摘要

1北京理工大学发布行业研报，深入探讨数据中心“算电协同”背景、技术及展望。

2报告预测2030年中国数据中心用电量达5257亿kWh，占全社会用电3.5%。

3指出当前面临多主体壁垒、算力画像难、经济性不足等挑战。

4提出节能低碳1.0至4.0技术路径，强调通过算力时空迁移、余热回收及全栈控制实现降本增效（成本降13.3%-30%）。

5建议扩大试点、实行Token计费、构建标准体系，推动算力从消费者向产消者转变，助力绿色转型。

![](page=0,bbox=[1681, 63, 2095, 206])

数据中心节能降碳之算电协同：背景、技术、实践和展望

![](page=0,bbox=[1, 810, 592, 1074])

![](page=0,bbox=[602, 729, 1514, 1115])

![](page=0,bbox=[1487, 809, 2155, 1116])

![](page=1,bbox=[1734, 48, 2094, 127])

2026年初算力设施的两件“大事”

政府工作报告

2026年3月5日在第十四届全国人民代表大会第四次会议上

实施算电协同等新基建工程加强全国一体化算力监测调度

算电协同背景：交叉发展协同共赢

算电协同技术：提质增效之四部曲

理论回归实践：多主体博弈经济账

算电协同展望：发展对策思考建议

中共中央办公厅国务院办公厅关于更高水平更高质量做好节能降碳工作的意见

2026-04-22 17:22 来源：新华社

字号：默认大超大打印收藏留言

协同推进节能降碳与绿色转型加快数字基础设施节能降碳

（六）加快数字基础设施节能降碳。推进算力、通信基站和机房等基础设施节能降碳改造，推动设备选型、制冷架构、机柜功率密度、系统智能运行策略等优化升级，持续提高单位算力能效和单位信息流量能效。

加强算力基础设施项目评估论证和源头把关，严格电能利用效率等能效指标准入管理，提高可再生能源消费和余热资源回收利用水平，支持发展绿色低碳、集约循环的算力设施。

![](page=2,bbox=[1734, 41, 2092, 122])

1.1 现代人类社会发展的基本要素：物质、能源、信息

![](page=3,bbox=[1731, 42, 2090, 122])

![](page=3,bbox=[194, 225, 438, 399])

信息（比特）

![](page=3,bbox=[957, 190, 1195, 392])

![](page=3,bbox=[1713, 170, 1942, 356])

物质

能量（瓦特）

人的能源消费：40亿*1万kWh，80亿*2万kWh，100亿*8万kWh信息消费：中国AI推理Token消耗量2025年约10千万亿，2030年将达3900千万亿，5年增370倍；全球年度Token消耗2025—2030年将增超3亿倍。

![](page=3,bbox=[793, 908, 892, 1004])

人与地球

![](page=3,bbox=[1211, 903, 1346, 1020])

“信息”已与能源并列为经济社会发展的核心生产要素

1.1 多元信息消费场景驱动异构算力需求

![](page=4,bbox=[1731, 43, 2089, 122])

AI驱动“世界范式”逐步由小模型时代因果分析，走向大模型时代相关分析（左图）

数字化1.0到3.0时代，一切都在数字化：数据、算法、算力

![](page=4,bbox=[64, 435, 923, 955])

大模型时代

![](page=4,bbox=[1152, 364, 2063, 984])

多类场景驱动多元“数据”业务和“云、边、端”算力爆发式增长（右图）

1.1 AI爆发引发算力设施（数据中心）的大基建

![](page=5,bbox=[1731, 43, 2089, 122])

数字经济下海量的数据需要感知、存储、加密、传输、调用、计算以及交易算力基础设施一一数据中心

![](page=5,bbox=[70, 382, 646, 843])

![](page=5,bbox=[681, 387, 1307, 827])

![](page=5,bbox=[1516, 387, 2101, 827])

数据中心不知不觉已成为“无烟囱的电老虎”

高PUE (电)

高WUE (水)

高 $ \mathrm{C O}_{2} $ (碳)

1.2 算力的尽头是电力吗？源于美国

![](page=6,bbox=[1731, 43, 2090, 122])

全球范围内，算力的核心基础设施一一数据中心，其用电量呈现快速（大于年均15%）增长

部分国家和地区出现AI的电荒问题，“算力的尽头是电力”成为热点关注话题

单机柜功率：从几kW、几十kW到几百kW级

![](page=6,bbox=[39, 412, 608, 594])

单楼宇功率：从MW级到百MW级

![](page=6,bbox=[719, 409, 1045, 597])

![](page=6,bbox=[1052, 410, 1404, 598])

单园区功率：从百MW级到吉瓦级

![](page=6,bbox=[1468, 396, 2136, 616])

![](page=6,bbox=[285, 609, 1087, 1077])

数据中心各国用电占比（2023）

![](page=6,bbox=[1212, 611, 2147, 1074])

各国数据中心用电量预测（基于增长率直接趋势外推）

数据来源：国家电网公司、北京理工大学《我国数据中心综合能耗及其灵活性，2025》；国网能源研究院

1.2 数据中心能耗统计及预测的现有问题

![](page=7,bbox=[1731, 44, 2089, 122])

受数据中心上架率、利用率、地域特征以及供需动态关系的多重不确定性影响，现有自上而下的方式统计所得的用电量统计结果呈现差异大、不确定性大的问题。

![](page=7,bbox=[57, 321, 987, 904])

方法

从基础设施测算

从时空地域测算

外推法

关键数据

$\textcircled{1}$ 设备规格，例如机柜设计功耗；

$\textcircled{2}$ 数据中心基础设施特性，例如PUE、上架率。

政府或组织进行测量汇总

$\textcircled{1}$ 基准年份值（来自自下而上或自上而下的模型）；

$\textcircled{2}$ 增长率（可能考虑能源效率提高以及数据量或客户数量的增长）;

主要限制

$\textcircled{1}$ 已安装机柜的利用率； $\textcircled{2}$ 未来数据中心的能源效率提升和设备变更趋势。

$\textcircled{1}$ 相关组织统计数据的准确性和可用性； $\textcircled{2}$ 预测能源效率未来趋势的能力； $\textcircled{3}$ 输入之间的相关性。

$\textcircled{1}$ 输入之间的相关性，例如，每单位数据的能耗； $\textcircled{2}$ 预测能源效率未来趋势的能力。

数据中心能耗统计数据呈现较大的不确定性 2024年我国数据中心用电量估计在700至6000亿kWh之间，差距超过10倍

田磊，郭巧敏，王永真，等.关于数据中心用电量统计的研究及对策建议[J].中国能源，2025,10.

1.2.1 我国数据中心综合能耗预见一一模型方法

![](page=8,bbox=[1731, 43, 2089, 122])

受国家数据局委托，中国电力企业联合会（牵头），我方参与，对我国数据中心用电量进行了多维度的统计和监测，并形成了“自上而下”和“自下而上”相结合的用电量监测方法。

![](page=8,bbox=[50, 347, 2108, 934])

基于负载曲线特性的智能识别算法

数据中心能耗统计新方法：以自下而上方法获得细致结构信息，以自上而下统计作为总量约束，通过反复校准、比对和修正，使微观估算与宏观统计在数值上逐步趋于一致。

1.2.1 我国数据中心综合能耗预见一一模型方法

![](page=9,bbox=[1731, 43, 2089, 122])

目标：数据中心的电力、电量，水耗、碳排以及灵活性边界：2024~2030年；全国数据中心（不包括基站和小机房）

![](page=9,bbox=[347, 343, 1833, 986])

输入项：27项；

模型：大类3项，小类9项；

输出：5大类

1.2.2 结果：我国数据中心综合能耗预见一一用电量

![](page=10,bbox=[1732, 43, 2089, 122])

2030年全国数据中心用电量将达到5257亿kWh（均值）

用电量：数据中心>采矿业、计算机、通信电子制造业等行业

![](page=10,bbox=[85, 370, 925, 934])

2030年数据中心预测用电量占全国用电量估计*

![](page=10,bbox=[1336, 451, 1734, 728])

均值-标准差

均值+标准差

用电量：数据中心 > 采矿业、计算机、通信电子制造业等行业

预计到2030年全国数据中心用电量将占2030年全社会用电量的3.5%（均值）数据中心2030年全年负荷数据落在均值±标准差范围内的比例为70%

1.2.2 结果：我国数据中心能耗预见+中美对比（2030）

![](page=11,bbox=[1731, 43, 2089, 121])

数据中心耗电在全社会用电量占比中国（3.5%，2030）显著低于美国（13.3%，2028）

![](page=11,bbox=[62, 270, 1088, 974])

![](page=11,bbox=[1094, 262, 2106, 952])

数据中心（AI算力基础设施）能耗对比2030

算电协同一个“伪说法”：总量和占比上，中国并不缺电，电网也优于美国

1.2.2 结果：我国数据中心能耗预见（2040）

![](page=12,bbox=[1732, 43, 2089, 122])

算力设施任务量增加导致电力需求在全社会占比显著增加，2040年占比超过 10%。

![](page=12,bbox=[95, 349, 435, 624])

数据存储

网络互联

计算任务

模型训练

各国能源结构差异导致碳排因子不同

![](page=12,bbox=[100, 705, 171, 771])

人工智能模型逐渐复杂 GPT-4在14周的训练过程中消耗电力达42.4吉瓦时

火力发电

2028年全球数据量将达393.8ZB

![](page=12,bbox=[346, 706, 568, 773])

![](page=12,bbox=[98, 794, 314, 856])

![](page=12,bbox=[346, 794, 569, 860])

