2024算力电力协同思路与探索报告-清华大学_43页_4mb

算力电力协同：思路与探索总结

核心内容

随着人工智能的快速发展，算力中心已成为电力负荷的重要组成部分。算力中心的用电需求正在快速增长，对电力系统提出了新的挑战与机遇。算力电力协同旨在通过优化算力中心的用能结构与成本，提升电力系统的灵活性与绿色能源消纳能力，从而实现算力与电力的高效、低碳、可持续发展。

主要观点

算力与电力协同的必要性

• 算力中心负荷增长：算力中心的用电量迅速增加，预计未来五年中国算力中心服务市场将以18.9%的年增长率发展，总算力规模位居全球第二。
• 电力供应短缺问题：国外已有算力中心因电力供应不足而不得不依赖天然气发电机，凸显电力供应的重要性。
• 算力电力协同的潜力：算力中心负荷具有时空灵活性，可以通过算力网转移算力需求，从而实现电力负荷的迁移，为新型电力系统建设提供支持。

协同的驱动力

• 算力用户：关注业务可靠性、IT产出、用能成本与碳排放。
• 算力中心运营商：关注成本效益、PUE值、绿电使用占比与碳排放。
• 电网公司：关注供电可靠性、电能质量、清洁低碳与灵活性需求。

关键信息

算力中心的用电结构

• 电力成本占比高：算力中心建设和运营成本中，电力设备占55.6%，电费占28%。
• 电力供应结构：主要包括外电（市政电力）、备电（柴油发电机）和辅助能源（如光伏、储能）。
• UPS系统：配备蓄电池，确保关键设备在主电源中断时的持续运行。

算电协同的三个层面

一. 列头柜层面（微观包络）

• 算力与电力的耦合点：列头柜是算力中心供能架构中的最小单元，也是算力用户与算力中心运营商的最小交互单元。
• 调控目标：通过优化内部供能结构，提高IT产出与绿电使用占比，降低用能成本与碳排放。
• 技术路径：基于设备级与园区级用能建模，构建灵活性资源与业务逻辑的耦合模型，实现协同调控。

二. 算力中心层面（中观包络）

• 最小电力用户单元：算力中心是电网中的最小电力用户单元，也是算力中心运营商与电网公司的最小交互单元。
• 调控目标：构建高效低碳供能体系，挖掘灵活性资源，服务于电力系统。
• 技术路径：通过识别与独立控制与业务逻辑耦合性较弱的灵活性资源，实现与电碳市场信号和可再生能源出力特性的匹配。

三. 局部网络层面（宏观包络）

• 局部供电网络：围绕算力中心的局部供电网络，本地自治，接受全局协同。
• 调控目标：构建新能源就近供电、就地消纳的绿电聚合供应体系。
• 技术路径：研究新能源+绿色长时储能+短时储能的新型电力系统供电技术，实现算力集群用电与灵活性特征的匹配。

算电协同的具体应用场景

• AI模型训练阶段：通过动态调节GPU工作频率、电压和数量，降低用电成本，提升绿电使用占比，减少碳排放。
• HVDC侧储备一体电池调控：利用电池的闲置灵活性，在不影响业务逻辑的前提下，实现对内提高IT产出，对外提升电网灵活性。
• 新能源供电体系：结合新能源、绿色长时储能与短时储能，构建灵活、可靠的供电体系，满足算力中心的高能耗、波动性与周期性用电需求。

政策支持

• “东数西算”工程：国家发展改革委等五部门发布的政策，推动算力与电力协同，构建全国一体化算力网络。
• 绿色算力中心采购标准：鼓励算力中心采用绿色能源，提升能源使用效率与可持续性。

结论

算力电力协同是应对未来能源挑战与机遇的重要手段，通过多主体协同规划与运行，优化算力中心用能结构与成本，提升电力系统的灵活性与绿色能源消纳能力。未来需在技术路径、政策支持与市场机制等方面持续探索，以实现算力与电力的高效协同。