考慮數據中心用能時空可調的電-氣互聯綜合能源系統分布式光伏最大準入容量計算

王丹陽，張沈習，程浩忠，韓 豐，宋 毅，原 凱

（1.上海交通大學電力傳輸與功率變換控制教育部重點實驗室，上海 200240；2.國網經濟技術研究院有限公司，北京 102209）

雙碳目標下，我國提出了2030年光伏和風電總裝機容量超過1 200 GW的發展目標，高比例可再生能源并網成為未來能源系統的典型特征[1]。由于分布式光伏具有安裝場地廣泛、便于就近消納等優勢，國際能源署預測，2024年全球分布式光伏裝機容量可超過600 GW，其中分布式光伏裝機容量的增長量將占全球光伏總裝機增長量的近一半[2]。如何顯著提高能源系統靈活性，實現高比例可再生能源接入后的經濟、穩定運行，成為當下研究熱點。

另一方面，隨著5G、云計算、人工智能等新一代信息技術蓬勃發展，作為信息系統物理載體的數據中心能耗不斷上升。2021年，我國數據中心總用電量將突破2 000×108kW·h，并以超過10%的年均增長率繼續增長[3-5]。數據負載通過數據網絡在時間或空間尺度遷移時，數據中心能耗隨之進行時空轉移，因此數據中心用能具有顯著的時空可調特性。龐大的用能規模和靈活的時空調節能力使數據中心用能成為一種富有潛力的新型靈活性資源[5]。此外，在雙碳目標下能源系統形態也在不斷進化，以多能互補、能源梯級利用為特色的綜合能源系統具有靈活性更強、能源利用效率更高的優勢，將成為未來能源系統的典型形態[5-6]；且多能源系統的預測、監測、調度等過程也需依賴數據中心作為信息物理載體[7]。因此，有必要在集成數據中心的綜合能源系統背景下，對清潔能源可接入容量極限進行分析。

目前，在利用數據中心用能時空可調特性促進清潔能源消納方面，已有學者進行了部分研究。針對單個數據中心，文獻[8]基于數據負載時間可調特性，建立數據中心靈活性用能機制模型，促進能耗向可再生能源生產高峰時段平移；文獻[9]為集成可再生能源的數據中心建立多目標數據負載調度模型，在最大限度利用可再生能源的同時，最小化數據負載完成時間和總能耗；文獻[10]在數據中心內集成不間斷電源系統，利用電儲能減輕峰值工作量、平滑可再生能源供應；文獻[11]則進一步利用動態啟發式算法，在消納可再生能源、削減峰值功率和維持不間斷電源系統可用性之間進行最優化設計；文獻[12]設計了包含超級電容器和儲氫的新型數據中心電氣結構，借助能源轉換過程進一步提升數據中心用能靈活性和清潔能源消納能力；除集成電儲能外，文獻[13]同時分析了并網模式和孤島運行模式下，數據中心微電網內分布式光伏消納水平；文獻[14]考慮電價、可再生能源出力和數據負載不確定性對數據中心用能及清潔能源消納的影響；但文獻[8-14]均未對數據負載空間轉移特性進行分析。針對地理位置分散的數據中心，文獻[15]對不同可再生能源供能比例下數據中心的碳排放及總成本進行對比分析，但并未考慮數據中心用能時間可調特性。文獻[16-17]同時考慮了數據負載時間、空間轉移特性對清潔能源消納的促進作用，其中，文獻[16]通過在數據中心微能源網中配備蓄熱裝置提升清潔能源消納水平；文獻[17]考慮不同數據中心所在地電價的不同，利用啟發式算法求解以能源成本最小化和收益最大化為目標建立的調度模型，間接促進成本較低的清潔能源消納；但文獻[16-17]模型中的可再生能源均建造在數據中心附近，未考慮能源網絡安全約束。目前，大部分研究均在電力系統場景下分析數據中心用能時空可調特性對清潔能源消納的促進作用，在綜合能源系統場景下的相關研究仍有所欠缺。