预计2030年算力设施电力负荷均值将达到1.05亿kw

中国：0.5306kgeCO2/kWh 美国：0.346kgeCO2/kWh

电力需求不断增加

![](page=12,bbox=[1274, 360, 2086, 834])

2015年至2040年中等增长情景中国电力需求结构

但我国应该要未雨绸缪，特别是在局部区域未来增速很快局部地区数据中心用电占比早已超过10%（2025年：北京11%，廊坊13%，张家口23%，贵安新区50%

1.3 中美算力碳排放对比（火电+新能源模式：ESG视角）

![](page=13,bbox=[1730, 42, 2090, 122])

$ \textcircled{1} $IT设备碳排因子或碳利用率

![](page=13,bbox=[79, 292, 923, 613])

\mathrm {I T 设 备 碳 排 因 子} = \frac {\mathrm {碳 排 放 量}}{\mathrm {I T 耗 电 量}} = \frac {\mathrm {k g}}{\mathrm {k W h}}

\text {碳 利用 率} = 0. 5 9 4 2 \mathrm {k g C O} _ {2} / \mathrm {k W h} ^ {*} \mathrm {P U E}

$ \textcircled{2} $单位算力碳排

![](page=13,bbox=[1171, 284, 2056, 640])

\text {单 位 算 力 碳 排} = \frac {\mathrm {碳 排 放 量}}{\mathrm {计 算 量}} = \frac {\mathrm {g}}{\mathrm {P F L O P s}}

\text {单 位 算力 碳 排} = 0. 2 1 \mathrm {g C O} _ {2} / \mathrm {P F L O P s}

中美对比：（电力侧）火电占比高（算力侧）功耗比差（冷力侧）PUE大 =单位算力碳排高（我国是美国的3倍以上！！！）

1.3 中美AI发展路线对比（未来场景：新能源模式）

![](page=14,bbox=[1731, 43, 2089, 121])

我国芯片技术落后1-2代：聚力攻坚芯片设计、芯片制造等核心“卡脖子”技术，突破算力硬件核心瓶颈，持续提升自主研发与产业化能力，夯实全链条国产化的算力供给根基，从源头掌握算力发展主动权

![](page=14,bbox=[55, 422, 913, 1028])

绿色瓦特赋能劣势比特

![](page=14,bbox=[1438, 525, 1639, 637])

《算力基础设施高质量发展行动计划》工信

部联通信【2023】180号

“算力”+“能源”

中国特色的算电协同之路：新增的绿色瓦特赋能劣势比特

1.4 绿电电力与算力协同：中国特色路线（国家视角）

![](page=15,bbox=[1731, 43, 2089, 121])

![](page=15,bbox=[62, 192, 695, 472])

$ \textcircled{1} $新能源大发展引发的消费和消纳问题

$ \textcircled{2} $碳中和（背后的强国路线）

![](page=15,bbox=[45, 675, 697, 922])

$ \textcircled{3} $算力可靠供电保障及其灵活性需求响应潜力

Nvidia H100 能耗 0.088 J/Token

美国加州电价

$0.2531/kWh

$6.19\times10^{-9}$ /Token

中国的算电协同之路（80%绿电要求）

绿电直供

华为昇腾910B 能耗

0.342 J/Token

电算协同

![](page=15,bbox=[1070, 845, 1193, 952])

中国绿电电价

$0.0347/kWh

$3.30\times10^{-9}$ /Token

中华人民共和国中央人民政府

国家发展改革委等部门关于印发《数据中心绿色低碳发展专项行动计划》的通知

“国家枢纽节点新建数据中心绿电占比超80%...鼓励其实现100%绿色电力消费”

发改能源262号文

发改数据[2023]1779号 2026年《政府工作报告》

算电协同

绿电模式下：中国单位token的生成成本约为美国的一半

1.4 绿电电力与算力协同：中国特色路线（行业参与者视角）

![](page=16,bbox=[1733, 40, 2089, 121])

修改自岳昊，蒋维娜

电网公司需保障电力供需平衡、新能源消纳并建设新型电力系统

发电企业卖出更多的绿电

![](page=16,bbox=[796, 297, 1347, 423])

![](page=16,bbox=[641, 412, 732, 524])

根本需求：保障电力供需平衡

责任需求：促进新能源消纳

发展需求：新型电力系统建设

![](page=16,bbox=[1454, 411, 1545, 520])

储能企业参与更多的调度

算力用户要求高可靠、低成本、少碳排

![](page=16,bbox=[148, 740, 682, 1167])

算力运营商追求电力可靠及经济运行

![](page=16,bbox=[891, 739, 1258, 1157])

多方合作共赢

![](page=16,bbox=[1392, 788, 1963, 924])

根本需求：电力供应可靠性

效益需求：用能成本降低

责任需求：PUE及能耗优化

1.4 算力-电力-热力协同：能源视角

![](page=17,bbox=[1732, 43, 2089, 122])

2023年12月，由北京理工大学联合通信工业、计算机用户等协会联合发布《算力-电力-热力协同：数据中心综合能源技术发展白皮书》。

2024年4月，《数据中心算力综合能源集成优化——术语》标准启动会暨算力-电力-热力协同技术研讨会在北京理工大学成功召开。

2024年6月，《中国绿色算力发展研究报告》指出“促进算力和能源协同联动调度，算力、能源、热力协同耦合的算力综合能源系统是新的发展方向”。

2024年7月，国家发改委等部委联合印发《数据中心绿色低碳发展专项行动计划》提出“引导新建数据中心与可再生能源发电协同布局，构建算力电力双向协同机制”。

2024年8月，国家发展改革委、国家能源局、国家数据局印发《加快构建新型电力系统行动方案（2024一2027年）》（以下简称“方案”），其中提出“实施一批算力与电力协同项目、“绿电聚合供应”模式。整合调节资源，提升算力与电力协同运行水平，提高数据中心绿电占比，降低电网保障容量需求”...

![](page=17,bbox=[212, 496, 1261, 1087])

![](page=17,bbox=[1410, 494, 1913, 1086])

1.4算力-电力-热力协同：信息视角

![](page=18,bbox=[1731, 43, 2089, 122])

系统思维，跨界创新，三网协同赋能数据中心能效治理

关系碳中和下新型电力系统的建设，更加关系数字经济新质生产力的高质量发展

![](page=18,bbox=[138, 367, 950, 1015])

![](page=18,bbox=[1100, 353, 2020, 1013])

注：热力网络具有余热和冷却之意

王永真，韩艺博，韩恺，韩俊涛，宋阔，林嘉翰.基于能值理论视角的数据中心综合能源系统的可持续评价及优化.北京理工大学学报，2025，45(02):165-174中国算力产业高质量发展白皮书（2023）

1.5算电协同的几个终极目标

![](page=19,bbox=[1731, 43, 2089, 122])

绿电消费

综合能效

安全可靠

![](page=19,bbox=[292, 207, 1959, 1018])

绿色发展

可爱性高

普惠共享

强国战略：算力和电力基础设施优化布局、利用率均大幅度提升供给侧和需求侧优化匹配、综合能效提升、清洁普惠发展

![](page=20,bbox=[1731, 43, 2089, 122])

中华人民共和国中央人民政府

www.gov.cn

工业和信息化部关于印发《新型数据中心发展三年行动计划（2021-2023年）》的通知一一工信部通信【2021】76号

“广义算电协同”：含原有算力设施建设，节能降碳

“狭义算电协同”：绿电消费大于80%的算力设施

1. 有没有

![](page=20,bbox=[48, 844, 635, 1136])

2. 省不省

3. 绿不绿

![](page=20,bbox=[681, 678, 1170, 1138])

![](page=20,bbox=[1206, 599, 1651, 1141])

4. 慧服务

![](page=20,bbox=[1674, 487, 2124, 1152])

1.5算电协同的几个落地阶段

![](page=21,bbox=[1731, 44, 2090, 122])

现有概念梳理

![](page=21,bbox=[112, 276, 190, 357])

中国电促会《电力与算力协同发展蓝皮书（2024）》：

电力与算力协同发展内涵是以新型电力系统与新型能源体系为支撑，推动算力产业绿色供能、节能降碳；以电力算力调度与市场协同为手段，发挥算力资源的灵活调节和跨区互济能力，助力缓解电力供需矛盾；推进产业装备升级，以算力赋能电力、以电力保障算力，共同推动能源数字经济高质量发展。

南方电网《电力算力协同行动计划》：

开展“电算协同”十大行动：“4”类技术攻关、“2”类产品孵化和“4”大示范工程建设，加速构建电力与算力协同规划、建设、调度、交易的新基建模式，以“充裕瓦特”支撑“规模比特”，以“高效瓦特”助力“能效比特”，以“清洁瓦特”催生“绿色比特”，进一步推动电力与算力深度融合，服务数字经济高质量发展。

![](page=21,bbox=[117, 706, 192, 785])

北京理工大学《算力-电力-热力协同：数据中心综合能源技术发展白皮书》：

“算力-电力-热力协同的数据中心综合能源，以充分挖掘数据中心上游多类能源供应、中游计算任务及灵活性资源、下游制冷和余热回收的互动潜能，提高能源利用效率和可再生能源消纳能力，降低运行成本和环境影响”

![](page=21,bbox=[120, 909, 184, 992])

能源算力融合（哈密）研究院理事长陈学义：

介绍了能源算力融合的发展构架，指出当前正处于能源产业大变革的时代，当前的任务是将数据、算力、电网与能源储存这四个关键领域紧密结合，以实现资源共享和技术融合，进而有力推动算电协同这一国家重大战略的深入贯彻与实施。

![](page=21,bbox=[832, 254, 1114, 590])

算力高质量发展电力高质量发展

![](page=21,bbox=[1223, 307, 1600, 595])

电力、算力共同支撑算电发展

![](page=21,bbox=[1669, 214, 2055, 638])

