计算任务时间弹性与钠锂混合储能联合优化：研究问题、对照设计与判别边界

摘要

人工智能数据中心（Artificial Intelligence Data Center, AIDC）的储能配置通常在既定负载曲线上进行，而部分计算任务本身具有可调度的时间弹性。若忽略这一点，储能系统可能被用于补偿本可通过任务时序调整缓解的功率峰值。本文提出 ComputeShift 的结果前研究设计，将任务启动时间与储能配置纳入同一比较框架，并通过全磷酸铁锂（Lithium Iron Phosphate, LFP）、全钠电和严格钠锂混合三类储能体系，各自配合固定任务安排与联合调度，形成六组对照。研究分别估计任务调度的增量价值与混合体系相对最佳单一体系的增量价值，并预先规定服务约束、公平比较条件和证伪边界。本文仅定义研究问题与实验逻辑，不报告性能结果。

1 研究背景与问题

AIDC 的电力需求并非完全刚性。Google 已公开利用非紧急计算工作负载参与数据中心需求响应，说明部分计算任务的执行时间可以成为能源系统的调节变量。另一方面，钠离子电池与锂离子电池的组合也已有工程先例，例如 CATL 曾提出将两种化学体系集成于同一电池系统的 AB battery system。

这两类能力同时存在时，容易产生一个归因问题：如果某个方案最终需要更少储能，改善究竟来自任务被重新安排，还是来自两种电池的协同？

因此，本研究的核心问题不是“钠电与 LFP 如何固定分工”，而是：

在完成同一批计算任务、满足相同截止时间、供电上限和备用要求的条件下，任务启动时间弹性能够替代多少储能配置；在扣除这部分收益后，严格钠锂混合相对最佳单一体系是否仍具有独立价值？

2 研究框架

2.1 系统边界

研究系统包含四类对象：

具有到达时间、运行时长、GPU 需求和截止时间的计算任务；
受限的外部供电接口；
LFP、钠电或二者并存的储能支路；
决定任务启动时刻和储能充放电动作的调度器。

图1给出概念框架。任务时间弹性首先改变计算功率曲线，储能系统随后在相同服务约束下补足供电缺口；化学体系选择只在这一共同边界内比较。

图1 ComputeShift研究框架与六组对照

图1 ComputeShift研究框架与六组对照。 上游任务时间弹性改变负载时序，下游储能体系在相同供电和服务约束下比较。三种储能体系与两种任务安排形成六组对照。

2.2 六组对照

设固定任务安排记为 F，任务—储能联合调度记为 J。储能体系分别为 LFP、钠电（Na）和严格钠锂混合（Mix）。

储能体系	固定任务安排 F	联合调度 J
全 LFP	A	B
全钠	C	D
严格钠锂混合	E	F

“严格混合”要求两种化学体系均具有非零且达到预先规定最低比例的安装容量，避免将数值上接近单一体系的结果重新命名为混合。

所有组必须使用同一批任务、同一资源容量、同一任务截止时间、同一供电上限、同一备用要求和同一实验时域。

3 主要比较量

3.1 任务时间弹性的价值

对任一化学体系 k，任务调度带来的储能容量差定义为：

式（1） ΔE_sched,k = E_k,F − E_k,J

其中：

E_k,F：化学体系 k 在固定任务安排下满足全部约束所需的最小储能容量；
E_k,J：同一化学体系在联合调度下所需的最小储能容量；
ΔE_sched,k > 0：表示任务时间弹性降低了储能容量需求。

