Limiting the Impact of AI Data Centers on Fatigue Life of Thermal Turbine Generators in the Grid: A Frequency-Domain Approach

Resumen Técnico: Limitación del Impacto de los Centros de Datos de IA en la Vida a Fatiga de los Generadores de Turbina Térmica

Enunciado del Problema
Los centros de datos (CD) de Inteligencia Artificial (IA) exhiben patrones de consumo de energía altamente fluctuantes, particularmente durante los ciclos de entrenamiento, donde la potencia puede aumentar hasta un 70% de la capacidad nominal en un corto periodo. Estas transitorias persistentes plantean desafíos significativos para la confiabilidad de la red. Si bien la literatura existente ha abordado la excitación de modos electromecánicos y las oscilaciones subsíncronas (SSO) inducidas por recursos basados en inversores (IBR) causadas por los CD de IA, persiste una brecha crítica respecto al impacto en la vida a fatiga de los ejes de turbinas térmicas de generadores síncronos (GS).

Las regulaciones actuales de las empresas eléctricas (por ejemplo, de ERCOT, LIPA, AESO) imponen límites cuantitativos a las fluctuaciones de carga, sin embargo, estos límites a menudo carecen de una justificación técnica sólida derivada de primeros principios. Específicamente, no existe un método establecido para optimizar las fluctuaciones permitidas para múltiples CD de IA simultáneamente, asegurando al mismo tiempo la preservación de la vida a fatiga de la turbina-generador frente a oscilaciones torsionales y vibraciones de álabes fuera de frecuencia.

Metodología
El artículo propone un marco de trabajo en el dominio de la frecuencia para evaluar y limitar las variaciones de carga de los CD de IA. El enfoque se estructura en un proceso de tres pasos:

1. Paso 1: Determinación de la Variación Máxima de Potencia Permitida en las Terminales del GS

   • Fatiga Torsional: Se utiliza un modelo concentrado de múltiples masas del lado mecánico de la turbina-generador. El marco calcula la amplitud máxima de esfuerzo cortante permitida para cada sección del eje basándose en el diagrama de Goodman modificado aumentado, que tiene en cuenta tanto el esfuerzo medio como el esfuerzo alternante para prevenir la fluencia y la falla por fatiga. Se deriva la función de transferencia entre la potencia de salida del generador y el esfuerzo del eje para determinar la variación de potencia de frecuencia única máxima permitida ($P_{e,i}^{max}$) que mantiene el esfuerzo dentro de límites seguros.
   • Vibraciones de Álabes: También se imponen límites basados en desviaciones de frecuencia permitidas ($\Delta f_{max}$) para prevenir la operación fuera de la frecuencia nominal que causa estrés vibratorio en los álabes de la turbina.
   • Síntesis Multifrecuencia: Utilizando la desigualdad de Hölder, el marco establece una condición suficiente donde la suma de las amplitudes de todos los componentes de frecuencia en la potencia de salida del generador no debe exceder la variación mínima permitida derivada del análisis de frecuencia única.

2. Paso 2: Cálculo de Factores de Interacción Algebraicos (FI)

   • Para mapear los cambios en la carga del CD de IA en una barra específica a los cambios en la potencia de salida en varias terminales de GS, los autores proponen un nuevo enfoque basado en flujo de carga.
   • Este método implica ejecutar un flujo de carga de caso base, calcular voltajes internos detrás de las impedancias subtransitorias, y tratar las barras internas del GS como barras de referencia (slack) mientras se mantienen las barras terminales como barras PQ.
   • Mediante la perturbación de la carga del CD de IA y la observación del cambio resultante en la potencia del generador, se calcula el FI algebraico ($IF_{ij} = \Delta P_{e,i} / \Delta P_{L,j}$). Este método está diseñado para ser escalable y no depende de suposiciones de flujo de carga desacoplado.