通过平台市场有机协调互动

算电协同：

两个领域

算力赋能电力

算、电发展相对独立

电力支撑算力

算电融合：

一个领域

算、电两个领域紧密结合，形成了一个新的产业

技术渗透融合

产业边界模糊化，彼此功能互补

算力电力经济高质量发展

算能融合：

一个领域

其他能源进一步融进算电体系

其他能源包括氢能、地热能核能、天然气等

算、电、能、碳、数等市场体系相互打通

算力能源经济高质量发展

引自：中国信通院

![](page=22,bbox=[1731, 43, 2089, 124])

2.0算力设施的减排路线

![](page=23,bbox=[1731, 43, 2089, 122])

全生命周期看，算力设施“运营”阶段排放大于“制造”阶段（左图）。需要结合”节能低碳与绿电、绿证等减碳”措施实现算力设施的可持续发展（右图）

![](page=23,bbox=[41, 344, 1086, 918])

中国人工智能算力设施的碳足迹（2022-2050）

![](page=23,bbox=[1135, 339, 2104, 901])

算力设施中不同技术手段碳减排效果预测

AI算力设施预计在2038年达到峰值（695Mt）并在2050年降至 474Mt；制造排放平均占比约 18%

需结合节能低碳、场内绿色电力等方式实现减排预计节能低碳路径的 $ \mathrm{CO}_{2} $减排贡献为 8%-14%

引自：AI carbon footprint in China sets to double post-2030 carbon peaking；《算力设施能量管理：算力-电力-冷力协同》

数据中心的绿色化、高效化、经济化

![](page=24,bbox=[1731, 42, 2089, 122])

![](page=24,bbox=[25, 154, 2101, 1059])

2.1 节能低碳1.0提效

![](page=25,bbox=[1731, 43, 2089, 121])

节能1.0：设备级“能量数量”上的“高效节能”遇到“天花板”

热一律视角：供电-计算-制冷

![](page=25,bbox=[51, 415, 752, 915])

算力设施能源转换图示

设备级能效节能

![](page=25,bbox=[811, 395, 1242, 922])

计算功耗比提升数十倍

![](page=25,bbox=[1285, 403, 1702, 918])

PUE从2.0以上降低到1.42

![](page=25,bbox=[1740, 402, 2125, 916])

AC89%→DC96%

0的节能：供配电（基尔霍夫定律等）-算存运（量子宏观效应等）-热环控（热力学第一定律等）局部链条上单设备的局部能效的提升，不少设备能效即将逼近现有技术路径“天花板”

Uptime Institute Global Data Center Survey 2022

2.2节能低碳1.0→2.0

![](page=26,bbox=[1731, 43, 2089, 122])

节能2.0：系统级“能量数量及品位”上的“高效节能”

热一律视角：数量供电-计算-制冷

![](page=26,bbox=[67, 416, 797, 911])

数据中心能源转换图示（热一律/数量/分块）

![](page=26,bbox=[860, 346, 1288, 862])

热二律视角：品位热电联产/梯级利用/余热回收

![](page=26,bbox=[1384, 445, 2121, 921])

数据中心综合能源示意（热二律/品位/系统）

0的节能：基于热力学第二定律：梯级利用/热电联产（天然气、生物质等）-余热回收（热泵、吸收式制冷等）多链条上多设备的系统级能效的提升，综合能效也即将逼近系统能效天花板

2.2节能低碳1.0→2.0

![](page=27,bbox=[1731, 43, 2090, 122])

分块而治，资源利用率不高、综合能效低下

![](page=27,bbox=[78, 178, 2088, 1088])

2.2节能低碳1.0→2.0

![](page=28,bbox=[1731, 43, 2089, 122])

节能2.0：系统级“能量品位”上的“高效节能”

热二律视角：热电联产/梯级利用/产消者

![](page=28,bbox=[67, 436, 779, 952])

系统级能效节能

$ \textcircled{1} $热电联产：

天然气热电联产

![](page=28,bbox=[817, 575, 1207, 925])

$ \textcircled{1} $150.5-116.7

$ \textcircled{2} $余热回收：热泵

![](page=28,bbox=[1269, 576, 1674, 919])

PUEp可以<1余热回收系数

$ \textcircled{3} $综合能源多能互补

![](page=28,bbox=[1742, 576, 2120, 926])

节能减排

0的节能：基于热力学第二定律：梯级利用/热电联产（天然气、生物质等）-余热回收（热泵、吸收式制冷等）多链条上多设备的系统级能效的提升，综合能效也即将逼近系统能效天花板

2.2.1 节能低碳1.0→2.0：算力综合能源系统一一概念

![](page=29,bbox=[1731, 43, 2090, 121])

提出构建算力、电力、热力协同的数据中心综合能源系统（DC-IES）模式（左图）。

一是挖掘数据中心内部大量的灵活性资源，构建算力网与电力网互动型DC-IES模式，以在平抑新型电力系统电网波动、提升可再生能源消纳能力的同时，优化数据中心的利用率及综合能效；

二是利用中低温热能高效利用的手段，挖掘数据中心邻域用户的冷、热、电的综合能源服务的空间，构建算力网与热力网耦合的产消型DC-IES模式，提升数据中心能量梯级利用水平，实现能效的提升及增量收益

![](page=29,bbox=[50, 360, 1007, 1113])

![](page=29,bbox=[1045, 359, 2053, 1115])

2.2.1节能低碳1.0→2.0：算力综合能源系统一一模型/评价

![](page=30,bbox=[1732, 44, 2089, 121])

不同于传统数据中心较为明晰的系统设计及运维模式，DC-IES内部多变量、非线性、强耦合以及多时间尺度和不确定性的挑战尤为突出。针对此问题，提出了DC-IES“一步式”拓扑设计、容量规划及运行优化的优化设计方法（左图）。

![](page=30,bbox=[72, 293, 1064, 1004])

Key goals of data center in different stages in China

![](page=30,bbox=[1128, 349, 2099, 752])

![](page=30,bbox=[1134, 770, 2095, 990])

分析了电能利用效率（PUE，Power Usage Effectiveness）指标在评价DC-IES产消性、绿色性以及灵活性等方面存在的局限性，提出了构建DC-IES综合评价体系的方向及指标（右图）

[1]王永真,康利改,张靖,等.综合能源系统的发展历程、典型形态及未来趋势[J].太阳能学报,2021,42(08):84-95.DOI:10.19912/j.0254-0096.tynxb.2019-0763.

2.2.1.1算电协同型一一算力业务时空迁移

![](page=31,bbox=[1732, 44, 2089, 121])

灵活调节计算任务，促进可再生能源消纳，降低用能成本和碳排放是实现数据中心绿色、高效和经济的重要途径。

![](page=31,bbox=[48, 279, 1204, 985])

交互性计算任务：在线工作负载

主要包括电商业务（交易、付款、网页请求等）

需要实时响应，时间延迟敏感网页服务流式计算

![](page=31,bbox=[1398, 482, 1513, 578])

电商业务

![](page=31,bbox=[1615, 486, 1745, 576])

![](page=31,bbox=[1896, 488, 1992, 573])

延迟容忍任务：离线工作负载

主要包括计算任务、算法服务、数据统计和数据处理

处理时间长，对数据和资源依赖性强，异地转移难度大

时间维度灵活性：可在截止时间时间前推迟执行

数据库服务（SQL）

大语言模型训练

![](page=31,bbox=[1316, 868, 1511, 963])

机器学习

![](page=31,bbox=[1623, 868, 1742, 956])

![](page=31,bbox=[1871, 866, 2010, 962])

计算任务侧：数据中心由于其独特的运行特性，通过离线/在线工作负载的灵活调控可以调节其用电负荷的时间分布，具有用能侧调节灵活性。

2.2.1.1 算电协同型一一多元柔性资源的灵活性

![](page=32,bbox=[1731, 44, 2089, 121])

以训练为主的算力需求，具有时空柔性的灵活性；加之内部可观的制冷、蓄冷装置，海量的蓄电、柴发的备用电源

![](page=32,bbox=[32, 310, 817, 1023])

![](page=32,bbox=[935, 317, 2072, 760])

![](page=32,bbox=[928, 803, 1995, 995])

赋予数据中心多元柔性资源参与新能源电网多级响应的可调能力和价值。

2.2.1.1算电协同型一一算力业务时空迁移

![](page=33,bbox=[1731, 43, 2090, 122])

负载突增突减，智算AI集群计算与集群通讯模式，导致智算中心功率不再是一个稳定负载，集群小时级波动率是云计算的10倍，高达 50%。

![](page=33,bbox=[46, 342, 888, 642])

![](page=33,bbox=[927, 322, 1285, 639])

![](page=33,bbox=[1302, 321, 1669, 634])

批处理负载转移原理

![](page=33,bbox=[1692, 315, 2046, 615])

![](page=33,bbox=[45, 751, 461, 1058])

大模型功率波动 50% ，小时级峰值

![](page=33,bbox=[439, 867, 831, 1056])

![](page=33,bbox=[930, 736, 1295, 1042])

![](page=33,bbox=[1318, 735, 1678, 1039])

交互式负载转移原理

![](page=33,bbox=[1714, 735, 2051, 1012])

2.2.1.1算电协同型一一算力业务时空迁移

![](page=34,bbox=[1732, 43, 2090, 121])

![](page=34,bbox=[78, 162, 546, 597])

![](page=34,bbox=[554, 165, 932, 521])

调节负载率时空分布可使单位算力能耗及功耗最优

![](page=34,bbox=[154, 682, 926, 1045])

转移负荷降低带宽需求

![](page=34,bbox=[1071, 171, 1505, 496])

