算电协同：智能算力时代的绿色供电架构创新与实践

        随着人工智能大模型的快速发展，全球算力需求正以前所未有的速度攀升。数据中心作为算力的物理载体，其单机柜功率密度已从传统的5~8kW跃升至50~100kW甚至以上，耗电量占全社会总用电量的比例持续增长。传统供电模式正面临严峻挑战：一方面，算力中心追求极高供电可靠性和稳定性，通常配置冗余系统和备用电源，导致报装容量远超实际需求；另一方面，电力系统需要应对新能源接入带来的巨大波动性，同时又要实现“双碳通信”目标。在此背景下，算力电力协同（简称“算电协同”）应运而生，成为连接数字经济和能源经济的核心纽带。

算电协同定义及其面临的挑战

        算电协同的核心定义是：以新型电力系统为支撑，综合考虑全要素和全生命周期，通过深化智能调度、源网荷储、新型供电与备电、绿电聚合供应等技术与机制创新，使算力与电力两大生产力在产业规划、生产运营、资源调度、市场体系等层面实现全局优化，打造技术先进、供需匹配、绿色低碳、安全可靠的绿色算力中心集群。从2021年开始，国家在东数西算、全国一体化算力网、新型电力系统、人工智能与能源双向赋能、人工智能+能源高质量发展、绿电直连等方面陆续发布了多项重磅政策。2026年政府工作报告首次将算电协同纳入新基建工程，标志着算电协同正式上升为国家战略。

        算电协同体系经历了初期探索、起步发展到深度协同、全面融合四个阶段。其关键实现模式涵盖六大方向：源荷互动与绿电消纳、储荷互动、网荷协同、源网荷储多层级一体化融合、算力负载调度/时空匹配供需、绿电交易。

        目前算电协同正处于从“起步发展”向“深度协同”过渡的关键节点。

        算电协同的深度发展面临四大挑战:

• 算力需求集聚化加剧局部电网压力
   

        随着“东数西算”国家战略的推进，新建算力中心，尤其是大型、超大型算力中心正快速向八大枢纽节点转移。中国信息通信研究院数据显示，截至2025年6月，八大枢纽节点机架数占全国72%以上，其中京津冀和长三角在用机架数的全国占比分别达到47%、49%。这种负荷高度集聚的发展态势，给局部地区电网的扩容和稳定运行带来巨大压力。

• 高标准供电需求与低负载运行严重失衡
   

        算力中心对供电系统的稳定性和可靠性要求极高，通常基于最不利工况估算用电需求并进行冗余设计，导致报装电力容量显著高于实际需求。更值得关注的是，部分算力中心园区的实际入驻规模与招商预期存在较大差异，服务器上架率长期处于较低水平。据统计，部分城市算力中心的电力接入变压器年平均负载率仅维持在30%左右，实际电力负载与电源容量配置之间存在严重失衡。这种供需不匹配不仅造成电力资源和基础设施的闲置浪费，还额外增加了电力系统的运行成本和维护负担。

• 绿电供不应求，交易面临多重障碍
   

        根据中国电力企业联合会数据，2024年全年绿电省内交易电量仅占全国省内交易电量的4.3%。据北京电力交易中心调研统计，2023年105家参与绿电绿证交易的数据中心，其绿色用能合计占其总用电量的11%。该机构预测，到2030年数据中心的绿电消费需求预计将达到3600亿千瓦时，绿电供需缺口将持续扩大。

        当前算力企业参与绿电交易面临三大难点：东西部绿电供需不平衡，东部发达地区绿电资源紧张且溢价较高；受省间输送通道受限、交易时机不确定、区域市场壁垒等因素影响，跨省绿电交易存在障碍；部分数据中心尚未获得独立市场主体资格，通过运营管理单位参与交易后，绿色环境权益难以精确核定。

• 绿电直供模式落地缓慢，源网荷储应用不足
   

        早在2021年，国家便前瞻性地提出了绿电直供概念，并有多个省份出台支持政策，但目前国内实际落地并成功运营的绿电直供项目屈指可数。在数据中心领域，相关技术仍停留在设计建设阶段的探索，尚未有实际项目落地应用。

        区级源网荷储一体化是绿电直供的主要实现模式，但面临诸多现实障碍：集中式新能源电站占地面积较大，配套储能设施进一步推高用地成本；绿电长距离输送所需的输电线路和变电站投资高昂；各方主体的费用分摊机制尚不明确；源网荷储相关的技术细则和标准规范仍处于空白状态。这些因素使得许多算力企业对这一模式持观望态度。

