超大规模数据中心作为逆变器负载的表现

核心要点

• 超大规模园区通过变流器固件而非转动质量来应对电网扰动，因此其故障响应属于保护设置，而非物理特性。
• 谐波注入、穿越阈值和工作负荷斜坡作用于不同的时间尺度，一项单独的规划研究无法同时涵盖所有这些因素。
• 按展厅逐一收集的安防设置，结合时域数据仿真 ，将一项庞大的连接请求转化为规划人员能够支持的工程解决方案。

超大规模数据中心在电网中表现为基于逆变器的负载，因为它消耗的几乎每一瓦电力都要经过电力电子设备，这些设备将服务器与电网的电压和频率解耦。

现场变压器为整流器供电，不间断电源系统维持直流母线电压，变频驱动器驱动冷却系统运行，因此该设施通过固件阈值而非大容量设备来应对扰动。东部互联电网发生的一起230千伏故障充分证明了这一点：在42毫秒内故障消除的过程中，约1,500兆瓦的负荷被切除。 没有任何机械故障发生。数千台电源设备在同一瞬间协调一致地响应。

那些将校园视为恒定功率块的规划研究总是忽略了这一响应。值得建模的行为体现在换流器 中，体现在各变电站之间保护设置的差异中，以及工作负荷所造成的电压斜坡曲线中，而这些在任何负荷流分析中都无法体现。如果忽略这三点，那么研究对象就变成了最近的故障点。

是什么让超大规模数据中心成为基于逆变器的负载

超大规模数据中心被归类为基于逆变器的负载，因为从电网到运行中处理器的每条路径都经过一个转换器。整流器维持直流母线的电压，这些母线为服务器主板和硬盘供电。电网与机架之间没有旋转机械。

设想一个总容量为250兆瓦、由五座机房组成的数据中心园区。每座机房均配备独立的不间断电源系统，每个机架都配备具有有源功率因数校正功能的冗余电源，而冷水机组则由变频驱动器控制运行。电网电压输入至一个控制回路，该回路决定需要从电网中汲取多少电流。

这种区别改变了该设备的性质。当系统减速时，电机负载会随之减速，并在几个工作周期内回馈储存的能量。而由换流器供电的负载则不会出现这两种情况。当输入电压下陷时，它会保持功率消耗恒定，因此看起来像是一个恒功率模块，直到达到阈值触发断开，此时它便完全不显示任何状态。

整流器前端如何影响设施的高频谐波特征

整流器前端决定了谐波特征，因为它们以脉冲形式而非正弦波形式汲取电流。采用有源功率因数校正技术的服务器电源可将位移功率因数维持在接近1的水平，并将失真推入千赫兹范围。机械厂内的六脉冲驱动器仍会产生强烈的五次和七次谐波。

在低次谐波方面，机械因素占据主导地位。一套运行着数兆瓦六脉冲驱动器的冷水机组会在集电极上产生可测量的五次谐波电流，而IT机房则会引入更高次谐波干扰，而传统的失真限制措施对此几乎无能为力。

实际的风险并非来自设施终端的失真，而是谐振。较长的中压电缆线路会增加电容，该电容会在第五至第十三次谐波之间与电源电感发生谐振。当注入的电流足够大时，一旦达到该点，就会导致电压放大、滤波器组误跳闸，以及变压器发热——而这些现象在稳态分析中均无法体现。

为什么“不间断运行”设置决定了负载何时断开

“持续供电”设置决定了断电点，因为负载不具备惯性，无法利用惯性通过电压下陷。服务器电源会在设定的电压下限下维持供电一定毫秒数。一旦超过任一阈值，电源将停止供电，或者UPS将切换至电池供电。

调试团队很少将这些阈值设置得完全一致。某个霍尔传感器可能在20毫秒后以每单位0.85的速率转换，因为这是出厂固件的默认设置；而两年后生产的霍尔传感器则会一直转换到每单位0.7。单线图看起来很统一，但电气响应却是阶跃式的。

聚合效应使这成为一个系统性问题。成千上万个具有相似阈值的电源不会在电压范围内随机断开。它们的行为一致，因此，距离两座变电站远处的故障会在一瞬间导致数百兆瓦的电力中断。电网在毫无预警的情况下吸收了由此产生的电压升高和无功功率过剩，因为并网研究中从未描述过这种情况。

“他们表示同意，而距离两个变电站远处的故障，仅一步之遥就导致数百兆瓦的电力中断。”

