2025算力电力协同思路与探索白皮书

算力电力协同：思路与探索2025白皮书高级培训教程高级培训教程·算力电力协同专题目录CONTENTS01算力电力为什么要协同？AI发展驱动负荷攀升·负荷特殊性与挑战机遇02算电协同，具体协同什么？算电耦合点·相关主体利益诉求分析03如何协同？列头柜·算力中心·局部电网·算网电网四层协同04实践案例与结语上海实测·大同模式·企业实践·核心结论前言：政策背景与研究意义双碳目标下算力电力协同成为新型电力系统建设的关键课题政策驱动："双碳"目标要求数据中心提升新能源消纳能力，降低碳排放强度现实需求：AI大模型训练推高算力用电，数据中心用电占比快速攀升技术机遇：算力中心负荷具备时空灵活性，可参与需求响应与电网调节研究意义：探索算电协同技术路径，为新型电力系统建设提供实践参考白皮书价值：清华大学与火山引擎联合发布，融合学术研究与产业实践一、算力电力为什么要协同？AI迅猛发展驱动算力中心负荷持续攀升，算力负荷特殊性对电力系统既是挑战也是机遇算力电力协同白皮书·2025（一）伴随AI的迅猛发展，算力中心负荷持续攀升ScalingLaw带来能源消耗指数级增加，全球算力用电需求快速增长算力电力协同白皮书·2025AI领域的"ScalingLaw"与能源消耗指数级增加模型规模与算力需求呈指数增长，能源消耗成为AI发展的关键约束ScalingLaw：模型性能随参数规模、数据量、计算量增加而可预测提升算力需求：大模型训练算力需求每3-4个月翻一番，远超摩尔定律增速能源消耗：GPT-3级模型单次训练耗电约1287兆瓦时，相当于数百户家庭年用电趋势判断：随着模型规模持续扩大，AI算力用电将呈现指数级增长态势核心挑战：如何在满足AI算力需求的同时，控制能源消耗与碳排放全球算力中心用电需求趋势数据中心用电占比持续提升，预计2030年将成为重要用电负荷当前规模：2024年全球数据中心用电量约460太瓦时，占全球总用电量约2%增长预测：预计2030年全球数据中心用电量将突破1000太瓦时，占比提升至4-5%区域差异：美国、中国、欧洲为三大数据中心用电市场，合计占比超70%驱动因素：AI大模型训练、云计算普及、数字化转型共同推动用电增长政策应对：各国纷纷出台数据中心能效标准与绿电使用要求，推动可持续发展国外视角：AI能源需求与电力供应挑战科技巨头纷纷布局能源领域，AI算力用电成为全球关注焦点美国：数据中心用电预计2026年占全美用电量3.4%，部分地区电网扩容压力巨大微软：投资核电、地热等新能源，计划建设专属核电站为数据中心供电谷歌：签署大量可再生能源购电协议，目标2030年实现全天候无碳能源亚马逊：AWS数据中心采用燃料电池与储能系统，提升供电可靠性与灵活性欧洲：严格能效法规推动数据中心PUE降至1.2以下，余热回收利用率持续提升国内视角：算力规模快速增长与用电需求中国算力规模全球第二，东数西算工程推动算力布局优化与绿电消纳算力规模：2025年全国算力中心总用电量约1700亿千瓦时，占全社会用电量1.6%增长速度：近3年算力用电年均增速39.5%，远高于全社会用电增速未来预测：预计2030年算力用电将突破7000亿千瓦时，占比提升至5%以上政策引导：东数西算工程引导算力向西部绿电富集地区布局，提升新能源消纳地方实践：上海、广东、内蒙古等地出台数据中心能效与绿电使用地方标准关键数据：中国算力用电现状与展望（2025）算力用电快速增长，AIDC单机柜功率显著提升，绿电转型加速推进总用电量：2025年全国