⚡ electrical engineering

Battery-Assisted Operation of Hyperscale AI Data Centers under Connect-and-Manage Interconnection Practices

本文提出了一种电池辅助的运行框架，该框架将现场储能与连续性感知的能量 - 计算模型及两阶段控制策略相集成，以使超大规模人工智能数据中心能够协调快速变化的内部工作负载与冷却动态同实时、时变的电网互联限制之间的矛盾，从而在输电拥堵条件下增强工作负载承诺与交付的鲁棒性。

原作者： Xin Lu, Jing Qiu, Jiafeng Lin, Sihai An, Mingyang Sun, Junhua Zhao

发布于 2026-05-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Xin Lu, Jing Qiu, Jiafeng Lin, Sihai An, Mingyang Sun, Junhua Zhao

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用简单语言和日常类比对该论文的解读。

宏观图景：“连接与管理”问题

想象一座巨大的高科技工厂（AI 数据中心），它需要消耗海量电力来驱动其超级计算机。这座工厂的电力需求之大，相当于整个城市街区的用电量。

在过去，建造这座工厂之前，电力公司会说：“我们需要先检查我们的道路（输电线）。如果它们无法承受交通流量，我们就不能允许你建造。”这既缓慢又昂贵。

现在，一项名为**“连接与管理”**的新规则正在兴起。它相当于说：“好吧，你可以立即建造你的工厂并接入电网！但是，如果道路变得过于拥挤，我们将在特定时间设置临时限速或只允许特定流量通过的闸门。”

问题所在：
AI 训练就像一名马拉松运动员，如果在比赛中途停下，就会迷失位置。如果电力公司突然关闭闸门（降低电力限制），工厂就必须停止。但停止 AI 训练是糟糕的，因为它会丢失进度。此外，工厂会产生大量热量，因此需要空调，而空调也消耗电力。

工厂被困在两个相互冲突的世界之间：

内部： 它需要稳定、连续的电力来维持计算机运行并散热。
外部： 电网是不可预测的，有时会说：“你现在只能使用 50% 的电力。”

解决方案：“电池缓冲”

该论文提出了一种解决方案：在工厂旁边放置一个巨型电池（BESS）。

将电池想象成工厂与电网之间的减震器或蓄水池。

当电网紧张时： 电网说：“你只能取用 100 个单位的电力。”而工厂实际需要 200 个单位。电池介入，说：“我会提供剩下的 100 个单位”，这样工厂就能继续运行而不停止。
当电网宽松时： 电网说：“你可以取用 300 个单位。”工厂取走它所需的电量，电池则将多余的电力储存起来（或者将其卖回电网以获利）。

这个电池充当物理缓冲，抚平波动，使工厂不必在电网改变主意时惊慌失措。

他们的计划：两步舞

研究人员制定了一个智能的两步计划来实现这一目标：

第一步：提前一天的承诺（预测）
在前一天，工厂经理查看天气、电价和历史交通模式。他们使用计算机模型来预测明天电网的严格程度。

基于这些预测，他们做出承诺：“我们承诺明天完成这么多 AI 工作。”
他们计算出可以承诺的最安全的工作量，假设电网可能会变得紧张。他们不会承诺过多，否则可能会失败。

第二步：实时舞蹈（执行）
在当天，电网发送实时更新：“好的，现在限制很紧”，或者“现在，限制完全放开”。

工厂使用一个智能控制器（就像自动驾驶汽车），它查看未来几小时的情况。
如果电网变得紧张，控制器立即告诉电池：“现在放电，以保持计算机运行！”
如果电网开放且电力便宜，控制器则告诉电池：“充电！”或者“提前开启空调，趁电价便宜时降温。”

