[论文解读] Incentivizing Users of Data Centers Participate in The Demand Response Programs via Time-Varying Monetary Rewards

Yong Zhan, Xu Du+2 more|arXiv (Cornell University)|Apr 7, 2016

Smart Grid Energy Management参考文献 19被引用 3

一句话总结

本文提出了一种时变货币奖励机制，以激励具有灵活截止时间的数据中心用户自愿推迟其工作负载，从而在不造成性能损失的情况下实现需求响应。基于博弈论框架，该方法确保了非侵入性、公平性和成本保障，使峰值负载最多降低20.9%，整体电费成本降低7.4%（基于真实世界的数据 trace）。

ABSTRACT

Demand response is widely employed by today's data centers to reduce energy consumption in response to the increasing of electricity cost. To incentivize users of data centers participate in the demand response programs, i.e., breaking the "split incentive" hurdle, some prior researches propose market-based mechanisms such as dynamic pricing and static monetary rewards. However, these mechanisms are either intrusive or unfair. In this paper, we use time-varying rewards to incentivize users, who have flexible deadlines and are willing to trading performance degradation for monetary rewards, grant time-shifting of their requests. With a game-theoretic framework, we model the game between a single data center and its users. Further, we extend our design via integrating it with two other emerging practical demand response strategies: server shutdown and local renewable energy generation. With real-world data traces, we show that a DC with our design can effectively shed its peak electricity load and overall electricity cost without reducing its profit, when comparing it with the current practice where no incentive mechanism is established.

研究动机与目标

• 解决‘激励分歧’问题，即数据中心与用户在需求响应参与方面缺乏一致激励。
• 设计一种非侵入性、截止时间敏感且公平的奖励机制，使用户可自愿参与。
• 确保用户在新定价模式下的最大成本不超过基准成本。
• 将奖励机制与现有需求响应策略（如服务器关机和可再生能源发电）相结合。
• 在保持利润的前提下，通过最优时变奖励最小化数据中心的电费成本。

提出的方法

• 构建单一数据中心与其用户之间的博弈论模型，捕捉用户在工作负载推迟决策上的战略行为。
• 将用户的剩余收益建模为性能退化和时变奖励的函数，并基于奖励阈值推导出主导策略。
• 将数据中心的成本最小化问题建模为凸优化问题，最优时变奖励作为解求得。
• 通过仅向推迟请求的用户支付奖励，并按其贡献比例分配，确保机制的公平性。
• 通过与服务器关机和本地可再生能源发电策略的集成，扩展机制以增强整体需求响应效果。
• 通过最大成本保障机制保留基准成本，确保用户不会比在固定费率或按用量计价模式下更差。

实验结果

研究问题

• RQ1 数据中心如何激励具有灵活截止时间的用户自愿推迟工作负载，且不造成性能损失？
• RQ2 何种时变奖励结构可确保公平性、非侵入性和用户成本保障？
• RQ3 数据中心与用户之间的博弈论互动如何影响工作负载推迟决策？
• RQ4 何种最优奖励策略可在最小化数据中心电费成本的同时保持利润？
• RQ5 将奖励机制与服务器关机或可再生能源发电相结合，如何改善需求响应结果？

主要发现

• 基于真实世界美国YouTube数据 trace，所提机制使数据中心的峰值电力负载降低了20.9%。
• 与无激励机制的基线实践相比，整体电费成本降低了7.4%。
• 该机制维持了用户成本保障，确保无用户支付高于传统定价模式下的费用。
• 将时变奖励与服务器关机策略结合，进一步降低了峰值负载和电费成本。
• 与本地可再生能源发电的集成也带来了峰值负载和整体电费成本的额外降低。
• 理论分析证实，用户会根据奖励阈值采用主导策略，验证了该机制的战略鲁棒性。