算力中心用电1700亿千瓦时，占全社会用电1.6%增长速度：近3年年均增速39.5%，预计2030年突破7000亿千瓦时功率密度：传统IDC单机柜3-5kW，AIDC智能算力中心单机柜20-100kW绿电转型：腾讯数据中心绿电使用率82.9%，目标2030年实现100%绿电需求响应：上海16家数据中心参与实测，成功压减负荷9.78万千瓦（二）算力中心负荷具有特殊性对电力系统是挑战，也是机遇——功率密度高、可靠性要求高、绿色性要求高、潜在波动性强算力电力协同白皮书·2025挑战：算力中心负荷的五大特征与传统工业负荷相比，算力中心负荷具有显著特殊性，对电力系统提出新要求高功率密度单机柜功率从3kW提升至100kW，局部用电密度远超传统负荷高可靠性要求A级数据中心供电可靠性要求99.999%，年停机时间不超过5分钟24小时连续运行算力负荷全天候运行，无明显峰谷差异，负荷曲线平稳高绿色性要求双碳目标下PUE与碳排放约束趋严，绿电使用比例要求持续提升潜在灵活性强IT负荷、制冷系统、备用电源等具备调节潜力，可参与电网互动机遇：协同算力中心时空灵活性，助力新型电力系统建设算力中心负荷灵活性可转化为电网调节资源，实现算电双赢需求响应资源：算力中心可通过任务调度、功率限制等方式参与电网需求响应削峰填谷能力：利用算力任务时空转移特性，引导负荷从高峰时段转移至低谷新能源消纳：算力负荷可跟随新能源出力波动，提升风电光伏就地消纳能力备用电源共享：数据中心UPS、柴发等备用资源可参与电网调频调压服务算电协同价值：通过市场化机制实现算力与电力的协同优化，降低综合用能成本二、算电协同，具体协同什么？基本供用能结构中的算电耦合点是物理基础，相关主体利益诉求是核心驱动力算力电力协同白皮书·2025（一）基本供用能结构中的算电耦合点列头柜、制冷设备、蓄电池、备电系统、辅助能源、外电——算电协同的六大物理基础算力电力协同白皮书·2025算力中心基本供用能结构总览以A级算力中心常用配电架构为例，展示从外电到IT负荷的完整供能链路外电输入：10kV/35kV高压市电引入，双路供电保障可靠性配电系统：变压器、低压配电柜、列头柜逐级配电，保障供电质量UPS系统：不间断电源保障IT负荷供电连续性，蓄电池提供后备能源制冷系统：精密空调、冷机、冷却塔等保障IT设备运行环境备用电源：柴油发电机组作为第三道供电保障，应对长时间市电中断算电耦合点详解（上）：列头柜、制冷设备、蓄电池三大核心耦合点具备直接的电力调节潜力，是算电协同的关键抓手列头柜：直接面向IT机柜配电，可通过功率限制、任务调度实现IT负荷调节制冷设备：精密空调、冷机等占数据中心用电30-40%，具备温度设定调节潜力蓄电池：UPS蓄电池组平时处于浮充状态，可在电网需要时放电参与调频协同价值：三大耦合点可提供毫秒级至小时级的多时间尺度调节能力技术挑战：需在保障IT设备安全运行的前提下，精准控制各耦合点的调节幅度算电耦合点详解（下）：备电系统、辅助能源、外电备电与辅助能源提供中长期调节能力，外电互动实现电网级协同备电系统：柴油发电机组可在电网高峰时段启动，替代市电供电，实现削峰辅助能源：光伏、风电等分布式新能源可就地消纳，降低对市电的依赖外电互动：通过需求响应、现货市场等机制与电网进行功率互动储能系统：配置电化学储能可实现峰谷套利、调频调压、备用电源多重功能系统集成：综合能量管理系统统一调度各耦合点资源，实现协同优化运行（二）相关主体的不同利益诉求算力用户、算力中心运营商、电网公司三方主体的需求差异与协