息，并对功耗数据、特征向量以及需求响应合同的信息进行预处理，得到标准输入数据；
步骤2、将标准输入数据输入至合同模型，得到抑抵时段和目标线；
步骤3、根据抑抵时段和目标线对标准输入数据中的功耗数据进行调整。
在一些可能的实施方式中，通过对功耗数据以及特征向量等的预处理可以提高工作的效率，另外，通过对抑抵时段和目标线的计算可以使得对功耗数据的调整更为精准，同时还提高了电力系统的灵活性与可靠性，同时可以利用数据中心海量任务中批处理任务可推延的特性有针对性有计划地响应需求，及时快速的做出相应处理，此外，由于针对每种合同都可以生成相应的调整策略，大大的节省了数据中心的耗电成本，保护环境，节约资源。
需要说明的是，本发明研究并分析了中国台湾电力公司为保障电网系统稳定而推行的需求响应负载管理措施，提出将数据中心作为一种能够动态调控负载的整体耗电单位，综合设计了支持需求响应政策的方案模型以及以高斯正态分布的概率密度函数为基础的市场竞价模型，从而建立起的一种面向特定需求响应合同的数据中心动态调控方法，其中，步骤2中合同模型为：
1)电费结构模型
电费结构主要由基本电费、流动电费和超约附加电费所构成，部分措施还会包括功率因数调整费对达标以及奖励的判定依情况调整。
基本电费适用的总契约容量由经常契约容量、非夏季月份的契约容量、周六半尖峰契约容量和离峰时契约容量共同组成。如图3所示，图3展示了不同时段基本电费适用的用电需量，即不同时段的总契约容量的组成结构。
流动电费：如表格1所示，流动电费依时间不同，所定费率也不同
表1流动电费不同时段所定费率
超约附加电费：当月用电最高需量超过其契约容量时，超过部分在契约容量10％以下部分按2倍计收基本电费；超过契约容量10％部分按3倍计收基本电费。
功率因数调整费：每月用电实际情况的抑低平均执行率不及80％时，每减少1％，该月份电费相应增加0.1％；超过80％时，每超过1％，该月份电费相应减少0.1％，平均执行率超过95％部分不再给予扣减。
最终，总电费＝基本电费 流动电费 超约附加电费-功率因数调整费
2)需求响应合同模型
模型统一规定m为每月初始数据中心与电力公司签订合同时约定的抑低契约容量，vi为抑低月份数据中心第i天的实际抑低契约容量，如为负值则记为0，若超出m则记为m；n为本月数据中心应当执行功率抑低的天数，k为本月数据中心实际满足抑低条件的天数。接下来会详细介绍“计划性”“临时性”和“需量竞价”三种需求响应合同模型的建立过程。
计划性合同模型
计划性减少用电措施用以促使用户将工作日的用电转移至周六、日，即，非尖峰日，使用，或将平日尖峰时段的用电转移至非用电高峰时段。此种减少用电措施的诱因为约定抑低的契约容量，依不同执行率给予基本电费扣减。其扣减比率r与执行率x满足表2所示关系：
表2计划性合同电费扣减比率与抑低执行率的关系
注：执行率x为：
其中，vi≥0.25m，若当月未全数完成需求响应合同(即k<n)，则扣减比率r需调整为：
由于此类措施的执行是以月为单位，实现的关键在于如何排除非抑低日，准确的获取当月的抑低日，并根据每个抑低日选取对应的基准日以用于计算本月的基准用电容量。为解决该问题，图4展示了本设计获取当月基准日和抑低日索引的方式，首先获取初始化日期编号，标注出首个备选日，判断备选日是否为基准日，若是，则在备选日中随机设立抑抵日，若否则重新标注首个备选日，将抑抵日所对应的前n项设为基准日，并判断抑抵日数是否达标，若是则完成设定，若不是则重新再备选日中随机设定抑抵日。
3)临时性合同模型
这种措施的特点在于紧急通知，使用户在工业用电时能够配合供应商的实际情况抑低用电，促使用户在电力系统紧急供电状态时降低负载。其诱因为：依据用户选择地通知方式，基于基本电费 流动电费的扣减；若当次实际抑低容量<最低契约容量，需加计电费。电力公司根据电力系统实际负荷情况，通知数据中心进行需求响应，数据中心可以选择执行2小时或4小时，每天最多一次，每月需求响应总时长不超过36小时；数据中心可以选择提前15分钟、30分钟、1小时或2小时四种通知方式，电费奖励标准随之降低。电费奖励金额f由三部分组成，基本电费奖励f1、流动电费奖励f2(vi＜m时，f2为0)以及加计电费f3(vi＜m时)，其中ti为执行抑低时数，ei为流动电费扣减标准：