3. Paso 3: Optimización y Clasificación

   • Clasificación de Barras: Las barras candidatas para la ubicación de CD de IA se clasifican en función de la fluctuación máxima permitida ($P_{dc}^{max}$) que pueden soportar sin violar los límites del generador.
   • Programación Lineal (PL): Se formula un problema de optimización para determinar las fluctuaciones permitidas óptimas para un conjunto de múltiples CD de IA. El objetivo es maximizar la suma de las fluctuaciones permitidas sujeto a restricciones de que la suma ponderada de las fluctuaciones (mediante FI) en cada terminal del generador no exceda su límite máximo permitido.

Marco de Validación
El enfoque propuesto se valida utilizando un marco de modelado de Fasores Dinámicos (FD). Este marco permite la simulación escalable de sistemas grandes y rígidos, incluyendo la dinámica de líneas de transmisión, modelos de turbinas de GS de múltiples masas e IBR, manteniendo la capacidad para el análisis en el dominio de la frecuencia. El modelo FD se valida contra un modelo de Transitorios Electromagnéticos (TEM) utilizando el Modelo de Referencia Primero del IEEE (FBM) para Resonancia Subsíncrona (SSR).

Resultados Clave
El marco se aplicó a tres sistemas de prueba:

1. Sistema Modificado IEEE de 4 Máquinas: El enfoque identificó exitosamente que un componente de 20 Hz (que coincide con un modo torsional) con una amplitud de 32.39 MW en una barra específica resultó en esfuerzos del eje y desviaciones de frecuencia que permanecieron dentro de límites seguros. Las simulaciones en el dominio del tiempo confirmaron que el enfoque de FI algebraico proporcionó límites conservadores pero precisos.
2. Sistema Modificado IEEE de 68 Barras: El estudio demostró la necesidad de la optimización por PL. Cuando se permitieron 12 barras candidatas fluctuar en sus máximos individuales sin coordinación, el efecto agregado en el Generador 7 (G7) excedió su límite, lo que llevó a una falla predicha del eje. La resolución de la PL redujo las fluctuaciones permitidas para cada barra (por ejemplo, de ~80 MW a ~13 MW para las barras mejor clasificadas), asegurando que todos los esfuerzos del eje y las desviaciones de frecuencia permanecieran dentro de límites seguros.
3. Sistema Sintético de 2000 Barras de Texas: Se demostró la escalabilidad del método. La optimización por PL se ejecutó en un sistema con 485 generadores y 1123 cargas. Mediante la clasificación y ordenamiento, el método identificó 13 barras viables con fluctuaciones permitidas mayores que un umbral de 10 MW, demostrando la aplicabilidad del enfoque a redes de gran escala.

Significado y Afirmaciones
El artículo afirma proporcionar un marco basado en primeros principios para determinar límites cuantitativos y técnicamente justificados sobre las fluctuaciones de carga de los CD de IA específicamente para proteger la vida a fatiga de la turbina-generador. Las contribuciones clave incluyen:

• Establecer un vínculo entre las variaciones de carga de los CD de IA y el daño por fatiga torsional utilizando análisis en el dominio de la frecuencia y el diagrama de Goodman.
• Proponer un método computacionalmente eficiente basado en flujo de carga para calcular factores de interacción sin herramientas de software complejas.
• Formular un enfoque escalable de Programación Lineal para optimizar las fluctuaciones permitidas para múltiples CD de IA simultáneamente.
• Demostrar que un área de estudio localizada (en lugar de todo el sistema) a menudo es suficiente para determinar estos límites, mejorando la aplicabilidad práctica para los planificadores.

Los autores enfatizan que, si bien el análisis en el dominio de la frecuencia proporciona límites estacionarios conservadores, las simulaciones en el dominio del tiempo confirman que los sobrepicos transitorios permanecen dentro de los límites deseados debido a las restricciones en las tasas de rampa y al conservadurismo de las desigualdades de norma utilizadas.