以人工智慧為重點的高效能運算資料中心可以更低成本地提供更高的電網靈活性

Kernekoncepter

以 GPU 為中心的 AI 專用高效能運算資料中心，與傳統以 CPU 為中心的通用型高效能運算資料中心相比，能夠以更低的成本提供更大的電網靈活性，尤其是在需要長時間持續供電的電力系統服務方面。

Resumé

研究背景
人工智慧（AI）的快速發展，特別是大語言模型的興起，需要耗能巨大的高效能運算（HPC）資料中心來支持其運作。這些以 AI 為重點的 HPC 資料中心通常以圖形處理器（GPU）等加速器為中心，導致其能源需求遠高於傳統用於科學計算的以中央處理器（CPU）為中心的通用型 HPC 資料中心。
研究目的
本研究旨在評估以 AI 為重點的 HPC 資料中心與通用型 HPC 資料中心相比，在提供電網靈活性方面的能力和成本差異。
研究方法
研究人員收集了 7 個以 AI 為重點的 HPC 資料中心和 7 個通用型 HPC 資料中心的真實數據集，並使用這些數據集來評估資料中心在不同電力系統服務（例如，初級響應、擁塞管理）下的最大靈活性和平均靈活性成本。
主要發現

以 AI 為重點的 HPC 資料中心可以提供比通用型 HPC 資料中心更大的電網靈活性，尤其是在需要較長持續時間的電力系統服務方面。
以 AI 為重點的 HPC 資料中心提供電網靈活性的成本比通用型 HPC 資料中心低至少 50%。
在某些情況下，以 AI 為重點的 HPC 資料中心通過提供電網靈活性可以獲得經濟上的盈利。
資料中心利用率模式的差異（例如，平均利用率、利用率標準差）也影響了其電網靈活性和成本。
動態配額（dynamic quota）可以進一步提高資料中心的靈活性和降低靈活性成本。
主要結論
與傳統的通用型 HPC 資料中心相比，以 AI 為重點的 HPC 資料中心在提供電網靈活性方面更具優勢。這一發現為電力系統運營商和資料中心運營商提供了新的合作機會，以應對日益增長的電力需求和提高電網穩定性。
研究意義
本研究強調了以 AI 為重點的 HPC 資料中心在未來電網中的潛在作用，並為資料中心參與電力系統服務提供了新的經濟動機。
研究限制和未來方向
本研究的局限性在於其對資料中心電力數據的線性假設，以及對動態配額功能的簡化模擬。未來的研究可以進一步探討這些方面，並評估不同類型的資料中心在提供電網靈活性方面的差異。

Statistik

在美國，資料中心目前佔總電力需求的 3%，預計到 2030 年這一比例將增長到 8%，而人工智慧是主要驅動因素之一。
最新一代的“192 線程 AMD EPYC 9654 CPU”額定功率僅為 360 瓦，而最新一代的“NVIDIA B200 GPU”功耗可達 1000 瓦。
英國的電力靈活性服務（DFS）在 2022/23 年和 2023/24 年冬季，在系統壓力大的時段，為靈活性提供每千瓦時 3 英鎊（約合 3.8 美元）的保證接受價格。

Vigtigste indsigter udtrukket fra

AI-focused HPC Data Centers Can Provide More Power Grid Flexibility and at Lower Cost

by Yihong Zhou,... kl. arxiv.org 10-24-2024

https://arxiv.org/pdf/2410.17435.pdf

Dybere Forespørgsler

除了文中提到的電力系統服務外，AI 專用 HPC 資料中心還能參與哪些其他新興的電網服務市場？

除了文中提到的主要響應、擁塞管理等電力系統服務外，AI 專用 HPC 資料中心憑藉其強大的計算能力和靈活性，還可以參與以下新興的電網服務市場：

虛擬電廠 (Virtual Power Plant, VPP)： AI 專用 HPC 資料中心可以作為 VPP 的一部分，通過聚合其可控負載，參與電力市場交易、需求響應和輔助服務。AI 算法可以優化 VPP 的運行策略，最大化其經濟效益。
點對點電力交易 (Peer-to-Peer Energy Trading)： AI 專用 HPC 資料中心可以利用區塊鏈等技術，直接與其他電力用戶進行點對點電力交易，例如將其剩餘電力出售給鄰近的建築物或社區。
電動汽車充電管理 (Electric Vehicle Charging Management)： 隨著電動汽車的普及，AI 專用 HPC 資料中心可以利用其計算能力，優化電動汽車充電時間和充電功率，降低對電網的衝擊，並提供峰谷電價套利等服務。
需求側響應管理 (Demand Side Response Management)： AI 專用 HPC 資料中心可以通過預測電力需求和價格，調整其計算任務的執行時間和資源使用，參與需求側響應管理，幫助電網平衡供需。

如果考慮資料中心供電的可靠性和安全性，AI 專用 HPC 資料中心在提供電網靈活性方面會面臨哪些挑戰？

AI 專用 HPC 資料中心在提供電網靈活性方面，若考慮到供電的可靠性和安全性，將面臨以下挑戰：

供電中斷風險： AI 專用 HPC 資料中心需要高度可靠的電力供應，以確保計算任務的正常運行。頻繁參與電網靈活性調節可能會增加供電中斷的風險，導致計算任務中斷或數據丟失。
安全性問題： AI 專用 HPC 資料中心通常處理敏感數據，需要高度的安全性保障。參與電網靈活性調節需要與電網運營商共享部分數據，這可能會帶來數據洩露或網絡攻擊的風險。
成本效益問題： 確保供電可靠性和安全性需要額外的投資，例如備用電源和安全防護系統。這些額外成本可能會降低 AI 專用 HPC 資料中心提供電網靈活性的經濟效益。
技術挑戰： AI 專用 HPC 資料中心需要開發新的技術和算法，以在保證供電可靠性和安全性的前提下，實現計算任務和電網靈活性調節的協同優化。

隨著量子計算等更強大計算技術的出現，資料中心在未來能源系統中的角色將如何演變？

隨著量子計算等更強大計算技術的出現，資料中心在未來能源系統中的角色將更加重要，並朝著以下方向演變：

能源系統的「大腦」： 量子計算和 AI 技術的結合，將使資料中心具備更強大的數據分析和預測能力，能夠更精準地預測能源需求、優化能源生產和分配，成為未來能源系統的「大腦」。
電網靈活性的重要提供者： 更強大的計算能力和更智能的算法，將使資料中心能夠參與更廣泛、更精細的電網靈活性調節服務，例如提供虛擬慣性和快速頻率響應，成為電網穩定的重要支撐力量。
能源效率的推動者： 資料中心自身也是能源消耗大戶，量子計算和 AI 技術的應用，將有助於優化資料中心的能源效率，降低能源消耗和碳排放，推動能源系統的可持續發展。
能源創新的平台： 資料中心將成為能源領域創新的重要平台，例如開發新的能源交易模式、設計新的能源儲存技術、探索新的能源應用場景，推動能源產業的數字化轉型。
總之，隨著量子計算等技術的發展，資料中心將在未來能源系統中扮演更加重要的角色，成為能源系統的「大腦」、電網靈活性的重要提供者、能源效率的推動者和能源創新的平台。