![](page=34,bbox=[1614, 176, 2049, 487])

![](page=34,bbox=[1076, 532, 2005, 1095])

2.2.1.1算电协同型一一算力业务时空迁移+长短时储能

![](page=35,bbox=[1731, 43, 2089, 122])

为解决数据中心工作负载与可再生能源电力的季节性不匹配，根据工作负载特性制定多种计算任务响应机制，利用日内-日间状态叠加策略，开发了集成多任务响应机制和长短期氢-电池储能的双时间尺度优化模型

![](page=35,bbox=[23, 332, 781, 852])

数据中心能源系统架构

![](page=35,bbox=[808, 345, 1067, 835])

![](page=35,bbox=[1081, 342, 1341, 836])

系统指标的比较分析

![](page=35,bbox=[1379, 334, 2120, 854])

多任务响应机制和混合储能多时间尺度建模策略

所提出的方案考虑了多任务响应机制和长短期氢-电池储能，实现年化总成本、年碳排放量和平准化用电成本分别降低了 11.5% 、37.6% 和 9.4% ，可再生能源渗透率提高了 8.5% ，整体性能优于传统模式

2.2.1.1 算电协同型一一算力业务时空迁移+风光不确定性

![](page=36,bbox=[1731, 43, 2089, 122])

为了解决数据中心时变任务与可再生能源不确定性电力的不匹配，提出集成短期、中期和长期计算任务以刻画数据中心计算任务响应机制，建立数据驱动分布鲁棒优化模型实现数据中心算力电力的协同优化。

![](page=36,bbox=[56, 323, 377, 877])

![](page=36,bbox=[377, 305, 918, 880])

![](page=36,bbox=[982, 305, 1540, 581])

[a]

![](page=36,bbox=[1562, 307, 2117, 583])

[b]

IT设备层和冷却系统层

![](page=36,bbox=[975, 621, 1532, 890])

![](page=36,bbox=[1553, 621, 2107, 889])

初始任务与转移后任务的对比

(d)

所提议融合长中短期计算任务和可再生能源不确定性的数据中心两阶段分布鲁棒优化模型，可降低数据中心总成本和 CO2排放量23.2%和 28.4%。此外，可再生能源弃风弃电降低了 7.4%，电池储能装置最优配置容量可减少26.5%。

2.2.1.2 算热耦合型一一算力余热再利用

![](page=37,bbox=[1731, 44, 2090, 121])

算力-热力耦合 Coupling of computing and heating

指利用余热回收技术实现数据中心低品位热能的再利用，或利用低温余冷资源实现与数据中心冷却的耦合。

![](page=37,bbox=[141, 319, 1073, 930])

![](page=37,bbox=[1122, 327, 1462, 929])

![](page=37,bbox=[1520, 330, 1716, 535])

![](page=37,bbox=[1834, 323, 2027, 531])

![](page=37,bbox=[1487, 549, 1756, 924])

![](page=37,bbox=[1786, 575, 2034, 923])

注：低品位热能指可开发利用的品质较低的余热，包括液体、乏汽、烟气等。余冷资源包括自然冷源、LNG的汽化冷能、液化空气的冷能等。余热回收的方式一版包括余热发电、余热供热、余热制冷等。

数据中心低品位余热再利用的方式：液冷+各类热泵；吸收式制冷/吸附式制冷，或成为未来趋势

2.2.1.2 算热耦合型一一基于 $ \mathrm{C O_{2}} $直膨热泵的余热回收

![](page=38,bbox=[1731, 43, 2089, 121])

CO2优良的热力学性能：相比于同条件的制冷剂，压力高6-12倍、比容低5-35倍、粘度低4-16倍，表面张力低3-100倍。单位容积制冷量大，制冷量易于调节，压缩比小，换热器效率高

![](page=38,bbox=[47, 329, 713, 906])

包含直膨式 $\mathrm{CO}_{2}$ 地源热泵的产消型数据中心能源系统运行优化

![](page=38,bbox=[805, 358, 1436, 891])

![](page=38,bbox=[1471, 359, 2060, 884])

利用土壤源地热的长时储能特性，构建了基于 $ \mathrm{C O_{2}} $直膨地源热泵的产消型数据中心能源系统，实现最大程度利用自然冷却，设置采用空气直接冷却、直膨式 $ \mathrm{C O_{2}} $地埋管冷却和建筑供暖末端冷却三种模式。

2.2.1.2 算热耦合型一一风转液的余热利用优势

![](page=39,bbox=[1731, 43, 2089, 122])

![](page=39,bbox=[70, 163, 2123, 1034])

图片来源：行业分析报告：孔庆一，OPPO

高密算力引发液冷大规模应用，液冷的部署将大幅度提升余热回收的能效

2.2.1.2 算热耦合型一一液冷+吸收式制冷

![](page=40,bbox=[1731, 43, 2089, 122])

液冷技术给数据中心余热吸收式/吸附式制冷的条件。较高温度的IT冷却液，可以驱动单效溴冷机实现直接制冷。油田、石化、钢铁的余热可以驱动烟气型溴化锂制冷。

冷却系统

位置

温度

空气冷却

冷通道

10~32℃

热通道

50~60℃

冷冻供水

7~10℃

冷冻回水

35℃

液体冷却

液体供水

70~75℃

液体回水

72-80℃

![](page=40,bbox=[96, 709, 894, 1081])

![](page=40,bbox=[1074, 325, 2100, 1089])

液冷+溴化锂制冷=免费的冷量

2.2.1.2 算热耦合型一一液冷+高温蒸汽热泵

![](page=41,bbox=[1731, 42, 2090, 122])

![](page=41,bbox=[29, 204, 556, 1045])

![](page=41,bbox=[565, 197, 1764, 1047])

液冷+高温热泵=大量的蒸汽需求（引自北理工-姜玉雁教授）

热泵COP: > 3.5

热源温度： 50~70 $ ^{\circ} \mathrm{C} $

热泵形式：余热回收

热泵工质：低 GWP

蒸汽温度：130 $ ^{\circ} \mathrm{C} $以上

蒸汽压力：~ 0.4MPa

单机功率：~2 MW

行业情况：几乎空白

2.2.3 打造零水零碳算力中心

![](page=42,bbox=[1732, 43, 2089, 122])

直接空气捕集（DAC）作为一种新兴的负排放技术，可成为保障数据中心实现碳水净零排放的兜底解决方案。

本研究提出一种将直接空气捕集技术与数据中心运营相耦合的策略，利用数据中心产生的余热为直接空气捕集的解吸过程供能。该方法既能实现余热的高效利用，又能同步降低数据中心的水耗与碳排放。

(a)

![](page=42,bbox=[80, 306, 1147, 995])

(b)

![](page=42,bbox=[1224, 326, 2102, 652])

![](page=42,bbox=[1224, 680, 2098, 1013])

当电力排放因子为0.36千克二氧化碳/千瓦时，依托现有直接空气捕集吸附容量即可实现数据中心的零碳运营；而当直接空气捕集技术的水碳吸附比为4时，需捕集约1100千克二氧化碳才能实现数据中心的水平衡。

2.3节能低碳3.0：规划设计→运行优化

![](page=43,bbox=[1731, 43, 2089, 122])

热力学指明了算力设施规划设计阶段节能的方向和天花板一一设计规划

但为保障可靠性，运行阶段“违背了”算力设施各设备在系统规划阶段的“最优解”：导致在能量层面的资源利用不匹配性和多重的冗余运行，且设备自身能效直接呈现多元的非线性特性；

![](page=43,bbox=[43, 425, 980, 923])

算力设施综合能源示意

![](page=43,bbox=[1074, 430, 2114, 927])

算力设施综合能源示意

需要从运行阶段，思考设备效率之间的动态匹配关系，实现多系统之间的多目标互动

2.3节能低碳3.0：算效-电效-热效的动态匹配-单体园区

![](page=44,bbox=[1731, 43, 2089, 122])

如何统筹安排（规划和调度）？让不同目标和工况下各设备组合出力落在系统最优的能效匹配可行域同时，要考虑设备容量和数量的组合及多维的非线性约束一一最高效、最低碳、最经济设计和运行

基于算效-电效-热效协同的多目标容量规划与运行调度方法

![](page=44,bbox=[108, 323, 992, 903])

![](page=44,bbox=[1031, 531, 1204, 735])

算效-电效-热效协同的多目标优化潜力

![](page=44,bbox=[1256, 354, 2101, 910])

算效-电效-热效协同多目标优化示意

以单体算力设施为规划调度的结果表明（左图）算-电-热协同的运行模式比原始方案能够降低该算力设施 23.2%的碳排放、16.9%的能耗及21.3%的经济成本。且耦合度越高，综合效益越大（右图）

项目：工信部揭榜挂帅；代表性文章：Nature子刊，ATE，等

2.4 节能低碳4.0算力时空跨区域调度与匹配

节能低碳4.0：打破时空错配 = 区域级“规划布局”上的“高效利用”

东数西算+全国一体化算力网

东数西算图示

系统级能效节能

算力供需错配

![](page=45,bbox=[808, 540, 1237, 941])

算网协同不足

![](page=45,bbox=[1268, 541, 1668, 937])

市场机制有待完善

![](page=45,bbox=[1745, 540, 2110, 910])

耦合能源禀赋及芯片技术的劣势

导致算力利用率 < 60%，算力排放高0.5kg/kWh，算力价格贵等系列问题

2.4.1 节能低碳4.0算力调度与匹配：多主体算力时间空间匹配

可再生能源资源地域分布不均，”东数西算”多数据中心算力、能源双向时空协联合优化促进绿色能源利用。

![](page=46,bbox=[32, 258, 1327, 999])

![](page=46,bbox=[1359, 285, 1601, 453])

(a) DC1 wind power

![](page=46,bbox=[1613, 285, 1853, 447])

(b) DC2 wind power

![](page=46,bbox=[1865, 285, 2104, 446])

![](page=46,bbox=[1361, 475, 1603, 651])

![](page=46,bbox=[1612, 478, 1853, 647])

(e) DK2 PV power

![](page=46,bbox=[1863, 469, 2102, 652])

![](page=46,bbox=[1361, 694, 1597, 983])

![](page=46,bbox=[1612, 689, 2106, 984])

充分考虑数据中心任务时空响应特性和可再生能源出力特征的多数据中心能源管理为可再生能源消纳和低碳运行提供重要路径。所开发能源管理框架实现系统总运营成本降低30%以上，减低了可再生能源弃风弃光现象。（投稿）

Juntao Han, Nannan Tong, Jiayu Lin, Yibo Han, Yongzhen Wang*, Kai Han*, Yaping Li*. Distributionally robust co-optimization of computing workloads and renewable energy uncertainties in geo-distributed data centers considering multi-element influences. Energy Conversion and Management: X, 2026, 29:101432.

