人工智能正在改变能源用户和生产商之间的关系
从历史上看，数据中心一直是被动的电力用户。它们的职责很简单：确保可靠的电力供应并最大限度地延长正常运行时间。但是，人工智能训练和推理集群会造成负载的快速波动，因为数千个GPU会同时增加或减少工作负载。这些“负载阶跃”给负责维护电压稳定性、频率调节和电网可靠性的电力公司带来了新的挑战。人工智能基础设施不能再像以前那样，在需要电力时才取电，而忽略电网状况。.
研究进一步证实了电网感知基础设施的潜力。
高效能源利用不仅仅关乎使用了多少瓦特，还关乎何时消耗以及对整个电网的影响。越来越多的研究表明，以下方面具有巨大潜力：
协调与透明度
分析 电力研究院 为了应对人工智能日益增长的电力需求带来的挑战，倡导提高数据中心的效率和灵活性，同时改进建模工具，并加强数据中心开发商和电力公司之间在电力需求、时间安排、灵活性和交付限制方面的密切协调。所有这些都有助于GAE（通用人工智能）的实施。.
编曲与动态响应
发表的研究 自然能源 并可在康奈尔大学的网站上找到 arXiv 研究表明，人工智能数据中心应被视为能够动态响应电网状况的电网交互资源，而非被动的电力消耗者。研究人员在商用超大规模云环境中，利用一个拥有256个GPU的集群进行了现场演示，验证了这一概念。在电网高峰期，集群在三个小时内实现了25%的能耗降低，同时满足了人工智能的服务质量要求。他们的研究结果表明，智能工作负载编排有望成为平衡电网需求与人工智能需求的有力新手段。.
GAE背后的储能堆
传统上，数据中心的储能被视为一种保障——备用电源，利用电池在断电期间维持系统运行。人工智能正在改变这种观念。储能和管理已成为一种战略性运营方法，能够帮助公用事业公司和数据中心运营商维护电网稳定、管理用电高峰、防范能源瞬变，并促进可再生能源的更广泛利用。.
从电网到储能架，各种技术在储能系统中发挥着特定作用：
- 电池储能系统（BESS）
运行、电网和设施层面, 贝斯 电池储能系统（BESS）将电池单元与功率转换、电池管理和能源管理系统相结合，用于存储和按需调度能源。它们可以减轻电网压力，支持电力公司的需求响应计划，促进可再生能源并网，并在电力供应紧张时期提供备用电源。通过在用电高峰期共享存储的能源，BESS 帮助电力公司维持可靠性，同时使数据中心运营商在管理能源成本和用电时段方面拥有更大的灵活性。.
- 不间断电源（UPS）
UPS系统位于公用电网和关键IT基础设施之间，可在断电期间提供即时备用电源，并在发生干扰时稳定电压和频率。这些系统弥补了公用电网中断和更长时间备用电源之间的空白，确保关键工作负载的持续运行，同时防止干扰扩散到整个设施。.
- 电容式储能系统（CESS）
GPU集群会产生持续时间仅为几毫秒的显著瞬态功率事件，这些事件会影响电源质量、电压稳定性和基础设施可靠性。在机架级运行， 消费社会服务 通过先进的电容储能和电源管理技术动态调节功率，平滑功率尖峰并减轻电压波动，防止其向上游扩散到更广泛的配电系统中。.
- 备用电池单元（BBU）
电池供电单元 (BBU) 位于单个服务器、加速器托架或计算节点内，提供局部能量存储，以维持正常运行时间并保护敏感电子设备免受断电影响。随着机架密度越来越高、功耗越来越大，BBU 在服务器级可靠性方面发挥着至关重要的作用，它能够保持系统状态、支持平滑故障转移，并在计算点维持电源质量。.
协调储能堆栈是 能源管理系统（紧急医疗服务). 集成式EMS确保整个系统互联互通、协调一致，并通过在电力问题变得严重之前识别和分析这些问题，最大限度地提高可靠性。它由……补充 监控和数据采集（SCADA） 系统 它监控和控制建筑物或园区内的配电网络，以最大限度地减少运营中断并优化能源使用。.
从效率到运营韧性
人工智能时代正在改变数据中心运营商对效率的思考方式。多年来，他们的目标是降低设施的能耗并提高电源使用效率（PUE）。这些目标仍然重要，但仅靠这些已远远不够。随着人工智能工作负载规模和复杂性的增长，运营商还必须考虑设施如何与更广泛的能源生态系统互动。. 电力质量, 需求灵活性、可再生能源的整合、电网稳定性和能源弹性——所有这些都是 GAE 的内在组成部分——与传统的用电量计算一样重要。.
效率是一门系统层面的学科，GAE 将其融入运营理念之中。下一代数据中心不仅会更高效地消耗电力，还会作为电网合作伙伴（而不仅仅是电网用户），积极参与构建更具适应性、韧性和利用率更高的能源生态系统。.
