★ 云南华电怒江水电开发有限公司六库水电站建设分公司 杨鹏

关键词：“双碳”目标；流域水风光；智算中心；协同运行；智能调度

1   引言

“双碳”战略促使我国能源朝着清洁方向转变，带动数字算力产业飞速发展。当下，国内超大型智算中心的能耗增长极快，其高碳运行模式极大限制了行业的低碳升级进程。同时， 西南流域拥有超500GW的水风光清洁能源资源，但由于出力不稳定，产生了高达8.3%的弃电损失，资源利用率十分低下。该流域的水土、温控状况非常适合智算产业，有着源算协同发展的自然优势。不过，当前的技术存在一些短板，比如预测准确率不够高、供需难以契合、调度系统较为分散、能效控制比较弱等。在此情形下，本文构建一体化协同运行技术体系，精确解决源算融合过程中的难点问题，对充分挖掘流域绿色电力资源、降低算力碳排放、推动能源与数字产业双重转型升级具有重要工程参考价值。

2   流域水风光—智算中心协同运行核心原理与现存技术短板

2.1   协同运行核心原理

流域水风光与智算中心协同运行是一种源算耦合、时空互补、智能调控的新型算电一体化模式。这不同于传统的“发电—用电”单向供应模式，依靠智能调度平台，实现清洁能源出力、电网输送、算力负载三者动态匹配。梯级水电有着分钟级的调节能力，能够平息风力、光伏发电瞬间出力的波动情况；风光能源大规模出力时，可以填补水电枯水期供电不足的部分；智算中心的负载具有可调度、可延期的特点，按照清洁能源出力的变化来动态安排算力任务分配，从而做到“绿电多多利用、少量利用或不用等待”的协同运作机制，最终实现清洁能源最大限度消纳、算力能耗最优、碳排放最小化三大目标。

2.2   当前协同运行主要技术短板

传统水文、风光出力预测依靠人工经验以及单个算法，并未融合流域径流、气象、地形等大量数据，所以丰枯水期、昼夜风光出力预测存在很大误差，其平均预测精度只有73%～78%，这不足以支持算力精确化调度。

智算中心有着多种类型的负载，包含即时算力、离线算力以及存储算力等。以往的运行模式会固定安排算力任务，并不会按照水风光出力的波动来调整，这样就造成在风光大发的时候白白浪费绿色电力，在出力低谷期则不得不依靠火电来补充能量，其年均绿色电力消纳率仅为85.4%。

缺少一体化协同调度体系。能源调度关注电力稳定供应， 算力调度着眼于任务效率， 两套系统数据不通、调度策略相互独立， 造成电力富余与算力闲置并存的双重浪费现象， 流域综合资源的利用比例低于78%。

智算中心缺少精细化能效调控手段， 过半智算中心并未利用流域天然散热优势， 温控能耗占比过高，其平均PUE值为1.32，比行业先进水平高0.14，所以其低碳能效改良潜力很大。

3   流域水风光与智算中心协同运行关键技术

3.1   流域水风光资源多维精准预测技术

为解决传统流域水风光出力预测方式单 一 、数据维度有限以及抗干扰能力差等问题， 本文将硬件组网和算法改良融合， 创建起多维关联的精准预测技术体系。从硬件布置来看， 全方位形成流域立体感知监测网络， 在梯级电站、风光场区以及流域干支关键断面处， 一致设置水文监测站点、风光功率采集终端和多要素气象传感器， 全面搜集径流流量、机组出力、光照、风速、温湿度等基本数据，并实现流域资源数据秒级同步收集并即时上传。

从算法改良角度来说，基于流域大模型创建多因子时序预估框架，并特别设置环境干扰修正模块，有针对性地纠正丰水期洪水搅动、枯水期径流缩减以及恶劣天气造成的出力误差，同时形成三级预估体系，分别对短期（1～24h）、中期（1～7d）和长期（1～30d）执行分层预估，把水库运作参数同18项风光关键指标融合以实现数据更新建模，为后续源算协同调度提供标准化基础数据支撑。

3.2   源算动态供需智能匹配技术

针对流域清洁能源出力波动、智算算力负载相对固定的问题，本文构建源算双向动态供需匹配机制，通过负载分类、场景划分、量化调控实现供需精准匹配，先对智算中心的算力负载执行标准化分级分类，把负载分成AI推断、在线业务这些不能中断的刚性即时算力，模型训练、数据备份类可以延时的柔性离线算力，还有闲置存储算力这三种类型，从而确定各类负载的运行限制、延时限度及其调配优先等级。

根据流域水风光出力的特点划分三种运行场景，并制定不同的负载安排规则。当日均出力达到额定装机容量的80%时，即风光大发时期，充分利用柔性算力资源来最大限度地接纳多余的绿色电力；在水电稳定发电、风光出力平缓的时候，首先保证刚性算力持续运行，然后合理分配柔性算力的任务；在风光处于低谷期或者流域发生干旱的时候，关闭不必要的柔性算力，只保留关键的刚性负载。

创建供需契合的量化调控模型， 并把标准负载适配度阈值设为0.95，通过迭代更新算法持续动态调节智算负载运行功率，把源算功率的偏差精确控制在±3%的范围内，从而塑造起标准化、动态化的源算适配调控过程。

