面向AI数据中心的网格集成：能源存储解决方案的关键综述
天体物理仪器与方法
2026-03-03 v1 高能物理 - 实验
摘要
人工智能（AI）正在推动数据中心（DC）规模和功耗需求的空前增长。AI工作负载对电网施加高度动态且难以预测的功率配置，创造了可靠性和稳定性挑战，而传统DC架构并非为此设计。本文对能源存储系统（ESS）作为可靠网格集成AI DC的关键技术进行了批判性综述。我们围绕四层分层 taxonomy 组织综述，包括芯片级缓冲、机架/服务器级ESS、设施级不可中断电源（UPS）系统以及网格规模的电池能源存储系统（BESS），此外包括燃料电池（FCs）和热能存储（TES）等非电池技术。每一层都针对响应时间尺度、功率和能量额定值、操作角色、集成挑战和协调要求进行分析。关键发现包括：（i）AI DC负荷配置在亚秒变动性上与传统负荷根本不同，使传统ESS调度策略不足；（ii）在所有层级实现分层、协调的ESS部署对于有效负荷平滑和网格支持至关重要；（iii）在仿真工具、退化建模、负荷预测和最优多层规模方面仍存在显著差距。本综述确定了AI计算基础设施与电力系统集成交叉领域的开放性研究挑战和未来方向。
引用
@article{arxiv.2603.00414,
title = {A Particle Detector Array deployed to the Murchison Widefield Array in the Murchison Radio-astronomy Observatory},
author = {J. E. Dickinson and J. D. Bray and D. Kenney and T. Booler and J. Edgley and D. Emrich and A. Forouzan and T. Gould and A. McPhail and P. Roberts and R. E. Spencer and L. Verduyn and R. Watson and A. Williams and K. Grainge and A. Haungs and T. Huege and C. W. James and S. J. Tingay},
journal= {arXiv preprint arXiv:2603.00414},
year = {2026}
}
备注
16 pages, 21 figures, 1 table