数据中心综合能耗及其多元灵活性价值挖掘与实现

及其多元灵活性价值挖掘与实现 背景概述Background Statement 2模型构建WodeiArchi CONTENTS 预测结果orecast Result 3 算力-电力协同的必然趋势 是信息比特与能源瓦特协同共赢的关键、是算力-电力协同发展科学布局的前提 宏观视角下数据中心宏观综合能耗 预测结果电量负荷 2030年全国数据中心用电量将达到5257亿kWh（均值）用电量：数据中心>采矿业、计算机、通信电子制造业等行业 用电量：数据中心>采矿业、计算机、通信电子制造业等行业 数据中心2030年全年负荷数据落在均值土标准差范围内的比例为70% 德以期程学以精z*2030年全国用电量按13万亿kWh计 预测结果电力负荷 2030年全国数据中心电力负荷：1.05亿kW（均值）数据中心算效水平是影响数据中心电力负荷的关键因素 电力负荷相当于约350个电解铝工厂的电力装机，约1500万个家庭报装用电 水耗大小预测结果 2030年全国数据中心的耗水量：2628亿L（均值）水利用效率WUE值是影响数据中心水耗的关键因素 水耗约为304座30万干瓦火电机组全年消耗，约是2023年北京市用水的11倍 德以期程学以精飞 预测结果碳排规模 2030年全国数据中心碳排放量：3.1亿吨（均值）碳利用效率CUE是影响数据中心碳排的主要因素 碳排放占2030年全国总碳排放量的3.1%（按均值+标准差） 微观视角下的灵活性释义 数据中心灵活性体现在算力侧、电力侧和热力侧三部分： -算力侧：算力负载的时间可转移性和空间可转移性以及服务器单位算力能耗的随负载率的可调节性，电力侧：备用电源（如燃气轮机和柴油发电机等）储能设备与电网峰谷电价等之间的交互关系热力侧：数据中心温度可调性，冷却系统功率可调性以及数据中心建筑空气、机架等虚拟储能特性， 德以期理学认精Z 预测结果单体灵活性 以MW级的第三方的数据中心为例，灵活性资源的容量大小占比可达47% 以单体数据中心为规划调度自标展开研究，结果表明：此规划调度策略能够降低该数据中心23.2%的碳排放、16.9%的能耗及21.3%的经济成本。且热力灵活性不能被忽略，且各个灵活性相互交织 整体灵活性预测预测结果 2030年，数据中心灵活性资源相当于19.2%~33.3%的抽水蓄能的装机*算力侧可调度负荷在1.5万MW左右，热力侧可调度负荷在0.8万、1.7万和2.5万MW左右 PUE是影响热力灵活性的关键因素，PUE从1.2到1.4，灵活性占比分布为21%~42%在电力侧具备约0.26亿kWh的UPS储能和2.1亿kWh的柴油发电机备用电源 电力-算力-热力协同：综合能源与微电网 后续... 技术路线 全栈双层优化及控制 该双层优化策略在24小时内完成21600模染任务，任务偏差为0.73%（均方根误差），同时将芯片温度约束！在50~70℃安全范围内，冷却流量跟踪误差<5%，平均PUE为1.14，任务周期内总成本节省了17.75% 总结 面向人工智能算力基础设施的绿色低碳发展的重大需求，探索了算力-电力-热力交叉协同的学科理论及技术，相关成果发表于Nature子刊、Theinnovaton等期刊，牵头重要标准和白皮书，形成了算力与电力交叉融合学科方向和能动-管理人才培养的范式。 期待深入交流与合作！谢谢指导！