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

Sintesi Tecnica: Limitazione dell'Impatto dei Data Center AI sulla Vita a Fatica dei Generatori a Turbina Termica

Enunciato del Problema
I data center (DC) per l'Intelligenza Artificiale (AI) presentano modelli di consumo energetico altamente fluttuanti, in particolare durante i cicli di addestramento, dove la potenza può aumentare fino al 70% della potenza nominale in breve durata. Queste transiente persistenti pongono sfide significative all'affidabilità della rete. Sebbene la letteratura esistente abbia affrontato l'eccitazione dei modi elettromeccanici e le oscillazioni subsincrone (SSO) indotte da risorse basate su inverter (IBR) causate dai DC AI, rimane un divario critico riguardo all'impatto sulla vita a fatica degli alberi delle turbine termiche dei generatori sincroni (SG).

Le attuali normative dei servizi pubblici (ad esempio, da ERCOT, LIPA, AESO) impongono limiti quantitativi alle fluttuazioni del carico, tuttavia tali limiti spesso mancano di una solida giustificazione tecnica derivata dai principi fondamentali. Nello specifico, non esiste un metodo consolidato per ottimizzare le fluttuazioni ammissibili per più DC AI simultaneamente, garantendo al contempo la preservazione della vita a fatica del generatore-turbina contro le oscillazioni torsionali e le vibrazioni delle pale fuori frequenza.

Metodologia
Il documento propone un framework nel dominio della frequenza per valutare e limitare le variazioni di carico dei DC AI. L'approccio è strutturato in un processo a tre fasi:

1. Fase 1: Determinazione della Massima Variazione di Potenza Ammissibile ai Terminali del SG

   • Fatica Torsionale: Viene utilizzato un modello lumped a masse multiple del lato meccanico del generatore-turbina. Il framework calcola la massima ampiezza di sforzo di taglio ammissibile per ogni sezione dell'albero basandosi sul diagramma di Goodman modificato aumentato, che tiene conto sia dello sforzo medio che dello sforzo alternato per prevenire lo snervamento e il cedimento a fatica. La funzione di trasferimento tra la potenza in uscita del generatore e lo sforzo sull'albero è derivata per determinare la massima variazione di potenza a singola frequenza ammissibile ($P_{e,i}^{max}$) che mantiene lo sforzo entro limiti di sicurezza.
   • Vibrazioni delle Pale: Vengono imposti limiti anche in base alle deviazioni di frequenza ammissibili ($\Delta f_{max}$) per prevenire il funzionamento a frequenza non nominale che causa stress vibrazionale nelle pale della turbina.
   • Sintesi Multifrequenza: Utilizzando la disuguaglianza di Hölder, il framework stabilisce una condizione sufficiente in cui la somma delle ampiezze di tutte le componenti di frequenza nella potenza in uscita del generatore non deve superare la variazione ammissibile minima derivata dall'analisi a singola frequenza.

2. Fase 2: Calcolo dei Fattori di Interazione (IF) Algebrici

   • Per mappare le variazioni del carico AI DC a una specifica barra alle variazioni di potenza in uscita ai vari terminali SG, gli autori propongono un nuovo approccio basato sul flusso di carico.
   • Questo metodo prevede l'esecuzione di un flusso di carico di base, il calcolo delle tensioni interne dietro le impedenze subtransitorie e il trattamento delle bus interne del SG come bus di riferimento (slack), mantenendo le bus terminali come bus PQ.
   • Perturbando il carico AI DC e osservando la variazione risultante nella potenza del generatore, viene calcolato l'IF algebrico ($IF_{ij} = \Delta P_{e,i} / \Delta P_{L,j}$). Questo metodo è progettato per essere scalabile e non si basa su assunzioni di flusso di carico disaccoppiato.