f＝f1 f2-f3
基本电费以及流动电费扣减标准如表3所示：
表3临时性基本电费、流动电费扣减标准
而流动电费的扣减方式在百分百达到抑低目标后的统一扣减不变，但其根据达标程度，即天数，的不同有不同的扣减方式，图5展示了流动电费扣减的计算过程，首先输入相关变量，并调整初始化，判断本次抑抵情况是否达标，若达标则判断本次报价单价是否小于基准电费扣减，并计算第n次附加扣减并判断n是否等于抑抵日总天数，若是则进行扣减求和并输出总流动扣减、附加扣减，若n不等于抑抵日总天数，则循环进行判断本次抑抵情况是否达标，若不达标则将第n次附加扣减变更为0并判断n是否等于抑抵日总天数，若是则进行扣减求和并输出总流动扣减、附加扣减，若n不等于抑抵日总天数，则循环进行判断本次抑抵情况是否达标。
另外，需量竞价模型的建立如下：
电力公司根据电力系统实际负荷情况，通知数据中心进行需求响应，数据中心可以选择执行2小时或4小时，每天最多一次，每月需求响应总时长不超过36小时；数据中心可以于每天11时前申请变动电价数据中心，电力公司在限电前一日下午6小时或提前2小时通知数据中心，f2公式表示流动电费的扣减情况：
f2＝vi×ti×ei×r
其中，ti为执行抑低时数，ei为流动电费扣减标准
竞价措施的扣减比率r与执行率xi满足表4所示关系：
表4需量竞价合同电费扣减比率与抑低执行率的关系
注：执行率；
若未完成需求响应天数累计超过三次，则之后月份不予电费扣减。若提前两小时通知，则r为120％。
竞价策略成功率通过高斯分布(gaussiandistribution)的概率密度函数获得：
为了统一使竞价合同的结果与其他合同执行的结果相比较，需要将分为4种不同的情况统一整合并依概率执行，即：设置总体约束，单次抑低执行时长固定为2小时或4小时，执行需求响应的次数在[9,18]之间，总执行时间不得超过36小时，针对单次执行抑低情况，每一种通知类型(前一日18时前，前两小时)触发的概率分别为50％。
n2h×2h n4h×4h＝limit_timetol
9≤n2h n4h≤18
其中limit_timetol(≤36h)表示总抑低执行时间，n2h(<9)表示抑低执行时长为2h的天数，n4h(<9)表示抑低执行时长为4h的天数。
随机生成一个元素个数为的n2h n4h的01列表，根据编号索引对应时间的月数据值，分别计算两种通知类型的不同方式的扣减比率等。
另外，在融合2h与4h抑低情况的时候需将抑低日索引与竞价列表值的索引对应。
图5展示了索引对应的方法，最上面一行代表总共有n个编号为3抑低日和m个编号为4的抑低日，中间为初始的时期标注，编号2、1分别代表当月首日和周末，不可选；编号3、4代表选择后的抑低日。随后将两种不同情况的抑低日按日期顺序顺位匹配得到竞价列表的索引便得以完成抑低日索引与竞价列表值的索引的一一对应。
此外，针对本发明中的原始功率，将数据中心视为电网系统中大型的不可忽略的负载，数据中心的容量通常描述其运行峰值负载时的功耗，从而充分利用。实验选择planetlab实验室提供的负载数据建立数据中心单月负载变化的模型，将服务器cpu利用率的数据转换为服务器的功耗数据。其中，cpu利用率与服务器能耗的关系如下式所示：
p＝c0 ca ucpu(0＜ucpu≤1)
cpu使用率与能耗的关系如下式所示：
p(ucpu)＝kpmax (1-k)pmaxucpu
其中，ucpu表示cpu利用率，则pmax表示cpu在利用率达到100％时的最大功率，这里取300w/台，k为服务器在零负载状态时的功耗与服务器在满负载状态时的功耗的比值，根据实验分析结果，这里取70％。
cpu使用率随着时间的推移而改变，因此在某时间点的cpu使用率用ucpu(t)来表示，则当用cpu能耗粗略代表服务器的能耗时如下式所示：
e＝tp(ucpu(t))