他们的发现（结果）

研究人员使用模拟电网和澳大利亚的真实数据测试了这一想法。以下是发生的情况：

完成更多工作： 有了电池，工厂前一天可以承诺完成的工作量比没有电池时多出 38%。没有电池时，一旦电网变得拥挤，工厂就不得不停止工作。
减少停机次数： 没有电池时，工厂在 31 天中有 17 天不得不关闭。有了电池，它只需在 5 天停止。电池充当了安全网。
电池角色的转变：
- 当电网非常拥挤时： 电池就像救生筏。它不惜一切代价保持计算机运行，即使成本稍高。它的唯一任务是生存。
- 当电网宽松时： 电池就像精明的投资者。它等待廉价电力充电，并在电价高时出售电力，为工厂省钱。
规模很重要： 如果电池太小，在长时间停电期间它会耗尽电量，计算机仍不得不停止。更大的电池允许工厂“预冷”建筑（提前开启空调），然后在关键时刻仅靠电池电力生存。
“检查点”规则： AI 训练只能在特定时刻安全暂停（就像保存游戏）。如果这些“保存点”相距甚远，电池就必须更努力地工作，以维持机器运行直到下一个保存点。如果保存点频繁，工厂只需暂停并等待，所需的电池帮助就更少。

核心结论

这篇论文表明，为了让庞大的 AI 数据中心接入电网而不引发停电或被关停，它们需要现场配备巨型电池。这个电池充当翻译和减震器，使工厂即使在电网状况不佳时，也能继续运行其复杂的 AI 任务。它将波动不定、不可预测的电力连接转变为可靠、平稳的运营。

技术摘要：在“连接即管理”互联实践下电池辅助的超大规模人工智能数据中心运行

1. 问题陈述

超大规模人工智能数据中心（AIDC）的快速部署对现代电力系统构成了重大挑战。单个 AIDC 可能需要数百兆瓦的电力，然而输电基础设施的规划周期往往滞后于 AIDC 的部署。因此，电网运营商正从传统的“先审查、后连接”范式转向“连接即管理”实践。在此框架下，允许新的巨型负荷接入，但为确保输电可靠性，其在公共连接点（PCC）的实时、时变允许功率交换限额将受到约束。

这给 AIDC 带来了根本性冲突：

内部动态：承载大规模 AI 训练工作负载的 AIDC 本质上是具有状态性的。中断仅允许在离散的检查点时刻进行。此外，IT 计算负载与冷却系统紧密耦合，形成了快速的内部热力学和功率动态。
外部约束：电网根据网络拥堵情况施加波动的功率交换限额。
不匹配：将 AIDC 的内部动态直接映射到外部电网限额存在困难。如果电网收紧限额，直接的负荷削减策略可能导致频繁且不安全的中断及服务交付失败。现有的负荷灵活性模型通常假设负载可以任意切换，这一假设并不适用于受检查点约束的 AI 训练。

2. 方法论

本文提出了一种电池辅助运行框架，利用现场电池储能系统（BESS）作为物理缓冲接口，将快速的内部 AIDC 动态与时变的电网约束解耦。

A. 能量 - 计算建模
作者开发了一个联合模型，捕捉三个耦合层级：

计算层：AIDC 工作负载被建模为具有状态性的、面向批次的 AI 训练。该模型强制执行检查点感知连续性，即计算集群只能在特定时间槽（ $\delta_{ckpt}$ ）关闭。吞吐量通过软件定义的功率限额进行调节，表现出电能与计算吞吐量之间严格的凸函数关系。
热层：一阶 RC 热路模型描述了数据大厅的温度动态。冷却功率与 IT 发热量耦合，允许利用热惯性（例如预冷）来转移冷却负载。
电网接口：PCC 的功率交换受到输电系统运营商（TSO）施加的时变上下限（ $P_{grid}^{min}(t), P_{grid}^{max}(t)$ ）及爬坡率要求的约束。