3. Fase 3: Ottimizzazione e Screening

   • Screening delle Barre: Le barre candidate per l'ubicazione dei DC AI sono classificate in base alla massima fluttuazione ammissibile ($P_{dc}^{max}$) che possono supportare senza violare i limiti del generatore.
   • Programmazione Lineare (LP): Viene formulato un problema di ottimizzazione per determinare le fluttuazioni ammissibili ottimali per un insieme di più DC AI. L'obiettivo è massimizzare la somma delle fluttuazioni ammissibili soggette a vincoli per cui la somma pesata delle fluttuazioni (tramite gli IF) a ciascun terminale del generatore non superi il suo limite ammissibile massimo.

Framework di Validazione
L'approccio proposto è validato utilizzando un framework di modellazione a Fasori Dinamici (DP). Questo framework consente una simulazione scalabile di grandi sistemi rigidi, inclusi la dinamica delle linee di trasmissione, i modelli di turbine SG a masse multiple e gli IBR, mantenendo la capacità di analisi nel dominio della frequenza. Il modello DP è validato contro un modello a Transienti Elettromagnetici (EMT) utilizzando il Primo Modello di Riferimento IEEE (FBM) per la Risonanza Subsincrona (SSR).

Risultati Chiave
Il framework è stato applicato a tre sistemi di prova:

1. Sistema IEEE Modificato a 4 Macchine: L'approccio ha identificato con successo che una componente a 20 Hz (corrispondente a un modo torsionale) con un'ampiezza di 32,39 MW a una specifica barra ha determinato sforzi sull'albero e deviazioni di frequenza rimasti entro limiti di sicurezza. Le simulazioni nel dominio del tempo hanno confermato che l'approccio IF algebrico ha fornito limiti conservativi ma accurati.
2. Sistema IEEE Modificato a 68 Barre: Lo studio ha dimostrato la necessità dell'ottimizzazione LP. Quando 12 barre candidate sono state autorizzate a fluttuare ai loro massimi individuali senza coordinamento, l'effetto aggregato sul Generatore 7 (G7) ha superato il suo limite, portando a un previsto cedimento dell'albero. La risoluzione del LP ha ridotto le fluttuazioni ammissibili per ciascuna barra (ad esempio, da ~80 MW a ~13 MW per le barre meglio classificate), garantendo che tutti gli sforzi sull'albero e le deviazioni di frequenza rimanessero entro limiti di sicurezza.
3. Sistema Sintetico Texas a 2000 Barre: È stata dimostrata la scalabilità del metodo. L'ottimizzazione LP è stata eseguita su un sistema con 485 generatori e 1123 carichi. Attraverso screening e classificazione, il metodo ha identificato 13 barre vitali con fluttuazioni ammissibili superiori a una soglia di 10 MW, provando l'applicabilità dell'approccio a reti su larga scala.

Significato e Affermazioni
Il documento afferma di fornire un framework basato sui principi fondamentali per determinare limiti quantitativi e tecnicamente giustificati sulle fluttuazioni del carico AI DC specificamente per proteggere la vita a fatica del generatore-turbina. I contributi chiave includono:

• Stabilire un collegamento tra le variazioni di carico AI DC e il danno da fatica torsionale utilizzando l'analisi nel dominio della frequenza e il diagramma di Goodman.
• Proporre un metodo basato sul flusso di carico, computazionalmente efficiente, per calcolare i fattori di interazione senza strumenti software complessi.
• Formulare un approccio di Programmazione Lineare scalabile per ottimizzare le fluttuazioni ammissibili per più DC AI simultaneamente.
• Dimostrare che un'area di studio localizzata (piuttosto che l'intero sistema) è spesso sufficiente per determinare questi limiti, migliorando l'applicabilità pratica per i pianificatori.

Gli autori sottolineano che, sebbene l'analisi nel dominio della frequenza fornisca limiti conservativi in regime stazionario, le simulazioni nel dominio del tempo confermano che i sovraelongamenti transitori rimangono entro i limiti desiderati a causa dei vincoli sui tassi di salita e del conservatorismo delle disuguaglianze di norma utilizzate.