过去,谈及AIDC的用电问题,行业关注的往往是电力容量够不够、绿电比例高不高、用电成本能不能降的问题。但随着算力集群向新能源富集地区集中部署,电源侧与负荷侧高度电力电子化的特征正在叠加,电网宽频振荡风险被放大,AIDC不仅是高耗能设施,还可能成为电网动态稳定的新型扰动源。目前国内已经有部分地区出现算力中心诱发电网宽频振荡的实际案例。


今年IEEE、美国太平洋西北国家实验室(PNNL)等机构也相继发布研究,指出大规模AI计算任务产生的周期性功率波动,可能激发电力系统固有振荡模态,甚至在特定条件下形成持续性强迫振荡。


这意味着,AIDC与电网的关系正在发生变化。过去主要解决的是“电能不能供得上”,未来还需要回答“算力如何运行,才不会给电网带来额外的稳定风险”的问题。


而算电协同,正在为这一问题提供新的解决思路。


从稳定用电到动态用电

AIDC改变了什么?



传统数据中心虽然用电量较大,但整体负荷通常相对平稳,服务器、存储、网络等设备的功率变化具有一定的统计分散性,AIDC则有所不同。


大规模AI模型训练依赖大量GPU协同计算。训练过程中,计算、通信、参数同步、检查点保存等环节交替进行,GPU利用率及功率随之变化。


当数千甚至数万颗GPU按照相近节奏运行时,原本分散的设备功率变化可能叠加为显著的集群级负荷波动。


图片

例如,训练任务进入高强度计算阶段,GPU功率集中上升;进入参数同步或检查点保存阶段,部分计算资源的功率快速回落。随后进入下一轮计算,负荷再次上升。


这些变化如果持续、周期性地发生,AIDC就可能从相对平稳的用电主体,变为具有特定频率特征的动态负荷。


2026年发表于《IEEE Transactions on Power Systems》的研究《Wide-Area Power System Oscillations From Large-Scale AI Workloads》,通过大规模电网仿真分析发现,AI计算负荷的持续性功率波动可能与电力系统局部及区域间振荡模态相互作用,放大电网振荡响应。


图片


尤其值得关注的是,风险并不简单取决于数据中心用了多少电,而与功率波动幅度、变化频率、接入位置、系统强度及阻尼水平等因素密切相关。


一座长期处于高平均负荷、运行状态平稳的数据中心,其带来的系统振荡风险,未必会高于一座平均负荷更低、但负载频繁大幅波动的数据中心。


对于电网而言,负荷变化的方式,有时与负荷规模同样重要。


AIDC如何冲击电网稳定?



理解这一问题,需要先区分两个概念。AIDC负荷波动,并不等同于电网宽频振荡。


负荷波动是外部扰动,宽频振荡则涉及电力系统在不同频率范围内的动态响应。后者可能由系统阻尼不足、控制交互、阻抗耦合或持续性外部激励等多种因素引起。AIDC的特殊性,在于其负荷变化可能成为新的振荡激励源。


从电网侧观察,主要存在三条风险路径。


第一,周期性功率波动可能激发电网固有模态


电力系统本身存在不同频率的振荡模态。当AIDC负荷周期性变化,并与某些弱阻尼模态形成频率耦合时,就可能产生较强的强迫振荡响应。


这类似于持续以特定节奏推动一个具有固有振动频率的系统,扰动能量可能不断注入,导致振荡幅度增大。


2026年9月发表的研究《Forced Oscillations in Power Systems Induced by Data Centers Hosting AI Workloads》进一步指出,数据中心的接入位置、功率波动频率及幅度,会显著影响强迫振荡风险;不同数据中心之间的同步运行,也可能改变系统响应。