技术破局：算电协同三层架构体系

        面对上述挑战，行业经过这几年的研究和发展，逐渐形成算电协同的三层协同架构体系。

• 底层-电力基础设施层
   

        电力基础设施层实现对智算负载波动性的电能质量治理，以及对多种能源（风、光等）的接入、应用和管理。

        核心挑战包括：服务器单机柜功率密度上升带来的供电瓶颈；系统短路电流增大导致的燃弧风险；AI负载冲击造成的过载问题；多能源协同管理的复杂性；灵活改造需求和节能降碳要求。

        针对这些挑战，需选择更大容量的配电设备，选用具备抗燃弧能力的产品，后备电源需具备抗过载和联合供电功能，并加强电能质量监测和治理。

• 中层-算电热协同层
   

        算电热协同层的核心任务是挖掘IT负载的灵活性调节空间，并以IT负载的变化确定非IT负载的出力管理，综合调度实现园区级算电热的协同。算力需求本身就具有灵活性——在数据中心内部，通过对IT服务器GPU工作频率进行动态调整，可以使其匹配用电信号。

        具体技术路径包括：利用人工智能模型预测未来算力需求和用能，塑造列头柜用能特征；根据预测结果动态调整服务器GPU等工作频率；在总计算量和计算时间不变的前提下，实现算力需求与电力供给的平衡。    

• 上层-算电网调度层
   

        算电网调度层本质是建立算电双向调节的决策框架，通过数据、算法和激励的整合，构建电力-算力联合优化模型。

        目前，业内发力重点主要集中在底层的新能源引入，对于供配电基础设施的适配性升级还存在较大空白；中层方面，对非IT负载的能效管理已在推广，但对IT负载的算力灵活性挖掘尚未引起广泛重视；上层算电协同机制目前仍停留在科研阶段，真正实现全局最优的智算中心精益管控，还需要在算力需求的实时动态调节算法方面取得突破。

典型能源供给模式

        当前数据中心从电力供给侧参与算电协同的模式仍处于探索阶段，针对数据中心算力需求与场地条件，以下三种能源供给模式以其独特优势正受到越来越多的关注。

• 综合能源基地模式
   

        在大型能源基地内整合多种能源形式（光伏电站、风电场站、储能电站、小型核电站等），通过智能调度系统实现能源的稳定供应和高效利用。宁夏中卫大唐云基地绿电直供项目是该模式的典型代表。该项目总投资87亿元，一期总装机200万千瓦（50万千瓦光伏+150万千瓦风电），配置100MWh储能系统，年供绿电超过25亿度，采用物理直供与虚拟直供双模式，成为全国首个大规模“算电协同”绿电直供项目。

• 分布式能源或微电网模式
   

        利用园区内光伏、小型风电、储能等分布式能源设施，为数据中心提供更灵活的供电，提升用能稳定性和经济性，提高绿电就地消纳率。园区级源网荷储一体化项目的特征是以负荷为中心配置新能源发电站，以绿电直供模式为算力中心供能，实现可再生能源的就近就地消纳。内蒙古和林格尔数据中心集群绿电直供示范项目通过建设41公里110kV专用直供线路，实现风光绿电点对点直供，年供绿电7.6亿度，服务四大数据中心企业。

• 虚拟电厂与市场交易模式
   

        通过虚拟电厂聚合分布式能源、储能和负荷资源，作为独立市场主体参与电力市场交易，实现能源优化配置和成本控制。这一模式不依赖物理连接，而是依托市场机制和数据交互，灵活性更高。算力中心作为可调负荷资源，可参与需求响应和辅助服务市场，获得额外收益。

算电协同的调度实现

        中兴通讯通过自研的智慧能量管理系统（iEMS）平台实现算电协同的调度。在底层电力供电设备和基于源网荷储的AIDC互联的支撑下，通过IT、OT域数据互联和打通，先完成算力和热力的协同，然后基于中兴通讯iEMS，实现园区层面的电力供给和算热资源的综合调度，完成园区层面的算电热协同。

        以绿电直连园区场景为例, iEMS系统联动储能系统削峰填谷，实现绿电储能-算力-制冷的闭环协同，从而大幅提升绿电占比，降低算力碳排（见图1）。

        这个场景的调度逻辑为：电随算用，iEMS首先获取用电需求和动态电价，再对接算力调度预测IT负荷和非IT负荷，最终iEMS结合储能的配置容量、余电上网电价，决策出储能的充放电最优解；算随电调，当风光发电大于AIDC实时负荷时，算力API上调GPU功率上限，当风光出力小于AIDC实时负荷时，算力API降低非紧急GPU频率。