同驱动力算力电力协同白皮书·2025算力中心用能相关主体的利益诉求分析三方主体诉求存在差异，但在算电协同中可实现利益共赢算力用户：关注算力服务质量、计算任务完成时间、算力成本，对供电可靠性要求高算力中心运营商：关注PUE能效指标、用电成本、供电可靠性、碳排放合规要求电网公司：关注负荷峰谷平衡、新能源消纳、电网安全稳定运行、需求响应资源利益交汇点：通过市场化机制，算力中心提供灵活性资源获取收益，电网获得调节资源协同机制：需求响应、现货市场、辅助服务市场、绿电交易等多渠道实现价值传递算力用户需求详解算力用户是算电协同的最终服务对象，其需求决定了协同的边界与方式服务质量保障：计算任务必须按时完成，算力性能与可用性是核心指标任务可调度性：部分训练任务、批处理任务具备时间灵活性，可参与负荷调节成本敏感性：算力成本中电费占比高，用户有动力通过灵活调度降低成本绿色算力需求：越来越多企业要求算力服务使用绿电，降低自身碳排放协同模式：通过算力调度平台，将任务安排在绿电富集时段或区域执行算力中心运营商需求详解运营商是算电协同的实施主体，其诉求驱动技术方案与商业模式创新能效指标：PUE、CUE等能效指标直接影响运营成本与政策合规用电成本：电费占数据中心运营成本60%以上，降本需求强烈供电可靠性：99.999%供电可靠性要求，需多重保障与精细化运维碳排放约束：双碳目标下，数据中心碳排放配额管理趋严收益拓展：通过参与需求响应、辅助服务市场、绿电交易等获取额外收益电网公司需求详解电网公司是算电协同的重要参与方，算力中心灵活性资源对电网运行价值显著负荷调节：算力中心可作为可调节负荷，参与削峰填谷，缓解电网峰谷差新能源消纳：算力负荷可跟随新能源出力，提升风电光伏就地消纳能力辅助服务：算力中心备用资源可参与调频、调压、备用等辅助服务电网安全：高功率密度算力中心集中接入对局部电网安全稳定运行提出挑战协同价值：将算力中心纳入电网统一调度，提升电力系统灵活性与经济性三、如何协同？从列头柜层面、算力中心层面、局部电网层面到大规模"算力网+电力网"层面的四层协同技术路径算力电力协同白皮书·2025（一）列头柜层面预测算力需求及算力功耗，并挖掘其灵活性——AI模型训练阶段用能灵活性挖掘算力电力协同白皮书·2025列头柜层面协同框架基于算力需求预测与功耗建模，实现IT负荷的精细化调节与电网互动算力需求预测：基于历史任务数据与业务计划，预测未来算力需求与功耗曲线功耗建模：建立不同类型计算任务的功耗模型，精准预测IT负荷变化灵活性挖掘：识别可延迟、可迁移、可降级的计算任务，评估调节潜力协同调度：根据电网需求信号，动态调整任务执行计划，实现负荷优化闭环控制：列头柜实时监测功率，结合算力调度指令实现毫秒级功率控制难点：算力-电力当量表征关系不明不同类型计算任务的功耗特性差异大，建立统一的算力-电力当量表征是核心难点任务类型差异训练任务功耗高且持续，推理任务功耗低且波动，批处理任务可延迟硬件配置差异不同型号GPU/CPU功耗差异大，单机柜功率从3kW到100kW不等利用率波动算力利用率随任务负载变化，实际功耗与理论峰值功耗差异显著建模方法基于实测数据建立任务级、机柜级、集群级多尺度功耗预测模型当量表征定义标准算力单位（如TOPS/W）的功耗当量，实现算力与电力的统一度量动态校准通过实时监测数据持续校准模型，提升预测精度与调节可靠性案例：挖掘AI模型训练阶段的用能灵活性大模型训练任务具有时长长、可分段、可暂停的特点，具备显著的用能灵活性训练任务特点：大模型训练