《算力电力协同：思路与探索白皮书（2025 年）》由清华大学和北京火山引擎科技有限公司联合发布，旨在探讨算力与电力协同发展的相关问题，为新型电力系统建设提供支撑。随着 AI 发展，算力中心能耗剧增，其负荷特性对电力系统构成挑战与机遇，因此算电协同至关重要。

算力电力协同的背景与必要性

• 算力中心负荷攀升：AI 领域的 “Scaling Law” 使能源消耗随模型规模等增加呈指数级上升。全球 AI 应用发展促使服务于 AI 的 IT 设备用电需求年均增长 43%（2023 - 2030 年），全球算力中心和加密货币用电量 2022 - 2026 年将翻倍。国外已有算力中心电力短缺报道，国内算力中心耗电量也因 AI 战略持续增长，2023 年底全国算力总规模达 230 EFLOPS，总耗电量 1500 亿 kWh，占全社会用电 1.6%，智能算力成为增长主要驱动力。

• 负荷特性带来的挑战与机遇：算力中心负荷具有高功率密度、强周期性、高可靠性、高绿色性和潜在强波动性等特点，给新型电力系统建设中绿电支撑算力发展带来挑战。但同时其供能结构冗余、可通过算力网转移负荷实现电力转移，具有时空灵活性，为新型电力系统建设提供了机遇。

• 成本优化需求：在算力中心基础设施建设和运营成本中，电力占比高。挖掘负荷灵活性可优化供能结构、降低用能成本，如 IBM 数据显示建设成本中电力设备超 50%，运营成本中相关电力费用占 28% 以上。

算电协同的具体内容

• 物理基础 —— 算电耦合点：算力中心园区基本供用能结构以列头柜为核心串联，包括制冷、蓄电池等设备，与外电、电力网相连。各部分功能、配电特征不同且存在算电耦合关系，如列头柜供电 IT 设备，其容量和能耗受算力需求制约，同时影响制冷设备等。

• 核心驱动力 —— 主体利益诉求：涉及算力用户、运营商和电网公司三方。算力用户需确保业务可靠、提升承载量、降低成本和碳排放；运营商要保证供电可靠性、符合行业要求、降低综合用能成本；电网公司追求安全高效清洁供电并利用用户侧灵活性提升效率。

协同的实现路径

• 列头柜层面：是供用能最小单元，涉及算力用户和运营商。通过预测算力需求及功耗挖掘灵活性，可提高承载量并为电网提供灵活性，但存在算力 - 电力当量表征关系不明的难点。如挖掘 AI 模型训练用能灵活性可通过调节 GPU 频率等，超电管理可控制超电现象。

• 局部电网层面：涉及运营商和电网公司，围绕算力中心的高比例可再生能源局部电网需解决自治问题。以氢储能替代柴油发电机作为算力集群备电的方案，可降低成本、减少碳排放，涉及氢储能相关关键技术。

• 大规模 “算力网 + 电力网” 层面：涉及三方主体，通过算力网络业务迁移实现负荷迁移与优化调度，降低成本和碳排放、提升新能源消纳能力，关键技术包括通信保障、当量模型和隐私计算等。

结语与展望

算力中心负荷特性特殊，算电协同可提升新能源系统友好性和优化成本。从技术和经济可行性出发，需攻克核心技术难点，满足各方利益诉求，推动算力中心低碳、可靠、经济运行，促进能源与 AI 融合发展。