中能专访丨算电协同，不止于“把绿电接上算力”

来源：中国能源新闻网 时间：2026-09-23 09:17

——专访北京理工大学机械与车辆学院能动系长聘副教授、碳中和系统工程北京实验室主任助理王永真

中能传媒记者孔德琳 实习记者王雪聪

　　当前，算电协同正从概念探索加快进入工程落地期。人工智能算力快速增长，一方面带来新的用电需求，另一方面也形成了区别于传统工业负荷的调节潜力。从长远看，算电协同的目标不只是让数据中心多用一些绿电，而是依托通信网连接算力网与电力网，使算力任务与电力资源能够在更大范围内跨区域、跨主体、跨时段优化配置，以更少的冗余投入提升设备利用率、能源利用效率和全社会生产效率。就此话题，北京理工大学机械与车辆学院能动系长聘副教授、碳中和系统工程北京实验室主任助理王永真接受了中能传媒记者的专访。在他看来，算电协同最终要回答的，不只是“电如何支撑算”，更是“算与电如何双向匹配、协同优化”。

　　中能传媒：在您看来，实现从“绿电接入”到“源荷协同”的转型，绿电消费占比指标为何不能完全表征源荷匹配的实际效能，二者之间存在怎样的现实差距？摒弃单纯抬高绿电占比的路径依赖，推进算电协同落地还需重点攻克哪些关键问题？

　　王永真：从当前实践看，算电协同大体形成两类业态：一类是跨区域型算电协同，通过网络将对时延不敏感的训练、离线推理等任务向新能源富集、能源成本较低的地区调度，其难点主要在于跨主体任务编排、算力计量、数据安全和服务质量保障；另一类是园区型算电协同，通过绿电直连、配电网、源网荷储一体化等方式推动新能源与算力负荷就近匹配。近两年，绿电直连政策由1对1单用户模式向1对多和多对多的多用户模式拓展，并明确优先支持算力设施等新兴产业，为园区化、多主体的源荷协同打开了空间。

　　但“接上绿电”并不天然等于“降低用能成本”。这里需要区分两个容易混淆的政策口径：国家枢纽节点新建数据中心绿色电力消费比例已明确在80%基础上进一步提升，强调的是绿色电力消费；现行多用户绿电直连政策则按照“以荷定源”原则，要求年自发自用电量占总可用发电量的比例不低于60%，占总用电量的比例不低于30%、2030年前不低于35%。两者并非同一概念。因此，现实绿电项目的物理绿电消费往往落在了40~50%左右。对项目而言，随着物理直连比例提高，专线、变电设施、储能、备用容量和控制系统等投资也可能增加。如果主要依靠“堆设备”解决风光波动与算力负荷错配，新能源本身的价格优势可能被系统成本部分抵消。因此，算电协同需要从“提高绿电比例”进一步转向“提高源荷匹配效率”。

　　中能传媒：目前行业关注点多集中在源侧风光资源以及电价、补偿等政策机制层面，而“看清算力负荷”成为关键。构建算力负荷画像的核心堵点在哪里？厘清算力业务到实际用电功率之间的内在逻辑，对算电协同工程实践究竟有怎样的现实意义？

　　王永真：面对部分项目经济性不足，行业自然会关注电价、容量费用、辅助服务收益等机制问题。但从工程基础上看，机制能否发挥作用，首先取决于能否把算力这个“荷”看清楚。目前不少项目对风、光、网等“源侧”研究较细，对算力业务的功率特征、时序约束和可调边界认识仍然不足。事实上，算力负荷并非同质负荷：在线推理更强调低时延和连续性，训练任务具有阶段性和周期性，批处理具有较强时移能力，模型微调又有不同的持续时间和资源占用特征。不同业务可延迟多久、可降多少功率、恢复代价多大，差异显著。

　　更现实的困难在于，算力业务与电力负荷之间并不是简单的一步映射。业务侧通常以Token、请求量、任务规模和服务等级协议（SLA）描述需求，之后还要经过算法执行、算子调度以及GPU资源占用、频率和利用率等多个环节，最终才能形成服务器、机柜乃至园区兆瓦级功率曲线。业务数据又通常掌握在用户侧，不同芯片、不同模型和不同推理框架的映射关系并不一致。这也是当前行业难以形成统一“算力负荷画像”的重要原因。

