[Paper] 经济和生态影响：sector coupling 在计算集群中的应用

发布: 1天前 (2026年4月28日 GMT+8 20:07)

8 分钟阅读

原文: arXiv

Source: arXiv - 2604.25540v1

Overview

该论文研究了部门耦合——即将电力需求转移到可再生能源丰富的时段——如何使高性能计算（HPC）集群在运行成本更低且更环保。通过对德国电网数据的模拟，作者展示了动态调度的计算工作负载可以在仍然满足长期科学计算目标的前提下，降低碳排放和电费。

数据收集 – 德国电力生产结构、现货市场价格以及电网平均 CO₂ 强度的小时时间序列数据取自 Open Power System Data 平台。
工作负载抽象 – 集群的总计算需求表示为一个固定的“计算目标”（例如，每月 CPU‑hours）。允许短期延迟，但必须满足累计的目标。
成本与排放模型 –
- 运营成本 = Σ (priceₜ × powerₜ × runtimeₜ)
- 运营排放 = Σ (CO₂‑intensityₜ × powerₜ × runtimeₜ)
- 嵌入式排放 = 制造排放 / 预期使用寿命，按运行时间比例分配。
优化 – 采用混合整数线性规划（MILP）选择每小时的利用率（0 = 关闭，1 = 满负荷），在满足累计计算目标的前提下分别最小化各目标。
验证 – 将最优调度应用于两个未见过的月份；模型检查目标是否仍然达成，并记录实际的成本/排放结果。
情景模拟 – 通过改变可再生能源渗透率、价格波动和工作负载弹性等参数，预测未来的潜在收益。

目标	与基准（静态 24/7）相比的典型节省
电力成本	≈ 12 % 降低（约 € 0.9 百万/年，针对 10 MW 集群）
运营 CO₂	≈ 15 % 降低（约 2 千吨 CO₂/年）
嵌入式排放	影响较小（≈ 1 % 降低），因为硬件折旧在长期总量中占主导
利用模式	在上午 10 点–下午 2 点及下午 6 点–晚上 10 点达到峰值，此时风/光盈余导致低价格和低碳强度。
目标稳定性	在两个验证期间，累计计算目标的偏差 ≤ 2 %，确认了可行性。
未来情景	若可再生能源比例提高 30 % 且定价更具动态性，成本节省可升至 ≈ 20 %，而排放削减可超过 25 %。

研究表明，即使是适度灵活的科学工作负载也能利用电网的“绿色窗口”，而不会危及研究进度。

对于开发者来说，关键点很简单：将作业提交 API 暴露给实时价格/CO₂ 信号，便能在无需大幅代码改动的情况下实现显著的成本和可持续性收益。

未来的研究方向包括整合 实时工作负载分析，将框架扩展到 多站点联邦集群，以及测试 机器学习驱动的预测调度器，以提前数天预测可再生能源盈余。