则某段时间内(t1～t2)的服务器能耗如下式所示：
优选地，在上述任意实施例中，步骤2具体为：
将标准数据中的需求响应合同的信息分别输入至n种合同模型，处理后得到每种合同模型下的抑抵日期、抑抵时间以及抑抵功率，通过抑抵日期、抑抵时间以及抑抵功率计算得出每种合同模型下的抑抵时段以及每种合同模型下的目标线。
在一些可能的实施方式中，通过n种合同模型的建立可以有效的增加对需求响应合同处理的全面性，另外，由于是计算每种合同模型下的抑抵时段以及目标线，因此，每个需求响应合同都会有n种调节方案，可以供用户挑选使用，同时也为后续选取最优调整方案打下基石。
优选地，在上述任意实施例中，步骤3具体为：
对每种合同模型下的抑抵时段以及每种合同下的目标线计算，得到每种合同模型下的延迟功耗负载及延迟负载补偿，根据延迟功耗负载及延迟负载补偿对标准输入数据中的功耗数据进行调整。
在一些可能的实施方式中，通过对延迟功耗负载以及延迟负载补偿的计算可以准确的得知需要调整的方向以及具体数值，提高调整的精确程度。
优选地，在上述任意实施例中，步骤3之后还包括：
步骤4、将延迟功耗负载及延迟负载补偿输入至迁移惩罚模型，处理后得到每种合同模型下的迁移惩罚成本结果。
在一些可能的实施方式中，通过对每种合同下延迟功耗负载及延迟负载补偿的处理可以使得数据中心针对特定需求响应合同制定的动态调控方法能够有效提高激励措施的奖励总值，从而节约数据中心的耗电成本。
需要说明的是，数据中心动态调控是以可变负载迁移进行的形式进行动态电压调节(dvs)，而负载的迁移的任务对象包含无成本平抑的批处理式任务和交互式任务两种，而数据中心在降低交互式任务的功耗时必将引起对服务质量(qos)的影响一起其他迁移成本，本系统设定引入迁移惩罚模型，考虑数据中心在完成动态调控时所需要付出的成本。
首先设总抑低幅度为alimit，ts为合同要求开始时刻，tdc为数据中心实际开始时刻，则有：
alimit＝vbasic-vreal(ts)
在动态调控过程中，实验通过抑低因子来控制调控时每次的实际抑低情况，计算方式由单次抑低执行率推导所得：
其中，rimple为本次抑低的执行率；vbasic为本次抑低日当日的基准用电容量，由抑低日前五日同时段的平均用电容量计算而得；vreal为本次抑低的实际用电容量，需保证vreal<vbasic，若vreal≥vbasic则本次抑低执行率为0；vlow_limit为签订合同时双方约定的最低抑低契约容量，代表本月每次抑低容量的达标阈值。
由数据中心特性模型中可知：
vreal＝vbasic-(rimple 1)vlow_limit
另设：
rimple 1＝flimit
其中flimit即为抑低因子。
实际抑低容量vreal由抑低因子
其中tadj为非抑低→抑低的调节时间，抑低→补偿的调节时间，tlimit为抑低时间，tup为负载补偿时间，ts合同要求开始时刻，tdc数据中心实际开始时刻：
tpre＝ts-tdc
tadj＝ts-tdc
tup≤24h-tlimit
迁移总负载rl：
通过抑低契约容量调节，开始的功率是一定的，开始的时刻tdc，结束的时刻
惩罚模型由函数y＝f(x)表示，假设数据中心某次单次抑低最大百分比为k，则抑低时段内每抑低1kw对应抑低成本为p元，关系如下：
p＝f(k)
代入之前建立的由合同为主导的实际抑低情况中，t1到t2为单次抑低时段，a点表示本次抑低的基准用电容量，b点表示实际抑低到达的容量。
图7为模拟的动态调控结果，orig为原始功耗，dr1为调控后功耗，common_v为本数据中心的经常契约容量，basic_v为基准用电容量，baseline是本次抑低需要达到的功率数。假设k为本次抑低执行的百分比，a、b间的关系为：
b＝a(1-k)
本次抑低总惩罚可表示为：
sum_penalty＝p(a-b)(t2-t1)＝akf(k)(t2-t1)
其中，数据中心原始数据决定a值，合同约定决定t1与t2，由此可见，抑低成本只与我们设定的惩罚金额的模型以及k值决定，且k值即为前面提到的rimple，受可调节变量抑低因子
