中文

带有数据中心负荷的配电系统电压调节

计算与语言 2026-01-01 v2 机器学习

摘要

基础模型和AI计算的近期热潮引发了对大规模数据中心功率和能源轨迹的日益担忧。本文聚焦于数据中心功率需求的波动性和强度导致的电压问题,这也与电网更频繁电压扰动的最新观察相吻合。为了应对这些数据中心集成挑战,我们提出了一种动态电压控制方案,利用数据中心的负荷调节能力。通过采集局部电压测量值,并通过动态电压和频率缩放 (DVFS) 方案在每个数据中心母线上调整功率注入,我们能够以分布式方式维持安全的电压幅度,以适应更高的数据中心计算负荷。使用真实的大型语言模型 (LLM) 推理负荷的仿真验证了我们提出机制的有效性。LLM 功率数据和提出的控制方案均已开源。

关键词

引用

@article{arxiv.2507.06415,
  title  = {PERK: Long-Context Reasoning as Parameter-Efficient Test-Time Learning},
  author = {Zeming Chen and Angelika Romanou and Gail Weiss and Antoine Bosselut},
  journal= {arXiv preprint arXiv:2507.06415},
  year   = {2026}
}

备注

10 pages, 7 figures