本文在集成數據中心的區域級綜合能源系統中，充分考慮數據中心用能時空可調特性及電-氣互補對清潔能源消納的促進作用，提出一種考慮數據中心用能時空可調的電-氣互聯綜合能源系統分布式光伏最大準入容量計算方法。首先，建立數據中心能耗計算模型，并對數據中心用能時空可調特性進行分析；然后，構建集成數據中心的電-氣互聯綜合能源系統分布式光伏最大準入容量優化模型，通過凸松弛技術和增量分段線性化方法將模型轉化為混合整數二階錐模型進行求解；最后，在97節點電網和11節點氣網算例中對模型有效性進行驗證，計算得出算例中分布式光伏最大準入容量，并分析了電-氣能源網絡安全約束對分布式光伏最大準入容量的影響。

1 數據中心建模及用能時空可調特性分析

1.1 數據中心建模

數據中心用能具備時空可調特性，是一種龐大的新型需求響應主體[18]。但相比于常規的綜合需求響應資源，數據中心作為能量流-數據流耦合的物理載體，在建模時還需考慮信息系統內數據負載調度、最大響應時間等因素的影響。

1.1.1 數據中心能耗計算模型

數據中心能耗可通過數據中心電能使用效率PUE（power usage effectiveness）和IT設備能耗計算，本文利用服務器能耗代表IT設備能耗，并基于動態電壓頻率調節DVFS（dynamic voltage/frequency scaling）技術對服務器能耗進行建模。基于DVFS技術設計的服務器具有離散可調的工作頻率，每種工作頻率對應不同的工作電壓、芯片運行頻率和服務率，因此，可根據工作負載動態調節服務器能耗，達到節能效果。數據中心能耗具體模型[19]可表示為

式中：Pdc，t為數據中心在t時刻的總能耗；PUE為數據中心能源使用效率常數；PIT，t為t時刻IT設備的總能耗；M為不同種類服務器集合；S為某種服務器不同工作狀態集合；Pm，s，t為t時刻處于s工作狀態的m類服務器能耗，由靜態能耗Pm，st和動態能耗Pm，dy，t構成，基于DVFS技術，服務器動態能耗Pm，dy，t與芯片工作頻率 fm，s，t相關；km為m類服務器的動態能耗計算系數。

1.1.2 數據中心運行約束

1）數據負載總和約束

本文考慮數據中心承擔交互型和批處理型兩類數據負載。數據負載到達率為單位時間內分配給數據中心的數據負載量。在t時段，N個數據中心的數據負載到達率總和λt可表示為

2）服務率總和約束

服務率代表數據中心處理數據負載的能力。N個數據中心在單位時段t能提供的服務率總和μt可表示為

式中：μt為各個數據中心內不同種類處于不同工作狀態服務器所能提供的服務率之和：為在單位時段t數據中心i內m類處于s工作狀態的服務器的服務率。

從所處理數據負載類型的角度，μt也可表示為

3）最大響應時間約束

交互型數據負載和批處理型數據負載的最大響應時間約束分別為

式中：Ditr為交互型數據負載最大響應時間；ditr為數據負載傳輸延遲時間，本文假設為某一具體常數[20]。對于批處理型數據負載，由于最大響應時間可達幾小時甚至幾天，數據中心在最大響應時間Tbatch內完成數據負載處理即可。

1.2 數據中心用能時空可調特性分析

數據中心能耗可分為IT設備能耗和輔助設備能耗，其中，輔助設備能耗主要為制冷能耗；IT設備能耗與服務器處理的數據負載量密切相關。根據延遲容忍度的不同，數據負載可分為對延遲容忍度較低的交互型數據負載和對延遲容忍度較高的批處理型數據負載[20]。交互型數據負載包括視頻直播、商業交易應用和數據查詢等，最大響應時間一般在毫秒級別；而批處理型數據負載通常涵蓋了科學計算、圖像處理和大規模數據分析等，最大響應時間可長達幾分鐘至幾天[21]。其中，批處理型數據負載由于最大響應時間較長，具有較高的時空調節靈活度；而交互型數據負載雖然對延遲容忍度較低、時移能力有限，但光纖極快的傳輸速度和僅為0.02 ms/km左右的傳輸延遲[22]為交互型數據負載空間轉移提供了可能。

