算力电力协同：思考与探索白皮书_25页_1mb

算力电力协同：思路与探索白皮书（2025年）总结

本白皮书由清华大学和北京火山引擎科技有限公司联合发布，旨在分析人工智能快速发展背景下算力中心能耗快速增长带来的挑战，并提出算力与电力协同发展的思路和路径。

算电协同的背景与必要性

随着人工智能技术的快速发展，算力中心的能耗持续攀升。预计到2030年，服务于AI的IT设备用电需求将达到52GW，占全球IT用电总量的50%以上。算力负荷具有功率密度高、周期性强、可靠性要求高、绿色性要求高等显著特征，目前新型电力系统仍在建设中，绿电支撑算力发展面临挑战。同时，算力负荷具有时空灵活性，可通过协同优化挖掘潜力，助力新型电力系统建设。

算电协同的核心内容

物理基础与驱动力分析

算力中心供能结构中的关键设备（如列头柜、制冷设备、通信电源、备电系统、辅助能源设备和外电）构成了“算电耦合点”。算力用户、算力中心运营商和电网公司三类主体存在差异化需求。用户关注业务可靠性与用能成本，运营商追求资源高效利用和低碳转型，电网公司则需要用户侧灵活资源支撑新能源消纳。

协同路径与技术探索

1. 列头柜层面

预测算力需求及功耗，挖掘负荷灵活性，实现算力需求的动态调节，提升算力承载能力，并为电网提供灵活性支持。

2. 算力中心层面

通过综合能量管理系统（IEMS）调控园区内辅助能源（如光伏、储能、充电桩），降低用能成本与碳排放，探索HVDC侧电池闲置资源的灵活性应用，提高设备利用率。

3. 局部电网层面

构建“算力+电力”高比例可再生能源自治系统，利用氢储能替代传统柴油备电，降低碳排放，提升电网稳定性。

4. 大规模算力-电力网层面

实现跨区算力迁移与电力调度协同，优化算力网与电力网联合运行，提升新能源消纳能力与资源利用效率。

关键挑战与解决方案

算电协同的核心难点在于算力需求功耗的精确预测与调控，需平衡算力可靠性需求与灵活资源调用。关键技术包括荷电状态（SOC）、峰谷电价套利、氢储能系统集成等，未来需进一步加强多主体协作机制与技术标准的统一。