2024年人工智能快速发展背景下算力电力协同发展的思考报告

核心观点与关键数据

• 人工智能发展趋势：人工智能正从弱人工智能向强人工智能跨越式发展，生成式人工智能成为新的驱动力，对算力需求爆发式增长。
• 算力发展趋势：算力基础设施向通用算力、智能算力、超算算力一体化演进，智能算力需求不断提升。以ChatGPT为例，模型参数和计算量不断增加，推动智能算力需求增长。
• 中国算力发展现状：截至2023年底，中国算力总规模达到230EFlops，居全球第二位，智能算力规模占比超过30%，增速超过70%。数据中心布局呈由东向西转移特点，京津冀算力规模全国居前列。
• 冀北地区数据中心发展：冀北地区数据中心发展历经“探索起步期”、“快速增长期”和“成熟发展期”三大阶段，呈现跨越式发展。

算力电力协同发展存在的矛盾问题

• 算力高耗能特性与低用能效率：数据中心高能耗特性日益凸显，用电量年均增速超15%。智能算力较基础算力能耗明显增加，算力崛起催生旺盛电力需求，全国数据中心用电量占全社会用电量比重约1.6%。
• 算力高碳排放特性与低绿电使用率：数据中心高能耗带来高碳排放，间接碳排放达1446万吨。国家将数据中心纳入推进节能降碳的重点领域，增加绿电使用是解决算力高能耗需求下兼顾节能减排的重要手段。
• 算力区域集聚性与电力负荷达产周期长：数据中心呈现区域集聚化发展态势，“东数西算”八大枢纽节点算力规模占比约71.5%。数据中心项目密集并网和规模化聚合将导致电网接入资源紧张，数据中心并网初期上架率较低，负荷成长至预期的时间周期一般在3-5年左右。
• 算力高供电可靠性与新能源发电波动性：数据中心用电负荷呈现昼夜、季节周期特性，降温需求旺盛，制冷系统的能耗占比为30%~40%。智能算力数据中心对电力供应稳定性要求更高，与风光发电波动性大利用小时数低的特性存在结构性矛盾。

算力电力协同发展的思考

• 算力电力规划协同：加强算力和电力发展规划衔接，科学研判算力发展规模、类型，滚动完善数据中心集群所在地能源电力发展规划。做好数据中心用电负荷精准识别监测，制定远近结合系统供电方案，电力通信网-算力网协同规划。
• 算力电力建设协同：因地制宜开展可再生能源与算力资源融合开发，提升本地风光绿电消纳。依托物联网、人工智能信息通信技术，聚合园区分布式光伏、储能系统、柴油发电机等数据中心负荷侧资源，构建数据中心综合能源体系统。大力发展低成本、高安全、大容量长时储能技术，满足数据中心供电可靠性需求。
• 算力电力调度协同：数据中心的时空灵活性，电力供给电力供应曲线，电力时变价格，辅助设备灵活性。算力负荷跨空间调度，算力负荷跨时间调度，辅助设备灵活响应。
• 算力电力市场协同：未来数据中心绿电使用需求迫切，用能结构中绿电占比将持续快速提升。未来数据中心绿电使用需求增长潜力巨大，供需双方作用下数据中心绿电需求增长潜力巨大。