00A、630A精密配电柜系统难以满 足AI机柜需求，目前800A、1250A的机房母线成为AI 数据中心的主流方案； 以400A精密配电柜系统为例，应用于通用算力时代可以支持34台单机柜8kW的供电需求，而 面对AI智能算力的需求，如果单机柜达到50kW，只能支持5台机柜AI集群的部署。而采用1250A 电流等级的数据中心末端配电母线，其最大载流可支持单路约866kW的电力输送（以400V三相 鱼骨式部署方案 鱼骨式部署兼顾供电效率与空间利用，母线布置于相邻机柜间或模块中央，向两侧机柜供电。该方式在 满足负载需求的同时缩短母线长度，减少线缆与支撑结构用量，节省材料并提升施工与运维效率，适合空间 紧凑、对成本敏感的大型数据中心。同事可结合多路 UPS 输入，如 4路6 路等，为机柜模块提供冗余电源路 径，在极端宕机场景下有效降低受影响机柜比例，保障整体供电可靠性。 3. 母线采用上下排布的部署方案 向空间上下部署两路末端配电母线，以便支持双路供电和便于维护操作。沿机柜模块上方水平布置，上路母 线与下路母线错开排列，既保证电气隔离，又充分利用机房顶部空间。同时，该布局方式在机柜正上方预留 出足够的空间，为弱电、光纤桥架等线路的布设提供便利，同时便于母线的安装、检修和后期扩容。 10 AI 智算中心主单柜功率极高，配电通道密集，对供电连续性与系统可用性提出更 高要求。客户更加关注供电系统的高可靠性、低损耗及智能化运维能力。采用高

协同工作灵活运行，最大化利用自然冷源，实现高效节能。 6) 解耦型液冷机柜 Decoupling liquid cabinet 用于放置计算节点及交换节点，并提供节点运行所需的供电、冷却等环境条 件的柜体。由机柜主体、分集液器、供电系统等组成，可按需配置盲插或快插型 的供电和供冷单元。 7) 一次侧冷却系统 primary side cooling system 一次侧冷却系统是冷量分配单元（CDU）室外循环系统，其与外界环境之间进 通过快接卡盘实现快速安装，自动补液系统集成液位-压力双闭环控制，简化操作 维护。 3.3 解耦型液冷机柜 解耦型液冷机柜包括机柜框架、分集液器、快速接头及连接软管、机柜供回水管、 供电单元等，如图 4 所示。采用标准化接口矩阵式配置方案，构建“液路+电路”双解 耦架构，实现不同液冷连接形式的服务器按需部署于液冷机柜，兼容不同厂商的服务 器。通过多重漏液防护设计，配备双向自密封的液冷连接器，提高了系统的可靠性和 英寸服务器设备和交换机的安装，同时兼容 OCP 标准 设备安装。 （3）机柜可以并排安装，机柜并柜后柜体之间不应有明显的透光缝隙。采用水电 分离管理，后部左侧安装分集液器；右侧安装 PDU 或 Busbar 供电（根据实际项目需求 进行调整）。 3.3.2 分集液器 分集液器安装于液冷机柜内部，具备分液、集液和排气等功能。分集液器一般由 排气阀、分支管路和主管路等组成。 （1）分集液器主管管材

系统在数据中心中的应用架构.................................................... 11 图表 12： HVDC 高压直流供电系统与传统交流供电系统（UPS）和 48V 直流供电系统结构对比 .......................... 11 图表 13： 各数据中心供配电方案参数对比一览 ....................... .................... 12 图表 15： HVDC 可减少配套设施（冷却+供电系统）和机组电能消耗 ..................................................................... 12 图表 16： 高压全直流供电架构示意图 ........................................... 与美国情况不同，我国电力系统当前供需格局趋于宽松，且电网保供能力较强，数据中心 企业尚可以依赖电网供电实现 AI 大模型训练和推理，与核电、气电等稳定电源签订直连保 供协议的必要性弱于美国同行，这也反过来给新能源供数据中心提供了机会。从项目角度 来看，已有比如新疆绿电智算中心，合盈数据智算中心等实现绿电和算力的耦合，采用 UPS 的供电结构。其中合盈数据智算中心项目在张家口的蔚县、沽源、张北建设总计 5.53GW 装机容量的新能源电站，共分为

