Load Management and Demand Response in Small and Medium Data Centers

Tese de doutoramento em Sistemas Sustentáveis de Energia, apresentada ao Departamento de Engenharia Mecânica da Faculdade de Ciências e Tecnologia da Universidade de CoimbraData centers are the backbone of a growing number of activities in modern economies. However, the large increase of digital content, big data, e-commerce, and Internet traffic is also making data centers one of the fastest-growing users of electricity. The total energy consumption of data centers corresponded to almost 1.5% of the global electricity consumption and has an approximated annual growth rate of 4.3%. Therefore, it is very important to increase the energy efficiency in data centers with actions such as power usage management, server consolidation, energy efficient components and systems, as well as demand response programs and renewable energy sources. Small and medium data centers account for more than 50% of the total electricity consumption in this sector. In fact, surveys indicate that this data center profile waste more energy than larger facilities. Nevertheless, existing studies tend to be focused on the energy related issues for large data centers rather than small and medium data centers. Thus, this work aims to present how an intensive energy consumer, such as small and medium data centers, can become more efficient from the energy point of view and how they can take advantage of demand response programs to decrease costs and to cooperate with the grid to ensure higher reliability and sustainable development goals. For this purpose, a set of actions have been taken in pursuit of this objective. Firstly, a meticulous state-of-the-art literature review of data centers energy efficiency and demand response perspectives was performed, providing fundamental information about the complex and technological world of small and medium data centers, in order to support the knowledge of their flexible load. An energy efficiency survey directed at Brazil, Portugal and the United States was also conducted, showing an alarming reality regarding energy efficiency practices within small and medium data centers. In the same context, an impact and potential assessment on energy efficiency towards small and medium data centers was performed allowing to observe the main advantages, disadvantages and applications in three important methodologies. A design of load management strategies and opportunities for demand response was developed considering a framework with two layers encompassing an energy efficiency methodology, the management of flexibility and the deployment of demand response scenarios with dynamic tariffs or an incentive-based contract. Alongside, the small and medium data centers load mathematical modeling and specification of optimization processes were provided within the same scope with two algorithms implemented with different approaches; one focused on small and medium data centers operators, and other dedicated to distribution system operators. At the data center level, a mixed-integer linear programming optimization technique is used to control flexible loads (considering ICT workload, cooling and UPS), in order to reduce the cost function in a price-based outline or to match the load reduction requirements in an incentive-based outline. Concerning the distribution system operator, a random-rotation and fairness algorithm selects the data centers to be used in each demand response event. Such algorithm deals with small and medium data centers in an aggregated and equitable way by drawing on their joint and flexible loads in contractual terms, as if they were one large data center. Finally, the optimization results were firstly demonstrated in a small and medium data centers perspective, as well as their respective scenarios, in which it has been proven the algorithm operation and reliability. The potential for cost savings in demand response was also proved, being achieved with the considered incentives in the simulation process, savings of 1.33% for small and 5.15% for medium data centers in the incentive approach, and 0.21% for small and 0.68% medium data centers in the dynamic tariff approach. Subsequently, the same premises were utilized with focus on the distribution system operator point of view, enabling to predict specific contractual policies that can be adopted in this type of relationship through the best and the worst scenarios simulations. The scenario with a preponderance of incentives stimulates the adoption of demand response programs applied to small and medium data centers, nevertheless the unchanged and penalty cases enable to forecast an unfavorable scenario for this sort of demand response program. In this context, on one hand, the one single day analysis showed a variation in the reduction potential between 18.02% and 91.16%, while the highest value in the penalty profile was 356 € and in the incentive profile 10,580 €. The 22 business day analyses presented a fluctuation in the reduction potential in the range of 13.12% and 71.38%, whilst the highest value in the penalty profile was 1,200 € and in the incentive profile 84,700 €.Os centros de dados são a base de um número crescente de atividades na economia moderna. No entanto, o grande aumento de conteúdo digital, big data, comércio eletrónico e tráfego da Internet está a tornar os centros de dados um dos utilizadores de eletricidade com um crescimento mais acentuado, com um consumo de energia correspondente a quase 1,5% do consumo global e com uma taxa de crescimento anual de aproximadamente 4,3%. Portanto, é de extrema importância aumentar as iniciativas de eficiência energética em centros de dados, direcionadas para a gestão do uso de energia, a consolidação de servidores, utilização de componentes e sistemas energeticamente eficientes, bem como a adoção de programas de resposta da procura e a utilização de fontes de energia renováveis. Os pequenos e médios centros de dados representam mais de 50% do consumo total de energia neste setor. De fato, pesquisas indicam que esse perfil de centros de dados desperdiça mais energia do que as instalações de maior dimensão. No entanto, os estudos existentes tendem a estar focados nos aspetos do consumo de energia em grandes centros de dados, em vez dos pequenos e médios. Desse modo, este trabalho visa avaliar como um consumidor intensivo de energia, como os pequenos e médios centros de dados, se pode tornar mais eficiente do ponto de vista energético e ao mesmo tempo tirar proveito dos programas de resposta da procura para diminuir custos e cooperar com a rede de energia elétrica, garantindo maior fiabilidade e objetivos de desenvolvimento sustentável. Para cumprir tal propósito, foi desenvolvido um conjunto de ações para alcançar esse objetivo. Em primeiro lugar, foi realizada uma meticulosa revisão bibliográfica abordando a eficiência energética e a resposta da procura no contexto dos centros de dados, fornecendo informações fundamentais sobre este complexo mundo tecnológico, de modo a permitir uma melhor compreensão da sua carga flexível. Além disso, foi realizado um inquérito acerca de eficiência energética direcionada ao Brasil, a Portugal e aos Estados Unidos, mostrando uma realidade alarmante em relação às práticas de eficiência energética nos centros de dados de pequena e média dimensão. No mesmo contexto, foi desenvolvida uma avaliação do impacto e do potencial de eficiência energética nos pequenos e médios centros de dados, permitindo observar as principais vantagens, desvantagens e aplicações considerando três importantes metodologias. Foi proposto um modelo, com duas camadas, para o planeamento de estratégias de gestão de cargas, que engloba oportunidades direcionadas à resposta da procura. Este abrange uma metodologia de eficiência energética, a gestão de cenários de flexibilidade e a implementação por meio de tarifas dinâmicas, ou por um contrato baseado em incentivos. Paralelamente, foram modeladas matematicamente as principais cargas dos pequenos e médio centros de dados e foi feita a especificação dos processos de otimização com dois algoritmos implementados com diferentes abordagens; um focado em operadores de pequenos e médios centros de dados e outro dedicado aos operadores de sistemas de distribuição. Em relação aos centros de dados, foi utilizada uma técnica de otimização de programação linear inteira mista para gestão das cargas flexíveis (considerando cargas de tecnologias da informação e comunicação, climatização e UPS) a fim de minimizar os custos de energia com uma abordagem direcionada à tarifa ou com um contrato baseado em incentivos. Já ao analisar a perspetiva do operador do sistema de distribuição, foi implementado um algoritmo de rotação aleatória e seleção justa dos centros de dados a serem usados em cada evento de resposta da procura, de forma agregada e equitativa, recorrendo às suas cargas flexíveis de forma conjunta em termos contratuais, tal como se tratasse de um grande centro de dados. Por fim, os resultados da otimização foram em primeiro lugar demonstrados na perspetiva dos pequenos e médios centros de dados, bem como os cenários respetivos, em que ficou demonstrado o funcionamento e a fiabilidade do algoritmo. O potencial de poupança na abordagem de resposta da procura baseada em incentivos foi de 1,33% para pequenos centros de dados e 5,15% para médios. Já na abordagem por tarifárias dinâmicas os pequenos centros de dados alcançaram 0,21% e os médios, 0,68%. Posteriormente, as mesmas premissas foram utilizadas com foco no ponto de vista do operador do sistema de distribuição, possibilitando simular políticas contratuais específicas que podem ser adotadas nesse tipo de relação de consumo. Neste contexto, por um lado, a análise de um único dia mostrou uma variação no potencial de redução de potência entre 18,02% e 91,16%, enquanto o valor mais alto no perfil de penalização foi de 356 € e no perfil de incentivo 10,580 €. As análises que consideraram 22 dias úteis apresentaram uma variação no potencial de redução de potência no intervalo de 13,12% e 71,38%, enquanto que o valor mais elevado no perfil de penalizações foi de 1.200 € e no perfil de incentivo 84.700 €.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – (CAPES