优选地，在上述任意实施例中，步骤4之后还包括：
步骤5、根据迁移惩罚成本结果计算每种合同模型下的动态调控的获利，选取获利最高的合同模型，并根据获利最高的合同模型下的延迟功耗负载及延迟负载补偿对标准输入数据中的功耗数据进行调整。
在一些可能的实施方式中，结合奖励机制后对调整方案作出最优的选取，不仅是对资源的最大利用同时也可以使得数据中心运行负载能够面向特定需求响应合同进行有针对性地调控与平抑，从而得以从电力供应商处获得最大的电费扣减。根据系统方法进行动态调控不仅能够优化数据中心电力成本，更能够最大化提高智能电网的灵活性并保证电网稳定运行。
如图2所示，一种基于需求响应合同的数据中心的功耗调控系统，包括：
获取模块100、用于获取功耗数据、数据中心的特征向量以及需求响应合同的信息，并对功耗数据、特征向量以及需求响应合同的信息进行预处理，得到标准输入数据；
输入模块200、用于将标准输入数据输入至合同模型，得到抑抵时段和目标线；
调整模块300、用于根据抑抵时段和所述目标线对标准输入数据中的功耗数据进行调整。
在一些可能的实施方式中，通过对功耗数据以及特征向量等的预处理可以提高工作的效率，另外，通过对抑抵时段和目标线的计算可以使得对功耗数据的调整更为精准，同时还提高了电力系统的灵活性与可靠性，同时可以利用数据中心海量任务中批处理任务可推延的特性有针对性有计划地响应需求，及时快速的做出相应处理，此外，由于针对每种合同都可以生成相应的调整策略，大大的节省了数据中心的耗电成本，保护环境，节约资源。
优选地，在上述任意实施例中，输入模块200具体用于：
将所述标准数据中的需求响应合同的信息分别输入至n种合同模型，处理后得到每种合同模型下的抑抵日期、抑抵时间以及抑抵功率，通过抑抵日期、抑抵时间以及抑抵功率计算得出每种合同模型下的抑抵时段以及每种合同模型下的目标线。
在一些可能的实施方式中，通过n种合同模型的建立可以有效的增加对需求响应合同处理的全面性，另外，由于是计算每种合同模型下的抑抵时段以及目标线，因此，每个需求响应合同都会有n种调节方案，可以供用户挑选使用，同时也为后续选取最优调整方案打下基石。
优选地，在上述任意实施例中，调整模块300具体用于：
对每种合同模型下的抑抵时段以及每种合同下的目标线计算，得到每种合同模型下的延迟功耗负载及延迟负载补偿，根据延迟功耗负载及延迟负载补偿对标准输入数据中的功耗数据进行调整。
在一些可能的实施方式中，通过对延迟功耗负载以及延迟负载补偿的计算可以准确的得知需要调整的方向以及具体数值，提高调整的精确程度。
优选地，在上述任意实施例中，还包括：
成本计算模块、用于将延迟功耗负载及延迟负载补偿输入至迁移惩罚模型，处理后得到每种合同模型下的迁移惩罚成本结果。
在一些可能的实施方式中，通过对每种合同下延迟功耗负载及延迟负载补偿的处理可以使得数据中心针对特定需求响应合同制定的动态调控方法能够有效提高激励措施的奖励总值，从而节约数据中心的耗电成本。
优选地，在上述任意实施例中，还包括：
确定模块、用于根据迁移惩罚成本结果计算每种合同模型下的动态调控的获利，选取获利最高的合同模型，并根据获利最高的合同模型下的延迟功耗负载及延迟负载补偿对标准输入数据中的功耗数据进行调整。
在一些可能的实施方式中，结合奖励机制后对调整方案作出最优的选取，不仅是对资源的最大利用同时也可以使得数据中心运行负载能够面向特定需求响应合同进行有针对性地调控与平抑，从而得以从电力供应商处获得最大的电费扣减。根据系统方法进行动态调控不仅能够优化数据中心电力成本，更能够最大化提高智能电网的灵活性并保证电网稳定运行。
实施例1，由于系统各个模块参数较多以及模块间耦合的复杂性，我们未使用任何现有的仿真软件包，直接使用python丰富的数学函数库(numpy、pandas等)自行构建模型系统，在实验中，我们选取了planetlab实验室提供的负载数据作为实验数据集进行模拟调控。
