近期，我院林文婷副教授作为通讯作者合作完成了一篇关于数据中心低碳运行优化的研究论文 “Soft Actor–Critic Two-stage Joint Optimization for Carbon-aware Scheduling and Allowance Procurement under Market Uncertainty in Internet Data Centers”，该论文已被中科院1区Top期刊 《Journal of Cleaner Production》 接收并在线发表。
论文针对当前互联网数据中心在碳交易机制与能源调度协同优化方面存在的不足，提出了一种两阶段联合优化框架，实现数据中心任务调度与碳配额采购决策的协同优化。具体而言，研究首先在第一阶段构建鲁棒优化模型，在考虑可再生能源发电波动与任务负载不确定性的情况下，对数据中心的任务分配与能源调度进行优化，以降低运行成本并减少碳排放；随后在第二阶段引入Soft Actor–Critic（SAC）强化学习算法，通过马尔可夫决策过程对碳配额采购策略进行动态学习，在碳市场价格波动与需求不确定的环境中实现长期成本最优的采购决策。该方法通过将运筹优化方法与深度强化学习相结合，构建了一个面向复杂碳市场环境的智能决策框架。
实验结果表明，所提出的方法在数据中心碳管理与调度优化方面具有显著优势。与传统策略相比，该框架能够有效降低碳配额采购成本，同时保持碳排放合规性，并减少过度库存风险，在综合运行成本与环境效益之间取得良好平衡。研究结果验证了深度强化学习与鲁棒优化方法在智能能源系统与碳市场决策问题中的应用潜力。
《Journal of Cleaner Production》作为国际知名的环境与可持续发展领域学术期刊，长期位列中科院一区Top期刊，在能源系统优化、低碳技术与可持续发展研究领域具备重大的学术影响力。近年来，该期刊尤为关注人工智能、智能优化算法以及数据驱动方法在能源系统与碳管理中的应用研究，致力于促进环境科学、能源工程与智能计算技术的交叉融合。
论文链接：
https://www.sciencedirect.com/science/article/abs/pii/S0959652626003616