![](page=47,bbox=[1731, 43, 2089, 124])

3.1 算电协同全球行动（起步晚、速度快）

![](page=48,bbox=[1731, 44, 2090, 122])

![](page=48,bbox=[8, 193, 1710, 1083])

上海一安徽一新疆，面向安徽电网需求响应签约（削峰/填谷）进行闭环验证，调度对象为推理任务，并记录IT/液冷/机柜能耗、PUE等。

中国南方电网有限责任公司约500kWh智算任务从广州转移到贵州，并从高峰时段转移到低谷时段，整体电费降低 36%，实现算力成本与电力市场实时联动，预计每年可降低算力运营成本超10%

中国中兴能源公司

在白天用电高峰时段使用夜晚低谷时段储存的低温冷冻水提供空调用冷，转移电力负荷2835千瓦

日本NTT公司

在不关停关键业务的前提下，通过功率封顶提升数据中心业务连续性；停电场景下可将可运行时间提升到约1.8倍（36h→64h）

中国电信股份有限公司杭州分公司通过利用储能装置/UPS备用电源等手段，在用电高峰时段参与杭州供电公司需求响应，削减负荷1.05万千瓦

中国电信临港智算中心

中国电信临港售营中心当临港侧负荷达到阈值，算力调度平台选择电力更充裕且配置匹配的十节点，集群级最高可降低负荷8MW，调峰补贴降低运营成本、资源利用率提升 20%

中国还有：中国移动，中科类脑，中金数据、世纪互联、国电投、华为、商汤、海兰云等等案例

3.1 算电协同国际行动（相关案例）

![](page=49,bbox=[1731, 43, 2090, 122])

![](page=49,bbox=[47, 197, 2113, 1139])

3.1 算电协同我国行动（示范工程）

![](page=50,bbox=[1731, 43, 2089, 122])

2024年12月13日，在2024绿色网格算力论坛上，中国信通院联合中国通信标准化协会绿色网格标准推进委员会发布了“算力与电力协同”典型案例名单。

算力与电力协同典型案例名单（设计阶段）

![](page=50,bbox=[135, 406, 974, 804])

算力与电力协同典型案例名单（运行阶段）

序号

项目名称

申报单位

怀来合盈大数据产业园项目

北京中科合盈数据科技有限公司

杭州泛亚运“源网荷谣”能源互联示范区

国网浙江省电力有限公司杭州供电公司中国移动通信集团浙江有限公司杭州分公司

世纪互联苏州市太仓大数据产业园项目

中能智新科技产业发展有限公司北京世纪互联宽带数据中心有限公司

绿算创新联动电力助推鹏城极速先锋建设

中国电信股份有限公司深圳分公司深圳供电局有限公司

中国移动（湖南株洲）数据中心

中国移动通信集团湖南有限公司

甘肃庆阳“东数西算”源网荷储一体化智慧零碳大数据产业园中国移动（甘肃·庆阳）数据中心、庆阳联通数据中心园区

贵阳、安徽、上海、青海、新疆、内蒙...等等腾讯，阿里，华为，移动，联通，电信，等国网、南网、国电投、国家能源、中能建...诸多民企

3.1 国内外数据中心的ESG

![](page=51,bbox=[1731, 43, 2090, 122])

![](page=51,bbox=[133, 188, 1988, 1028])

不同于国外直连的方式，我国绿电直连少，多采用PPA的进行绿电的认证。此，引发后续标准问题

3.1算电协同我国行动（一体化算力网）

![](page=52,bbox=[1731, 43, 2090, 122])

算力调度“一张网”

![](page=52,bbox=[129, 181, 1992, 1036])

普惠算力的实现依托跨域调度与市场建设，而非以算力供给扩张作为主要路径

3.1算电协同我国行动（一体化算力网）

![](page=53,bbox=[1730, 43, 2090, 122])

![](page=53,bbox=[26, 201, 2135, 955])

（十二）构建可信计算网络环境

十五五”规划将全国一体化算力网列入109项重大工程之一。

今年政府工作报告提出“实施超大规模智算集群、算电协同等新基建工程，加强全国一体化算力监测调度，支持公共云发展”，为算力高质量供给与高效能利用指明了方向

3.1 算电协同我国行动（一体化算力网）

![](page=54,bbox=[1731, 43, 2089, 122])

![](page=54,bbox=[69, 207, 2107, 1122])

3.1 算电协同我国行动（相关平台）

![](page=55,bbox=[1731, 44, 2090, 122])

$ \textcircled{1} $北京市数据中心能耗与碳排放监测管理平台

![](page=55,bbox=[37, 328, 729, 882])

$\textcircled{2}$ 国家超算互联网平台曙光智算信息技术有限公司

![](page=55,bbox=[748, 332, 2135, 896])

$ \textcircled{3} $全国一体化算力网服务平台：

研发单位：中国科学院计算技术研究所、中科南京信息高铁研究院、中科苏州智能计算技术研究院

运营单位：曙光智算信息技术有限公司、天翼云科技有限公司、中移（苏州）软件技术有限公司、联通数字科技有限公司

3.1 算电协同管理平台（北理工）

![](page=56,bbox=[1731, 43, 2089, 121])

突破了现有设备性能设置为恒定值的黑箱局部优化陷阱，通过设备容量规划与运行调度的同时求解，可为算力综合能源系统提供一键式AI智能设计；

![](page=56,bbox=[48, 290, 2068, 983])

北理工综合智慧能源规划优化平台IES-BIT

\text {负 荷 预 测} \rightarrow \text {功 率 预 测} \rightarrow \text {指 标 取 取} \rightarrow \text {系 统 建 模} \rightarrow \text {容 量 规 划} \rightarrow \text {运 行 调 度} \rightarrow \text {绩 效 评 价}

3.1 算电协同展示平台（信通院）

![](page=57,bbox=[1731, 44, 2089, 122])

中国信通院算电协同公共服务平台网址：

![](page=57,bbox=[68, 334, 959, 934])

2014-04-24 10:49:17

![](page=57,bbox=[1018, 324, 2131, 936])

态势感知：汇聚算、电、碳多维数据，形成算电协同统一视图，支撑全局研判与动态监测。

技术服务：提供源网荷储建设、算电协同调度、绿电聚合交易等一站式技术供给方案，推动协同技术应用。

协同共创：聚焦核心技术攻关方向，加速技术成果转化，孵化算电协同新模式与新业态。

标准建设：整合多方力量，系统推进算电协同标准化、体系化建设，形成行业规范参考体系。

![](page=58,bbox=[1731, 42, 2089, 122])

（未来的）梦想很美好（目前的）现实很骨感

![](page=58,bbox=[741, 528, 1467, 887])

遇到了哪些问题？规模化落地难

3.2 算电协同的问题及挑战

![](page=59,bbox=[1731, 43, 2089, 122])

当下算电协同示范遇到了哪些问题？阻碍了其规模化发展

2.1 共性问题：多主体壁垒、算力画像、算力定价

$ \textcircled{1} $业务不直接可控，级别要求高的业务服务质量约束；

$ \textcircled{2} $多层次异构，业主驱动力小

3.2.2 跨区域型算电协同一一规模小，体量少：

以MW级以下的短时试验、单点算力为主、单一主体内为主。

2.3 绿电直连型算电协同一一绿电占比低、经济性问题高绿电占比引发的经济性问题，需要变相的进行成本疏导。

2.4 面向算电协同的热控问题不敢调，不能调，真假灵活性

![](page=59,bbox=[985, 920, 1248, 1020])

回归市场的第一性原理：“经济性”

3.2.1 共性问题 $ \textcircled{1} $：数据中心总体拥有成本（TCO）构成

![](page=60,bbox=[1729, 42, 2089, 122])

数据中心总体拥有成本（TCO）包括建设成本（Capex）和运营成本（Opex）

![](page=60,bbox=[47, 264, 2121, 1199])

3.2.1 共性问题 $ \textcircled{1} $：算电协同受建设成本投入制约

![](page=61,bbox=[1730, 43, 2089, 122])

