随着大数据和云计算等新技术的不断更新与升级，数据中心作为为其提供数据处理、备份以及传输等服务的基础设施以及下一代网络技术的创新平台规模也在逐渐扩大，其结果是每年的能耗大幅上升。而另一方面，传统大供配电网正面临新能源的大规模接入、负荷峰谷差逐渐增大的挑战，且单向供应模式导致的低水平供电和简单的电价方案使得数据中心的供能问题偏向低效、低经济性。再加上同一机构下的数据中心多数呈跨区域分布，各地电价又各不相同，使得数据中心的成本设计极为复杂。在此背景下，我们利用可再生能源协同大电网为数据中心供能，并使用储能装置削峰填谷降低可再生能源供应的随机、不稳定性，为数据中心的低成本化提供了一种新的研究方向。
　　首先根据用户对工作负载处理时间的要求，可以将工作负载分为可延迟负载（时间容忍度高）和不可延迟负载（时间容忍度低）两类。数据中心需要根据当前时刻需要处理的负载量调整服务器的数量，从而影响到当前的能耗，进而影响电力成本。本文针对可延迟负载和不可延迟负载两种负载模型，分别考虑了按地理分布的数据中心网络和拥有负载缓冲队列的单个数据中心。
　　基于按地理分布的数据中心网络，本文第三章考虑由可再生能源协同大电网、传统化石能源和储能装置供能，根据各个数据中心所在区域的电价差异、电价的时变性规划各个数据中心需要处理的任务量及能量管理，并基于李雅普诺夫优化技术设计了一种能量实时调度算法解决在较长时间内的平均电力成本最优问题。然后使用MATLAB作数值仿真，验证算法的优越性并检验储能装置对成本优化的影响。
　　基于一个可同时处理可延迟负载和不可延迟负载的数据中心，本文第四章考虑由可再生能源协同大电网、储能装置为其供能，同时考虑能源发电的CO2排放量，并换算成CO2税加入到成本模型中。数据中心根据当前的可用能源、实时电价、发电能源比例及产生的CO2率来调整当前需要处理的负载量，然后结合储能装置的充放电，缓冲队列的任务调度规划一个较长时间内的平均电力成本优化问题。为了解决这一问题，第四章仍基于李雅普诺夫优化技术设计一种实时能量及负载调度算法，随后基于MATLAB仿真平台进行数值仿真，检验算法在电力优化上的效果，验证负载等待时间与平均花费之间的交易。