安全设备 网络交换机 UPS 制冷系统 服务器 共享存储空间 AI 算力单元 物联网平台 AI 云平台 智慧工地驾驶舱 应用管理 应用订购 计费结算 租户与权限管理 应用集成管理 运输安装问题 供电问题 联动问题  不同应用对于部署位置、环境 都有不同的要求  复杂应用场景需要分类运输和 安装，建设  目前多数应用耗电量大，自然 能源无法满足设备 24 小时供 电需要，同时出现停电后也没 大件物品挂 载背负一体 运输 收纳整柜运输 推着就可走 展开工作 基于站址式供电模式 备电安全保障 机内及杆体直流供电 多种直流供电系统 48V,24V,12V ( 各 150W) 机内及杆体交流供电 220V （ 8 路 16A ，及 PDU 供 电） 基于柜体电设备 实行智能化供电 一路交流接入 基于站址式数据采集及传输 485 总线 有线传输 基 于 站

关法律责任。 算电协同技术白皮书 II 编写说明 主编单位： 北京邮电大学、紫金山实验室 参编单位： 国网山东省电力公司信息通信公司、国网山东省电力公司青岛供电公司 江苏省未来网络创新研究院、江苏方天电力技术有限公司 中国电力科学研究院有限公司、中国联合网络通信有限公司研究院 指导专家： 刘韵洁 黄 韬 张 鑫 谢人超 增与能源转型的双重压力，使得构建高效、低碳的算电协同体系成 为实现“双碳”目标的关键路径。 当前算电协同发展面临诸多现实挑战。在资源匹配方面，算力 基础设施主要集中在东部负荷中心，依赖化石能源供电，而西部新 能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 烈、电力保供压力大及绿电替代需求迫切等挑战。为此，当地构建“灵 活电力池”，整合多元电力资源，围绕算力负荷变化进行动态调度。 在常规算力时段，以稳定负荷为主，电力池优先启用基荷电源并辅以 调节电源，维持供电稳定；算力高峰时段，启动全量电源协同并启用 需求响应备用，保障电力供应不缺口、不波动；算力低谷时段，削减 可调电源出力，启用低成本绿电，同时让储能系统充电，降低用电成 本。 这一模式的有效

组件，效率高、美观、弱光性能好； 一、基于风光储充的工业园区综合能源系统构建 屋面光伏发电系统 二、协同优化 本工程建设的供电系统运行中调度优先级如下： （ 1 ）优先使用风电和光伏发电。 （ 2 ）储能系统中储存的电量。 （ 3 ）在光伏出力不足、储能电量较低的情况下通过电网供电。 功率平衡：协调优化控制策略（四种主要运行方式） 二、综合能源系统的源 - 网 - 荷 - 储协同优化控 制 场景 ：光伏出力大于用电负荷，且储能未充满 场景 2 ：光伏出力大于用电负荷，且储能已充满 场景 3 ：光伏出力小于用电负荷，且储能电量满足负荷用电需 求 场景 4 ：光伏出力小于用电负荷，且储能电量不满足供电需求 功率因数调节 n 功率因数提升； n 无功优先调节； n 有功等效为功率受限的储能机组； 接入储能系统后，厂区在电价峰值时间段的用电功率和用电量大大降低。