这说明,AIDC的动态影响不一定局限于其接入变电站附近,还能通过电网耦合影响更广区域。


第二,快速负荷变化可能加剧电压波动和电能质量问题


除持续性振荡外,GPU集群的快速功率爬升与下降,还可能引起接入点电压变化。


当AIDC接入短路容量较低、相对薄弱的电网区域时,相同幅度的功率变化可能产生更明显的电压扰动。


研究表明,功率波动的频率特征与电网强度共同影响电压闪变程度。


与此同时,数据中心内部大量整流器、UPS及其他电力电子设备的控制特性,也可能与外部网络阻抗发生相互作用,带来谐波放大或控制稳定性问题。


第三,多数据中心的关联运行可能放大扰动


单座AIDC负荷变化尚可通过局部措施进行缓解,但当多个大型智算中心采用相似的任务调度节奏时,问题可能进一步复杂化。


2026年IEEE的一项研究分析了AI数据中心负荷在空间上的关联性,发现不同地点的数据中心如果产生相关的功率变化,可能放大系统总体负荷波动,削弱传统负荷多样性带来的平滑效果。


这意味着,算力跨区域部署,并不天然意味着电力扰动被分散。


如果多个数据中心因统一调度而在同一时刻启动、停止或切换大量计算任务,反而可能形成跨站点的关联扰动。


未来算力网络越发达,越需要将这种关联风险纳入统一调度。

图片


为什么传统电力防范措施还不够?



面对AIDC带来的动态负荷风险,电网侧并非没有应对手段。通过加强网架、提高接入点短路容量、优化无功补偿、配置储能及改进电力电子设备控制,可以降低部分电压波动与振荡风险,但这些措施也存在局限。


首先,电网侧通常只能看到负荷变化结果,却未必知道变化即将发生的原因。


例如,一次大规模训练任务即将进入检查点保存阶段,或者多个GPU集群准备同时启动。算力平台可能提前掌握这些信息,但传统电力监测系统往往只能在功率变化发生后作出响应。


其次,不同频率的扰动需要不同的控制手段。


储能虽可以快速补偿功率变化,但其有效调节能力受到变流器带宽、控制时延、功率容量、荷电状态和控制稳定性等约束。


2026年PNNL相关研究表明,采用适当控制策略的构网型储能有助于抑制AIDC动态负荷造成的振荡,但控制效果仍需结合具体电网条件与控制参数验证。


此外,传统电网监测系统也并非能够完整观测所有频段的动态变化。PNNL在2026年发布的报告指出,常规相量测量装置(PMU)在较高频率振荡监测方面存在带宽及滤波限制,必要时需要结合高采样率的瞬时波形测量。


由此可见,单纯依靠电网侧被动补偿和事后控制,难以覆盖AIDC从计算任务到电气扰动的完整过程。


要进一步降低风险,就需要让电力系统了解算力运行规律,也让算力调度具备电力约束意识。


这正是算电协同的重要价值所在。


算电协同

从被动抑制震荡到主动管理扰动源



如果说传统防范思路主要是在功率波动发生后进行补偿,那么算电协同则尝试进一步向前延伸:在任务执行、资源调度和功率变化形成之前,就对潜在扰动进行识别与干预。


其核心是构建“负荷感知-风险预测-算力调节-储能补偿—效果核验”的协同控制闭环。


这一过程可从三个层面展开:


第一层:让算力任务具有电力可观测性


传统算力调度关注GPU利用率、任务排队、显存占用、网络时延和业务交付。而要防范电网振荡,仅知道服务器负载率还不够,还需要掌握其对应的动态功率特征。


例如,不同任务的启动功率变化有多快、GPU集群是否存在周期性负荷波动、任务是否允许错峰运行,以及多个集群是否存在同步运行特征。


通过将AI任务状态、服务器功率、UPS运行状态、储能功率及并网点电气数据关联起来,可以建立算力任务与电力负荷之间的映射关系。


在此基础上,进一步结合电网提供的接入容量、功率爬坡限制和振荡风险边界,为算力调度提供可执行的电力约束。


只有看清任务如何影响功率,才有可能从源头管理扰动。


第二层:通过任务调度降低功率变化的集中性


并不是所有AI计算任务都必须在同一时刻启动,也不是所有GPU都必须按照完全一致的节奏调整功率。对于具有一定灵活性的任务,可以通过分批启动、错峰运行、资源分组及功率爬坡约束,降低集群负荷同时大幅变化的概率。


