储能与算电协同发展的思考

岳昊ESIE2026国网翼北电力有限公司2026年4月 “打造智能经济新形态。深化拓展“人工智能实施超大规模智算集群、算电协同等新基建工程 2026年政府工作报告 统筹布局、有序建设算力设施，推进算力资源规模化、集约化、绿色化、普惠化发展。推动绿色电力与算力协同布局 “十五五”规划纲要 一、人工智能快速发展下算电协同的背景 一、人工智能快速发展下算电协同的背景 从“CPU到“GPU：人工智能带动算力消耗指数增长 人工智能新模型不断涌现，模型训练参数量、数据量大幅提升，对基于GPU的智能算力需求指数级增长。OpenA的GPT-4模型仅14周的训练期就消耗了4240万干瓦时电量，相当于一个百万人口的城市全天的全社会用电量。AI的能耗增长正呈现指数级增长，且远超算力增长速度。斯坦福AI指数报告显示，GPT-2（2019年）的训练能耗约0.1兆瓦时，而GPT-4（2023年）约为5000万千瓦时，四年增长了约50万倍 一人工智能快速发展下算电协同的背景 从“训练到“推理”：算力需求从“峰值负载”变为“持续负载 2025年A/仅占数据中心全部工作负载的约四分之一，其中大部分需求来自训练。预计在2027年推理工作负载可能超过训练，成为A的主要需求来源。到2030年，AI可能占数据中心所有工作负载的一半，其中推理将成为主要驱动力。DeepSeek带来的算法效率的提升并未抑制算力需求，由于推理成本及价格大幅削减，将带来更多的用户和场景的加入，推动大模型普及与应用落地，拉动数据中心、边缘及端侧算力需求， 一、人工智能快速发展下算电协同的背景 从“聊天”到“执行”：AlAgent放大Token消耗 滚雪球般的上下文堆叠，带动Token消耗量呈几何级数增长，根据Anthropic数据，AlAgentToken消耗量最高可达聊天交互的15倍。自2026年1月29日0penClaw正式发布以来，全球大模型每周Token消耗量从2月初的9.8T激增至3月初的14.8T，单周涨幅超过50% 一、人工智能快速发展下算电协同的背景 从“卖绿电到“卖Token”：算力出海拉动电力需求 2026年2月第二周，中国模型以4.12万亿Token的调用量，首次超过同期美国模型的2.94万亿Token，全球调用量排名前五的模型中，中国模型占据四席。Token出海的实质是中国本士A/模型通过AP接口向全球提供推理服务，按处理量计费，从而实现算力与电力的“数字化出口”。据华泰证券测算，若全球日均Token调用量达到干万亿级，对中国电量的潜在拉动可能超过10% 一、人工智能快速发展下算电协同的背景 从“少数”到“普及”：AlAgent将成为企业基础设施 据IDC预测，活跃Agen数量将从2025年的约2860万将激增至2030年的22.16亿，年均增长率139%；同期，年度Token消耗量更将从0.0005P暴涨至152.667P，年均增长率高达3418%。到2026年底，约40%的企业应用将嵌入AI智能体，而2025年这一比例不足5%。当Agent成为企业基础设施，算力需求将催生庞大的电力需求 一、人工智能快速发展下算电协同的背景 从“当前”到“未来”：算力增长催生庞大电力需求 据预测，2030年我国算力中心耗电量将超5000亿干瓦时，占全社会用电量3.7%，大模型训练推理、万卡级集群推高区域用电峰值。