P14 算电协同：算力与电力的双向赋能

Computing–Power Synergy: Bidirectional Empowerment of Compute and Electricity

融合

大模型与生成式AI的技术突破使算力需求进入指数级增长阶段，数据中心（尤其是AI数据中心，AIDC）的用电规模随之快速扩大。算电协同以"电支撑算"与"算优化电"的双向赋能为核心逻辑，旨在通过统筹算力设施与能源系统协同建设，破解算力与电力在空间、时间、频率与规划上的结构性错配。本章系统梳理算电协同的概念内涵与政策脉络、算力负荷特征与能效管理、核心协同模式与电力市场参与路径、"东数西算"空间布局及关键技术支撑，并对政策刚性化趋势与"源网荷储算"一体化发展方向作出研判。

一、算电协同的概念与发展背景

1.1 算电协同的定义

算电协同（Computing–Power Synergy），是指通过数字化技术、智能算法和通信网络，实现数据中心与电力系统的实时匹配和动态调配，形成"电支撑算、算优化电"的双向互动关系。

政策定义——四部委行动方案

统筹大型新能源基地与国家算力枢纽布局，推动算力设施与配套能源系统协同建设，以"电支撑算"破解"电等算"困局；以AI赋能能源系统优化，用"算优化电"提升新能源消纳率与电网智能化水平。

"电支撑算"——为AI发展提供绿色、可靠、低成本的电力保障，将西部富余绿电引入数据中心，降低对火电的依赖。

"算优化电"——利用AI技术提升电力系统运行效率。出力预测、潮流优化、负荷分析等传统模型难以高效处理的环节，AI在计算速度和寻优能力上具有相对优势。

1.2 算力需求与能耗的爆发式增长

国际能源署（IEA）2025年4月发布的《Energy and AI》报告指出，2025年全球数据中心用电量约为4850亿千瓦时（485 TWh），占全球用电量的1.5%左右；其中，AI专用数据中心的用电量同比增长50%，远超整体数据中心17%的增速。报告预测，到2030年，全球数据中心用电量将增至约9500亿千瓦时（950 TWh），占全球用电量的比例提升至3%。

国内方面，据国家能源局2026年5月披露的数据，2025年全国算力中心用电量约1700亿千瓦时，占全社会用电量的1.6%左右；全国一体化算力网络8大枢纽节点算力用电成为增量主力，近3年平均增长率约为39.5%。国家能源局预计，"十五五"时期全国算力用电量年均新增1000亿千瓦时以上，到2030年预计达8000亿千瓦时，占全社会用电量的比例将从当前的1.6%提升至约6%。

算力需求快速扩张的影响因素主要包括以下方面：

• 大语言模型参数规模膨胀——以GPT系列为例，模型参数量从十亿级增长至万亿级，训练和推理所需的算力呈非线性增长；
• 智能体（Agent）生态扩展——多智能体协同调用增加了推理请求的频次，对持续算力供给提出更高要求；
• 行业数字化深化——从金融风控到工业仿真，算力需求从通用计算向专用智算迁移。

行业研判

AIDC正成为能源系统中增长最快的负荷类型。高功率密度、长运行时长、高可靠性要求，构成了算力设施对电力系统的三重依赖。

1.3 政策演进：从倡导到战略

算电协同的政策脉络可大致划分为三个阶段：

阶段	时间	核心事件	标志性内容
政策起点	2020—2022	"东数西算"工程全面启动	国家枢纽节点新建数据中心绿电占比要求显著提升
概念确立与试点	2023—2025	算力电力协同试点部署	呼和浩特等地先行先试；两部委发布推进意见
上升为国家战略	2026至今	纳入政府工作报告	与"超大规模智算集群"并列为新基建工程

2025年9月4日，国家发改委、国家能源局联合印发《关于推进"人工智能+"能源高质量发展的实施意见》（国能发科技〔2025〕73号），提出以推进智能算力与电力协同发展为必要支撑，到2027年初步构建能源与人工智能融合创新体系。

2026年4月8日，国家发改委、国家能源局、工信部、国家数据局四部委联合发布《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号），设定两个阶段性目标：