3.3   水风光-智算一体化协同调度技术

针对能源调度与算力调度体系割裂、数据不通、策略脱节的碎片化问题， 本文构建流域水风光智算一体化智慧调度平台，塑造起多层次的循环协同调度体系。这个平台采取模块化分层架构设计，从上到下依次形成数据采集层、算法分析层、调度决策层以及执行反馈层，打通电力、算力、电网系统的数据壁垒，实现跨领域数据互联互通。

数据采集层会及时汇集流域水风光机组出力、电网即时负荷、智算中心待执行任务、各种设备运行状况等全域数据；算法分析层装备源算协同改良算法，把实时资源数据和算力任务清单融合起来，自动产生全方位的改良调度方案；调度决策层依照改良方案，统一发出梯级水电调峰、风光资源消化、算力任务安排、电网输电分配等精确指令；执行反馈层随时整合各个设备、各个系统的工作数据，并反向传送到数据层以实现闭环更新。

调度执行时，凭借梯级水电灵活调节的特性，把机组响应调节的时间缩减到3min内，并且推广算力移峰填谷的调度模式，把超过60%可以延期离线的算力任务全部安排在绿电高发时期，做到源算资源时空的精准调配。

3.4   全场景能效低碳优化技术

智算中心存在能效较低的情况，可充分利用流域得天独厚的自然条件，采用“自然散热优化+负载节能调控+绿电直供优化”三项能效提升技术。其一，依托流域高海拔山体稳定低温条件，采取岩洞式算力舱布局方案，利用天然低温环境实现被动散热效果，降低空调制冷能耗；其二，运用算力动态休眠技术，把闲置的算力芯片、存储设备分层执行

休眠控制，缩减空载时的能量损耗；其三，创建起绿电直供路径，首先吸纳流域内部的水风光电力资源，减小从外部电网接入火力发电的比例。多项技术协同作用，持续优化智算中心能效，通过多种技术相互配合实现总碳排放降低，做到智算中心能效不断改进，进而减小总体碳排放量。

4   技术应用效果分析

为验证前面提到的协同运行技术是否既实用又先进，本文以雅砻江两河口流域水风光-智算一体化示范项目为研究对象，将传统独立运行模式与本文协同运行技术模式开展关键指标对比，依托实测运行数据验证该技术的有效性与先进性。所用数据均取自该项目2025年1~12月实测运行记录。

4.1   核心运行指标对比分析

本次研究选取清洁能源消纳率、智算中心PUE值、负载匹配度、年均碳排放量四项核心指标，全面评估技术应用效果，具体数据如下表1所示。

表1 核心运行指标对比

表1显示， 采用本文协同运行技术后， 各核心指标均得到显著改善，很好地解决了前面提到的消纳不足、匹配不均衡、能效低以及碳排放高这4个主要问题。清洁能源的消纳率由85.4%上升到98.0%，完全解决了流域内的弃风弃光现象；PUE值降到1.20，符合国家绿色智算中心的最高要求；源算负载适配度加强了14.7个百分点，做到了供需精确配合；每年可削减82kt碳排放，低碳减排效果十分明显。

4.2   分场景运行效益细化分析

为进一步细化技术适配性，针对流域丰水期、枯水期、风光高发期、风光低谷期四种典型场景，统计协同运行技术的适配效果，具体场景数据如下表2所示。

表2 不同场景运行效益

从场景运行的数据来看， 本文所采用的协同技术有着很强的工况适配能力。全场景的绿电利用率均大于95%，算力核心任务的完成率始终保持在97.8%以上，只是在极端工况时会用到少量的火电来补充能量，这样就实现了“以清洁能源为主，火电兜底为辅”的低碳运行目标。同时，各个场景间的数据相互印证，前文所述预测精度不足、源算匹配失调等问题在各工况下均得到有效处理，体现该技术体系良好的完备性与稳定性。

5   结论

本文针对流域水风光消纳不足、源算匹配失衡、智算能效偏低等问题，构建了集精准预测、动态匹配、智能调度与能效优化于一体的水风光与智算中心协同运行技术体系。经流域示范项目实测验证，该体系可有效平抑清洁能源出力波动，显著提升绿电消纳率与源算匹配精度，稳步降低智算中心PUE值与碳排放。研究证实，水风光多能互补与柔性算力负载协同可实现源算资源高效配置，能够有效破解算力产业低碳发展瓶颈，具备良好的工程应用与推广价值。

作者简介：

杨   鹏（1990-），男，重庆人，工程师，本科，现就职于云南华电怒江水电开发有限公司六库水电站建设分公司，研究方向为水电、新能源开发与工程管理工作。

参考文献：

[1] 矫勇. "双碳" 目标下大力推进水风光储一体化发展的现状与对策建议[J]. 中国水利, 2025, (04) : 1 - 6.

[2] 颜现波, 彭远方, 何栩, 等. 多流域水风光蓄电力集控一体化平台设计与实现[J]. 水电站机电技术, 2024, 47 (12) : 46 - 49.

[3] 黄著, 郭文, 周鸣中. 水风光互补综合能源系统低碳运行优化研究[J]. 水电与新能源, 2025, 39 (01) : 45 - 48 + 63.

[4] 谢亮, 田弟巍, 曾卓. 超算-云边协同架构下的流域级算力调度研究[J]. 水力发电, 2026, 52 (02) : 82 - 90.

[5] 马振珲, 陈志杰. 数据中心与智能电网协同运行策略分析[J]. 电子技术, 2025, 54 (10) : 386 - 387.

摘自《自动化博览》2026年9月刊