AI用电辐射全产业链，上游芯片、有色金属，中游电力装备，下游智能应用均带动系统性用电增长，算力出海也进一步拉动本土电力需求 一、人工智能快速发展下算电协同的背景 电网公司需保障电力供需平衡、新能源消纳并建设新型电力系统 根本需求：保障电力供需平衡 责任需求：促进新能源消纳发展需求：新型电力系统建设算力运营商追求电力可靠及低成本 根本需求：算力供应可靠性 根本需求：电力供应可靠性 效益需求：成本优化 效益需求：用能成本降低 责任需求：绿色低碳发展 一、人工智能快速发展下算电协同的背景 算电协同政策密集出台 2023年起，十余份国家级政策文件从绿电消费、绿电直连、协同规划等多个维度进行部署，算电协同政策导向日益清晰 一、人工智能快速发展下算电协同的背景 算电协同目标 到2025年底，算力电力双向协同机制初步形成，国家枢纽节点新建数据中心绿电占比超过80%：用户使用各类算力的易用性明显提高、成本明显降低，国家枢细节点间网络传输费用大幅降低 《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》 算力赋能新型电力系统高质量建设 电力带动多元化算力绿色可持续发展 ■稳定的算力电力供应：通过算电协同发展，保证电力供应的稳定性和灵活性。 ■用能成本降低：通过算电协同发展，保证性价比较高的电力能源供应。■绿色低碳发展：通过算电协同发展，降低数据中心PUE及间接碳排放量。 “不可能三角”挑战算电协同面临的 算电协同“不可能三角” 算电协同面临安全、绿色、经济三重目标的协同困境，即“不可能三角“挑战。算力侧追求高可靠供电（安全）、低电价成本（经济）与低碳排（绿色）电力侧则需应对大规模并网负荷（安全）、高比例新能源消纳（绿色）与电力系统运行效率（经济）。 安全充裕 安全充裕 经济高效 经济高效 （一）安全充裕：算力侧 智能算力数据中心具有单地点、全时段、大功率的用电特点，对电力供应稳定性要求更高 数据中心的高性能设备及业务需求对电源稳定性要求极高，特别是智能算力数据中心对供电稳定性的要求高于传统数据中心。亚马逊云公司的运维数据显示，公司每中断供电1分钟将造成至少500万美元的直接损失，因此其对供电的要求是99.999%的可用性，意味着年均停电时间不得超过5分钟。从于卡集群到万卡、十万卡集群，智算中心的价值体量随着集群规模增长而增长，潜在电源波动带来的损失将更高 智能算力数据中心用电峰值负荷持续时间长 致据中心不同工作负战通常会随机达到障值。据统计，所有这登锋值同时出现的概率板低，因此，如果将所有单个工作负载的择值相加，除以总平均功耗，典型的大型数据中心的降均比会达到1.5到2.0或更高，这就是设计人员能够随量使用供配电和制冷票统的原国，但正如人工智能属性与趋势“部分所述，人工智能训练负载缺乏变化工作负载可以在峰催功常下运行数小时、数天甚至数周，其结果是增加了上游大型断器脱扣的可能性，这就像家中许多大负款网时运行时，生面板上的新路器脱拍一样3显示了当数费中心的负就转为100%人工智能负时，择均比（也你为差异系数》典型范围 （一）安全充裕：电力侧 智算集群训练任务导致功率“过山车” 传统数据中心投入运行以后，负载相对平稳，极少会达到波峰或波谷状态。智算中心的工作主要包括训练和推理，推理的负载相对平稳，而训练任务的计算量和数据处理需求会随时间变化，这导致用电负载波动明显在智算场景下，GPU集群在进行大规模参数训练时，负载往往会在短时间内经历从静默到满载的迅速变化。这种“过山车式”的用电特征，无疑对传统供配电系统的动态响应能力提出了严苛挑战。 （一）安全充裕：电力侧 危险的“正反馈循环：电网波动导致数据中心脱网，数据中心脱网又加剧电网波动 数据中心服务器的电力电子负载属性使其对电压骤降格外敏感。如果现有电力系统保护设备存在与其电压穿越能力不协调，轻微故障可能导致区域内数据中心集体切机。如2024年7月，弗吉尼亚州一条230kV输电线上由于雷击发生了6次电压骤降，接连致使约70座数据中心意外脱网，共计1.5GW负荷（相当于弗吉尼亚州近三分之一家庭用电量）在秒级内脱网并切换至本地备用电源，PJM电网系统频率一度攀升至60.047赫兹超出北美电网规定的正常控制区间，电网稳定运行面临直接威胁。2025年2月，大约40个数据中心因电网扰动同时切换到备用电源 绿色低碳：算力侧(二） 绿电占比80%政策要求 十四五以来，政策密集出台推动数据中心提升绿电使用比例，明确提出到2025年底国家枢纽节点新建数据中心绿电占比超过80%。