• 到2027年：支撑人工智能创新发展的安全、绿色、经济的能源保障体系初步构建，清洁能源与算力设施互动能力显著提升；
• 到2030年：人工智能算力设施的清洁能源供给保障能力、能源领域人工智能专用技术研发和应用达到世界领先水平。

二、四大结构性错配

能源和算力在物理空间、时间特征、响应频率和建设周期上存在系统性差异。中国的资源禀赋和产业格局，加剧了以下四组结构性矛盾。

2.1 空间错配：绿电在西，算力在东

风电和光伏资源集中在西部和北部地区，而AI训练和高频推理需求主要集中于东部经济发达地区。"西电东送"的物理距离与"东数西算"的时延约束，构成了空间布局上的两难。

空间错配的主要影响包括：

• 西部富余绿电无法就近消纳于算力设施，局部地区弃风弃光仍时有发生；
• 东部算力中心受电网容量和供电稳定性双重约束，扩建空间有限；
• 跨省跨区电力市场化交易机制尚需完善，"电等算"与"算盼电"并存。

据国家发改委高技术司2022年2月就"东数西算"工程答记者问时的表述，"一些对网络要求较高的业务，比如工业互联网、金融证券、灾害预警、远程医疗、视频通话、人工智能推理等，可在京津冀、长三角、粤港澳大湾区等东部枢纽布局"；而"后台加工、离线分析、存储备份等对网络要求不高的业务，可率先向西转移"。

2.2 时间错配：新能源出力波动，算力负荷稳定

光伏发电集中在日间，出力在傍晚快速下降，呈现典型的"鸭子曲线"特征。数据中心则需要7×24小时稳定供电。二者的出力曲线在日内和季节尺度上均存在明显差异。

应对思路包括：

• 算随电调——将可延迟的批处理任务迁移至新能源出力高峰时段执行；
• 电随算建——在西部风光资源富集地区布局算力集群，通过远程租用方式供给东部用户；
• 储能补齐——配置电化学储能或长时储能，实现能量时移。

2.3 频率错配：电网分钟级调度，算力毫秒级波动

电网调度以分钟至小时为周期，而GPU集群启动训练时，功率在毫秒到秒级范围内剧烈跃升。响应频率相差约3个数量级，这种瞬变对电网实时平衡构成实际冲击。

具体表现为：

• GPU集群功率"爬坡"陡峭，可能对继电保护产生扰动；
• 多任务并行时负载叠加，波动幅度进一步放大；
• 传统负荷预测模型难以捕捉算力负荷的高频变动特征。

2.4 规划错配：能源基建周期长，AI需求迭代快

火电机组装机周期约3—5年，特高压工程约5—8年，新能源场站从立项到并网亦需数年时间。相比之下，AI模型迭代周期以月计，算力需求呈爆发式增长。两类基础设施的建设节奏不匹配，导致"规划跟不上需求"成为常态。

三、算力负荷特性与能效管理

3.1 算力负荷的物理特性

数据中心（含智算中心、超算中心）作为新型负荷，与传统工业负荷相比具有以下特征：

• 功率密度极高：据数据中心行业调研数据，单机柜功率从传统3—5 kW提升至AI训练场景的20—100 kW，部分前沿项目（如英伟达GB200 NVL72）单机柜可达120 kW；
• 运行时长极长：训练任务周期可达数周至数月，推理服务要求全年不间断运行；
• 负载波动大：训练启停、批处理调度、任务迁移均可引发功率级跃变；
• 可靠性要求苛刻：断电可能导致训练数据丢失，电力保障等级通常要求Tier 3及以上（可用性99.982%，年停机时间约1.6小时）。

3.2 PUE与能效指标

PUE（Power Usage Effectiveness）为数据中心总能耗与IT设备能耗之比，数值越接近1.0表明能效越高。

据2024年国家发改委等四部委印发的《数据中心绿色低碳发展专项行动计划》，到2025年底：

• 新建及改扩建大型和超大型数据中心PUE降至1.25以内；
• 国家枢纽节点数据中心项目PUE不得高于1.20。

指标	定义	政策目标与行业现状
PUE	总电力消耗 / IT设备电力消耗	新建大型/超大型数据中心≤1.25；国家枢纽节点≤1.20；液冷前沿项目可达1.15以下
制冷负载系数（CLF）	制冷能耗 / IT设备能耗	间接蒸发冷却、液冷技术可显著降低
供电负载系数（PLF）	供配电损耗 / IT设备能耗	高压直流、固态变压器可减少损耗
绿电占比	可再生能源用电量 / 总用电量	新建枢纽节点≥80%（国家数据局口径）