目前，數據中心生產環境已經具備了工作負載時空調度的能力：在時間尺度上，混合部署技術可將交互型和批處理型數據負載配置在同一臺服務器上，在保證交互型數據負載優先處理的前提下，服務器尖峰功率時刻推遲批處理型數據負載的處理[23]；在空間尺度上，一個數據中心服務商通常包括多個地理位置不同的數據中心[20]，得益于云計算技術的發展，理論上數據負載的處理可不受地域限制，但在實際決策時還需考慮時間延遲、計算資源等的影響。此外，數據中心實時管理系統和以DVFS技術為代表的服務器功率調節技術，也是即時調度數據中心設備用能密度、實現工作負載時空轉移的重要技術基礎。當數據負載到達前端服務器時，前端服務器可經數據鏈路分配調度每個數據中心的數據負載到達率，進而改變數據中心內服務器單位時間需處理的數據負載量。基于DVFS技術，服務器可根據數據負載量的不同動態調節芯片運行頻率，隨之改變工作電壓，在調節IT設備能耗的同時實現節能的目的。

數據負載時空調度示意如圖1所示，由圖1可知，在滿足數據服務需求的前提下，依據不同的調度目標重塑各時段地理分散的數據中心數據負載曲線，可實現各數據中心IT設備時序用能曲線的調整。在數據中心電能使用效率一定的情況下，調節IT設備能耗可促使制冷等其他輔助設備能耗改變[24]。此外，部分數據中心還配置了儲能設備，進一步提高了數據中心整體用能在時間尺度上的靈活性。通過對數據負載進行時空調度，首先，可避免機房內局部用電集中導致的服務器運行過熱等問題，保障數據中心安全運行；其次，也可對數據中心用能進行時空轉移，進而平抑能源系統的負荷峰谷差，為電網提供調頻輔助服務及促進清潔能源就地消納等。

圖1 數據負載時空調度示意Fig.1 Schematic of spatio-temporal transfer of data load

目前，國外部分數據中心運營商與能源服務商已經開展了實際合作，例如，北歐通訊公司Telia與芬蘭能源公司在赫爾辛基的合作項目[25]和瑞典斯德哥爾摩數據中心園區項目[26]等。我國也出臺了《推進“互聯網+”智慧能源發展的指導意見》、《電力需求側管理辦法》和《關于提升電力系統調節能力的指導意見》等文件，肯定了未來數據中心與能源行業的密切關系，為包含數據中心在內的第三方獨立主體參與電力系統協同運行提供了政策支持。江蘇同里能源互聯網示范區的“多站合一”全直流預制式數據中心，以及廣東東莞松山湖高新區巷尾站“多站合一”直流微電網示范項目等均為我國能源服務商參與數據中心相關業務的探索實例。

2 “源荷”典型時序場景構建

為計算集成數據中心的電-氣互聯綜合能源系統中分布式光伏的最大準入容量，需構建分布式光伏出力和電-氣負荷典型時序場景集。本文基于模糊C均值聚類生成“源荷”典型時序場景，為避免聚類結果陷入局部最優，并保證生成場景的典型性，利用CH（+）指標對不同聚類數下的聚類結果進行評價，選取評價最優時的聚類數K進行聚類。CH（+）指標的計算公式可表示為

式中：TK、PK分別為類間和類內離差平方和，反映類間分離度和類內緊湊度；N為樣本總數；K為聚類數。CH（+）指標最高時的聚類數即為最佳聚類數。

在確定最佳聚類數后，首先，輸入迭代終止閾值、最大迭代次數等參量，并初始化聚類中心；然后，根據聚類中心計算隸屬度矩陣，利用更新后的隸屬度矩陣計算下一次的聚類中心；最后，不斷更新迭代直到隸屬度矩陣變化小于迭代終止閾值，由此構建“源荷”典型時序場景。

3 分布式光伏最大準入容量優化模型

在集成數據中心的區域級電-氣互聯綜合能源系統中，通過協同調度不同功能區的數據負載，既有助于緩解服務器尖峰時刻發熱問題，保障數據中心安全運行；又有利于調節數據中心用能曲線，降低系統峰谷差、促進分布式清潔能源消納。本文考慮的集成數據中心電-氣互聯綜合能源系統結構如圖2所示。由圖2可知，能源系統包括電力系統、天然氣系統和電-氣互聯綜合能源系統能源站。在電力系統中集成了光伏、變壓器、電儲能及含數據中心在內的電負荷；天然氣系統主要包括氣源及氣負荷；電力系統和天然氣系統通過能源站耦合，站內包括分布式光伏、燃氣輪機等能源轉換設備；能源站站內數據中心和站外數據中心通過數據鏈路在云端進行信息交互，數據中心內的服務器對數據負載進行處理；基于“多站合一”的思想，本文假設綜合能源服務商即數據中心運營商。能源站結合數據中心、儲能站結合數據中心均在整體結構圖中有所體現。