算电协同电力成本优势对算力调度行为的影响并不完全取决于其绝对值需考虑电力成本与建设成本投入之间的相对关系

国家发展改革委等部门关于印发《数据中心绿色低碳发展专项行动计划》的通知发改环资〔2024〕970号

各省、自治区、直辖市、新疆生产建设兵团发展改革委、工业和信息化主管部门、能源局、数据管理机构，

市域内已有建成投用1年以上数据中心，且整体上架率低于 50%的，原则上不再规划建设新的数据中心集群及大型和超大型数据中心项目。

“东数西算”堵点透视

2024-01-15 18:24:39来源：瞭望2024年第3期

目前东部数据西算意愿不强，西部数据中心存多算少

新网网金融正文

2025

06/19

全国首批两只数据中心REITs获批

08:47:12

来源：经济参考报

数据中心行业属于典型的重资产模式，投资规模大、回报周期长，

头部企业的机柜数量往往以万计，资本开支压力巨大

算电协同激励系数 K = \frac {\mathrm {年度电力成本}}{\mathrm {年均化建设成本}}

$ K \uparrow $ ，电价差异越容易转化为算力调度的经济驱动力

![](page=61,bbox=[1080, 581, 1680, 1084])

智算中心建设成本约束更强

中国电价较低，K不高

算电协同的现实边界，K小于0.2，因此，电力成本与高附加值的建设成本投入难协同

3.2.1 共性问题 $ \textcircled{1} $：算电协同总收益占电力成本较低

![](page=62,bbox=[1731, 43, 2089, 121])

算电协同收益占比有限，难以有效覆盖电力成本，项目实施缺乏经济驱动力

数据中心参与算电协同的三种典型收益方式

$ \textcircled{1} $调频辅助服务：

年收益 = 调频里程 $ \times $出清价格 $ \times $性能系数

$ \textcircled{2} $电力峰谷价差：

年收益 = 用电量 $ \times $ （峰电价-谷电价） $ \times $ 可转移比例

$ \textcircled{3} $需求响应：

年收益 = 响应容量 $ \times $补偿单价 $ \times $响应次数

算电协同总收益/年电力成本

![](page=62,bbox=[1098, 415, 1333, 673])

通算中心 20.9%

![](page=62,bbox=[1614, 416, 1858, 672])

智算中心 21.1%

算电协同收益受限原因：

![](page=62,bbox=[1299, 784, 1366, 846])

可调负荷比例有限

![](page=62,bbox=[1298, 858, 1375, 926])

电力市场价格水平较低

![](page=62,bbox=[1300, 937, 1370, 1001])

调用频次与中标不确定

算电协同总收益/年电力成本约等于20%

因此，需要给出积极的、有吸引力的算电协同价格激励机制

3.2.1 共性问题 $ \textcircled{2} $：算力市场的不对称性及多主体性

![](page=63,bbox=[1732, 43, 2089, 121])

算力市场的不对称性与多主体性引发算力调度的难度，具体表现为：

目前算力市场：

主流云算力服务商

![](page=63,bbox=[168, 417, 615, 758])

问题1：多供给主体存在算力孤岛

合约交易

多主体博弈信息不对称

![](page=63,bbox=[933, 804, 1221, 989])

算力交易平台

需求方

问题3：缺少统一的算力交易平台，信息不对称

![](page=63,bbox=[1608, 351, 2026, 716])

科学仿真

实时监控

问题2：算力需求高度异构且隐私重要

3.2.1 共性问题 $ \textcircled{3} $：算力任务画像难构建，形成了源头制约

![](page=64,bbox=[1731, 43, 2089, 122])

四类三级算力体系布局、多力协同、扬长补短（以网强算、以存强算、以软补硬、毫秒算网）、标准先行、生态加速

![](page=64,bbox=[86, 330, 918, 963])

![](page=64,bbox=[1158, 332, 2025, 955])

多元、多主体混合任务“异构异属异地”的画像

3.2.2 跨区域型算电协同算电协同场景

![](page=65,bbox=[1731, 43, 2089, 122])

算力与电力在时间和空间上的错配

![](page=65,bbox=[77, 283, 484, 684])

![](page=65,bbox=[573, 290, 999, 687])

多元、多主体混合任务“异构异属异地”的画像

![](page=65,bbox=[1153, 213, 2101, 797])

![](page=65,bbox=[478, 824, 686, 996])

![](page=65,bbox=[1544, 813, 1750, 997])

错配引发跨区域型算电协同的巨大潜力场景

对策：碳引导下的区域级算电协同

![](page=66,bbox=[1732, 43, 2089, 121])

1.0：点与面的协同

$ \textcircled{1} $适应100%新能源的全直流数据中心高效可靠供用电技术及应用

$ \textcircled{2} $算力基础设施集群高比例新能源供电与电算时空协同调控示范工程

$ \textcircled{3} $规模化算力弹性调度驱动的电力系统-数据中心低碳协同优化关键技术及仿真平台研究

$ \textcircled{4} $产消型数据中心能量转换机制及可持续评价

$ \textcircled{5} $低碳算力服务系统管理

火电/核电/海风/压差/深地/共享储能~~AI

新建电力

2.0：面与面的协同（双“活”）

面向企业

![](page=66,bbox=[535, 256, 1970, 1155])

单点工程或示范

服务于电网或者数据中心

协同

关键装备

3.2.2 绿电直连型算电协同：高绿电占比难实现

![](page=67,bbox=[1732, 43, 2089, 121])

《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》部署要求：实现“到2025年底，国家枢纽节点新建数据中心绿电占比超过 80% ”的建设目标。

![](page=67,bbox=[115, 332, 1047, 939])

集群名称

电网绿电占比

数据中心绿电交易电量（绿电交易+绿证）

集群自发绿电电量

数据中心总用电量

当前绿电占比

入网录电电量

总电源发电量

和计校上架

73.46%

28.65%

11.5%*

26.72%

45.87%

91.02%

3.79%

25%*

54%*

适配数据中心资源及负荷特性的算电协同机制成为必然要求

3.2.2 绿电直连型算电协同：现有国标不含电网隐含绿电

![](page=68,bbox=[1732, 43, 2090, 121])

可再生能源利用率 Renewable energy factor

指数据中心可再生能源的能耗量与所有能源消耗总量的比值。

[来源：GB/T32910.4-20213.4有修改]

注：可再生能源，一次能源的一类，在一定程度上，地球上此类能源可在自然过程中再生。

![](page=68,bbox=[1906, 174, 2118, 355])

![](page=68,bbox=[90, 426, 2132, 1032])

该示例假设公用电力中可再生能源的部分为0；物理实际中应加上公用电网中的可再生能源占比（尚未标准）。

3.2.2 绿电直连型算电协同：度电成本高

![](page=69,bbox=[1731, 43, 2089, 122])

在基准情景的参数设定条件下，并网型直连模式的单位用电成本最低。

一方面，借助“绿电直连”机制，数据中心可直接获取物理可溯源的绿色电力，同时锁定具有成本优势的绿电价格；另一方面，通过保留与公共电网的连接，数据中心可获得电网备用支持，满足调峰、备用等不确定性电力需求，显著降低对储能的依赖。

离网型直连模式需要大量的储能进行调峰，因此度电成本最高。

并网型：项目整体接入公共电网，与电网形成清晰产权和安全责任界面（电源位于用户侧产权分界点）。

离网型：完全独立运行，与公共电网无电气连接。

价格由低到高

并网直连（原两部制） 0.5475元

并网直连（新单一制） 0.6325元

绿电交易 0.65978元

绿证交易 0.66006元

离网直连 0.71951元

引自岳昊，冀北电力公司）

还有别的问题吗？

让子弹飞一会在多级市场的经济响应下如何保证服务质量的情况下让数据中心安全的响应？

算力服务

绿电消费

不确定性虚拟池化

算力经济

绿电直连算热耦合

需求响应

多尺度

绿电消费

绿电直连

算电互动

余热利用

大模型

负载率

场发

PUE

算电协同

负载率

算电互动

服务质量

负载率

温度

电算碳协同

余热利用

算力服务

高效制冷

效制冷

虚拟池化

算热耦合

电算碳协同

规划调度

需求响应

算力服务

储能

规划调度

多尺度

绿电直连

算力中心

3.2.4 如何实现安全可控的算电协同？一一全栈控制

![](page=71,bbox=[1731, 43, 2089, 122])

在(宏观)多级电力市场的充分经济激励及（介观）算电协同的充分响应下如何保证业务服务质量的情况下让数据中心（热控）安全可靠（微观）的运行响应？

![](page=71,bbox=[50, 360, 2049, 1120])

算电协同

数据中心安全运维：可靠热控

3.2.4 如何实现安全可控的算电协同？——环控设备

![](page=72,bbox=[1731, 43, 2089, 122])

再次，随着热流密度的增加：制冷环控面临“风液混合、热惯性大”的挑战且热控响应要求越来越快（右图），引发算、电、冷多时间尺度协同控制难题（下三图）

![](page=72,bbox=[117, 378, 684, 768])

热流密度增大

![](page=72,bbox=[726, 364, 1309, 770])

风液兼容到液冷普及

![](page=72,bbox=[123, 872, 669, 1105])

![](page=72,bbox=[1354, 366, 1966, 769])

热控的响应时间减小

![](page=72,bbox=[734, 870, 1307, 1110])

![](page=72,bbox=[1363, 873, 1965, 1110])

算电协同的底座是“算冷全栈的热控”

3.2.4 面向算电协同的算冷全栈控制一方法模型

![](page=73,bbox=[1731, 43, 2090, 122])

单一策略以及第一时间尺度难以同时兼顾全局经济性和控制安全性，针对该问题提出“日前算电协同经济调度+日内算冷全栈动态调控”分层优化策略在满足芯片温度安全及服务质量约束下实现负载分配与冷却流量的协同优化与跟踪控制

![](page=73,bbox=[76, 431, 2076, 1087])

3.2.4——效果

![](page=74,bbox=[1732, 43, 2090, 122])

相较于非全栈的解耦模式（方案1），算力-冷力协同的全栈模式（方案2）可使系统平均PUE由1.18降至1.14，总运行成本降低 13.3%。进一步（方案3）服务水平协议违约率SLAV作为优化目标后，SLAV均值显著降低 34%有效兼顾了经济性、能效与服务质量。