2025年3月，国家发改委等五部门发布《关于促进可再生能源绿色电力证书市场高质量发展的意见》，提出国家枢纽节点新建数据中心的绿色电力消费比例，要在80%的基础上进步提升。天津、北京、上海、湖北、重庆等试点碳市场先后陆续发布“电碳协同"政策，包括充许纳管企业将绿电交易电力间接排放核算为零，将使用绿电作为重点排放单位减污降碳的激励机制等。 绿色低碳：算力侧 绿电占比80%指标考核 2025年7月1日，国家发改委、国家能源局印发了《关于2025年可再生能源电力消纳责任权重及有关事项的通知》，在电解铝行业基础上，2025年增设钢铁、水泥、多晶硅行业和国家枢纽节点新建数据中心绿色电力消费比例。2025年各省（自治区、直辖市）对电解铝行业绿色电力消费比例（25.2%到70%）完成情况进行考核对钢铁、水泥、多晶硅和国家枢纽节点新建数据中心绿色电力消费比例（80%）完成情况只监测不考核 绿色低碳：算力侧(二） 数据中心绿电消费不足 数据中心的核心诉求是“压降运营成本”，但目前，绿电采购成本虽有所下降，但仍比常规火电高，企业不愿为“绿色属性”支付额外成本，且碳排放约束暂未对数据中心形成硬性考核，导致其主动推动绿电消费、参与能碳调节的动力不足。我国电-碳市场协同机制尚未完全建立，数据中心消费绿电的碳减排效益尚未完全获得认可，数据中心绿色发展动力还需进一步激发。 绿色低碳：电力侧 数据中心对电力供应的稳定性与新能源发电的波动性存在结构性矛盾 中西部地区风光资源丰富，在“东数西算”背景下，数据中心向西部转移，既可以消纳新能源又可以实现自身降碳。但数据中心的高性能设备及业务需求对电源稳定性要求极高，与风光发电波动性大利用小时数低的特性存在结构性矛盾。河北、甘肃、宁夏等“东数西算”国家数据中心集群所在省份新能源装机占比已超过50%，新能源大发与用电负荷季节性错配、时段性错配越来越明显，夏季“极热无风”、晚峰“日落无光”，导致新能源出力严重受阻，影响发电能力。 经济高效：算力侧三） 用电成本是数据中心运营成本主要构成 相关调研数据显示，数据中心的电费成本当前达到运营成本的50%左右，电费成为数据中心运营的主要支出之一。随着人工智能带来的数据量的爆炸性增长和计算任务的复杂化，数据中心对电力的需求日益旺盛电费支出在总运营支出中的比重将进一步增加，能效差异直接影响利润水平。 （三）经济高效：算力侧 电能利用效率下降空间收窄 算力中心的运营经济性高度依赖电能利用效率（PUE）2026年PUE门槛全面收紧，新建大型数据中心）PUE普遍要求在1.3以下，枢纽节点项目多数收紧至1.25，西部部分优势区域已压至1.2以内。奖惩双向发力差别电价、惩罚性电价、限电腾退与资金补贴、税收减免并行实施，北京、上海、安徽等地已出台明确的加价细则。随着散热技术趋于成熟，PUE持续下降空间已明显缩窄 （三）经济高效：电力侧 数据中心电力需求预测难度加大 在报装容量不断增大、接入电压等级不断提升的同时，数据中心面临上架率相对较低、供电设备利用率扁低，达产周期较长的问题。未来，人工智能的普及速度、能力和生产力、效率提高的速度，都将使算力的增长存在不确定性，加大了电力需求预测的难度。若项目的实际租赁规模与招商预期存在较大差异，项目终期的电力需求低于预期，电力系统将面临过度建设输变电容量的风险，造成电力资源和基础设施的闲置浪费其他用户也将被迫承担上升的电力成本。过去5年中，美国数据中心密集区域的批发电价上涨了多达267% （三）经济高效：电力侧 算电协同调度的经济激励不足 数据中心时空调度的灵活性与其服务质量的可靠性存在天然矛盾，算力的时空转移必须建立在保障服务而目前我国尚未形成一套能够准确度量并补偿算力调度所带来的业务稳定性风险与性能损失的价值评估体系电力市场下电力与算力互动的经济收益有限，尚不足以引起数据中心运营商的积极响应。同时，不同数据中心在基础设施、IT设备、数