能效演进趋势

先进数据中心的能效评价已不再局限于PUE单一指标，而是将供配电、制冷、余热回收、园区多能利用纳入全链条评估。其角色定位正从单纯耗电体向微型能源系统转变。

3.3 算力设施供能模式分类

按绿电获取路径，当前算力中心的供能模式大致可分为六类：

模式	特点	适用场景
大电网供电+绿电交易	通过绿证或绿电交易获取绿色属性，物理供电仍来自电网	存量改造；东部算力节点
源网荷储一体化	就近配置新能源场站与储能，通过专用线路实现局部供需闭环	新建大型智算中心；西部新能源富集区
新能源基地共建共享	数据中心投资方与新能源开发商共建发电项目，共享发电与收益	产业园/集群级项目
绿电专线直供	新建专用输电线路，将远方新能源电力直送数据中心	国家级枢纽节点
离网型新能源微网	风光储独立运行，脱离主网供电	偏远地区小型节点；零碳示范
增量配电网用户	通过增量配电网获取就近新能源直供	配套园区级微电网项目

当前政策导向已发生明显转变：绿电占比从倡导性指标变为严格的准入约束。据2024年四部委《数据中心绿色低碳发展专项行动计划》，到2025年底，国家枢纽节点新建数据中心绿电占比应超过80%。PUE和碳排放指标不达标，将直接影响项目审批。

四、核心协同模式：从单向供给到双向赋能

4.1 源网荷储一体化

源网荷储一体化是算电协同的物理底座。根据国家发改委、国家能源局2021年3月印发的《关于推进电力源网荷储一体化和多能互补发展的指导意见》，该模式按实施层级可分为区域（省）级、市（县）级、园区（居民区）级三类，旨在通过优化整合本地电源侧、电网侧、负荷侧资源，实现源网荷储高度融合。

对算力设施而言，源网荷储一体化的核心要素包括：

• 源荷匹配——依靠储能缓冲，弥合风光出力曲线与算力负荷曲线之间的差异；
• 网储协调——储能设施同时承担电网调峰调频与数据中心不间断供电的功能；
• 多能互补——整合风电、光伏、水电、储能、氢气等多元能源，提升系统韧性。

该模式使数据中心从"被动耗电"向"主动参与"转变，在储能调节、电能质量支撑、电网互动等方面获得新的能力维度。

4.2 绿电直连与分类管理

国能发科技〔2026〕34号文明确提出"依据算力任务类型，对算力设施实施分类管理"：

• 柔性负荷——训练、离线计算、批处理等可中断、可迁移任务，适合绿电直连、储能协同、时空调度等新模式；
• 刚性负荷——在线推理、实时交易、工业控制等对连续性要求高的业务，需以电网主供为保障，绿电交易和绿证抵扣作为补充。

绿电直连涉及专用线路、并网接入、电能质量治理、储能配置、备用电源、调度策略、碳核算、收益分配等全链条问题。算力设施需要从单纯的"用电大户"升级为具备新型能源节点特征的系统参与者。

4.3 "算随电调"与"电随算建"

针对时空错配的两条核心策略：

"算随电调"——训练任务具有天然的时延容忍性。可将大规模训练集中在新能源出力高峰时段执行；低谷时段则推迟或迁移非紧急任务。从技术角度看，AI大模型训练中断数小时的恢复成本在可控范围内。

"电随算建"——在西部风光资源富集地区优先布局算力集群，东部用户通过远程调用使用绿色算力。这一模式既缓解了东部电网压力，也为西部新能源提供了就近消纳渠道。"十五五"规划明确"推动绿色电力与算力协同布局"，正是这一思路的延续。