方案1：当前液冷数据中心常规解耦运行模式。

方案2：算力-冷力协同双层优化策略。

方案3：在方案2的基础上进一步将SLAV纳入优化目标

方案1

方案2

服务器功耗

111612.01

111603.84

冷却系统功耗

11335.98

10492.36

实际完成任务

21616.11

21606.87

系统总成本

104042.03

90168.79

平均PUE

1.18

1.14

系统总能耗(kWh)

SLAV均值

方案2

126922.68

1.44%

方案3

127455.76

0.948%

![](page=74,bbox=[914, 402, 1476, 726])

![](page=74,bbox=[907, 741, 1469, 1079])

![](page=74,bbox=[1500, 401, 2077, 1073])

双层协同优化相关参数动态分布

不同方案下相关运行参数动态分布

![](page=75,bbox=[1731, 43, 2089, 124])

算电协同之前和之后

![](page=76,bbox=[1730, 43, 2090, 122])

![](page=76,bbox=[22, 288, 1849, 847])

绿色 Token

能源强国+网络强国+算力强国

4.1 建议 $ \textcircled{1} $：扩大算电协同试点示范，鼓励百花齐放，多点开花

![](page=77,bbox=[1731, 43, 2090, 122])

![](page=77,bbox=[208, 195, 1988, 1023])

多举措并举：东数西算+东数东算+地数天算+地数深算+车基边缘算力

4.1 建议 $ \textcircled{2} $：建议实行token计费（绿色，灰色，黑色token？

![](page=78,bbox=[1727, 27, 2088, 121])

问题：算力迁移的驱动力不足，碳约束作用尚未凸显！

![](page=78,bbox=[35, 261, 1094, 915])

![](page=78,bbox=[1176, 269, 2116, 919])

措施：“算-电-碳”多市场平权博弈（动态碳成本，时空稀缺成本）如何按照token计费？体现算力产品的“商品”特性（含碳，含电）

4.1 建议 $ \textcircled{3} $：构建底层的算力业务多维画像

![](page=79,bbox=[1731, 44, 2089, 122])

问题：算力画像刻画，很模糊和异构的一件事情

业务/任务

token? ? （时延）

![](page=79,bbox=[363, 352, 493, 416])

服务器

Flops

![](page=79,bbox=[785, 352, 914, 415])

算力基础设施

![](page=79,bbox=[1216, 353, 1343, 416])

PUE

电力

电力基础设施

中国AI模型出海≠中国本地算力出海

中国本地算力承接的全球份额

kWh

中国模型全球调用占比

61%

在中国境内完成推理的比例

25%

真正与中国算力（中国电力）绑定的只是约15.3%的全球调用份额

低电价成本优势存在，但会被明显抵消

中国西部电价（ $ /kWh)

欧美均值的1/5

芯片能效

![](page=79,bbox=[1461, 768, 1766, 935])

H100的1/3

PUE （中国平均）

西方先进数据中心可达1.1

出海的是“模型能力”，不是“中国本地算力跨境直供”

4.1 建议 $ \textcircled{5} $：算力的电力画像一一用电量监测及波动性

![](page=80,bbox=[1731, 43, 2090, 122])

![](page=80,bbox=[33, 178, 433, 425])

![](page=80,bbox=[453, 179, 842, 427])

![](page=80,bbox=[838, 178, 1267, 431])

![](page=80,bbox=[1305, 180, 1683, 428])

![](page=80,bbox=[1684, 178, 2097, 429])

![](page=80,bbox=[133, 436, 1114, 867])

![](page=80,bbox=[1097, 435, 2030, 867])

用电特性

![](page=80,bbox=[54, 883, 2060, 1077])

芯片级

服务器级

机架级级

4.1建议 $ \textcircled{6} $：加强系统科普，形成全行业算电协同的理念共识

![](page=81,bbox=[1736, 40, 2088, 122])

问题：政府共识+民间共识=群体共识：算电协同是有多维目标价值的！

![](page=81,bbox=[82, 305, 938, 1034])

助力打破

![](page=81,bbox=[1184, 303, 2087, 1043])

措施：多点示范，坚持理论与实践的齐头并进

4.1建议 $ \textcircled{6} $：加强系统科普，形成全行业算电协同的理念共识

![](page=82,bbox=[1737, 40, 2088, 122])

![](page=82,bbox=[44, 247, 2076, 929])

传统算力模式

闲置资源

算力-电力-热力协同模式

算电协同的基础理念：算力设施要从单纯的消费者向灵活的产消者转变

4.1 建议 $ \textcircled{6} $：加强系统科普，形成全行业算电协同的理念共识

![](page=83,bbox=[1737, 40, 2088, 121])

2024年8月27日，由中国通信工业协会数据中心委员会主办，算-电-热-碳协同创新中心、北京理工大学重庆创新中心、碳中和系统工程北京实验室（北京理工大学）、北京理工大学先进储能与低碳技术研究中心、中国系统工程学会承办的“算电热碳高效协同关键技术与创新方案研讨会”在上海成功举办（左图）。

![](page=83,bbox=[70, 313, 1020, 1044])

![](page=83,bbox=[1085, 311, 2010, 1031])

8月29日，南方电网公司联合中国电力企业联合会、中国信息通信研究院举办的“电力算力协同暨电力数据要素市场发展”交流活动在贵州省贵阳市举行（右图）。

中国电力发展促进会电力与算力协同发展专业委员会成立...

4.1 建议 $ \textcircled{7} $：加快算电协同相关术语建设

![](page=84,bbox=[1732, 43, 2089, 121])

加快实现“电-算-热”协同海量泛在、高效调度、绿色低碳、灵活供给、服务智能，对数字经济高质量发展意义重大。“电-算-热”协同作为新时代电力、算力高质量发展的必由之路，必将推动一场深彻的系统性变革。

![](page=84,bbox=[46, 310, 842, 1079])

算力一电力一热力协同

背景概述及标准框架

算力一电力一热力协同通用术语

算力一电力一热力协同集成优化术语

算力一电力一热力协同评价术语

ICS 27.160

ICS F20

![](page=84,bbox=[1445, 329, 2092, 1074])

[1]王永真,韩艺博,郭凯,等.面向算力-电力-热力协同的术语及标准体系初探[J].电力建设,2025,46(04):71-83.

4.1 建议 $ \textcircled{8} $：加快算电协同相关标准建设

![](page=85,bbox=[1731, 43, 2090, 122])

算电协同多环节标准缺失，需从规划设计到市场全链条构建统一标准体系，强化跨领域协同制定

![](page=85,bbox=[63, 301, 685, 1040])

![](page=85,bbox=[776, 306, 1365, 1039])

序号

标准/技术文件名称

类型

工作组/行业组

全国一体化算力网数据中心可调节负荷潜力评估技术要求

指导性技术文件

WG6

全国一体化算力网电力算力资源协同规划技术导则

指导性技术文件

WG6

全国一体化算力网基础术语

指导性技术文件

WG6

全国一体化算力网算电协同参考架构

指导性技术文件

WG6

全国一体化算力网算力负荷特性分析与建模实施指南

指导性技术文件

WG6

全国一体化算力网运维技术要求

指导性技术文件

WG6

全国一体化算力网服务交付要求

指导性技术文件

WG6

全国一体化算力网数算协同系统架构与技术要求

指导性技术文件

WG6

从业务、规划、设计、调度、运行、评价、市场等协同方面

4.1 建议 $ \textcircled{9} $：加快算电协同相关评价体系

![](page=86,bbox=[1732, 43, 2089, 122])

国家绿色数据中心一一工业和信息化部节能与综合利用司

1) 生产制造、电信、互联网、公共机构、能源、金融电子商务

2) 原则上推荐的数据中心规模应不小于3000个标准机架（公共机构、金融领域数据中心除外）

3) 机柜资源、算力负荷、网络资源等算力资源利用水平处于行业内先进水平，算力算效水平高；能源利用效率高，电能利用效率原则上应达到《数据中心能限定值及能效等级》（GB40879）中的2级及以上水平，风电、光伏等可再生能源利用水平高，积极利用储能、氢能等技术

序号

指标

权重分值

闸闸分数

对解字误分解释的详细说明

相应试题材料索引

一、现象及原因

中国积积卡

（后页第几页对应材料，注明提升次数，下同）

可再生能源及燃料用水水平

单位信息及集中控制下限水平

能源利用智慧水平

全校综合水平

二、检查及质量

水资源利用水平

地表水资源水平

地表公共资源水平

三、科学应用及应用

数学应用水平

英语应用水平

四、测试及效果评价

机积积积积（上水平）水平

最小油积积水平

最大油积积水平

应急和应急及单项积积水平

总分

中国工程建设协会标准数据中心等级评定标准施行日期：2017年12月1日

数据中心等级评定标准 Rating standard for data centers T/CECS 488-2017

几个A

![](page=86,bbox=[740, 539, 1276, 1033])

中国电子学会关于开展绿色数据中心等级评估工作（试行）

广州赛宝认证中心服务有限公司

（工业和信息化部电子第五研究所认证中心）

T/CIE 049A-2020

《绿色数据中心评估准则》

GBT32910.3-2016

《数据中心资源利用第3部分：电能能效要求和测量方法》

绿色数据中心审核

响应评估分

钢缆

65级-75级

在65级以上

缆网

75级-85级

在85级以上

金缆

85级-85级

在85级以上

白金缆

95级以上

工业和信息化部：国家绿色算力设施（国家绿色数据中心）

4.2展望 $ \textcircled{1} $：培养“算电协同”多学科交叉及人才研究

![](page=87,bbox=[1730, 43, 2090, 122])