        若要实现跨园区的算电协同调度，需考虑到分省分区的电力交易系统、虚拟电厂（VPP）系统、相关储能系统以及算力负荷在多个园区数据中心之间的时空联动，在算力网、电力网层面进行综合的资源调度和协同。需重点关注三方面的问题：算电协同从规划到市场全链条多个环节的标准目前还不完善，需强化跨领域的协同(术语/标准/评价体系等)；数据域打通，除了DC层面IT、OT域的数据，还需要iEMS和电力交易系统、虚拟电厂、顶层调度系统等进行数据打通；建立算电双向调节的决策框架，通过数据、算法和激励的整合，构建电力-算力联合优化模型，综合决策进行全局资源配置优化和调度。

        技术实现路径为：根据各数据中心的电力供应情况和算力需求，将算力任务在数据中心间迁移，实现负荷合理分配；利用跨区域智能调度系统对算力任务进行优化调度，再在各园区落实如上的调度逻辑，以提高资源利用率，降低能耗，促进新能源消纳。技术难点在于准确量化各调节手段（频率、电压、数量）对GPU功耗和计算性能的影响。需要建立不同类别、功能和场景下算力负载的用电负荷模型，准确刻画和定量评估算力资源的调节潜力，同时加强对新能源发电特性的预测，以更好地匹配供需。   

储能是平抑算力负荷波动的刚需

        储能系统的配套建设是保障AI算力供电稳定性的刚需。AIDC高功率、高波动的用电场景，需要储能系统快速平抑电网电压波动，避免电网过载或崩溃，保障电网供电质量。同时，AIDC电力成本占比60%~70%，“绿电+储能+碳成本”成为AIDC的核心成本变量，绿电获取、能效优化、储能协同成为AIDC核心运营能力。

        因此，算电协同中数据中心储能的配套建设是重大的市场机会。图2显示了AIDC场景下，“机柜-机房-园区”三级联合储能架构。其中瞬态峰值冲击（毫秒到秒级）由超级电容或PSU吸收；稳态波动（秒到分钟级）由不间断电源后备电池承担，转为锂电备电；源网荷储（分钟级到小时级）由电网侧储能系统承担，同时用于设施级的削峰填谷并保障电网稳定。

        当前，搭配314Ah电芯的5MWh集装箱储能是AIDC储能系统的主流产品。系统在1个20尺的集装箱内，集成电池、电池管理系统、液冷系统、消防系统、配电照明等设备。外部与PCS变流升压一体机、能量管理系统等配合，可实现电网调峰/调频、削峰填谷等功能，并提供无功支撑、电压缺陷弥补、电能质量治理等功能，保证电网系统的稳定运行。

        储能系统呈现以下技术演进趋势：

• 大容量电芯驱动系统容量提升，储能电芯容量从314Ah向500Ah+甚至1000Ah+演进，推动集装箱储能系统容量提升至6MWh+。
  
  
• 高效化与交直流一体化：储能逆变器的能量转换效率持续提升，新材料和拓扑结构优化推动转换效率突破99%；系统交直流一体化设计，直流不出舱，安全可靠，提升系统全生命周期放电量，扩容灵活。
  
  
• 构网型储能加速渗透：构网型逆变器技术增强电网支撑能力，解决新能源波动性问题。
  
  
• 智能化升级：通过AI算法实现自主决策和动态优化，构建全域AI储能业务能力。

未来展望：从能源黑洞到电网稳定器

        算电协同的本质是智能与电能的双螺旋共舞。当数据中心兼具“绿电消纳的广度、数字管理的精度、柔性调节的敏捷度”，便能从能源黑洞蜕变为新型电力系统的“稳定器”与“减碳引擎”。

        这一转型不仅关乎企业降本增效，更是支撑国家“双碳”战略与算力基础设施量级跃升的必然选择。算电协同机制建设需要横跨能源领域和算力领域，全局最优的终极目标实现需要通过多方参与和合作，打通数据壁垒，让能源流和数据流无缝衔接。

        展望未来，随着AI负载特性的精确预测、跨区域算力调度系统的成熟，以及电力市场机制的完善，算电协同将从概念探索走向规模化落地，成为数字时代能源转型的核心驱动力。对于算力企业而言，提前布局算电协同能力，不仅是应对能源成本上升和碳排放监管的有效策略，更将在未来数字经济竞争中构建起差异化的绿色优势。