Renewable Kubernetes Scheduling Simulating Microgrids With Nodes
Authors
Mumberg, Laurits Christian Bang ; Andersen, Simon Malgo Pronk
Term
4. term
Education
Publication year
2025
Submitted on
2025-06-12
Pages
15
Abstract
Denne afhandling undersøger, om Kubernetes-planlægning kan gøres mere miljøvenlig ved at tage højde for tilgængelig vedvarende energi i mikronet. Vi udvikler en systemarkitektur, der kobler en realtidssimulering af mikronet med solcelleproduktion og batterilagring til et Kubernetes-cluster, hvor noder og pods simuleres med Kubernetes WithOut Kubelet (KWOK). Ved at udvide det open source-rammeværk python-microgrid til at inkludere noder med dynamisk strømforbrug og ved at indlæse realistiske soldata fra Danmarks Tekniske Universitet, modellerer vi energitilførsel fra solceller. Vi implementerer et plugin til Kubernetes’ Scheduling Framework, som prioriterer noder på mikronet med høj aktuel produktion fra vedvarende energi og høj batteriladning og opdaterer mikronettets tilstand, når pods planlægges. Metodisk evaluerer vi løsningen ved at afvikle et realistisk arbejdsspor (worktrace) fra Azure over to uger, hvor cirka 900 noder er fordelt på 152 simulerede mikronet. I denne konfiguration udnyttede det foreslåede plugin 20,34% mere vedvarende energi end Kubernetes’ standardplanlægger. Resultaterne peger på, at energibevidst planlægning kan flytte belastning mod grønnere energikilder i driftsscenarier; fremtidigt arbejde kan undersøge flere arbejdsbyrdetyper, hardwarekrav og regionale energikilder.
This thesis investigates whether Kubernetes scheduling can be made more environmentally aware by accounting for renewable energy availability within microgrids. We design a system architecture that couples a real-time microgrid simulation—with photovoltaic generation and battery storage—to a Kubernetes cluster where nodes and pods are simulated using Kubernetes WithOut Kubelet (KWOK). Building on the open-source python-microgrid framework, we add nodes with dynamic power consumption and use realistic solar data from the Technical University of Denmark to model PV output. We implement a Kubernetes Scheduling Framework plugin that prioritizes nodes on microgrids with high current renewable output and battery charge, and updates the simulated microgrid state when pods are placed. We evaluate the approach with a two-week Azure workload trace, distributing approximately 900 nodes across 152 simulated microgrids. In this setting, the proposed plugin utilized 20.34% more renewable energy than the default Kubernetes scheduler. These results suggest that energy-aware scheduling can shift workloads toward cleaner power; future work could explore additional workload types, hardware constraints, and region-specific renewable profiles.
[This abstract was generated with the help of AI]
Keywords
Documents