通常持续数天至数周，可分为多个检查点阶段灵活性来源：训练任务可在检查点暂停并恢复，具备时间平移能力协同策略：在电网高峰时段暂停训练，低谷时段恢复，实现削峰填谷技术保障：分布式训练框架支持弹性伸缩与断点续训，保障训练效率实践价值：单次训练可转移数百千瓦时负荷，为电网提供可观的调节资源（二）算力中心层面挖掘算力中心园区潜在灵活性——综合能量管理、柴发灵活性、HVDC储备一体电池算力电力协同白皮书·2025算力中心园区灵活性发掘总览按与业务逻辑耦合程度分为两类，采用不同的发掘策略与技术路径弱耦合灵活性与IT业务逻辑耦合较弱，可独立调节，不影响算力服务质量制冷系统调节精密空调温度设定、冷机运行策略、自然冷却利用等备用电源利用柴发并网运行、UPS蓄电池放电参与调频等强耦合灵活性与IT业务逻辑紧密耦合，需结合算力调度实现负荷调节IT负荷调度计算任务迁移、暂停、降级，算力资源弹性伸缩等储能系统配置HVDC侧储备一体电池、园区级储能系统的充放电优化与业务逻辑耦合性较弱的灵活性发掘制冷系统与备用电源具备独立调节能力，是算力中心最易实现的灵活性资源制冷系统调节：精密空调送风温度可在18-27°C范围内调整，每提升1°C可节能约3-5%冷机优化：根据室外温度动态调整冷机运行台数与策略，充分利用自然冷却蓄冷技术：配置蓄冷罐，在低谷时段蓄冷、高峰时段释冷，转移制冷负荷柴发并网：柴油发电机组可在电网高峰时段并网运行，替代市电供电UPS调频：UPS蓄电池组可快速充放电，参与电网一次调频，响应时间毫秒级案例1：园区综合能量管理系统（EMS）通过EMS统一调度园区内各类能源资源，实现多能协同优化运行系统架构：采集配电、制冷、IT负荷、新能源、储能等各类数据，统一分析决策优化目标：以最低用能成本、最高新能源消纳率、最优PUE为目标进行优化调度功能模块：负荷预测、新能源预测、优化调度、需求响应、能效分析等实践效果：火山引擎数据中心通过EMS实现PUE降低0.05-0.1，新能源消纳率提升15%发展方向：结合AI算法实现更精准的预测与优化，支持更高比例的新能源接入案例2：柴油发电机组的灵活性挖掘（火山引擎华东基地）将数据中心备用柴发转化为电网可调用的灵活性资源，实现备而有用传统模式：柴发仅作为备用电源，平时闲置，年均运行时间仅数小时，利用率极低创新模式：在电网高峰时段或需求响应时，启动柴发并网运行，替代市电供电技术挑战：柴发并网的电能质量、保护配合、并离网切换等技术问题需解决实践成果：火山引擎华东基地实现柴发并网运行，单次可提供数兆瓦调节能力商业价值：通过需求响应补偿与峰谷电价差获取收益，提升柴发资产利用率与业务逻辑耦合性较强的灵活性发掘需结合算力调度与电力系统需求，在保障业务的前提下实现负荷优化任务级调度识别可延迟、可迁移的计算任务，根据电网信号动态调整执行计划资源弹性伸缩根据负荷需求与电价信号，动态调整服务器开机数量与算力资源分配算力迁移跨数据中心迁移计算任务，从高电价/高负荷区域转移至低电价/绿电区域HVDC储备电池在HVDC供电架构中配置储备一体电池，兼顾备用电源与储能调节功能BBS供电单元模块化电池供电单元，支持精细化充放电控制，参与电网调频调压协同控制算力调度系统与能量管理系统联动，实现算力-电力联合优化决策案例3：HVDC侧储备一体电池的闲置灵活性挖掘高压直流供电架构下，蓄电池组平时处于浮充状态，可挖掘其闲置灵活性参与电网调节HVDC架构：240V高压直流供电系统，蓄电池组直接挂在直流母线上，结构简单高效闲置状态：蓄电池组平时处