按照单个数据中心拥有5万台服务器，且it及通讯设备占数据中心总能耗的50％计算得出数据中心每15分钟的能耗(单位：kw·h)。处理后的能耗数据如图8所示，以单日为例，总耗电情况自24(早6时)开始呈现逐渐上升趋势，至48(中午12时)到达高峰并持续到60(下午3时)。
数据中心能耗数据依据时间序列排序，实验选取夏月6月的数据进行一个月耗电数据，图中展示了所选月份的数据中心能耗数据以及实时功率，其中，横坐标为时间轴，其标签数值代表这一个月(按30天计算)内的第n个15分钟；“数据中心功耗”表示该数据中心的实时功率(单位：kw·h)，数据由原始数据集根据cpu利用率转化所得；“数据中心能耗”则表示该数据中心每15分钟平均的能耗值(单位：kw/15min)，由实时功耗计算而得。
实验结果
一共在模型系统上仿真五种不同的合同情况：(1)计划性月减8日型。这种策略要求数据中心每月任选8日进行抑低，每次抑低执行7小时。(2)计划性日减6时型。这种策略要求数据中心每月工作日均进行抑低，每次抑低执行6小时。(3)临时性紧急通知型。这种策略要求数据中心每月随时接受调节信号，每次抑低执行2或4小时。(4)需量竞价可靠型。这种策略要求数据中心可以提前约定通知时间并在通知后参与电网报价，竞价成功后进行抑低执行。(5)需量竞价经济型。这种策略要求数据中心每月随时接受调节信号，每次抑低执行2或4小时，同时参与电网扣减电费的报价。
(1)动态调控结果
实验经常契约容量按照高于原始数据最高值(24200kw )的3％的原则设定为25000kw，最低抑低契约容量依合同要求按照经常契约容量的15％计算所得(3750kw)。为了更好的反映实验结果，在此设定抑低契约容量＝最低抑低契约容量，以降低动态调控的奖励门槛，另针对需量竞价措施设定参与电网定价时的用户总数量为200。
图10展示了程序运行后输出的五种需求响应措施所对应的原始功耗以及调控后的功耗数据，其中，编号①为计划月减8日型，编号②为计划日减6时型，编号③为临时性紧急通知型，编号④为需量竞价经济型，编号⑤为需量竞价可靠型。
图中深色水平直线为经常契约容量，浅色水平直线表示每次抑低需要达到的容量，由数据中心与台电公司共同商议确定，这里对五种方案统一分别确定使用25000kw和3750kw；深色折线线条表示原始的功耗数据，浅色折线线条则表示根据每种方案的具体要求调控后的功耗曲线。调控的基准用电容量需要分别根据每种措施不同的计算方法确定：比如方案②、③中的基准用电容量由每月初始的几天确定整个月份的基准值，而方案①、④、⑤的基准值则依据每个抑低日的前五个非抑低日的用电情况确定。
(2)竞价结果
图11展示了随机12次的竞价情况，黄线代表数据中心报价，黑线代表此轮边际竞价后的最终结果，即若数据中心报价低于黑线值则得标，本月可以己方报价参与数据中心的需求响应；若高于边际报价最高值，即黄线位于黑线右侧，则本月数据中心竞标失败，不参与本月的需求响应，并以原始电价付费。
为表现每种措施本身的方案约束特征，以便于总结发现影响总奖励金额以及波动性的原因，本文将10次实验的平均总奖励金额、抑低日数、单次抑低执行时长、本月抑低总时长、本月执行抑低频率(次/月)数据如表5所示，图12直接展示了五种方案奖励总金额与每小时的平均奖励。
表5实验数据表
由图表可知，方案②因其每月超长的抑低总时间获得了五种方案中最高的总奖励金额，且由于其单次抑低时间较长，以及计划性措施所具有的在实施方案前便已确定次月每日的抑低时段的特性，对数据中心本身的灵敏性灵活性要求不高，故而对于能够较长时段迁移负载的数据中心，即闲置服务器相对较多，运营时间相对较长的大型数据中心，能够获得最高额的奖励。
方案③、方案④和方案⑤单位时间内的奖励金额都有不错的回馈效果，其中，方案③单次抑低时间短、每月抑低次数多，方案④和方案⑤作为需量竞价紧急通知型方案，其每次抑低开始前的响应时间短，其中方案⑤无论是总奖励金额还是平均奖励金额都更为突出。这三者都对于数据中心抑低灵活性有所要求，也小型可灵活调控负载的数据中心单位抑低时间的性价比最高。
除此之外，对于方案④和方案⑤这两种需量竞价措施，合理报价参与电网定价也是可以有效提高单位时间抑低性价比的方式。