圖2 集成數據中心的電-氣互聯綜合能源系統整體結構Fig.2 Overall structure of electricity-gas integrated energy system with data centers

3.1 目標函數

以多個分布式光伏同時并網時的裝機容量之和作為分布式光伏最大準入容量，優化模型中的目標函數可表示為

式中，PPV，i為第i處分布式光伏裝機容量，i=1，2，…，n，n為分布式光伏裝機數量。

3.2 約束條件

3.2.1 電力系統運行約束

1）電力系統潮流約束

配電網Distflow潮流約束為

式中：ΩEl為電網支路集合；k（i，：）為以節點i為首端的支路k；k（：，i）為以節點i為末端的支路k；k（i，j）為以節點i為首端、節點 j為末端的支路k；Pk、Qk、Ik、Rk、Xk分別為支路k的有功功率、無功功率、電流、電阻和電抗；Ui、Uj分別為節點i、j處的電壓；分別為節點i處注入的有功功率和無功功率。

2）節點電壓約束

3）分布式光伏出力約束

受外界環境及自身設備等因素限制，分布式光伏出力具有一定限值；此外，由于光伏逆變器的功率因數很高，一般忽略光伏無功出力，即

式中，PD，i、QD，i和分別為第i處分布式光伏有功出力、無功出力和有功出力上限。

4）電儲能運行約束

在集成了分布式光伏的電力系統中，考慮在數據中心附近或分布式光伏接入點附近集成電儲能。各儲能電站運行約束可表示為

3.2.2 天然氣系統運行約束

1）天然氣系統能流約束

考慮天然氣系統為中壓天然氣系統，天然氣系統能流約束為

式中：Fk為天然氣管道k的氣體流量；T0、p0分別為標準溫度和標準大氣壓；pi、pj分別為管道k兩端節點i、j處的氣壓；Dk、Lk、Tk分別為天然氣管道直徑、管道長度和管道內天然氣溫度；ρ為天然氣相對密度；ΩGl為天然氣管道集合；為節點i處注入的天然氣流量，若節點i處接入天然氣負載，則為負值。

2）節點氣壓約束

3）氣源出氣量約束

式中：FS，i為接入氣網節點i的氣源出氣量；分別為該處氣源出氣量的上、下限。

4）管道傳輸容量約束

式中：Fk為天然氣管道k的氣體流量；為天然氣管道k氣體流量最大值。

3.2.3 集成數據中心的能源站運行約束

基于“多站合一”的思想，考慮能源站集成燃氣輪機、分布式光伏和數據中心。分布式光伏出力約束為式（17）；數據中心能耗計算模型及運行約束為式（1）～（9）；燃氣輪機運行約束為

3.3 模型轉化與求解

針對模型中的非凸非線性項，利用二階錐松弛方法對電力系統潮流方程進行轉凸處理；利用增量分段線性化方法對天然氣管道氣流方程進行線性化處理。在此基礎上，將原模型轉化為混合整數二階錐模型進行求解。

4 算例分析

4.1 算例設置

97節點電網和11節點氣網[27]算例如圖3所示。由圖3可知，電力系統和天然氣系統通過2個綜合能源站進行耦合。基于“多站合一”思想，綜合能源站I和綜合能源站II內均包含數據中心和3.2MW的燃氣輪機；此外，綜合能源站I還集成了分布式光伏；數據中心C則建設在儲能站中，站內包括容量為1 MW·h、充放電功率為250 kW電儲能。分布式光伏與電、氣負荷典型時序場景基于華東某地實際數據由模糊C均值算法聚類得到，在聚類數為3時CH（+）指標取值最大。因此，以分布式光伏裝機容量和電-氣負荷功率歷史最大值為基準值，得到分布式光伏及電-氣負荷功率系數曲線如圖4所示。

圖3 集成數據中心的電-氣互聯綜合能源系統測試算例Fig.3 Test example of electricity-gas integrated energy system with data centers

圖4 分布式光伏及電-氣負荷功率系數曲線Fig.4 Coefficient curves of distributed photovoltaic and electricity-gas load power