例如,一批非实时AI训练任务计划启动时,算电协同平台可以根据当前电网承载条件,将任务分配到不同的启动窗口,避免大规模GPU集中进入高功率状态。


对于可延迟的批处理任务,还可以结合电价、绿电出力和接入点可用容量,安排执行时间及计算位置。


对于实时推理业务,则应优先保障时延、服务连续性和可靠性,不能为了平抑功率波动而随意中断关键任务。


需要注意,错峰不只是把任务推迟,更应避免新的集中启动或周期性调度。 否则,原本分散的负荷波动可能被调度算法重新组织成新的周期性扰动。


因此,未来算力调度的优化目标,不能仅有任务完成时间和算力成本,还应将功率变化率、周期性波动特征和接入点动态约束纳入考量。


第三层:算力调节与储能控制形成多时间尺度协同


任务调度能够改变部分负荷变化的时间和幅度,却未必能处理所有快速扰动。特别是在毫秒至秒级的功率变化中,依赖云端任务迁移或远程调度往往无法满足响应要求。这就需要算力与电力形成分层控制。


在快速扰动层面,由具备相应响应能力的本地储能、变流器和设备级功率控制机制承担主要调节任务。

在秒级至分钟级,通过GPU功率限制、负载整形、任务分批执行等手段,降低持续性扰动。

在分钟至小时级,通过任务延期、跨时段调度和跨区域任务分配,协调计算需求与电力系统可用容量。

更长时间尺度上,则可以结合新能源预测、电网运行条件和算力资源分布,优化AIDC的整体运行安排。


这种分层机制的价值在于:快速扰动由本地控制处理,可调负荷由算力调度优化,电网侧则提供约束边界与运行协调。


图片

需要明确的是,跨区域任务迁移不能直接替代毫秒级振荡抑制。对于已经形成的高频电气振荡,仍需要依靠具有足够控制带宽和经过稳定性验证的电力电子控制、储能及保护措施。


算电协同不是取代电网稳定控制,而是通过减少扰动源、协调不同调节资源,降低电力系统的动态调节压力。


从AIDC接入管理

到算电协同运行体系



AIDC宽频振荡风险的防范,最终不能停留在单项算法或单套设备上,而应贯穿规划、接入、运行及评估全过程。


图片


既要考察任务是否按时交付、GPU利用率是否达标,也要核验并网点功率变化率、振荡幅值、相关频段扰动强度,以及储能调节效果。对于振荡风险,还应采用经过电网侧论证的频段指标、阻尼要求和保护边界,不能简单以平均功率降低或负荷曲线变平滑代替稳定性验证。


我国《关于加强新形势下电力系统稳定工作的指导意见》已明确提出,研究针对宽频振荡等新型稳定问题的防控手段,提升全景全频段状态感知和稳定控制水平。


随着AIDC不断向大规模、高密度、集群化发展,算力负荷的动态特性有望成为未来电网接入评估和运行管理的重要内容。


从这个角度看,算电协同不仅关系到绿电消纳和用能经济性,还将逐步延伸到大规模算力设施的电网友好运行能力。



 结语:让算力增长与电网稳定相互适应


AIDC宽频振荡风险的出现,不等于大规模AI算力发展必然威胁电网稳定。它更重要的启示在于,AI计算负荷正在打破传统电力系统对用电行为的部分假设。


未来的智算中心,不仅要具备强大的计算能力,还需要具备可观测、可预测、可约束、可协调的动态用电能力。而未来的算力调度平台,也不能只回答“任务在哪里运行更快、更便宜”,还需要逐步回答“任务如何运行,才能更好地适应电力系统的安全边界”。


这正是算电协同从资源匹配、成本优化走向运行安全协同的重要方向。让算力理解电力约束,让电力感知算力需求,让计算任务与能源系统协同运行。


当算力与电力不再各自独立优化,AIDC才能在持续提升计算能力的同时,更好地融入新型电力系统,实现算力增长与电网稳定的协调发展。