Greening multi-tenant data center demand response with - PowerPoint PPT Presentation

Greening ¡multi-­‑tenant ¡data ¡center ¡demand ¡response ¡ with ¡parameterized ¡supply ¡function ¡bidding Niangjun ¡Chen ¡ Xiaoqi Ren, ¡Shaolei Ren, ¡and ¡Adam ¡Wierman 9/26/16 1

2 ¡stories ¡about ¡energy ¡and ¡data ¡centers Typical ¡story: ¡data ¡centers ¡ are ¡energy ¡hogs ¡ Emerging ¡story: ¡data ¡centers ¡ are ¡valuable ¡resources Idea: ¡use ¡data ¡centers ¡for ¡demand ¡response ¡(DR) 9/26/16 2

Data ¡centers ¡have ¡great ¡potential ¡for ¡DR ~$5 ¡million cost! 20 ¡MW ¡Data ¡Center 700 ¡kWh ¡fast ¡charging, ¡ with ¡20% ¡flexibility optimally ¡placed ¡storage ¡ [Liu ¡et ¡al ¡2014] Current ¡practice: ¡turn ¡on ¡diesel ¡generator ¡upon ¡utility’s ¡request - costly ¡and ¡inefficient! This ¡talk: ¡Efficient ¡DR ¡in ¡Multi-­‑tenant ¡Data ¡Centers 9/26/16 3

Multi-­‑tenant ¡(colocation) ¡data ¡centers Multiple ¡tenants ¡house ¡and ¡manage ¡their ¡own ¡servers ¡ independently ¡in ¡ shared space Data ¡center ¡operator ¡is ¡mainly ¡responsible ¡for ¡facility ¡support ¡ (e.g., ¡power ¡supply, ¡cooling) 9/26/16 4

Multi-­‑tenant ¡(colocation) ¡data ¡centers Multiple ¡tenants ¡house ¡and ¡manage ¡their ¡own ¡servers ¡ independently ¡in ¡ shared space Data ¡center ¡operator ¡is ¡mainly ¡responsible ¡for ¡facility ¡support ¡ (e.g., ¡power ¡supply, ¡cooling) Hyper-­‑scale ¡(e.g. ¡google): ¡7.8% Enterprise: ¡53% Colocation: ¡37% 9/26/16 5 …of ¡total ¡data ¡center ¡industry ¡electricity ¡usage

Why ¡target ¡ mu multi ti-­‑ -­‑te tenant data ¡center ¡for ¡DR? Most ¡multi-­‑tenant ¡data ¡centers ¡are ¡in ¡metropolitan ¡areas - Downtown ¡Los ¡Angeles, ¡New ¡York, ¡Silicon ¡Valley, ¡etc. This ¡is ¡where ¡demand ¡response ¡is ¡ most needed! 9/26/16 6 CoreSite’s “One ¡Wilshire” ¡(Photo: ¡CoreSite) ¡

Our ¡contribution: ¡a ¡simple ¡and provably ¡efficient mechanism ¡to ¡incentivize ¡tenants’ ¡reduction ¡ min α · y + Σ i c i ( s i ) Goal: s.t. y + Σ i s i = δ Operator’s ¡challenge: cost ¡of ¡local ¡generation cost ¡of ¡load ¡reduction 1. No ¡direct ¡control ¡of ¡tenants’ ¡reduction ¡ s i meets ¡energy ¡reduction ¡target 2. Tenants’ ¡private ¡cost ¡ c i ¡ unknown Our ¡proposal: ¡use supply ¡function ¡bidding y : ¡amount ¡of ¡local ¡generation ¡ ¡ ¡ ¡ ¡ ¡ ¡ α : ¡unit ¡price ¡of ¡diesel ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ δ: reduction ¡target s i : ¡load ¡reduction ¡of ¡tenant ¡ i c i : ¡cost ¡of ¡reduction ¡of ¡tenant ¡ i 9/26/16 7

Why ¡supply ¡function ¡bidding? ¡ 1. VCG ¡type ¡mechanisms ¡are ¡problematic ¡in ¡energy ¡settings [Zhang ¡et ¡al ¡2015] ¡[Rothkopf 2007] among ¡them: - tenants ¡required ¡to ¡submit ¡complex ¡bid - allocation ¡problem ¡for ¡operator ¡is ¡NP ¡hard - price ¡differentiation ¡… 9/26/16 8

Why ¡supply ¡function ¡bidding? ¡ 1. VCG ¡type ¡mechanisms ¡are ¡problematic ¡in ¡energy ¡settings [Zhang ¡et ¡al ¡2015] ¡[Rothkopf 2007] 2. Supply ¡function ¡bidding ¡is ¡widely ¡used ¡in ¡electricity ¡market [Baldick et ¡al ¡2004] ¡[Day ¡et ¡al ¡2002] ¡[David ¡and ¡Wen ¡2000] 3. Prior ¡work ¡on ¡supply ¡function ¡bidding Unconstrained ¡supply ¡function, ¡ [Klemperer ¡and ¡Meyer ¡1989] ¡[Niu et ¡al ¡2005] ¡ no ¡performance ¡guarantee parameterized ¡supply ¡function, ¡ [Johari and ¡Tsitsiklis 2011] ¡[Xu et ¡al ¡2015] good ¡performance ¡guarantee Key ¡difference ¡with ¡our ¡work: ¡we ¡consider ¡operator ¡has ¡a ¡backup ¡supply ¡option 9/26/16 9

