人工智能数据中心钠–锂协同储能的多时间尺度配置边界：任务弹性、亚分钟功率约束与长时经济性

Akira

摘要

人工智能数据中心（artificial intelligence data center, AIDC）的电力需求同时具有可调度的计算负载与快速变化的设备功率两类特征，使储能配置不再是单一的能量定容问题。现有讨论常将钠离子电池与磷酸铁锂（lithium iron phosphate, LFP）的协同简化为固定混合比例，但不同时间尺度上的服务约束并不由同一组变量决定。本文将公开 GPU 作业轨迹与 H100 生成式人工智能工作负载的实测功率曲线结合，构建任务—储能联合优化、0.2 s 细时间尺度回放、绿电相位干预、隐藏窗口在线滚动控制以及长时储能经济边界分析，以识别计算灵活性、瞬时功率、在线不确定性与电池规格之间的耦合关系。结果表明，在 405 个主配置条件中，共有 221 个条件形成严格可比的容量配对，联合调度在 221/221 个配对中均降低了峰值型增量储能，容量差中位数为 1.315 kWh，范围为 0.513–3.073 kWh；另有 9 个条件由固定排程不可行转为联合调度可行。将分钟级配置回放到 0.2 s 后，330 条动态功率轨迹中有 238 条失去原硬件可行性，其中 84.87% 首先受到瞬时功率—电网可行区间约束。对这些失效轨迹增加独立快功率支路后，25 条主机制轨迹严格满足 $C\propto1/r$ 的倍率缩放关系；在 7 条“分钟级 0 kWh、细尺度重新失效”的轨迹中，6C 支路所需安装能量中位数仅为 0.057 kWh。仅改变绿电出现时刻、保持总能量不变，即可使任务弹性的边际容量价值由替代转为紧约束条件下的互补。在线实验进一步表明，预测误差下降并未转化为更高的服务可行性：无显式预测方法在 24 个自然条件中有 10 个可行，而 persistence、rolling-q75 与 Ridge 均为 9 个。对于 1–8 h 长时储能，倍率约束在较短服务时长内占主导，随服务时长增加逐渐转向可用能量与系统价格约束；当前核验的三组同年、同时长公开钠电/LFP 系统价格比分别为 1.640、1.335 和 2.289，均位于本文容量成本边界的 LFP 一侧。上述结果表明，AIDC 中更稳健的钠–锂协同形式是按服务时间尺度分层配置任务灵活性、快功率支路、长时 BESS 与因果在线控制，而非预设固定 Na:LFP 同池比例。

关键词： 人工智能数据中心；钠离子电池；磷酸铁锂；任务时间弹性；混合储能；多时间尺度；在线调度；可再生能源

1 引言

1.1 计算负载正在成为电力系统中的可控资源

人工智能训练和推理持续提高数据中心的功率密度，并使 IT 负载呈现更显著的时变性。与传统工业负荷不同，数据中心的一部分电力需求源于具有释放时刻、持续时间、资源需求和服务时限的计算任务。只要业务约束允许，任务启动时刻可以在有限窗口内移动，因此数据中心负荷并非完全外生。既有研究已经从需求响应、低碳调度和计算—电力协同等角度证明了这种时间灵活性的系统价值[1–5]。近期基于真实任务轨迹的研究进一步表明，高延迟容忍度工作负载可以在不破坏服务要求的前提下提供可观的需求侧调节能力[4]；针对 AI 任务的拆分与分配研究也显示，计算任务本身可以成为低碳运行的主动控制对象[24]。

储能为这一问题增加了第二个控制维度。AIDC 通常需要同时满足供电可靠性、并网容量、负载快速波动与可再生能源消纳等约束，UPS、站级 BESS 以及更靠近机架或设备侧的快速储能承担的服务并不相同[12–15,23]。近期研究已经开始把工作负载调度、储能规划和热约束联合考虑，并发现计算侧灵活性会显著改变储能定容结果[21]。另一方面，储能参与灵活性服务时仍必须满足数据中心可靠性约束，其可用容量、备用边界和运行策略不能脱离可靠性等级单独优化[22]。因此，AIDC 储能配置的核心问题并非单纯“需要多少 kWh”，而是计算、功率和能量约束分别在什么时间尺度上成为活跃约束。

1.2 固定钠锂比例难以描述跨时间尺度服务

钠离子电池被视为潜在的低成本、低关键矿物依赖储能路线，但其竞争力高度依赖能量密度、倍率能力、可用 SOC 区间、效率、供应链和规模化速度[10,11]。Yao 等[10]的技术经济分析表明，钠离子电池与低成本锂离子体系的竞争不存在单一时间表，而是取决于技术路线、原材料价格与市场扩张的共同演化。商用电芯的直接对比也显示，钠离子与 LFP 在倍率、内阻、SOC 和温度响应上具有可测量差异[11]。因此，在系统层面讨论“钠锂协同”时，化学体系本身并不是充分的决策变量。