　　因此，算电协同需要建立一张可用于规划和调度的“灵活性画像”：哪些任务可以延、可以延多久；哪些任务可以降功率、可以降多少；哪些任务能够迁移、迁移成本多大；一次调节会造成怎样的性能损失和恢复代价。只有逐步打通“业务—Token—资源—功率—SLA”的映射链条，才能真正回答“算随电动”能动多少、能动多快、能持续多久。

　　这张画像还不能只有算力或算力业务。UPS、电化学储能、备用电源、蓄冷系统、服务器功率封顶以及冷却系统热惯性，都具有不同时间尺度的调节能力。将算力、电力和热力柔性统一量化，才可能用软件和调度能力替代一部分硬件冗余。反过来说，对负荷和设备认识越粗，工程设计越容易依赖更高的冗余系数，最终推高项目投资和综合用能成本。

　　中能传媒：算力负荷具备可观的理论可调潜力，但存在“名义灵活性”与“真实可调度能力”不匹配的矛盾，造成这一偏差的关键约束有哪些，如何才能把纸面的灵活性转化为可落地、可保障安全的实际调度能力？

　　王永真：算电协同不仅要算经济账，还必须算可靠账。数据中心最大的特殊性在于，电功率“理论上可调”，并不意味着实时运行中一定能够执行。服务器功率调整以后，芯片温度、液冷流量、制冷机组、蓄冷状态、储能SOC、变流器容量和业务SLA都会形成约束。日前优化得到的几十兆瓦可调能力，到了实时运行阶段，可能因热控边界或设备状态变化而缩水。如果仍把这些能力直接用于市场出清，就可能形成“名义灵活性大、实际兑现能力小”的偏差。

　　从经济逻辑看，算力企业是否愿意响应，本质上取决于调节收益能否覆盖由任务迁移、性能损失、设备损耗和可靠性风险带来的综合机会成本。因此，关键不只是提高激励水平，还要把“调一次需要付出多少代价、能够多大概率兑现”算清楚，并形成合理的成本传导和收益分配机制。

　　未来更值得关注的，是把算力、电力、热力资源统一放入运行可行域，形成可测量、可验证、可交付的“真实灵活性”。规划阶段需要考虑设备变工况效率、储能寿命和冷却边界；运行阶段可结合分钟级乃至更短时间尺度滚动优化，根据新能源预测误差、市场信号和AI业务变化持续修正；安全层面还要同时满足供配电、全站热控和业务服务等级协议等可靠性要求。只有把经济调度和可靠调度统一起来，算电协同才具备从单点示范走向规模化复制的基础。

　　中能传媒：从技术维度看，算力负荷已经具备显著的技术柔性调节能力，那么，在走向规模化应用过程中，应当搭建何种算力灵活性价值评价体系，实现算力柔性资源的价值量化，并与现有电力市场机制进行有效兼容？

　　王永真：技术上的灵活性只有能够被计量、验证并进入市场，才可能形成持续的商业闭环。《电力需求侧管理办法（2023年版）》已经为符合条件的需求响应主体参与电能量市场、辅助服务市场以及容量市场交易或纳入容量补偿范围提供制度接口；2026年《关于促进人工智能与能源双向赋能的行动方案》又进一步提出促进算力电力高效经济协同。对算力行业而言，下一步值得研究的不是简单增加一种特殊补贴，而是如何识别算力负荷相对于其他需求侧资源的差异化系统价值。

　　例如，能够稳定削减10兆瓦并持续两小时的负荷，与只能短时降低1兆瓦的负荷，提供给系统的价值不同；能够提前一天承诺响应，与只能实时响应，其可靠性和容量价值也不同。由此，可进一步探索算力灵活性的分级认证和价值表达，将响应容量、速度、持续时间、可靠性以及机会成本纳入统一评价，使经过测量验证、能够可靠交付的算力、电力和热力柔性，在现有需求响应、辅助服务等市场机制中获得与其系统贡献相匹配的收益。

　　算电协同真正成熟的标志，不只是某个数据中心接入了多少绿电，也不是配置了多少储能，而是电力系统能够识别算力何时可以调、可以调多少，算力系统能够判断何时用电更经济，通信网络能够支撑跨区域、跨主体的信息交互与资源配置，各参与方也能够从系统效率提升中形成可持续的收益闭环。沿着“看清负荷—挖掘柔性—精益设计—可靠调度—市场定价—引导负荷”这条路径，算力网、电力网与通信网的协同才可能由物理连接走向价值重构，并以更少的社会投入支撑更多算力需求、更高水平的新能源消纳和更加绿色高效的数字经济发展。