Mitigating Data Centers Load Risks and Enabling Grid Support Functions through Grid-Forming Control

Sintesi Tecnica: Mitigazione dei Rischi di Carico dei Data Center e Abilitazione delle Funzioni di Supporto alla Rete tramite il Controllo Grid-Forming

Problematica
La rapida espansione dei data center hyperscale, guidata dai carichi di lavoro dell'Intelligenza Artificiale (IA) e dei Large Language Models (LLM), introduce sfide significative alla stabilità del sistema elettrico di grande scala (Bulk Power System - BPS). Queste strutture presentano comportamenti di carico non convenzionali di tipo "burst", caratterizzati da transizioni brusche di rampa in salita e in discesa durante gli eventi di addestramento del deep learning e di salvataggio dei checkpoint. Tali rapide variazioni di potenza causano deviazioni di tensione e disturbi di frequenza. Inoltre, i data center operano tradizionalmente come carichi passivi, prelevando energia senza fornire supporto alla rete, esacerbando così i rischi per l'affidabilità del sistema. La crescita concomitante delle risorse basate su inverter (Inverter-Based Resources - IBR) e della domanda dei data center necessita di una strategia di integrazione coordinata per evitare che queste strutture diventino un'onerosità operativa.

Metodologia
Il documento propone un'architettura integrata in cui sistemi di accumulo a batteria (Battery Energy Storage Systems - BESS) vengono implementati all'interno dei data center e controllati tramite inverter Grid-Forming (GFM). Questo approccio sostituisce o integra la dipendenza convenzionale dalla rete e dai generatori diesel.

• Architettura: Il sistema proposto collega gli inverter GFM basati su BESS direttamente al bus di media tensione (MV) del data center. Il design utilizza otto unità BESS coordinate, ciascuna con una potenza nominale di 5 MW, fornendo una capacità totale di 40 MW per condividere il carico equamente.
• Strategia di Controllo: Gli inverter GFM impiegano un'architettura di controllo gerarchica caratterizzata da:
  • Loop Interni: Loop di controllo tensione-corrente cascati con elaborazione del riferimento nel sistema di riferimento $dq$, utilizzando controllori PI e compensazione feed-forward per garantire una risposta dinamica rapida.
  • Loop Esterni: Strati di controllo della potenza che calcolano la potenza attiva e reattiva istantanea. Questi alimentano le relazioni di controllo droop ($K_p$ per frequenza-potenza e $K_q$ per tensione-potenza reattiva) per regolare autonomamente l'ampiezza della tensione e la frequenza.
  • Funzionalità: Questa configurazione consente agli inverter di stabilire i riferimenti di tensione e frequenza, permettendo transizioni fluide tra le modalità connessa alla rete e isolata, nonché fornendo supporto di potenza reattiva di tipo STATCOM.
• Framework di Simulazione: Lo studio utilizza MATLAB/Simulink per simulare un impianto data center da 50 MW. La simulazione inserisce un profilo di potenza attiva misurato che riflette i cicli di carico reali dell'IA (rampa in salita durante l'addestramento, rampa in discesa durante il salvataggio dei checkpoint). Gli scenari includono il carico dinamico, la depressione di tensione monofase (che simula un guasto) e la disconnessione dalla rete.

Risultati Chiave
I risultati della simulazione validano l'efficacia dell'integrazione proposta tra GFM e BESS in tre aree primarie:

1. Supporto della Potenza Attiva e Regolazione della Frequenza:

   • Senza BESS, l'alimentazione diretta dalla rete ha causato cali di tensione significativi inversamente proporzionali al profilo del carico e deviazioni di frequenza comprese tra 59,5 Hz (carico) e 60,3 Hz (scarico).
   • Con il sistema GFM-BESS, gli inverter hanno seguito i riferimenti di potenza entro millisecondi. Le deviazioni di frequenza sono state mitigate a un intervallo compreso tra 59,8 Hz e 60,15 Hz, e la stabilità della tensione è stata mantenuta senza richiedere azioni correttive come le operazioni dei trasformatori con commutatore sotto carico (on-load tap changer).

2. Supporto della Potenza Reattiva:

   • Durante un guasto simulato monofase a terra a due miglia dal data center, il sistema GFM-BESS ha rilevato il collasso di tensione e ha iniettato immediatamente circa 5 MVAr di potenza reattiva sulla base delle impostazioni di tensione-droop.
   • Questa risposta ha ripristinato la tensione del bus nell'intervallo accettabile non emergenziale (0,9–1,1 p.u.) e ha permesso al carico di 6 MW del data center di continuare a operare senza interruzioni.

3. Operatività in Isolamento (Islanded Operation):

   • In seguito alla disconnessione simulata dalla rete, il sistema ha raggiunto una transizione fluida verso l'operatività stand-alone.
   • Le unità GFM hanno mantenuto tensione e frequenza stabili, soddisfacendo i requisiti di potenza reale del data center con solo lievi picchi transitori al momento della disconnessione.

Significatività e Rivendicazioni
Il documento afferma che l'integrazione del controllo GFM basato su accumulo trasforma i data center da carichi passivi, potenzialmente destabilizzanti, in asset attivi di supporto alla rete. La significatività di questo lavoro risiede nel:

• Mitigazione della Variabilità Guidata dall'IA: Il sistema stabilizza efficacementamente la rete contro gli effetti di rampa rapidi e imprevedibili dei carichi di lavoro dell'IA.
• Resilienza Potenziata: Fornendo una risposta rapida alla frequenza e supporto di potenza reattiva (simile ai sistemi STATCOM), il data center contribuisce alla stabilità e alla resilienza complessiva del sistema.
• Indipendenza Operativa: L'architettura consente un'operatività in isolamento fluida, offrendo un'alternativa sostenibile ai generatori diesel per l'alimentazione di emergenza, mantenendo al contempo l'interconnessione alla rete per le funzioni di supporto.

Gli autori concludono che, sebbene la simulazione dimostri la fattibilità tecnica e l'efficacia dello schema di controllo, l'implementazione pratica richiederebbe ulteriori indagini su fattori quali il rumore di misura e i ritardi di comunicazione su scala millisecondo. Il lavoro futuro è identificato nel focus sulla coordinazione con i sistemi di protezione esistenti, la scalabilità verso molteplici impianti e la validazione sotto condizioni di rete più ampie.