该比较只在两种方案满足相同服务要求、且均达到预先定义的可行性与求解门槛时成立。

3.2 混合体系的独立价值

在相同任务安排方式 q∈{F,J} 下，严格混合相对最佳单一体系的增量价值定义为：

式（2） ΔE_mix,q = min(E_LFP,q, E_Na,q) − E_Mix,q

若使用归一化成本而非容量，则对应写为：

式（3） ΔJ_mix,q = min(J_LFP,q, J_Na,q) − J_Mix,q

只有当 ΔJ_mix,q > 0，且差异超过求解误差与额外集成成本后，才认为严格混合在该条件下具有独立优势。

因此，完整方案相对常规全 LFP 的总改善不能直接归因于“钠锂协同”，必须拆成任务调度贡献与化学体系贡献。

4 数据与证据计划

本文阶段不预先指定某一公开数据集一定可用于正式分析，而是规定数据审计要求：

任务侧：需要逐作业到达时间、运行时长和资源需求；
功率侧：需要有明确测量边界的 AI 计算功率数据；
电池侧：只能将具体产品或同行评议实验作为参数锚点，不能把不同年代、不同规模产品直接当作公平化学体系对照；
业务时间弹性：若公开数据没有真实 deadline，则必须作为显式实验变量，而不能由任务类别或历史排队时间反推。

后续数据审计将分别标记“直接观测”“透明假设”和“模型推导”，防止将合成输入表述为真实机房联合实测。

5 公平性与证伪条件

联合调度方案不得通过以下方式获得表面优势：

少完成任务或放宽任务截止时间；
使用更大的外部供电上限；
透支备用能量；
在实验结束时保留更低的储能荷电状态；
获得基线方案不可获得的未来信息；
只与故意弱化的单一储能方案比较。

如果联合调度允许保留固定任务安排，则其可行解集合天然包含基线，因此“最优目标值不更差”只是数学性质，不构成科学发现。研究关注的是改善幅度、适用条件和额外代价。

同样，如果严格混合只能通过人为规定最低混合比例存在，而最佳单一体系已经满足全部约束，则应允许结论为“混合没有独立价值”。

6 预期研究路径

研究按以下顺序推进：

审计任务轨迹、功率测量和电池参数；
建立可手算的最小模型和独立检查器；
冻结任务窗口、功率模型、供电上限和储能参数；
估计任务时间弹性对储能配置的影响；
扣除任务调度收益后比较全 LFP、全钠和严格混合；
若线性模型未显示互补，再寻找有公开证据支持的非线性或服务分层约束。

这一顺序的目的是避免在看到结果后重新选择数据、参数或对照方案。

7 局限

本文是研究设计，不包含正式数值结果。当前阶段尚不能回答：

真实 AIDC 客户允许多少任务延迟；
钠电与 LFP 在同一负载波形下的长期退化差异；
两种体系的同口径项目级安装成本；
真实 BMS、变流器和热管理约束；
联合调度在实时预测误差下的表现。

这些缺口必须在后续阶段逐项核验，而不能由模型或 AI 自动补全为事实。

8 结论

本文提出一个面向 AIDC 的任务—储能联合研究框架，将“任务时间弹性是否能够替代部分储能”和“钠锂混合是否相对最佳单一体系具有独立价值”拆为两个可分别检验的问题。六组对照和式（1）—（3）为后续数据审计、模型验证与确认性分析提供统一归因框架。

该设计不预设钠电、LFP 或混合体系必然获胜。若最佳单一体系在任务调度后已经满足服务要求，则“无需混合”同样是有效研究结论。

参考文献

[1] Google Cloud. Using demand response to reduce data center power consumption. 2023. https://cloud.google.com/blog/products/infrastructure/using-demand-response-to-reduce-data-center-power-consumption

[2] Google. Demand response data center milestone. 2026. https://blog.google/innovation-and-ai/infrastructure-and-cloud/global-network/demand-response-data-center-milestone/

[3] CATL. CATL unveils its first-generation sodium-ion battery. 2021. https://www.catl.com/en/news/665.html

[4] National Laboratory of the Rockies. Generative AI Workload Power Profiles. https://data.nlr.gov/submissions/312

[5] 1836. 初焰·纳宙第一赛季风象议题07：钠锂协同的混合储能. https://1836.online/projects/cmujvm13f001n3jo18iyd94sv

署名：Akira

本研究使用 AI 辅助资料检索、研究问题拆解、代码实现与文稿整理；研究设计、比较条件和证据边界均保留在项目可追溯研究记录中。