【清华大学】2024算力电力协同思路与探索报告_43页_4mb

算力电力协同：思路与探索

核心内容

随着人工智能（AI）的快速发展，算力中心已成为电力负荷的重要组成部分，其耗电量持续增长，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可持续性。

主要观点

• 算力中心的电力需求：算力中心的电力需求增长迅速，电力成本在其建设与运营中占据重要比例，成为优化目标之一。
• 电力供应短缺：国外已有算力中心因电力供应不足而引入天然气发电机等备用电源，凸显了电力供应的紧张局面。
• 算力电力协同的必要性：算力中心的负荷具有时空灵活性，可以通过算力调度实现电力负荷的转移，从而优化电力系统的运行。
• 协同的驱动力：算力用户、算力中心运营商、电网公司等主体在可靠性、成本效益和绿色低碳等方面存在不同利益诉求，这些诉求是推动算电协同的核心动力。
• 协同的技术路径：通过预测算力需求、优化供能结构、挖掘灵活性资源等方式，实现算力与电力的协同规划与运行。

关键信息

算力电力协同的意义

• 算力中心的电力需求已成为全球电力负荷的重要组成部分。
• 电力供应短缺已成为制约算力中心发展的主要因素之一。
• 算力电力协同可以优化算力中心用能结构与成本，同时提升电力系统的灵活性与清洁度。

算力中心的电力结构

• 列头柜：放置IT设备，由UPS供电，是算力中心供能架构中的最小单元。
• 动力设备：制冷设备等由UPS或低压配电柜供电，维持适宜的温度环境。
• 外电与备电：外电为算力中心的主电源，备电（如柴油发电机）用于保障电力供应的可靠性。
• 辅助能源：如光伏、独立储能等，用于探索低碳园区和灵活性调度。

算力电力协同的具体内容

1. 列头柜层面的协同（微观包络）

• 目标：提高IT产出，优化用能结构。
• 方法：通过预测算力需求和资源，挖掘内部供能的灵活性。
• 应用：利用HVDC侧储备一体电池的闲置灵活性进行调控，提高IT产出并降低用电成本。

2. 算力中心层面的协同（中观包络）

• 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。
• 方法：
  • 对内：构建综合供能体系，降低用能成本。
  • 对外：利用灵活性资源，为电网提供辅助服务和调节能力。
• 难点：准确识别与业务逻辑耦合性较弱的灵活性资源，并实现独立控制。
• 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。

3. 局部网络层面的协同（宏观包络）

• 目标：实现新能源就近供电、就地消纳，构建绿电聚合供应算力集群体系。
• 方法：结合新能源、绿色长时储能和短时储能，研究不同算力比选下的用电与灵活性特征。
• 难点：新能源供电体系本身灵活性较低，叠加算力中心高能耗、高可靠性需求，需充分挖掘算力中心的灵活性。
• 技术路径：基于新能源+绿色长时储能+短时储能的新型电力系统供电技术，实现协同优化。

政策支持

• 国内政策：国家发展改革委、国家能源局、国家数据局等发布的政策文件，如《加快构建新型电力系统行动方案（2024-2027年）》，为算电协同提供了政策支持。
• 行业标准：《绿色算力中心政府采购需求标准（试行）》等文件推动算力中心绿色低碳发展。

未来展望

• 算电协同将在未来成为算力中心和电力系统协同发展的关键。
• 通过多主体协同优化，实现算力需求与电力供给的匹配，降低用电成本，提升绿电使用占比，减少碳排放。

协同对象与技术路径

总结

算力电力协同是应对AI发展带来的电力负荷增长和供应短缺问题的有效手段。通过在不同层面（列头柜、算力中心、局部网络）挖掘算力中心的灵活性资源，结合新能源和储能技术，实现算力与电力系统的协同优化，有助于提升电力系统的效率与可持续性，同时降低算力中心的运营成本。政策支持和技术路径的探索为算电协同提供了坚实的基础，未来将进一步推动这一领域的创新与发展。