4.4 "算优化电"：AI对电力系统的反哺

算电协同并非单向供能。AI技术对电力系统的赋能价值主要体现在以下方面：

• 新能源功率预测——AI模型在风光出力预测精度上较传统数值模型存在比较优势，调度计划的准确性可间接影响弃风弃光率；
• 电网智能调度——潮流优化、阻塞管理、安全校核等计算密集型环节可受益于AI的计算速度和寻优能力；
• 负荷预测与需求响应——AI对算力负荷高频波动规律的识别能力，支撑更精准的负荷预测和响应策略制定；
• 设备预警与运维——基于运行数据的故障预测，降低非计划停机概率。

双向赋能闭环

电支撑算：新能源+储能+电网向算力设施提供绿色电力；算优化电：AI预测+智能调度+能效管理反哺电力系统。两端形成互动循环。

五、算力设施参与电力市场

5.1 绿电交易与绿证

算力设施消纳绿电的主要路径包括：

• 绿电交易：在电力中长期市场或现货市场中购买附带绿色属性的电能，通常存在环境溢价。据行业调研，2026年一季度长三角、珠三角等地区绿电长协项目的主流溢价水平约为0.02—0.05元/千瓦时；
• 绿证（GEC）：单独购买可再生能源的环境属性证明。需注意，绿电交易与绿证在现行体系中不可重复计取；
• 自发自用：就近配置新能源场站，通过自发自用、余电上网模式降低外购电量。

从经济性角度分析，新建大规模训练型算力设施更适宜以自发自用或绿电直连为主要供能方式，市场绿电作为补充；东部存量数据中心则以绿电交易和绿证为主要消纳手段。

5.2 参与电力现货市场

算力设施理论上可凭可中断特性参与现货市场削峰填谷：低谷时段增加任务负荷，高峰时段降低负荷。但实践中存在以下约束：

• 训练任务对连续性要求较高，中断恢复成本不可忽视；
• 市场收益与业务可靠性之间需要权衡；
• 当前算力设施大规模参与现货市场的案例仍较为有限。

5.3 辅助服务与需求响应

算力作为可中断负荷，在辅助服务和需求响应市场中具有一定潜力：

• 调峰服务：在系统高峰时段主动降低负荷，获取调峰补偿；
• 需求响应：响应电网削峰/填谷指令，按容量或电量获得补偿；
• 虚拟电厂聚合：将多个数据中心或单体内的多样化负荷打包为统一响应单元，通过虚拟电厂运营商参与市场。

需要注意的是，算力负荷参与电网互动将占用数据中心的备用冗余容量，可能对可靠性造成一定影响。此外，全国统一电力市场的建设进度，将直接影响算电协同商业模式的经济性和可行性。

5.4 多年期绿电长协

政策层面鼓励新建算力设施签订多年期绿电交易合同。从项目经济分析角度看，长协的主要价值包括：

• 成本锁定：将电力成本从随行就市的变动项转化为可预期的固定项；
• 合规认证：满足新建枢纽节点绿电占比的硬性准入要求；
• 融资便利：电价的确定性对项目投资回报模型和融资条件具有积极影响。

六、"东数西算"与算力空间布局

6.1 国家战略空间格局

2022年2月，国家发改委、中央网信办、工信部、国家能源局联合印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。至此，全国一体化大数据中心体系完成总体布局设计，"东数西算"工程正式全面启动。

据国家发改委高技术司2022年2月答记者问时的表述，10个国家数据中心集群分别是：

• 京津冀枢纽：张家口集群
• 长三角枢纽：长三角生态绿色一体化发展示范区集群、芜湖集群
• 粤港澳枢纽：韶关集群
• 成渝枢纽：天府集群、重庆集群
• 贵州枢纽：贵安集群
• 内蒙古枢纽：和林格尔集群
• 甘肃枢纽：庆阳集群
• 宁夏枢纽：中卫集群

