算力、电力、热力——三个系统的协同创新正在重新定义数据中心能效天花板。北京理工大学这份算电热力协同报告提出了算力综合能源系统（DC-IES）概念，研究验证算-电-热协同可使碳排放降低23.2%、能耗降低16.9%、经济成本降低21.3%；算冷全栈控制使PUE从1.18降至1.14；基于CO₂直膨热泵的余热回收使总耗电降低47.1%、净利润提高90.3%。液冷技术的大规模应用正在打开余热吸收式制冷和高温蒸汽热泵的全新空间。
算力综合能源系统——从“分块而治”到“产消一体”
提出构建算力、电力、热力协同的数据中心综合能源系统（DC-IES）模式。一是挖掘数据中心内部大量的灵活性资源，构建算力网与电力网互动型DC-IES模式，以在平抑新型电力系统电网波动、提升可再生能源消纳能力的同时，优化数据中心的利用率及综合能效；二是利用中低温热能高效利用的手段，挖掘数据中心邻域用户的冷、热、电的综合能源服务的空间，构建算力网与热力网耦合的产消型DC-IES模式，提升数据中心能量梯级利用水平。
不同于传统数据中心较为明晰的系统设计及运维模式，DC-IES内部多变量、非线性、强耦合以及多时间尺度和不确定性的挑战尤为突出。提出了DC-IES“一步式”拓扑设计、容量规划及运行优化的优化设计方法，分析了PUE指标在评价DC-IES产消性、绿色性以及灵活性等方面存在的局限性，提出了构建DC-IES综合评价体系的方向及指标。
算电协同型——多元柔性资源的灵活性价值
以训练为主的算力需求具有时空柔性，加之内部可观的制冷、蓄冷装置，海量的蓄电、柴发的备用电源，赋予数据中心多元柔性资源参与新能源电网多级响应的可调能力和价值。负载突增突破，智算AI集群计算与集群通讯模式导致智算中心功率不再是一个稳定负载，集群小时级波动率是云计算的10倍，高达50%。
研究验证：融合多任务响应机制和长短期氢-电池储能的两时间尺度优化模型，实现年化总成本降低11.5%、年碳排放量降低37.6%、平准化用电成本降低9.4%、可再生能源渗透率提高8.5%。融合长中短期计算任务和可再生能源不确定性的两阶段分布鲁棒优化模型，可降低数据中心总成本和CO₂排放量23.2%和28.4%，可再生能源弃风弃电降低7.4%。
算热耦合型——液冷时代的余热回收革命
算力-热力耦合指利用余热回收技术实现数据中心低品位热能的再利用，或利用低温余冷资源实现与数据中心冷却的耦合。液冷技术给数据中心余热吸收式/吸附式制冷创造了条件。较高温度的IT冷却液可以驱动单效溴冷机实现直接制冷。油田、石化、钢铁的余热可以驱动烟气型溴化锂制冷。“液冷+溴化锂制冷=免费的冷量”，“液冷+高温热泵=大量的蒸汽需求”。
基于CO₂直膨热泵的余热回收方案，CO₂优良的热力学性能——相比于同条件的制冷剂，压力高6-12倍、比容低5-35倍、粘度低4-16倍，表面张力低3-100倍。单位容积制冷量大，压缩比小，换热器效率高。与传统系统相比，总耗电量降低47.1%、净利润提高90.3%。
算冷全栈控制——算电协同的安全底座
面向算电协同的算冷全栈控制是保障安全可靠运行的关键。随着热流密度增加，制冷环控面临“风液混合、热惯性大”的挑战，热控响应要求越来越快，引发算、电、冷多时间尺度协同控制难题。算电协同的底座是“算冷全栈的热控”。
单一策略以及单一时间尺度难以同时兼顾全局经济性和控制安全性，提出“日前算电协同经济调度+日内算冷全栈动态调控”分层优化策略，在满足芯片温度安全及服务质量约束下实现负载分配与冷却流量的协同优化与跟踪控制。相较于非全栈的解耦模式，算力-冷力协同的全栈模式可使系统平均PUE由1.18降至1.14，总运行成本降低13.3%。进一步将服务水平协议违约率SLAV纳入优化目标后，SLAV均值显著降低34%，有效兼顾了经济性、能效与服务质量。
