2024年智能算力快速发展对电力供需的影响分析报告-国网冀北经研院+（岳昊）_31页_3mb

国网冀北电力有限公司经济技术研究院：智能算力快速发展对电力供需的影响分析

核心内容

智能算力的快速发展正在显著改变电力供需格局，数据中心的电力需求呈现快速增长趋势，同时对电力系统稳定性、可再生能源消纳能力及碳排放控制提出新的挑战。本文分析了智能算力发展的现状、用电特性及未来趋势，并提出了促进算力与电力协同发展的措施建议。

主要观点

• 智能算力需求爆发式增长：人工智能技术的普及和大模型的迭代推动了算力需求的快速增长，特别是智能算力，其占比已超过30%，增速超过70%。
• 数据中心电力需求激增：数据中心用电量占全社会用电量比重从2020年的1.6%上升至2023年的20.1%，预计到2025年将接近2.3%。
• 数据中心布局向中西部转移：在“东数西算”政策推动下，数据中心向风光资源丰富的中西部地区转移，如张家口，成为京津冀枢纽节点。
• 数据中心用电特性复杂：数据中心用电具有周期性、高可靠性、高能耗等特征，与夏季负荷高峰重合，增加电力保供压力。
• 新能源与数据中心用电结构性矛盾：数据中心对电力供应稳定性要求高，与新能源发电的波动性存在矛盾，需发展长时储能技术。
• 算力电力协同发展路径：通过加强规划衔接、挖掘数据中心调节潜力、完善绿电市场机制等方式，实现算力与电力系统的协同发展。

关键信息

智能算力发展现状

• 算力分为基础算力（CPU）、智能算力（GPU）和超算算力（超级计算机集群）。
• 以ChatGPT为例，GPT-4的参数量是GPT-3的10倍，计算量是GPT-3的3倍。
• 截至2023年底，我国在用数据中心标准机架超810万架，算力总规模达230EFlops，居全球第二。
• 智能算力规模达70EFlops，占比超过30%，增速超过70%。

数据中心用电特性与挑战

• 数据中心用电量年均增速超15%，2023年占全社会用电量比重约20.1%。
• 夏季降温负荷占比高，数据中心用电高峰与地区夏季负荷高峰重合，加大迎峰度夏压力。
• 数据中心PUE值为1.1，GPT-3一次训练耗电量为128.7万千瓦时，相当于430个家庭一年用电量。
• 智能算力数据中心对供电稳定性要求更高，单次训练时间呈指数级增长，如GPT-4单次训练时长可达7个月。

算力电力协同发展措施

• 加强规划衔接：统筹绿色数据中心建设与本地风光绿电消纳，推动数据中心向可再生能源资源富集地区布局。
• 发展长时储能技术：如铁铬液流电池储能电站、重力储能项目，以提高数据中心供电可靠性。
• 挖掘调节潜力：数据中心具备时间、空间调节能力，可通过灵活调度算力负载，参与电力市场和需求侧响应。
• 完善市场机制：推动数据中心参与绿电、碳市场、绿证市场，探索绿色电力购买协议（PPA）。
• 推动跨区域协同：如阿里巴巴南通数据中心部分算力负载转移至张家口张北数据中心，实现“算力-电力”跨区协同调度。

图表与数据

图1：2019-2023年全国数据中心机架和算力总规模

• 数据中心机架数量逐年增长，算力总规模年均增速近30%。

图2：2023年我国算力结构

• 智能算力占比超过30%，成为主要发展类型。

图3：八大枢纽节点算力规模占比

• “东数西算”八大枢纽节点算力规模占比约71.5%，数据中心呈区域集聚化发展态势。

图4：全国数据中心用电量占全社会用电量比重

• 用电量比重逐年上升，预计到2025年将接近2.3%。

图5：张家口数据中心用电量占全社会用电量比重

• 从2019年的6.8%增长至2023年的20.1%，数据中心成为电网的重要负荷。

图6：数据中心能耗组成

• 制冷系统能耗占比为30%-40%，是数据中心总能耗的重要组成部分。

图7：数据中心峰均比

• 传统数据中心峰均比为1.5-2.0，AI训练负载峰均比更高，需更稳定的供电。

图8：不同清洁能源占比下ChatGPT二氧化碳排放量及减少比例

• 清洁能源占比越高，碳排放减少比例越大，90%清洁能源使用可减少80.51%的碳排放。

图9：数据中心作为可控负荷参与电力市场

• 数据中心可作为虚拟电厂或负荷聚合商，参与电力市场和需求侧响应，提升系统灵活性。

结论

智能算力的快速发展对电力系统提出了新的挑战，同时也为新能源消纳和低碳发展提供了契机。通过加强算力与电力协同发展，优化能源结构，推动技术创新和市场机制完善，可以有效应对算力增长带来的电力需求变化，实现绿色、高效、可持续的电力供应。