算例中考慮了3個數據中心。其中，數據中心A和數據中心B分別位于電-氣互聯綜合能源系統能源站I和能源站II內，數據中心C接入電網81節點。各數據中心PUE值設置為1.5，服務器數量均為3 000臺。數據中心A、B、C內的服務器CPU類型分別為 Intel Pentium 950、Intel Pentium 4630和AMD Athlon[18]，3類CPU均有5種可選工作頻率。各數據中心原始數據負載曲線如圖5所示，本文假設各時段數據負載中交互型數據負載和批處理型數據負載到達率占比均為50%[23]，交互型數據負載最大響應時間設置為100 ms，批處理型數據負載響應時間上限設置為24 h。

圖5 各數據中心數據負載到達率Fig.5 Data load arrival rate of each data center

算例利用Gurobi進行優化求解。根據是否考慮數據中心用能的時間和空間可調特性設置4個場景。其中，場景1不考慮數據中心用能時空可調特性；場景2僅考慮數據中心用能時間可調特性；場景3僅考慮數據中心用能空間可調特性；場景4同時考慮數據中心用能時間和空間可調特性。

4.2 不同場景對比分析

數據中心用能時空可調性主要來自于數據負載的時空轉移。在僅考慮數據負載時間可調特性的場景2中，各數據中心在時間尺度上對自身數據負載進行平移；在僅考慮數據負載空間可調特性的場景3中，各時段3個數據中心處理的數據負載總量不變，但數據負載可在空間范圍內進行調度；場景4則是在時間和空間尺度上協同調度的結果。

不同場景下分布式光伏最大準入容量結果如表1所示，表1中“√”為場景中考慮某一因素；“×”為場景中不考慮某一因素。相較場景1，場景2和場景3的分布式光伏最大準入容量總和分別增加了1.66 MW、0.24 MW；在同時考慮數據中心用能時空可調特性的場景4，分布式光伏最大準入容量總和增加了1.75 MW。由此可以發現，數據中心用能時間可調特性和空間可調特性對于分布式光伏消納都具有一定促進作用。在本算例中數據中心用能時間可調特性較空間可調特性促進作用更強，二者共同作用對系統分布式光伏消納的促進效果最明顯。

表1 不同場景下分布式光伏最大準入容量計算結果Tab.1 Calculation results of maximum allowable access capacity of distributed photovoltaic under different scenarios

通過對比數據負載調度前后各數據中心處理的數據負載量，能直觀地呈現數據負載在時間、空間尺度上的調度情況，如圖6所示。由圖6（a）～（c）可以看出，與場景1相比，在分布式光伏出力較多的11：00—13：00時，場景2的數據中心A、B、C處理的數據負載量分別增加了3.96×108條、3.75×108條和4.97×108條。數據中心B由于本身數據負載量較大、服務器數量有限等原因，轉移至該分布式光伏出力較多，時段的數據負載量最少，說明數據中心B在時間尺度上的可調潛力相對較小。由圖6（d）～（f）對比則可以發現，在僅考慮數據負載空間可調特性的場景3中，數據中心B在分布式光伏出力較多的時段明顯向數據中心A、C轉移了部分數據負載，且主要向數據中心C轉移；在10：00—14：00時段，數據中心B轉出的數據負載中90.4%轉移至數據中心C處理。對于場景4，一方面，數據中心B將自身數據負載向分布式光伏出力較多的時段平移；另一方面，也將相當一部分數據負載空間轉移至數據中心C，數據中心C集中在分布式光伏出力較多的時段處理這部分數據負載，從而進一步擴大了系統總體的光伏消納空間。因此，同時利用數據中心用能時間、空間可調特性對整個系統分布式光伏消納的促進作用更為明顯。

圖6 各場景下數據中心數據負載量對比Fig.6 Comparison of data load of each data center under different scenarios

數據負載時空轉移直接改變了各數據中心服務器的工作狀態，從而實現數據中心用能的時空調度。對于單個數據中心而言，數據中心內各服務器工作狀態的變化是數據中心用能變化的直接原因。以數據中心A為例，在典型日1時，場景1和場景2的數據中心A內處于不同工作狀態服務器的數量如圖7所示。圖7中，工作狀態0為服務器處于關機狀態；工作狀態5為服務器服務率及功耗最大狀態；工作狀態1～5為服務器服務率及功耗逐漸增加狀態。與場景1相比，場景2的數據中心A在如0：00—6：00等分布式光伏出力較小的時段，僅開啟部分服務器處理不具有時間可調性的交互型數據負載。但在分布式光伏出力較多的11：00-13：00，數據中心A處于工作狀態5的服務器數量分別增加了1 131臺、620臺和788臺，從而實現數據中心用能在時間尺度上的平移。

