中国储能网讯：AI技术加速迭代及其高投入的特点，让本就是新型用电“巨无霸”的数据中心有了新的需求——绿电越发成为刚需，其对电价的敏感度也在增加。

供给侧能够做些什么来适配这些新的变化？数据中心又能否成为灵活资源“反哺”电力系统？电算协同正在进入一个全新的阶段。

PART.01

电量电力冲击

数据中心用电量激增正在全球范围内引发关注，在部分已经基本完成电气化进程的国家，更是成为电力供应的一大压力。

美国中部大陆独立系统运营商（MISO）战略风险管理执行董事泰德·瓦特斯达尔（Ted Vatnsdal）近日接受《南方能源观察》（以下简称“eo”）记者采访时说，如果未来几年MISO总体有3%—4%的电力负荷增长预期，大约一半来自数据中心。

数据显示，全球数据中心耗电量和占比将持续增长。

2025年4月，国际能源署（IEA）发布的《能源与人工智能》（Energy and AI，以下简称“IEA报告”）显示，当前全球数据中心耗电量约为415太瓦时，约占2024年总用电量的1.5%。预计到2030年，全球数据中心耗电量将翻倍，达945太瓦时左右，约占2030年总用电量的3%。

IEA报告认为，中国将是全球数据中心用电量最大的几个国家之一，预计2030年相较于2024年用电量增加约240太瓦时，增幅为170%。

中国信息通信研究院信息化与工业化融合研究所总工程师黄伟在2025年经济形势与电力发展分析预测会上表示，2023年，我国数据中心耗电量约为150太瓦时，约占全社会用电量的1.6%，预计到2030年，我国数据中心耗电量将达到400太瓦时，在全社会用电量的占比接近6%。

数据中心给电力系统带来的影响不止用电量增加。日本东京电力公司技术研究与信息组经理元木啓明对eo记者说：“过去电力系统升级的最大推动力来自可再生能源，现在却来自以数据中心为代表的需求侧。”

智算中心是以AI计算任务为主的数据中心。华北电力大学电气与电子工程学院教授丁肇豪近日在《知识分子·科学四十人》系列座谈直播中说，在2022年底ChatGPT出现之前，数据中心带来的电力负荷增长较为平稳，但是随着智算中心涌现，电力电量平衡受到越来越多的挑战。

传统数据中心用电负荷曲线接近直线，全天峰谷差在10%以内。AI技术的爆发式发展推动智能算力需求激增，智算集群用电负荷曲线呈锯齿状，具有高频次、短时突变等特征，且可能因训练任务中断或重启引发百兆瓦级负荷波动。百兆瓦级约等于一个小镇的用电负荷。

中国人民大学应用经济学院副教授陈浩在接受eo记者采访时说，目前数据中心对电网的综合影响还比较有限，然而AI大模型继续推高算力需求，必将进一步影响电力负荷曲线，对电力调度提出更高要求，电网安全需要更复杂的保障机制。

PART.02

“牵手”绿电不易

随着数据中心快速发展，一个问题开始涌现：其高能耗特性与降碳目标存在矛盾。

国家发展改革委、国家数据局、中央网信办、工业和信息化部、国家能源局2023年12月25日发布的《关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》（发改数据〔2023〕1779号）和国家发展改革委、工业和信息化部、国家能源局、国家数据局2024年7月3日印发的《数据中心绿色低碳发展专项行动计划》（以下简称《行动计划》）都提出，到2025年底，国家枢纽节点新建数据中心绿电占比超过80%。

然而，数据中心和绿电“牵手”不易。

从地理上看，我国数据中心聚集地区与新能源资源富足地区存在天然错配。京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏八大国家算力枢纽节点中，只有内蒙古、甘肃、宁夏位于新能源富足地区，具备给数据中心提供大规模绿电的天然基础。