AI 训练集群如何导致每秒一次的负载波动

AI训练集群的负载波动是因为成千上万个加速器在运行一个同步任务。在训练轮次期间，计算负载会达到峰值，而在检查点和集体通信期间则会回落，因此整个机房在1秒内就会消耗数千万瓦特的电力。传统的Web工作负载从未表现出这种特性。

由于总用电量较大，设施用电波动会在系统中有所体现。 2023年，美国数据中心的用电量为176太瓦时，约占全国用电量的4.4%；伯克利实验室的同一份分析报告预测，2028年的用电量将在325至580太瓦时之间。一座150兆瓦的训练厅在暂停以进行检查点写入时，会在不到两秒的时间内卸下大部分计算负载，并以同样的速度恢复计算。

调速器和自动发电控制已针对分钟级变化的负荷进行了优化。这种每隔几分钟重复一次的阶跃变化，介于大多数市场提供的频率调节产品与追随负荷产品之间，并在较小的平衡区域内表现为频率漂移。在固件中对这些斜率进行优化的设施，比未进行优化的设施更容易并网。

电网在亚周期和分钟时间尺度上所观察到的情况

在不同的时间尺度上，电网所呈现的设施各不相同。在单个周期以下，它呈现为谐波电流源；在数十毫秒时间尺度上，呈现为保护阈值；在秒级时间尺度上，呈现为负荷上升过程；而在分钟级时间尺度上，则呈现为冷却装置。实际上，很少有模型能同时涵盖这四种情况。

研究范围应遵循这一划分。穿越试验需要波形保真度，而斜坡试验则需要考虑调度行为和冷却系统的响应，而这些内容在任何变流器模型中均未包含。

为什么EMT建模能捕捉到负荷流分析中遗漏的内容

EMT建模能够捕捉负荷流分析无法体现的内容，因为它在时域内求解电网，同时完整保留了开关和控制回路。负荷流分析只能给出稳态运行点，它无法显示电池切换、整流器换向，也无法显示故障发生40毫秒后阈值被突破的情况。

针对大型校园的研究通常会结合以下要素：IT机房的聚合式变流器模型、UPS控制及其切换逻辑的显式模型，以及驱动器的植模。通过将该模型与记录的故障波形进行对比，团队才能发现所假设的抗扰运行曲线过于乐观。 OPAL-RT 的“硬件在环”研究将这一方法推向了更深层次：它将设施控制器置于以微秒为时间步长的模拟电网中，从而确保出厂设置能够针对实际发生过的扰动进行测试。

其中的权衡在于运行时间和数据访问。详细的模型需要操作员作为专有信息持有的参数，而且如果对每个机架都进行建模，运行速度会很慢。聚合方法可以解决运行时间方面的问题，前提是你要保留保护设置的分布情况，而不是将其合并为一个值。

“故障发生后40毫秒内，它不会显示电池切换、整流器换向或阈值被触发的情况。”

在互联研究中，哪些建模假设会失效

当互连研究将校园描述为一个“行为规范”的单元时，这些研究就会失败。被打破的假设涉及均匀性、电压敏感性以及负载转移的速度。每个假设背后都隐藏着一种行为，这种行为会在首次严重故障发生时显现出来。

• 将校园视为在所有电压下均保持恒定供电的状态，这掩盖了断开阈值。
• 假设全站仅设置一个“骑行通过”模式，而每个大厅出厂时搭载的固件各不相同。
• 将散热建模为一个固定模块，而不是响应电压的驱动器。
• 使用一个年度平均剖面，该剖面消除了训练集群产生的每秒变化。
• 忽略整流器前端注入集电极系统的谐波电流。

要纠正这些问题，无需对每台服务器进行建模。只需按机房设置保护参数、确定机房内的驱动器类型，并由编排团队提供一个真实的负载曲线。这三项输入对研究结果的提升，远胜于对网络模型的任何细化调整。

准确的负荷模型能为规划者和运营者提供什么

准确的负荷模型为规划人员提供了可付诸行动的依据。这些模型展示了故障发生时有多少负荷保持接入、有多少负荷脱网，以及剩余负荷随后脱网的速度。这使得一项大型接入申请从单纯的容量问题转变为工程技术问题。

这背后的工作并不光鲜。这意味着要收集那些无人记录的参数设置，保持各机厅之间的差异而非将其平均化，并在每次新机厅使用不同固件通电时重新验证。 那些跳过这一步的团队，往往要等到附近故障在三个周期内消除时，才会发现设施的实际运行状况。这正是OPAL-RT所支持的工作——将设施控制系统和电网模型整合到一个实时循环中，从而在电力公司代为测量之前，先行测得系统的行为表现。