【清华大学火山引擎】2025算力电力协同思考与探索白皮书_25页_1mb

算力电力协同总结

背景与原因

人工智能快速发展推动算力中心能耗指数级增长，导致电力系统面临挑战。算力中心负荷具有高功率密度、周期性、可靠性高和绿色性要求等特点，通过协同挖掘其灵活性可优化能源结构和成本，提升新能源消纳能力。

协同内容

• 核心协同点：算力需求功耗预测、理中心供能结构优化、算力园区灵活性、局部电网自治、跨区算力与电力网优化。
• 利益相关方：算力用户关注可靠性与成本，算力中心运营商追求高效低碳，电网公司需提升新能源消纳。

主要方法

• 列头柜层面：预测并挖掘算力需求灵活性，如AI训练阶段动态调频、超电管理。
• 算力中心层面：整合辅助能源和备电资源，降低用能成本和碳排。
• 局部电网层面：实现高比例可再生能源自治，示例包括氢储能技术替代柴油备电。
• 大规模网络层面：通过跨区算力迁移和优化调度，支持新能源消纳。