传统数据中心设计已经发生根本性变化,以满足AI数据中心不断增长的电力需求。AI还带来了传统基础设施无法处理的电气挑战。其中一个问题已被确定为建设时间表和满足公用事业/现场发电要求的主要风险:AI训练负载极不稳定的功耗。现有解决方案,包括基于电池或飞轮的UPS系统以及其他频率稳定技术,可能并不总是能提供充分解决这些问题所需的速度或灵活性。为了弥合这一差距,EPC Power开发了一种创新的敏捷电网成形方法,专门针对AI设施快速变化的需求而设计。
管理极端负载变化
现代AI训练集群产生的功率特征比传统计算负载波动更加剧烈。高密度GPU服务器可以在毫秒内改变其功耗水平,造成不稳定性,这种不稳定性会传播到配电系统并影响周围电网。这些快速功率波动不仅会降低电能质量,还可能对现场发电资源(如燃气轮机和往复式发动机)造成有害的机械应力。
这些功率波动可以在多个点得到缓解。机架级缓冲(通常基于超级电容器)可以吸收最快的波动,但可能成本昂贵并占用宝贵的数据大厅空间。由于这些技术只覆盖极短的持续时间,通常需要额外的储能来将剩余的波动性降低到发电设备和公用事业标准可接受的水平。这种短持续时间的限制对于其他技术,如飞轮、UPS或其他电压/频率稳定系统,也是一个挑战。
在考虑较长持续时间的解决方案时,电池储能系统(BESS)可以集成到3MW块到100MW+系统中,提供数据中心所需的可扩展性。更先进的电网成形BESS能够在毫秒内对负载变化引起的电压和频率偏差做出响应。传统电网成形BESS的挑战在于其有效性很大程度上取决于电网强度和其他可能承担部分负载瞬态的现场发电资源。在最好的情况下,它们可能只缓解部分干扰,留下显著的波动性未得到解决。
为了更快上线,几个数据中心站点在最初几年将仅由现场发电供电,然后在设施生命周期的其余时间过渡到电网互连。部署用于缓解AI负载斜坡的任何解决方案都需要在两种情况下都有效。
EPC Power的敏捷电网成形技术代表了这些系统更具响应性的演进。它保留了毫秒级电网成形响应的优势,而不仅仅依赖电压和频率偏差来调节其功率输出以抵消数据中心电力互连处的波动。它设计用于平滑比传统电网成形控制更大部分的负载,但无论数据中心是由现场发电机供电还是连接到强大的公用电网,都能够工作。
为AI时代准备基础设施
随着AI增长将电力系统推向未知领域,行业需要能够快速反应、提供强大电网支持并集成到现场发电和公用电网网络中的解决方案。EPC Power的敏捷电网成形BESS通过提供精确的负载平滑和干扰穿越能力,为前进道路提供了一条路径,这些能力超越了许多传统方法所能提供的。随着数据中心项目应对大型数字基础设施不断变化的要求,像这样的技术将在实现下一代AI驱动的数据中心方面发挥关键作用。
Q&A
Q1:敏捷电网成形BESS与传统电池储能系统有什么区别?
A:敏捷电网成形BESS不仅依赖电压和频率偏差来调节功率输出,而是能够主动响应负载变化。它可以平滑更大部分的负载波动,无论数据中心是由现场发电机供电还是连接到公用电网,都能有效工作,响应速度达到毫秒级别。
Q2:为什么AI数据中心需要特殊的电力管理解决方案?
A:AI训练集群中的高密度GPU服务器功耗变化极其剧烈,可以在毫秒内大幅改变功耗水平,这种快速功率波动会传播到配电系统和电网中,不仅降低电能质量,还可能对现场发电设备造成机械应力,传统的UPS和频率稳定技术无法充分解决这些问题。
Q3:机架级缓冲技术有什么局限性?
A:机架级缓冲通常基于超级电容器,虽然能够吸收最快的功率波动,但存在成本昂贵和占用宝贵数据大厅空间的问题。更重要的是,这些技术只能覆盖极短的持续时间,无法解决较长时间的负载变化,因此通常需要配合其他储能技术使用。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。