随着云计算、AI、物联网、5G等新一代信息技术的蓬勃发展,作为信息行业核心基础设施的数据中心也进入了高速发展建设阶段,数据中心的数量和规模不断增大,相应地能耗和运营成本也日益增多,同时还对环境造成了一定的影响。为解决高能耗和高成本的问题,同时保证供电的可靠性,数据中心除了接入当地电网,通常还配置风电/光伏等可再生能源机组、传统发电机组、储能等设备,在其建设区域内构成“数据中心微电网”。考虑可再生能源的随机性以及数据中心独特的负荷特性,本文针对数据中心微电网的能量管理问题进行了研究。首先,本文分别分析了数据中心的用能情况和供能情况。通过对交互式和批处理两类工作负荷的特性进行分析,建立了用电模型;通过对各类电源的运行特性和原理进行分析,建立了供电模型。在此基础上本文提出了典型数据中心微电网的系统结构,并结合能量管理相关的基础知识,构建了数据中心的能量管理框架。其次,由于业务性质特殊,数据中心负荷的随机性比普通微电网要更大,会对其进行能量优化调度造成一定挑战。因此本文研究了负荷功率的预测技术,搭建了基于LSTM神经网络的用电负荷预测模型,利用某实际微电网的历史负荷数据在Matlab平台进行仿真,并与其他方法的预测结果对比分析,通过性能指标进行评价,结果证明了LSTM模型的预测效果更好,准确性更高,因而可以采用该模型来预测数据中心的用电负荷。最后,基于前文的研究分析,结合随机规划基础和模型预测控制的理念,本文提出了一种数据中心微电网的能量优化调度方法。运用场景分析法描述不确定因素,考虑数据中心批处理负荷的灵活调度,考虑系统内其他设备运行的约束条件,以经济最优为目标建立了日前调度模型。在日内运行时,为保证数据中心接入电网的安全性和稳定性,基于模型预测控制理念中的滚动优化和反馈校正机制,建立了日内调度模型,使各设备的出力尽可能跟踪日前计划。为求解模型,设计了基于随机预测模型的能量优化调度求解流程。为探究所提模型和求解方法的有效性,在Matlab平台搭建了典型数据中心微电网的仿真算例,通过对仿真结果进行分析,证明了本文研究的模型和方法对于提高数据中心运行的稳定性和经济性具有良好效果。