...................................................................................70 3.5.6.3 UPS 供电系统.................................................................................................75 定的时间将观测数据发送给保护区或相关单位的数据库；并能按 保护区或相关单位指挥中心发出的指令，随时发送即时观测成果；  自动气象站采用太阳能电池供电，等电位设计，电池 容量不小于 20 安时，能满足连续阴雨 15 天情况下系统设备运行 的供电，对供南方多雨地区的设备中，应加大太阳能板的面积和 电池的容量。  自动气象站应具有优越的可维护性能。通信模块和各 传感器故障时应可单拆单修，不影响整套设备的运行； 风速——三杯风速传感器； 雨量——翻斗式雨量传感器； 2）太阳能蓄电池供电单元 34 自然资源保护区大数据信息化管理平台建设方案  系统设备采用太阳能系统供电，系统所有部件共用同 一电源，确保整个自动气象站的观测、通信和供电系统处于等电 位状态；  蓄电池能确保在连续 15 天阴雨天气情况下系统运行的 供电，并能适应在南方高温、高湿和北方冬季严寒（零下 50 度）环境下的正常工作。

2030 年中国智算年用电最高 1.3 万亿度 智算中心要完成训练与推理任务，所需关键 IT 设备不仅包括 AI 芯片，还包括 驱动这些 AI 芯片正常运行的其他必要组件，即服务器上的 CPU、网卡、供电单 元等，以及服务器间的存储服务器、网络交换机、CPU 节点、光纤收发器和许多 其他设备。 因此，要在智算中心驱动一张 GPU 芯片，实际需要额外消耗近 1 倍的电力。根据 英伟达提供的数据 绿电，或在当地建设智算中心，还可以分别面向中亚、东南亚等地，建设智能 碳的“一带一路”。新疆当前正在高速同步推进新能源与智能算力布局，筹建 融合算力中心；青海提出绿色算力产业发展措施，实行双（多）回路供电与绿 电溯源服务，实现算力产业 80% 以上绿电用能保障。 智算与绿电均处于“发展中状态”的省份（左下，第三象限），受限于地理、 人口与历史等因素，往往是社会经济总量欠发展的省份。它们应该抓住这一次 因此，它要求将一天中每个小时的能源消耗与无碳能源进行匹配。这包括对无 碳能源等源的调度，也包括对智能算力等荷的调度。 对源的调度，首先要实现绿色电力的直供与跨区域交易。绿电直供绕过了传统 电网的混合供电，它的碳因子还取决于电网上其他能源的碳排放；经由传统电 网的绿电交易，则可以弥补当地绿电间歇性的波谷。这还需要储能、配电网、 微电网的配套体系。 智算中心的荷，具备可灵活调度的特性。相比工业与交通等其他绿色电力的新

2030 年中国智算年用电最高 1.3 万亿度 智算中心要完成训练与推理任务，所需关键 IT 设备不仅包括 AI 芯片，还包括 驱动这些 AI 芯片正常运行的其他必要组件，即服务器上的 CPU、网卡、供电 单元等，以及服务器间的存储服务器、网络交换机、CPU 节点、光纤收发器和 许多其他设备。 因此，要在智算中心驱动一张 GPU 芯片，实际需要额外消耗近 1 倍的电力。 根据英伟达提供的数据 绿电，或在当地建设智算中心，还可以分别面向中亚、东南亚等地，建设智能 碳的“一带一路”。新疆当前正在高速同步推进新能源与智能算力布局，筹建 融合算力中心；青海提出绿色算力产业发展措施，实行双（多）回路供电与绿 电溯源服务，实现算力产业 80% 以上绿电用能保障。 智算与绿电均处于“发展中状态”的省份（左下，第三象限），受限于地理、 人口与历史等因素，往往是社会经济总量欠发展的省份。它们应该抓住这一次 因此，它要求将一天中每个小时的能源消耗与无碳能源进行匹配。这包括对无 碳能源等源的调度，也包括对智能算力等荷的调度。 对源的调度，首先要实现绿色电力的直供与跨区域交易。绿电直供绕过了传统 电网的混合供电，它的碳因子还取决于电网上其他能源的碳排放；经由传统电 网的绿电交易，则可以弥补当地绿电间歇性的波谷。这还需要储能、配电网、 微电网的配套体系。 智算中心的荷，具备可灵活调度的特性。相比工业与交通等其他绿色电力的新