白皮书 数据中心算力-电力灵活性协同研究 腾 讯 调 研 云 智能管控计算负载，灵活调节电力负荷 执行概要 适应新能源发电比例不断提高，以及用户侧电力需求响应逐步常态化的趋势，腾讯携手 英特尔、中国电信，针对通过数据中心算力-电力协同进行需求响应进行了初步可行性研 究。本研究提出通过判断计算任务在服务器上的算力-电力特征，在不影响业务运行的情况 下，降低电力部件的实时冗余性、调整业务负载的并行规模和时间分布。研究对业务-算力电力三者协同提供电力灵活性的多种策略进行了实际测试，在服务器集群运行不同 IT 任务 类型时，通过切换空载服务器功耗状态、利用服务器子部件资源消耗不均衡性、平移和伸 缩实时性不敏感任务，改变负荷大小和时间分布，可达到节能降耗、对电网负荷削峰填谷等 目的，可适用于各种规模、形式的数据中心、机房、集群和服务器。本研究表明，三种策略均 可根据外部指令实现秒级对服务器功率的快速控制，为数据中心参与需求侧分钟级、秒级 目录 响应，或参与电力现货市场和电力辅助服务市场，提供了可行性依据和技术支持，显示数据 中心的电力灵活性响应具备巨大的潜力以及广阔的应用前景。未来，推动其由研究走向数 背景 据中心算力-电力需求响应的成熟应用，既需要对更多部件、更复杂的部署情况进行深入实 .............. 2 系统化构建数据中心算力-电力灵活性方案 ......4 灵活性策略设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 利用空载服务器在不同功耗状态之间切换 . . . . . . . . . . . . . . . . 4 利用计算任务在服务器硬件资源消耗上的不均衡性 . . . . . . 4 利用平移和伸缩实时性不敏感的计算任务. . . . . . . . . . . . . . . . . .5 泛协同，采用一套标准的测试方法标定业务负载在机型上的电力特性数据，开源共享，从而 充分挖掘和发挥出数据中心算力侧的电力灵活性，助力构建新型电力系统。 背景 环境挑战日益严峻，其影响正受到全球高度关注。2022 年 4 月 4 日，联合国政府间气候 变化专门委员会 (IPCC) 正式发布了第六次评估报告 (AR6)，并在第三工作组报告《气候变 化 2022：减缓气候变化》中警示1，在 2100 年前将全球升温控制在 1.5℃ 以内 (且不导致“过 冲”) 的机会窗口短暂且正在迅速关闭，全球减缓气候变化和适应的行动刻不容缓，任何延迟 腾 利用网络跨数据中心转移任务 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 验，又需要形成自动化系统，联动业务-算力-电力三者的对应信息，同时更需要产业伙伴广 研 探索和推进数据中心电力灵活性实践 . .2 调 数智技术助力需求侧响应走向节能减碳的前台 讯 ............................................................ 1 云 执行概要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 灵活性策略结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 都将关上机会之窗，让人类的未来变得不再具有可持续性。同期，在中国气象局 2022 年 8 月 利用空载服务器在不同功耗状态之间切换的策略测试 . . . .5 3 日发布的《中国气候变化蓝皮书 (2022)》则显示2，2021 年中国地表平均气温较常年值偏高 利用计算任务在服务器子部件消耗不均衡性的策略测试 . .6 0.97℃，达 1901 年以来的最高值，升温速率高于同期全球平均水平，是全球气候变化的敏感区。 硬盘密集型任务 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 为有效应对严峻的环境挑战与经济社会高质量发展的内在压力，落实联合国 2030 年可持 内存密集型任务 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 续发展议程，中国积极实施生态文明国家战略，发布“碳达峰”和“碳中和”目标，加快降低碳 CPU 密集型任务 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 排放步伐，引导绿色技术创新。