Distribution and Management of Datacenter Load Decoupling
Liuzixuan Lin, Andrew A. Chien
人工智能和云数据中心(DC)的耗电量爆炸式增长加剧了人们对其碳足迹的长期担忧,特别是因为DC需要不断的电力冲突,需要电网脱碳所需的不稳定可再生能源发电。 DC灵活性(即负载适应)是通过改善电网可再生吸收来减少直流碳排放的关键。 直流灵活性可以创建,而不会通过将数据中心的电力容量和电网负载与能源资源集合相脱耦来降低数据中心容量。 由于脱钩可能代价高昂,我们研究如何最好地分配和管理脱钩,以最大限度地提高所有人的利益。 主要考虑因素包括站点变化和数据中心-电网合作。 我们首先定义和计算数据中心负载解耦的电力和能源需求,然后评估设计的分配和管理方法。 评估表明,优化的分布可以提供>98%的潜在电网碳减排,总脱耦需求的70%。 对于管理,DC-grid合作(2路共享和控制vs。 1路信息共享)可实现1.4倍电网碳减排。 最后,我们表明,脱钩在经济上可能是可行的,因为平均而言,数据中心可以获得比其局部脱钩成本更大的电力成本和碳排放效益。 然而,跨站点的偏斜表明可能需要网格干预。
The exploding power consumption of AI and cloud datacenters (DCs) intensifies the long-standing concerns about their carbon footprint, especially because DCs' need for constant power clashes with volatile renewable generation needed for grid decarbonization. DC flexibility (a.k.a. load adaptation) is a key to reducing DC carbon emissions by improving grid renewable absorption. DC flexibility can be created, without disturbing datacenter capacity by decoupling a datacenter's power capacity and gr...