黄伟说，我国算力资源主要集中在电力自给率不足40%的东部地区，而全国70%以上的可再生能源装机量在西部地区。

一些数据中心已经行动。中国移动、中国电信、中国联通三大运营商逐步将非实时性数据中心向贵州、甘肃、宁夏等西部地区迁移，利用当地可再生能源和气候优势，降低整体能耗强度。除提升绿电使用比例之外，迁移的数据中心也通过液冷、间接蒸发冷却、AI控温等技术，推动PUE值（电能利用效率）持续下降。

当然，吸引数据中心“西迁”的原因还包括西部地区的绿色电力具有价格优势。目前电力成本在数据中心运营总成本中的占比约为60%，随着用电规模持续扩大，不少数据中心对电价越来越“敏感”，数据中心也在探索使用绿电实现电费下降。

即便如此，多位数据中心从业者表示，仍然不能忽视算力和电力一样具有传输成本，热数据集中度和经济发展程度高度相关，热数据主要集中在东部地区，由于时延长等因素，部分西部地区数据中心只能存放使用频率较低的冷数据和备用数据。

从供给稳定性角度分析，由于具有“三性”特征，若缺乏配套储能或其他灵活性调节手段，可再生能源难以直接支撑算力的高可靠性用电需求，可能出现“弃风弃光”与算力电力短缺现象并存。

为满足数据中心绿电使用需求，陈浩建议，一方面，进行物理性的绿电直连并推进源网荷储一体化项目；另一方面，继续推动财务性的绿电交易和绿证交易。

当前不少数据中心正积极自建绿电、储能等，探索源网荷储一体化解决方案。同时，绿电交易也在一些地区覆盖数据中心。黄伟建议，推进“算力+电力”源网荷储一体化应用示范，例如，在算力枢纽周边布局分布式光伏+储能+微电网的“光储算”一体化园区，开展“AI算力+虚拟电厂”试点，利用部分算力任务的可调度性，将非紧急任务转移至绿电充足时段，辅助电网削峰填谷。

PART.03

突破单一要素边界

“现在是时候通过AI协调发电侧与需求侧了。特别是通过AI进行可再生能源发电与大规模数据中心用电的协同，实现电力系统的整体优化。”元木啓明说。

目前我国在算力电力优化调度领域已有一些实践，主要体现在通过AI、数字孪生、虚拟电厂等技术手段，提升数据中心和算力设施的能源利用效率。比如，上海自贸区临港数据中心集群聚合了临港地区的空调和储能资源，在用电高峰期进行智能调节，每年节省电费20%—30%。

2022年，阿里巴巴公司联合华北电力大学，开展了数据中心优化调度参与华北电力调峰辅助服务市场试点，将阿里巴巴江苏南通数据中心约100千瓦的算力负载转移至其张家口数据中心，这是全球首次电力系统灵活运行驱动的算电协同调度试验。

数据中心负荷的可调度性有多高？单从时间维度看，传统电网调度周期为15分钟级，AI算力负载可在秒级波动，使用AI进行调度也存在一定的安全风险。

业界普遍认为，当前电算协同还在发展初期，技术模式尚在探索，商业模式还不完善。

陈浩说，我国电力和算力存在空间分布不均的客观现实，电力跨区调度伴随线损，算力则存在部分不可调度性，首先需厘清二者的技术经济规律与成本特性，统筹调度体系，建议开展跨领域协同攻关，推动行业数据开放共享以支撑科研创新。丁肇豪建议，建立电网碳信息传导机制，辅助数据中心实施低碳调度。

电算协同还需构建市场化的资源配置机制。黄伟提出构建电力—算力联动交易机制，推行算力分时电价政策以削峰填谷；陈浩则强调市场协同效应，主张建设与全国统一电力市场相衔接的算力交易市场，通过要素资源跨域流通提升整体社会效益。

这些建议共同指向——突破单一要素市场边界，构建电算协同的新型基础设施运营体系。

不少业内人士相信，在市场价格信号的驱动下，算力形态或将加速演进，例如，芯片架构将更加注重计算效能优化。