利用带经济指标的智能算法优化数据中心选址以支撑配电网

数据中心是增长最快的电力消费群体之一，当连接到薄弱的配电网时，可能造成严重的电压下降和馈线损耗。本文提出了一个技术经济选址问题，其中每个候选数据中心站点被映射到配电网的一个母线，并假设部署现场可再生能源发电和电力电子接口，从而产生等效于分布式发电的可控净有功功率注入。建立了一个混合整数非线性优化模型，在网络运行限值约束下联合选择接入母线并确定 DG 容量。目标函数结合了三个归一化项：有功损耗、反映电压分布质量的电压偏差指数，以及由位置相关土地价格和单位 DG 成本导出的投资成本。为处理离散-连续搜索空间，将智能遗传算法嵌入具有自适应权重调节的多场景决策框架中。三种利益相关者场景分别优先考虑损耗、电压质量或技术经济平衡，并自动生成额外的平衡场景，直至最优母线决策收敛。在 IEEE 33 母线辐射状系统上的案例研究证明了该方法的有效性。收敛后的设计选择了母线 14 并配置 1.10 MW DG，将总损耗从 202.67 kW 降至 129.37 kW，同时将最低母线电压提升至 0.933 标幺值，投资成本适中，为 1.33 MUSD。所提框架提供了一条可解释的途径，将经济指标整合到配电网感知的数据中心选址中。