A parameterized ¡supply ¡function ¡mechanism Cut ¡energy δ Cut ¡energy ¡by Diesel ¡energy Utility s i =δ-­‑b i /p y ¡= ¡δ -­‑ Σ i s i Supply ¡bid b i Operator Price p Tenants 1. Operator ¡announces ¡supply ¡function ¡ s(b, ¡p) ¡= ¡δ-­‑b/p 2. Tenant ¡ i submits ¡bid ¡ b i 3. Operator ¡sets ¡market ¡price ¡ p to ¡minimize ¡it ¡own ¡cost ¡(payment ¡to ¡tenants ¡plus ¡ diesel ¡cost) 4. DR ¡is ¡exercised 9/26/16 10

A ¡parameterized ¡supply ¡function ¡mechanism Cut ¡energy δ Cut ¡energy ¡by Diesel ¡energy Utility s i =δ-­‑b i /p y ¡= ¡δ -­‑ Σ i s i Supply ¡bid b i Operator Price p Tenants How ¡does ¡operator ¡set ¡ p ¡ and y ? - min p,y p(δ-­‑y) ¡+ ¡αy ¡ ¡ subject ¡to ¡Σ i (δ-­‑ b i /p)+y ¡= ¡δ - equivalent ¡to ¡quadratic ¡minimization ¡problem, ¡have ¡closed ¡form ¡solution 9/26/16 11

A ¡parameterized ¡supply ¡function ¡mechanism Cut ¡energy δ Cut ¡energy ¡by Diesel ¡energy Utility s i =δ-­‑b i /p y ¡= ¡δ -­‑ Σ i s i Supply ¡bid b i Operator Price p Tenants How ¡does ¡tenant ¡ i bid ¡ b i ? - price-­‑taking max p · S i ( b i , p ) − c i ( S i ( b i , p )) b i - price-­‑anticipating ¡ ¡ ¡ max p ( b ) · S i ( b i , p ( b )) − c i ( S i ( b i , p ( b ))) b i 9/26/16 12

A ¡parameterized ¡supply ¡function ¡mechanism Cut ¡energy δ Cut ¡energy ¡by Diesel ¡energy Utility s i =δ-­‑b i /p y ¡= ¡δ -­‑ Σ i s i Supply ¡bid b i Operator Price p Tenants Simple: tenant ¡only ¡need ¡to ¡communicate ¡one ¡parameter Fair: no ¡price ¡differentiation Cost ¡saving ¡for ¡operator: cost ¡of ¡dispatch ¡decrease ¡compared ¡to ¡diesel ¡only Equilibrium: always ¡exists ¡and ¡unique 9/26/16 13

A ¡parameterized ¡supply ¡function ¡mechanism Cut ¡energy δ Cut ¡energy ¡by Diesel ¡energy Utility s i =δ-­‑b i /p y ¡= ¡δ -­‑ Σ i s i Supply ¡bid b i Operator Price p Tenants Applicable ¡to ¡any ¡problem ¡of ¡satisfying ¡an ¡inelastic ¡demand ¡ δ with ¡ N suppliers ¡with ¡an ¡(expensive) ¡backup ¡option 9/26/16 14

Characterizing ¡the ¡equilibrium Theorem: When ¡tenants ¡are ¡ price-­‑taking , ¡the ¡market ¡equilibrium ¡ is ¡unique ¡and ¡characterized ¡by ¡ α 2 N δ ( y + ( N − 1) δ ) 2 min s,y Σ i c i ( s i ) + s.t. Σ i s i + y = δ Due ¡to ¡strategic ¡behavior ¡ of ¡operator 9/26/16 15

Characterizing ¡the ¡equilibrium Theorem: When ¡tenants ¡are ¡ price-­‑anticipating , ¡the ¡market ¡equilibrium ¡ is ¡unique ¡and ¡characterized ¡by α 2 N δ ( y + ( N − 1) δ ) 2 min s,y Σ i ˆ c i ( s i ) + s.t. Σ i s i + y = δ Strategic ¡behavior ¡of ¡ Strategic ¡behavior ¡of ¡ operator tenants where ¡ c i ( s i ) ≤ ˆ c i ( s i ) ≤ c i ( s i ) + s i α / 2 N 9/26/16 16

How ¡good ¡is ¡the ¡equilibrium? 1. What ¡is ¡the ¡social ¡cost? 2. What ¡are ¡tenants’ ¡costs? 3. What ¡is ¡operator’s ¡cost? 4. What ¡is ¡the ¡reduction ¡in ¡diesel ¡usage? ¡ We ¡answer ¡these ¡questions ¡with ¡both ¡theoretical ¡guarantees and ¡trace-­‑based ¡simulations 9/26/16 17

What ¡are ¡we ¡comparing ¡to? Benchmark: Centrally ¡controlled ¡social ¡cost ¡minimization ¡(SCM) min α · y + Σ i c i ( s i ) s.t. y + Σ i s i = δ Case ¡study: ¡ DR ¡signals ¡issued ¡by ¡PJM ¡on ¡January ¡7, ¡2014, ¡due ¡to ¡cold ¡ weather. ¡ 2500 0.6 MSN MSN MSR 2000 Wiki EDR (MWh) Workload 0.4 University 1500 1000 0.2 500 0 0 4 5 6 7 8 9 10 11 12 0 4 8 12 16 20 24 Hour Hour 9/26/16 18

1. ¡What ¡is ¡the ¡social ¡cost? Theorem: For ¡both ¡ price-­‑taking and ¡ price-­‑anticipating tenants, ¡ cost(ColoDR) ≤ cost(SCM) + αδ /N Near ¡optimal ¡ when ¡N ¡is ¡small Vanishing ¡when ¡ N is ¡large, 300 what ¡if ¡ N is ¡small? Social cost ($) 200 100 0 3 6 9 12 15 18 # of tenants ColoDR(price-­‑taking) ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ColoDR(price-­‑anticipating) ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡SCM ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Diesel-­‑only è 9/26/16 19