（2025年202501前 一 算力電力為什么要協同 （一）伴隨AI的迅猛發展，算力中心負荷持續攀 （二）算力中心負荷具有特殊性，對電力系統是挑戰，也是機 （三）挖掘算力中心靈活性，優化算力中心供能結構與用能成 二 算電協同，具體協同什么 （一）基本供用能結構中的算電耦合點，是算電協同的物理基 （二）相關主體的不同利益訴求，是算電協同的核心驅動 三 如何協同 （一）列頭柜層面：預測算力需求及算力功耗，并挖掘其靈活 （二）算力中心層面：從業務邏輯弱耦合到強耦合，發掘靈活 （三）局部電網層面：高比例可再生能源局部電網本地自 （四）大規模“算力網+電力網”層面：跨區優化調 四 結 20251一、（一 伴隨AI的迅猛發展，算力中心負荷持續攀AI領域的“ScalingLawforPowerGrids:LLM-InducedTransients”,2024.1全球視角：AIIT50%以上。年到2026160~590TWh，AI2022年前的過去1033~89%。原圖來源：datacenterHawkDCHFactSet,CogentCommunications,CitiResearch；中國信息通信研究院、內蒙古和林格爾新區，中國綠色算力發展研究報告（2024年）2IT設備的用電需求趨勢（內蒙古和林格爾新區，中國綠色算力發展研究報告（2024年）3全球算力中心和加密貨幣的用電量趨勢（OpenAIAI能源危機：20242月，《Nature》雜志理仕公司發布的《2024年全球數據中心趨勢》指出2，全球數據中心市場因電力35MW8MW。AI告（2024年）202323030%1500kWh1.6%。1來源：CRAWFORDK.GenerativeAIisguzzlingwaterandenergy[J].Nature,2024,626:2來源：/insights/reports/global-data-center-trends-32023625.4%35%。（二 算力中心負荷具有特殊性，對電力系統是挑戰，也是機算力中心負荷具有功率密度高周期性強10H100GPU（150兆瓦），可能引發電網17%7%。4562025年底，要求國家樞紐性點80%。潛在的波動性強：20245101》性目對微軟的采訪報道中提到7，AI算力中心（又稱智算中心）的用電特征存在顯著的波動性——在訓同時，算力中心負荷具有時空靈活性，且算力中心運營商具有成本敏感性算力中心增長呈現階段性發展（三）據IBM公司的數據87828%以上。二、（一 基本供用能結構中的算電耦合點，是算電協同的物理基算力中心及算力系統的基本供用能結構（A級算力中心某常用配電架構A.G.電力網中流轉。算力需求的流轉帶來電力負荷的遷移。B：/p/369180735D：https:///a/556728209_100129574E：/html/chunengy-1309.shtmlF：/a/151814887_4700464算力中心及算力系統的基本供用能結構（A級算力中心某常用配UPSHVDC。在算電耦合層面，一方面，列頭柜IT設備的容量，進而制約了算力能力和算力需求承載耦合點層面，一方面，受制冷設備的制冷能力限制，列頭柜（IT設備）的了各種新型制冷技術的發展。另一方面，列頭柜（IT設備）的能耗特征也IT15分15分鐘以上，因此蓄電池的容量配置也間接影響算力需求承載量。另一方面，列頭柜（內置IT設備）與關9圖8-10算力需求承載量定義為：在給定的區域范圍和時間范圍內，列頭柜最多可以承載的固定11圖6-電機是算力中心當前的主流備電之一。在配電特征層面，根據A級算力中心某常用配電架構中的“2N系統”圖1210kV電力需求承載量。另一方面，包括列頭柜（內置IT設備）在內的算力中心主體能園區整體的一部分，園區內輔助能源設備與包括列頭柜（內置IT設備）在內的園區內輔助能源設備與包括列頭柜（內置IT設備）在內的算力中心主體之間存包括列頭柜（內置IT設備）在內的算力中心主體能耗的同時，改變算力中心園A級算力中心某常用配電架構中的“2N系統”35kV市政電力進線接入算力中心園區。在算電耦合點層面，包括（IT設備12圖1-（二）5算力中心用能的相關主體（以某常用運營結構為例IT設備的13在自建算力中心中，算力中心運營商指的是算力用戶的基礎設施部門。在Colo（主機托中國移動、Google、字性跳動、騰訊、阿里、Microsoft等，其在用能層面的需求力中心運營商的核心訴求是滿足列頭柜（內置IT設備）供電的可靠性要求，包一是降低PUE值，二是提高綠電使用占比，三是減少碳排放，以符合行業發展14國家發展改革委等五部門，《關于深入實施“東數西算”16要求利用算力中心負荷靈活性的相關政策包括：國家發展改革委、國家能源局、國家數據局，《加快構建新型電力系統行動方案（2024-2027年）》，2024.三、（一 列頭柜層面：預測算力需求及算力功耗，并挖掘其靈活 6難點：算力-1AI另一方面，AI模型訓練可容忍對單位時間計算量的波動17GPU資源逐漸下降的稀缺性，GPU集群單位時間計算量不會保持峰值。GPU不同時段的工作頻率等，在不影響總計算量技術難點：難以準確量化各調性手段（頻率、電壓、數量）GPU功耗和2電力管控方法效果進行了驗券。經過努力，2024年底中國區僅有個位數的包間101%以內。（二） 17支撐文獻：D.Gu,X.Xie,G.Huang,X.Jin,andX.Liu,“Energy-EfficientGPUClustersSchedulingforDeepLearning,”May14,2023,arXiv:arXiv:2304.06381.Accessed:Jul.02,2024.[Online].Available:/abs/2304.06381. 1電儲能、充電樁等設備。綜合能量管理系統（IEMS）18支持電-熱-光-儲-車18綜合能量管理系統的相關介紹：7 212小時，并有柴發巡檢、供電鏈路巡檢、監控系2024年夏節根據電網要求，實際 業務邏輯耦合性較強的靈活性資源：與列頭柜（IT設備）供能密切的難點：依賴于列頭柜（IT設備） 例子：HVDC側儲備一體電池的閑置靈活性挖掘HVDC側儲備一體電池在備用需求之外的閑置靈活性，以獲得額外收益。HVDC側儲備一體電池的閑置靈活性，提IT設備）層面的功耗預測技術。19支撐文獻（團隊研究成果）：陳敏,郭慶來,井湯博,等.算電協同探索：HVDC側儲備一體電池靈活性挖掘[J].電力建設,2025,46(2):1-12.8HVDCBBSBBS供電單元和服務器機柜物理上的隔離，對于前期各種性能和壓BBS分布式部署一旦出現安全BBS系