枢纽节点	数据中心集群	定位与特征
京津冀	张家口集群	服务京津冀协同发展战略
长三角	长三角生态绿色一体化发展示范区集群	服务长三角一体化发展战略
长三角	芜湖集群	服务长三角一体化发展战略
粤港澳	韶关集群	服务粤港澳大湾区发展战略
成渝	天府集群	服务成渝地区双城经济圈建设
成渝	重庆集群	服务成渝地区双城经济圈建设
贵州	贵安集群	气候凉爽，PUE有先天优势
内蒙古	和林格尔集群	风光资源丰富，绿电供给充足
甘肃	庆阳集群	源网荷储一体化先行区
宁夏	中卫集群	绿电直供条件较好

官方定位——国家发改委高技术司

京津冀、长三角、粤港澳大湾区、成渝4个枢纽，服务于重大区域发展战略实施需要，统筹城市内部和周边区域的数据中心布局，优化供给结构，扩展算力增长空间。贵州、内蒙古、甘肃、宁夏4个枢纽，打造面向全国的非实时性算力保障基地，不断提升算力服务品质和利用效率，积极承接后台加工、离线分析、存储备份等非实时算力需求。

6.2 分层适配格局

按资源禀赋和业务需求，算力业态正在向"西部训练、中部推理、东部实时"的方向分层演进：

• 西部——训练底座和冷数据基地。特征：规模大、电价敏感、负荷可调节、对时延容忍度高。核心路径为绿电直供+源网荷储算一体化。
• 中部——批量推理和温数据中继。特征：承东启西，成本与时延需兼顾，负荷可适度调节。路径为区域中继节点+园区微电网。
• 东部——实时推理和交互应用。特征：时延和稳定性为刚性要求，价格敏感度相对较低。路径以保障供电可靠性为主，绿电交易和存量改造为辅。

这一分层格局并非静态。随着网络传输技术发展和算力调度能力提升，"西部训练"的范围可能进一步扩展，"东部实时"的边界也可能动态调整。

6.3 Token经济与算电协同的价值度量

Token（词元）是大模型处理数据的基本单元，在算电协同语境下也成为算力-电力价值链的分析锚点。西部绿电驱动算力产出，算力产出Token，Token作为模型输出参与市场交易。这一链条下，绿电获得了间接的价值传导通道。

客户侧的决策逻辑正在发生变化：从"一度电的价格"向"一度电能产出多少Token"迁移。如果这一逻辑形成稳定的市场预期，算力出口可能成为新的贸易品类，Token经济则可能成为算电协同价值度量的参考框架之一。

七、关键技术与运营

7.1 算网能一体化

算网能一体化是在"源网荷储"基础上增加"算"维度的系统升级。其核心架构包含三个层面：

• 一体化感知——实时监测算力、网络、能源三类资源的运行状态，为调度决策提供数据基础；
• 一体化度量——建立算力需求（FLOPS、带宽、数据量）向电力需求（kW）再到能源系统配置（风光储容量）的映射模型；
• 一体化调度——将算力任务的时序分配与能源供需优化统一建模，求解"算力任务-新能源出力-储能调节-电网互动"联动方案。

7.2 智能调度与协同运行

算电智能调度的核心是多时空维度联合优化：

• 时间维度——将可延迟批处理任务向新能源出力高峰或电价低谷时段迁移；
• 空间维度——在多节点之间动态迁移算力任务，实现"算随电走"；
• 分层优化——上层优化设备配置和容量（利润最大化、碳排放最小化），下层优化运行策略（系统成本最小化）。

此类问题通常采用NSGA-II等进化算法在帕累托前沿上进行求解。

7.3 储能与构网型储能

储能在算电协同中具有缓冲和调节两重属性：

• 短时储能（电化学储能）——毫秒到秒级响应，压平算力负荷投切的功率尖峰；
• 长时储能（压缩空气、液流电池等）——数小时级能量时移，缓解新能源昼夜出力差异；
• 构网型储能——具备主动电压和频率支撑能力，在弱电网条件下为算力中心提供惯量支撑（国能发科技〔2026〕34号文明确"鼓励算力设施配置构网型储能"）。

7.4 供配电技术创新

数据中心供配电系统的技术演进方向包括：

• 高压直流（HVDC）——减少AC/DC/AC转换环节，降低变换损耗；
• 800V直流到机柜——通过固态变压器（SST）实现10 kV中压到800 V低压的直接变换，压缩中间环节；
• 备用电源绿色化——柴油发电机向氢能/甲醇备用电源或储能应急电源过渡，降低备用电源的碳排放。