圖7 數據中心A不同工作狀態下的服務器數量Fig.7 Quantity of servers at Data Center A in different working states

服務器工作狀態的變化不僅改變信息設備能耗，也影響了以制冷設備為代表的其他輔助設備功率，進而實現對數據中心整體用能的調節。圖8給出了典型日1內各場景下3個數據中心的能耗。由圖8可以看出，在僅考慮數據中心用能時間可調的場景2，各數據中心能耗明顯向分布式光伏出力較多的時段平移。以12：00為例，場景2下數據中心A、B、C的能耗分別較場景1增加了0.30 MW·h、0.21 MW·h和0.63 MW·h。在僅考慮數據中心用能空間可調的場景3中，數據中心B的數據負載在分布式光伏出力較多的時段向數據中心A、C進行了空間轉移。在11：00—13：00，數據中心B的能耗較場景1降低了1.67 MW·h，數據中心A、C的能耗分別增加了0.387 MW·h和1.58 MW·h，以促進消納數據中心A、C附近接入的分布式光伏。對比場景2和場景4數據中心能耗曲線可以看出，同時考慮數據中心用能在時間、空間上的可調特性，有助于整個系統中數據中心用能向分布式光伏出力較多的時段進行更集中的平移；在10：00—14：00，場景4下，3個數據中心總能耗較場景2增加了1.84%，以充分消納整個系統內的清潔電力。

圖8 各場景下數據中心能耗Fig.8 Energy consumption by each data center under different scenarios

4.3 電-氣能源網絡安全約束對分布式光伏最大準入容量的影響

鑒于目前大多利用數據中心用能時空可調特性促進清潔能源消納的研究均聚焦于數據中心自身功率平衡，未考慮能源網絡安全約束的影響。本文在考慮數據中心用能時空可調特性的基礎上，根據是否考慮電-氣能源網絡安全約束進一步設置了4個場景進行對比分析，各場景下分布式光伏最大準入容量的具體結果如表2所示。

表2 不同電-氣能源網絡安全約束下分布式光伏最大準入容量Tab.2 Maximum allowable access capacity of distributed photovoltaic under different security constraints of electricity-gas networks

不同場景下，電網安全約束包括電壓幅值約束和電力線路傳輸容量約束；氣網安全約束包括氣壓約束和輸氣管道傳輸容量約束。對比場景5和場景7可以看出，在忽略電力網絡安全約束的情況下，分布式光伏最大準入容量增長了6.3%。忽略電力網絡安全約束將導致實際運行時能源網絡無法消納這部分分布式光伏出力，造成投資浪費和棄光現象的發生。

在考慮天然氣網絡安全約束前、后，分布式光伏最大準入容量變化較小。這是由于在本文中天然氣系統和電力系統僅考慮通過燃氣輪機進行耦合，在保障燃氣輪機正常運行的情況下，忽略氣壓及氣體管道傳輸容量約束對電力系統分布式光伏最大準入容量造成的影響較弱。但是，隨著P2H、P2G等技術的進步，天然氣系統和電力系統耦合程度不斷加深，未來天然氣網絡安全約束對于分布式光伏最大準入容量的影響可能不斷增強。

5 結語

本文在計及電-氣能源網絡安全約束的前提下，提出一種考慮數據中心用能時空可調特性的電-氣互聯綜合能源系統分布式光伏最大準入容量計算方法。算例分析表明，在一定地理范圍內，數據中心用能時間可調特性對于分布式光伏最大準入容量的提升作用優于空間可調特性的促進作用，同時考慮數據中心用能時間、空間可調特性可進一步擴大系統整體的光伏消納空間；電-氣互補對于提高能源系統靈活性和促進清潔能源消納也具有一定積極影響；考慮能源網絡安全約束，有助于合理配置分布式光伏容量，提高分布式光伏利用率。

在后續研究中，對集成數據中心的電-氣-熱綜合能源系統分布式清潔能源最大準入容量計算仍待深入研究，包括數據中心熱慣性和余熱回收對分布式清潔能源最大準入容量的影響等；此外，針對數據中心運營商與綜合能源服務商為不同主體的場景，多主體間的交易機制與互動策略也將對能源系統內分布式可再生能源最大準入容量產生影響，值得進一步探討。