问题：算电协同面临跨学科、跨行业的知识及协同壁垒！

能动视角下：数据中心内部的能源匹配

![](page=87,bbox=[93, 297, 846, 587])

数量（能量）匹配

品位(焩值)匹配

电气视角下：多元互动

![](page=87,bbox=[912, 310, 1384, 584])

算效-电效-热效柔性匹配电力系统自动化

信息科学与技术

![](page=87,bbox=[84, 772, 672, 974])

管理科学

控制技术

![](page=87,bbox=[991, 768, 1382, 981])

![](page=87,bbox=[1534, 259, 2036, 672])

最大化算效

最大化自然冷

“多学科交叉问题”算力-电力-热力协同的思路

![](page=87,bbox=[1524, 842, 1692, 985])

![](page=87,bbox=[1736, 839, 1892, 988])

![](page=87,bbox=[1926, 840, 2079, 989])

以电力-算力-热力-碳力协同为学科交叉的载体，深化与算力与电力基础设施相关企业、协会、政府部门的交流合作（实习生、培训），在人才培养、社会经济和生态文明的做出贡献

4.2展望 $ \textcircled{3} $：从设备供应方向多链条解决方案服务商转变

![](page=88,bbox=[1731, 43, 2089, 122])

问题：设备供应方思维枷锁制约系统的节能减排绩效！

![](page=88,bbox=[193, 283, 1940, 1024])

措施：从设备供应方向多链条解决方案服务商转变

4.2展望 $ \textcircled{3} $：从设备供应方向多链条解决方案服务商转变

![](page=89,bbox=[1731, 43, 2089, 122])

算力综合能源可分为宏观、介观、微观算力综合能源系统现有研究多集中在宏观和介观的场景边界（新建）、微观研究不足

![](page=89,bbox=[47, 315, 934, 734])

![](page=89,bbox=[48, 772, 464, 1023])

宏观算力综合能源系统广义算力网（运、算、存）与电力网

![](page=89,bbox=[516, 769, 930, 1042])

介观算力综合能源系统产消型（算电热协同）数据中心

![](page=89,bbox=[1054, 330, 2107, 1030])

微观量力综合能源系统全栈联动（IT+OT）数据中心

4.3 基础 $ \textcircled{1} $：相关智库报告

![](page=90,bbox=[1731, 43, 2089, 122])

![](page=90,bbox=[45, 213, 2115, 999])

趋势1：“算力-电力-冷力”的协同助力低碳算力服务

4.3 基础 $ \textcircled{3} $：管控平台

![](page=91,bbox=[1731, 43, 2089, 122])

主持的国自然基金《产消型数据中心》被评为优秀结题，构建了零碳算力园区综合智慧能源规划设计软件

出版专著《数据中心综合能源》1本，参与北京市及全国数据中心节能改造的行动方案

![](page=91,bbox=[69, 346, 768, 1028])

北理工零碳算力园区综合智慧能源规划优化平台

![](page=91,bbox=[799, 347, 1342, 1035])

专著

![](page=91,bbox=[1377, 349, 2116, 1021])

服务于北京市数据中心的节能减排

4.3 基础 $ \textcircled{4} $：相关成果

![](page=92,bbox=[1731, 43, 2090, 122])

![](page=92,bbox=[92, 187, 433, 595])

![](page=92,bbox=[491, 188, 805, 596])

电力-算力-热力协同：行业首部白皮书与发展报告

![](page=92,bbox=[911, 184, 1452, 608])

![](page=92,bbox=[1543, 184, 1806, 599])

![](page=92,bbox=[99, 700, 436, 1078])

![](page=92,bbox=[1843, 188, 2106, 595])

出版书籍教材（科学出版社）

![](page=92,bbox=[494, 700, 802, 1081])

引领电力-算力-热力协同领域：国标，图标

![](page=92,bbox=[845, 702, 1180, 1081])

![](page=92,bbox=[1214, 700, 1521, 1080])

高水平论文发表

![](page=92,bbox=[1546, 701, 1811, 1077])

![](page=92,bbox=[1853, 702, 2113, 1079])

受邀重要媒体专访（CGTN、新华社、财经社、澎湃）

![](page=93,bbox=[1731, 43, 2090, 122])

![](page=93,bbox=[125, 206, 363, 433])

北京理工大学机械与车辆学院能源与动力系

研究领域已经涵盖动力工程及工程热物理一级学科的五个二级学科方向。致力于发展运转速度更快、功率密度更高、承载能力更强、更加节能环保的新型动力系统”。在数据中心、综合能源、热泵、氢能、制冷低温、热管理等方面积累了丰富的基础。

![](page=93,bbox=[64, 493, 697, 1074])

110人教职工

13牵头国家/国防奖

多栖平台驱动系统全国重点实验室

NATIONAL KEY LABORATORY OF MULTI-PERCH VEHICLE PROPULSION SYSTEMS

![](page=93,bbox=[1363, 829, 1485, 929])

![](page=93,bbox=[1546, 755, 2065, 1052])

![](page=94,bbox=[1690, 65, 2106, 210])

开放交流

共筑算电热协同行业发展

![](page=94,bbox=[4, 670, 805, 1099])

王永真

北京理工大学机械与车辆学院能源与动力系多栖平台驱动系统全国重点实验室碳中和系统工程北京实验室wyz80hou@bit.edu.cn

![](page=94,bbox=[1535, 726, 2155, 1133])

摘要

数据中心节能降碳之算电协同：背景、技术、实践和展望

2026年初算力设施的两件“大事”

中共中央办公厅 国务院办公厅关于更高水平更高质量做好节能降碳工作的意见

协同推进节能降碳与绿色转型加快数字基础设施节能降碳

目录

1.1 现代人类社会发展的基本要素：物质、能源、信息

1.1 多元信息消费场景驱动异构算力需求

AI驱动“世界范式”逐步由小模型时代因果分析，走向大模型时代相关分析（左图）

多类场景驱动多元“数据”业务和“云、边、端”算力爆发式增长（右图）

1.1 AI爆发引发算力设施（数据中心）的大基建

数字经济下海量的数据需要感知、存储、加密、传输、调用、计算以及交易算力基础设施一一数据中心

1.2 算力的尽头是电力吗？源于美国

全球范围内，算力的核心基础设施一一数据中心，其用电量呈现快速（大于年均15%）增长

1.2 数据中心能耗统计及预测的现有问题

1.2.1 我国数据中心综合能耗预见一一模型方法

1.2.1 我国数据中心综合能耗预见一一模型方法

1.2.2 结果：我国数据中心综合能耗预见一一用电量

2030年全国数据中心用电量将达到5257亿kWh（均值）

用电量：数据中心>采矿业、计算机、通信电子制造业等行业

1.2.2 结果：我国数据中心能耗预见+中美对比（2030）

数据中心耗电在全社会用电量占比中国（3.5%，2030）显著低于美国（13.3%，2028）

1.2.2 结果：我国数据中心能耗预见（2040）

算力设施任务量增加导致电力需求在全社会占比显著增加，2040年占比超过 10%。

1.3 中美算力碳排放对比（火电+新能源模式：ESG视角）

$ \textcircled{1} $IT设备碳排因子或碳利用率

$ \textcircled{2} $单位算力碳排

1.3 中美AI发展路线对比（未来场景：新能源模式）

绿色瓦特赋能劣势比特

1.4 绿电电力与算力协同：中国特色路线（国家视角）

中华人民共和国中央人民政府

算电协同

1.4 绿电电力与算力协同：中国特色路线（行业参与者视角）

修改自岳昊，蒋维娜

电网公司需保障电力供需平衡、新能源消纳并建设新型电力系统

发电企业卖出更多的绿电

储能企业参与更多的调度

算力用户要求高可靠、低成本、少碳排

算力运营商追求电力可靠及经济运行

1.4 算力-电力-热力协同：能源视角

1.4算力-电力-热力协同：信息视角

系统思维，跨界创新，三网协同赋能数据中心能效治理

关系碳中和下新型电力系统的建设，更加关系数字经济新质生产力的高质量发展

注：热力网络具有余热和冷却之意

1.5算电协同的几个终极目标

中华人民共和国中央人民政府

1. 有没有

2. 省不省

3. 绿不绿

4. 慧服务

1.5算电协同的几个落地阶段

现有概念梳理

中国电促会《电力与算力协同发展蓝皮书（2024）》：

南方电网《电力算力协同行动计划》：

能源算力融合（哈密）研究院理事长陈学义：

算电协同：

两个领域

算电融合：

一个领域

算能融合：

一个领域

目录

2.0算力设施的减排路线

全生命周期看，算力设施“运营”阶段排放大于“制造”阶段（左图）。需要结合”节能低碳与绿电、绿证等减碳”措施实现算力设施的可持续发展（右图）

数据中心的绿色化、高效化、经济化

2.1 节能低碳1.0提效

节能1.0：设备级“能量数量”上的“高效节能”遇到“天花板”

热一律视角：供电-计算-制冷

设备级能效节能

2.2节能低碳1.0→2.0

节能2.0：系统级“能量数量及品位”上的“高效节能”

热一律视角：数量供电-计算-制冷

2.2节能低碳1.0→2.0

分块而治，资源利用率不高、综合能效低下

2.2节能低碳1.0→2.0

节能2.0：系统级“能量品位”上的“高效节能”

系统级能效节能

2.2.1 节能低碳1.0→2.0：算力综合能源系统一一概念

2.2.1节能低碳1.0→2.0：算力综合能源系统一一模型/评价

2.2.1.1算电协同型一一算力业务时空迁移

中共中央办公厅国务院办公厅关于更高水平更高质量做好节能降碳工作的意见

（未来的）梦想很美好（目前的）现实很骨感