B. 两阶段决策框架
为解决日前规划与实时运行之间的信息不对称，构建了两阶段逻辑：

阶段 I：日前（DA）工作负载承诺：
- 利用历史数据和公开可观测信号（价格、需求、温度），一个条件生成模型（CTSGAN）预测一组可接受的 PCC 功率限额轨迹。
- 基于场景的优化确定一个单一标量工作负载承诺（ $W_{DA}^*$ ），该承诺在所有保留场景（筛选置信度为 90% 的场景）中均可信可交付。此阶段在最大化承诺工作负载的同时，对偏离能效运行点的偏差进行惩罚。
阶段 II：实时（RT）交付保障：
- 一个滚动时域控制器以 15 分钟为间隔运行。
- 它接收已实现的电网限额和价格，随后优化 IT 吞吐量、冷却以及 BESS 充放电的调度。
- 目标是最小化运行成本（能源 + 电池退化），同时严格遵守电网约束并确保日前承诺工作负载的交付。对任何交付不足的空闲量施加巨额惩罚。

3. 主要贡献

新颖的建模方法：本文提出了一种能量 - 计算模型，联合刻画了具有状态性、受检查点约束的 AI 训练工作负载以及紧密耦合的 IT-冷却热力学动态，为功率约束下 AIDC 运行连续性提供了连贯的表征。
物理缓冲框架：提出了一种电网感知框架，其中现场 BESS 充当物理接口，实现了快速内部计算 - 冷却动态与外部输电约束之间的时间尺度解耦。
两阶段决策逻辑：开发了一种协调机制，将日前工作负载承诺与实时电网可行性对齐，确保承诺在输电拥堵不确定性的情况下仍保持可信，同时维持严格的电网合规性。

4. 结果

案例研究在 IEEE 39 节点系统上进行，使用了澳大利亚能源市场（AEMO）2026 年 1 月的真实数据。

增强的承诺能力：在输电拥堵情况下，BESS 辅助框架显著提高了可信的日前工作负载承诺。在一个代表性的拥堵场景中，配备 BESS 的 AIDC 在电网限额崩溃至 0 MW 的时段内维持了约 175 MW 的运行，而未配备 BESS 的案例则面临 7.75 小时的完全服务中断。
交付鲁棒性：在 31 天的模拟中，BESS 辅助系统将工作负载交付不足的天数从 17 天（无 BESS）减少至 5 天。平均交付不足量减少了一个数量级，证明了对日间不确定性的鲁棒性有所提升。
依赖运行模式的 BESS 角色：
- 可行性导向：在输电约束紧张的情况下，BESS 主要作为连续性桥梁，在电网进口受限时放电以维持 IT 运行。
- 经济驱动：随着输电约束放宽，BESS 的角色转变为经济灵活性，利用价格信号（例如在高价时段出口电力）以降低整体能源成本，同时不损害交付。
容量与检查点敏感性：
- 充足的 BESS 能量容量对于实现“预冷”策略至关重要，热惯性允许转移冷却负载，从而在电网拥堵期间优先保障 IT 计算的电力。
- 检查点的频率决定了 BESS 的利用率；稀疏的检查点迫使 BESS 提供持续支持以填补允许停机窗口之间的间隙，而频繁的检查点则允许更灵活的负荷削减，减少对储能的依赖。

5. 意义与主张

本文主张，所提出的框架为将大规模 AIDC 集成到受限输电网络提供了一种基于物理原理且运行上可行的方法。通过将 BESS 明确定位为物理接口，该框架解决了内部运行灵活性与电网安全要求之间的不匹配问题。

研究结果表明，在“连接即管理”实践下，BESS 不仅仅是一项经济资产，更是运行连续性的关键赋能者。它使 AIDC 能够在不确定的电网条件下做出可信的日前承诺，并确保实时的可靠交付。该研究强调，BESS 的价值具有运行模式依赖性：当输电限额具有约束力时，它对可行性至关重要；而当约束放宽时，则转向经济优化。这为未来电力系统与计算密集型基础设施的协同设计提供了可操作的见解。