Connect-and-Manage 模式下吉瓦级 AI 数据中心的电网集成
系统与控制
2026-05-15 v1 系统与控制
摘要
新兴的 connect-and-manage 互联实践允许吉瓦级人工智能数据中心 (AIDC) 在未进行预先网络升级的情况下接入输电网，代价是在电网压力期间进行实时削减。本文将由此产生的 AIDC 与输电系统运营商 (TSO) 间的协调形式化为一种顺序请求-接受协议，该协议具有显式的削减变量和双方之间的严格信息边界。在公共耦合点的两侧开发了物理模型：AIDC 被分解为共享现场电池储能的前沿训练、批量训练和推理服务子类，以捕捉差异化的时间灵活性；输电网通过具有发电机约束和预算约束需求不确定性的直流潮流进行建模。由于 TSO 的接受映射对 AIDC 是不透明的，因此构建了一个三层分层架构，其中基于学习的规划层生成电力请求，TSO 通过鲁棒接受机制评估每个请求，而单步执行优化器在实现的电力预算下强制执行内部可行性。在 IEEE 39 节点系统上结合澳大利亚市场数据进行的吉瓦级 AIDC 案例研究表明，该框架将削减率从 9.1% 降至 2.8%，同时保留了 98.1% 的前沿训练工作负载；批量训练作为主要的电网弹性资源，在需求高峰期间具有最大的吞吐量波动；现场电池通过主动放电和充电延迟提供削减缓冲。
引用
@article{arxiv.2605.14109,
title = {Grid Integration of Gigawatt-Scale AI Data Centers under Connect-and-Manage},
author = {Xin Lu and Qianwen Xu},
journal= {arXiv preprint arXiv:2605.14109},
year = {2026}
}