于浮充状态，仅在市电中断时放电，大部分时间容量闲置灵活性挖掘：在电网需要时，控制蓄电池组放电参与调频，市电恢复后自动补充技术保障：精密监控电池SOC与健康状态，确保放电不影响备用电源功能实践价值：单组蓄电池可提供数十千瓦调节能力，响应速度毫秒级，适合调频服务BBS供电单元技术方案（火山引擎实践）模块化电池供电单元（BatteryBackupSystem）实现备用电源与储能调节的一体化设计理念：将传统UPS蓄电池组升级为模块化、智能化的电池供电单元架构特点：每个BBS单元独立控制，支持精细化SOC管理与充放电策略双重功能：平时作为储能系统参与电网调节，市电中断时自动切换为备用电源智能管理：BMS系统实时监控电池状态，优化充放电曲线，延长电池寿命实践成果：火山引擎数据中心部署BBS系统，实现备用电源利用率从低于1%提升至30%以上（三）局部电网层面高比例可再生能源局部电网本地自治——绿电供应与绿电消纳协同算力电力协同白皮书·2025高比例可再生能源局部电网本地自治在数据中心集群区域构建高比例新能源局部电网，实现绿电就地生产与消纳电网形态：以数据中心负荷为核心，接入风电、光伏、储能等资源，形成局部微电网运行模式：并网模式下与主网互动，孤岛模式下独立运行保障数据中心供电关键技术：源网荷储协同控制、新能源功率预测、储能优化配置、电能质量治理实践案例：呼和浩特数据中心集群利用当地丰富风电资源，绿电占比达88%发展方向：探索数据中心集群参与电力现货市场，实现绿电直供与市场化交易氢储能绿色备电替代技术路线利用氢能长时储能特性，替代传统柴油发电机，实现零碳备用电源技术路线：可再生能源电解水制氢→氢气储存→燃料电池发电→数据中心供电优势特点：储能容量大、存储时间长、零碳排放，适合长时备用与季节性储能系统组成：电解槽、储氢罐、燃料电池、氢能管理系统，与现有配电系统集成技术挑战：氢能效率（约40-50%）、成本、安全性、基础设施配套等需突破实践探索：部分数据中心开始试点氢能备用系统，目标实现全生命周期零碳排放（四）大规模"算力网+电力网"层面算网电网协同架构与跨区域调度——东数西算、虚拟电厂、算电协同市场机制算力电力协同白皮书·2025大规模"算力网+电力网"协同架构构建全国一体化算力网络与电力网络的协同体系，实现跨区域资源优化配置东数西算引导东部算力需求向西部绿电富集地区转移，提升新能源消纳能力算力调度全国一体化算力调度平台，实现算力资源的跨区域分配与任务迁移电力协同结合电力供需与电价信号，优化算力任务的时空分布，降低用电成本虚拟电厂将分散的数据中心灵活性资源聚合为虚拟电厂，参与电网调度与市场交易市场机制探索算力-电力联合交易市场，实现灵活性资源的价值发现与补偿标准体系建立算电协同技术标准、接口规范、评估体系，支撑规模化推广实践案例：最新算电协同落地实践上海全方式实测调用·大同算力用电超煤炭·呼和浩特绿电直供·腾讯100%绿电目标算力电力协同白皮书·2025案例：上海算电协同"全方式"规模化实测调用上海组织16家数据中心参与需求响应实测，验证算电协同的技术可行性与调节潜力实测规模：组织16家数据中心、约30万千瓦可调节负荷参与需求响应实测调用方式：采用邀约式需求响应，提前通知数据中心做好准备，按约定时间压减负荷实测结果：成功压减负荷9.78万千瓦，响应率超90%，验证了技术可行性技术手段：通过IT任务调度、制冷系统调节、备用电源启动等多种方式实现负荷压减经验总结：建立数据中心需求响应资源池，完善技术标准与补偿机制，推动常态