可以理解，在一些实施例中，可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是，上述各实施例是与在先方法实施例对应的产品实施例，对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
1.一种基于需求响应合同的数据中心的功耗调控方法，其特征在于，包括：
步骤1、获取功耗数据、数据中心的特征向量以及需求响应合同的信息，并对所述功耗数据、所述特征向量以及所述需求响应合同的信息进行预处理，得到标准输入数据；
步骤2、将所述标准输入数据输入至合同模型，得到抑抵时段和目标线；
步骤3、根据所述抑抵时段和所述目标线对所述标准输入数据中的功耗数据进行调整。
2.根据权利要求1所述的一种基于需求响应合同的数据中心的功耗调控方法，其特征在于，步骤2具体为：
将所述标准数据中的需求响应合同的信息分别输入至n种合同模型，处理后得到每种合同模型下的抑抵日期、抑抵时间以及抑抵功率，通过所述抑抵日期、所述抑抵时间以及所述抑抵功率计算得出每种合同模型下的抑抵时段以及每种合同模型下的目标线。
3.根据权利要求2所述的一种基于需求响应合同的数据中心的功耗调控方法，其特征在于，步骤3具体为：
对每种合同模型下的抑抵时段以及每种合同下的目标线计算，得到每种合同模型下的延迟功耗负载及延迟负载补偿，根据所述延迟功耗负载及所述延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
4.根据权利要求3所述的一种基于需求响应合同的数据中心的功耗调控方法，其特征在于，步骤3之后还包括：
步骤4、将所述延迟功耗负载及所述延迟负载补偿输入至迁移惩罚模型，处理后得到每种合同模型下的迁移惩罚成本结果。
5.根据权利要求4所述的一种基于需求响应合同的数据中心的功耗调控方法，其特征在于，步骤4之后还包括：
步骤5、根据所述迁移惩罚成本结果计算每种合同模型下的动态调控的获利，选取获利最高的合同模型，并根据所述获利最高的合同模型下的延迟功耗负载及延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
6.一种基于需求响应合同的数据中心的功耗调控系统，其特征在于，包括：
获取模块、用于获取功耗数据、数据中心的特征向量以及需求响应合同的信息，并对所述功耗数据、所述特征向量以及所述需求响应合同的信息进行预处理，得到标准输入数据；
输入模块、用于将所述标准输入数据输入至合同模型，得到抑抵时段和目标线；
调整模块、用于根据所述抑抵时段和所述目标线对所述标准输入数据中的功耗数据进行调整。
7.根据权利要求6所述的一种基于需求响应合同的数据中心的功耗调控系统，其特征在于，输入模块具体用于：
将所述标准数据中的需求响应合同的信息分别输入至n种合同模型，处理后得到每种合同模型下的抑抵日期、抑抵时间以及抑抵功率，通过所述抑抵日期、所述抑抵时间以及所述抑抵功率计算得出每种合同模型下的抑抵时段以及每种合同模型下的目标线。
8.根据权利要求7所述的一种基于需求响应合同的数据中心的功耗调控系统，其特征在于，调整模块具体用于：
对每种合同模型下的抑抵时段以及每种合同下的目标线计算，得到每种合同模型下的延迟功耗负载及延迟负载补偿，根据所述延迟功耗负载及所述延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
9.根据权利要求8所述的一种基于需求响应合同的数据中心的功耗调控系统，其特征在于，还包括：
成本计算模块、用于将所述延迟功耗负载及所述延迟负载补偿输入至迁移惩罚模型，处理后得到每种合同模型下的迁移惩罚成本结果。
10.根据权利要求9所述的一种基于需求响应合同的数据中心的功耗调控系统，其特征在于，还包括：
确定模块、用于根据所述迁移惩罚成本结果计算每种合同模型下的动态调控的获利，选取获利最高的合同模型，并根据所述获利最高的合同模型下的延迟功耗负载及延迟负载补偿对所述标准输入数据中的功耗数据进行调整。
技术总结