7.5 冷却与余热回收

冷却系统是PUE优化的关键技术突破口：

• 间接蒸发冷却——利用西部干燥地区自然冷风，降低制冷电耗；
• 液冷/浸没式液冷——高功率GPU集群直接接触液体冷却，可将PUE控制在1.15以下；
• 余热回收——数据中心排出中低温废热（约30—40℃）可用于供暖或工业用热，实现能源梯级利用。

7.6 数字孪生与AI预测

数字孪生和AI预测技术在算力中心运营中的应用方向包括：

• 算力负荷预测——基于历史任务数据和训练计划，预测未来数小时至数日的负荷曲线；
• 新能源功率预测——整合气象数据、卫星影像与AI模型，提高风光出力预测精度；
• 能碳实时管控——在线碳排放监测，联动虚拟电厂、需求响应和碳资产管理。

八、发展展望

8.1 从倡导性到强制性与系统性

政策约束正从"鼓励多用绿电"转向"未达标不得准入"。PUE、碳排放正在成为算力项目审批的关键指标。不符合绿色条件的数据中心面临的市场出清风险正在上升。2024年四部委《数据中心绿色低碳发展专项行动计划》已提出：对能效低于节能水平的存量数据中心和能效未达先进水平的在建、拟建数据中心，依据能效水平差距执行阶梯电价。

8.2 从技术单点突破走向系统融合

技术演进正沿以下维度推进融合：

• 规划与选址——由分项规划转向"算力需求+绿电资源+电网接入+网络时延"一体化论证；
• 绿色供能——从试点阶段的绿电交易、绿电直连，向"源网荷储算"一体化供能演进；
• 储能与调度——从短时锂电单点配置，向构网型+长时储能协同配置及电-算-储-网联合调度发展；
• 用能与冷热——PUE单点优化扩展至供配电、液冷、余热利用、园区多能协同全链条；
• 运营与交易——能碳监测和绿证操作正被数字孪生+AI预测体系统一，联动虚拟电厂、需求响应和碳资产交易。

8.3 标准从空白走向体系化建设

算电协同的规则体系仍处于形成期。国能发科技〔2026〕34号文明确的标准方向包括：能源领域人工智能应用能力测评、算力设施绿色低碳水平测评、算力电力协同技术要求、大负荷算力设施规划建设等关键技术标准。

标准的有效制定依赖于工程示范项目的数据支撑和经验验证。示范项目运行数据的积累，将为这些概念性文件转化为项目评价口径、市场准入边界和国际合作接口提供实证基础。

8.4 "源网荷储算"成为新型电力系统标配

未来新型电力系统的规划中，"算"将与源、网、荷、储并列，成为新型能源系统的重要组成节点。数据中心将兼具多重角色：

• 绿电消纳者——就地消纳高比例新能源发电，降低弃风弃光率；
• 负荷调节者——通过算力任务的时空调度，为电网提供调峰、调频等灵活性服务；
• 储能协同者——配套储能参与电网辅助服务；
• 碳资产管理者——开展能碳监测、绿证交易和碳资产管理。

本章核心概念

• 空间、时间、频率、规划四大结构性错配，是算电协同需要系统解决的基础矛盾 —— 矛盾诊断
• "算随电调"和"电随算建"是应对时空错配的核心策略，"源网荷储算"一体化是主要落地载体 —— 协同路径
• 算力设施将兼具绿电消纳、负荷调节、储能协同、碳管理等多重角色，从被动负荷向新型能源节点演进 —— 角色演进

相关章节： P6 系统安全与辅助服务 · P7 市场协调 · P10 电价机制 · 双碳目标与电力市场展望 · P13 虚拟电厂

• 算电协同
• 源网荷储一体化
• 绿电直连
• 东数西算
• PUE
• 绿电交易
• 绿证
• 算力负荷
• 虚拟电厂
• 需求响应
• 储能
• 构网型储能
• 液冷
• 数字孪生
• Token经济
• 零碳园区
• 双向赋能
• 34号文