同时，持续推进产业结构和能源结构调整，努力兼顾经济发 利用平移和伸缩实时性不敏感的计算任务策略测试 . . . . . . .8 子任务独立型并行计算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 子任务耦合型并行计算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 对下一步研究的启示 未来展望 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10 展和绿色转型，促进可持续发展。 在中国，电力行业碳排放量占全国碳排放总量的 40% 以上，同时用电增长作为刚性需求， 是支撑经济转型升级和居民生活水平提高的重要保障，这使得电力成为未来 10 年能源增 长的主体3，且在社会整体用能电气化的背景下新增需求巨大。电力行业的碳排放峰值及达 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 峰速度直接决定着 2030 年前全国碳排放达峰目标能否实现。也正是因此，电力行业的减 鸣谢 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 排成为中国整体实现“双碳”目标的重要抓手，也让需求侧 (用户侧) 的电力响应逐渐走向前 附录 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12 台，并在数智技术的助力下，对节能降碳发挥日益重要的作用。 1 白皮书 | 数据中心算力-电力灵活性协同研究 数智技术助力需求侧响应走向节能减碳的前台 会低碳转型、扶持新兴低碳技术的使命和义务。为实现这一目标， 大力发展风电、太阳能等可再生能源，支撑火电从基荷能源往灵活 性能源的转变，驱动行业转型，是支持全社会加速脱碳的一个关键 环节。但是，这类可再生能源供应存在明显的间歇性、随机性以及不 可控特性，这给电网的长期发电容量和短期实时平衡都带来了巨大 挑战。因此，调动用户侧灵活地深度参与系统平衡，对于以新能源 腾讯遵循“减排和绿色电力优先、抵消为辅”的原则，大力提升数据 中心的能效水平，积极参与绿电转型及相关市场建设，并不断探索 碳汇领域的技术革新。怀着这一宏阔愿景，腾讯积极推进数据中心 节能减排，例如腾讯在中国南区的第四代 T-block 技术通过采用高 效率的制冷和供配电架构，拥有 30 万台服务器的园区一年能节省 约 2.5 亿度电，且具有低噪音、高能效等特点与成本优势8。而其中， 为主体的新型电力系统建设具有重要支撑作用。 经与英特尔合作，基于英特尔® 至强® 可扩展平台的首款自研服务 器，分别将计算密度、散热能力提升 50% 和 45%，为数据中心大幅 能发监管规〔2021〕60 号)4、《电力辅助服务管理办法》(国能发监 降低电量提供了关键助力9。同时，数据中心管理、功耗钳制、待机功 管规〔2021〕61 号)5，将电力系统参与主体由原来的传统发电厂单侧 耗优化等相关技术也被收录于英特尔绿色数据中心技术框架中。 扩展为“源荷”两侧，特别是加入了“风光、新型储能、负荷侧可调节 负荷”，同时也提出“谁提供，谁获利；谁受益、谁承担”原则，电力辅 然而目前数据中心的建设规范和导向，都重点关注评价数据中心能源 效率的指标 (PUE) 等电力使用效率指标，也就是数据中心总能耗与 服务器等 IT 设备能耗之比，尚未面向数据中心提出电力灵活性指标。 研 助服务费用由包括发电企业、电力用户在内的所有并网主体共同分 云 2021 年底，中国国家能源局修订发布《电力并网运行管理规定》(国 摊。这不仅让用户侧的电力精准预测成为用能企业的责任，也激励 着用能企业从单纯用电方转向电力灵活性的提供方，积极挖掘自身 这源于过去服务器电力供应与对应的计算任务信息，处于不同的管理 范围和系统，使得数据中心一直基于铭牌功率来配置供电，且认为负 调 用电灵活调节能力。 荷刚性不可调，进而一直处于“电力跟随算力”的状态。纵观目前针对 数据中心的能源管理研究，也主要把算力需求带来的电力负荷作为刚 特性，决定了对其控制需要从生产到电力的整体协同。同时，需求 性负荷，把研究的焦点集中在供能系统等非服务器设备，重点关注配 响应可调节资源类型复杂，数据统计分析工作量大，传统手段难以 置储能、优化供冷系统调节等。其实，细观数据中心用电结构就会发 应对。大数据、人工智能、物联网等技术的应用与融合，给精细化进 现，服务器才是耗电“大户”，以 PUE 值为 1.3 的数据中心为例，服务器 腾 讯 然而，用户侧负载与人们生活、企业生产等直接相关且高度分散的 行用户负荷管理与响应带来了新契机，使得对需求侧负载进行有的 耗电占比 77%。因此，寻找调节服务器的算力和电力负荷的方式，将 放矢地实时调