【清华大学】算力电力协同-思路与探索白皮书(2025年)

近日，清华大学联合北京火山引擎科技有限公司发布了《算力电力协同：思路与探索白皮书（2025年）》。这份报告深入探讨了在人工智能迅猛发展的背景下，算力中心负荷持续攀升所带来的挑战与机遇，以及如何通过算力与电力的协同优化，提升新能源消纳能力，降低用能成本，并构建新型电力系统。报告中不仅分析了算力电力协同的必要性，还详细阐述了具体的协同内容和实施路径，提供了丰富的行业洞见和实践指导。这份报告是行业内宝贵的资源，对于理解算力与电力如何相互促进、共同发展具有重要意义。

随着人工智能技术的飞速发展，算力中心的能源消耗问题日益凸显。清华大学与北京火山引擎科技有限公司联合发布的《算力电力协同：思路与探索白皮书（2025年）》深入探讨了算力与电力协同的必要性和方法，为构建新型电力系统提供了新的思路。

首先，AI技术的进步带来算力需求的指数级增长，这直接导致能源消耗的急剧上升。据Citi Research预测，到2030年，全球AI相关的IT设备用电需求将达到52GW，占全球IT设备用电需求的一半以上。这一趋势对电力系统构成巨大挑战，同时也为电力系统的优化提供了机遇。

算力中心的负荷特性与传统工业负荷不同，它们功率密度高、周期性强，对可靠性和绿色性的要求也更高。例如，GPT-6训练集群项目中，单一州部署超过10万个H100 GPU可能引发电网崩溃的风险。此外，算力中心的用电负荷具有明显的节性性周期波动，与地区夏节用电高峰时段相吻合。

面对这些挑战，算力电力协同提供了解决方案。通过挖掘算力中心的时空灵活性，可以优化算力负荷的用能成本与供能技术，并提升新能源消纳能力。算力中心的供能结构具有较高的冗余度，蕴含着可观的新型负荷灵活性。例如，通过在算力网中转移算力需求实现电力的转移，是目前已知的唯一一种可以不依赖电网而实现电力负荷瞬时转移的新型负荷。

在算力中心层面，算力中心运营商和电网公司可以通过协同调控与业务逻辑耦合性较弱的灵活性资源，实现降低用能成本，提高绿电使用占比，减少碳排。例如，园区综合能量管理系统（IEMS）支持电-热-光-储-车等多种能流的高效协同和互动，可以通过优化控制储能、光伏等园区内常见辅助能源提高综合能源利用效率，减少园区总体碳排放。

在局部电网层面，围绕算力中心的高比例可再生能源局部电网自治成为关键。氢储能与电化学短时储能技术配合，有望解决波动性风光可再生能源大规模接入带来的新型电力系统多时间尺度电力电量平衡问题，实现电力能源的清洁可靠供应。

在大规模“算力网+电力网”层面，通过算力网络中的业务迁移，让业务耗能自动匹配电碳信号、可再生能源出力等电力侧信号的时空特性，实现降低算力网层面的用电成本和碳排，提升电力网层面的新能源消纳。

这篇文章的灵感来源于《算力电力协同：思路与探索白皮书（2025年）》。除了这份报告，还有一些同类型的报告也非常有价值，推荐阅读，这些报告我们都收录在同名星球，可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。