这一点在 AIDC 场景中尤为重要。分钟级任务排程能够改变并发 GPU 数量，却无法消除任务执行过程中的亚秒级功率起伏；同样的可再生能源总量在不同时间出现时，对任务弹性和储能容量的边际作用可能完全不同。在线运行还引入了任务到达、持续时间和执行进度的不确定性。已有决策导向学习研究指出，预测误差的下降并不必然带来更优的下游调度结果[6]。这意味着，把所有约束统一压缩为一个 Na:LFP 比例，会把“计算什么时候运行”“瞬时需要多少 kW”“持续多久需要多少 kWh”以及“在线信息是否足够”混合为一个缺乏稳定物理含义的指标。

1.3 科学问题与研究设计

本文关注的核心科学问题是：当计算任务具有有限时间弹性、GPU 功率存在细时间尺度波动且储能化学体系具有不同功率—能量规格时，哪些约束决定 AIDC 的储能配置边界？ 为识别不同机制的独立作用，研究采用分层干预设计，并沿时间尺度逐步引入新的约束。首先利用公开任务轨迹比较固定排程与联合任务—储能优化，量化计算时间弹性对峰值型增量储能的替代作用；随后在保持任务总能量一致的条件下，引入实测生成式 AI 功率形状，检验功率时间分布对配置结果的影响。分钟级方案进一步映射到 0.2 s 功率曲线，用于区分细尺度失效是由功率还是能量约束触发。绿电实验保持总能量不变，仅改变时间相位，以隔离可再生能源的时序效应；在线实验则在新的隐藏任务窗口上固定离线最小硬件，检验预测误差和任务持续时间误差对因果控制可行性的影响。长时层最终通过倍率、可用能量和公开系统价格构建 1–8 h BESS 的钠/LFP 切换边界。

这一设计的目标不是证明某一种化学体系普遍优于另一种体系，而是识别可复算的约束转移：从任务时间弹性控制的分钟级峰值问题，转向细时间尺度的功率问题，再转向小时级的能量与成本问题。由此得到的系统架构可以随着真实任务 SLA、电池规格和市场价格更新，而不需要预先规定固定钠锂比例。

图1 研究设计与跨时间尺度证据链

图1｜研究设计与跨时间尺度证据链。 研究按任务调度、动态功率、资源时序、硬件规格与长时经济性逐层增加约束。各阶段均针对上一阶段未能回答的变量开展独立干预，最终形成跨时间尺度的服务分层框架。

2 数据与方法

2.1 数据来源与总体框架

任务时序取自 InternLM AcmeTrace[7]，使用结果前冻结的 9 个 20 作业窗口作为主要分析单元。GPU 功率形状来自 National Laboratory of the Rockies（NLR）发布的 Generative AI Workload Power Profiles 数据集及其方法论文[8,9]，选取 Llama2-70B LoRA 与 Stable Diffusion 两条实测功率曲线构建动态功率模板。公开任务轨迹不包含本文所需的真实业务服务等级协议（service-level agreement, SLA），因此任务可延期能力不由队列类型或作业名称推断，而被定义为显式实验变量。

核心计算对象为 8 GPU 反事实计算块。分钟级模型联合描述任务启动、GPU 资源、外部供电上限和储能状态；动态功率实验保持任务积分能量一致，仅改变任务内部功率随时间的分布；多时间尺度实验将分钟级排程映射至 0.2 s 功率序列；绿电实验固定非零绿电总能量和持续时间，仅平移其出现时刻；在线实验采用新隐藏窗口和 5 min 滚动控制；规格实验冻结任务排程和原储能控制，仅增加独立快功率支路；长时层则使用归一化 1 kW 服务构建解析容量与价格边界。

表1 数据、模型输入及其在本文中的作用

数据或证据	主要变量	研究用途	证据类型
AcmeTrace[7]	提交时间、开始时间、持续时间、GPU 数	构建任务窗口和资源约束	公开任务轨迹
NLR GenAI Power Profiles[8,9]	0.2 s CPU/GPU 功率	构建动态功率模板并执行细尺度回放	实测功率
电化学研究[10,11]	倍率、SOC、效率、温度响应	解释钠/LFP 参数差异	同行评议文献
UPS/BESS 行业与产品资料[12–15,23]	服务角色、时长、功率层级	约束工程解释	行业/产品证据
公开储能招采与年度价格[16–20]	元/Wh、服务时长、项目规模	构建现实系统价格比	市场证据

2.2 任务调度与计算资源约束

设任务 $i$ 的释放时刻为 $a_i$ ，持续时间为 $d_i$ ，GPU 需求为 $g_i$ ，允许的时间余量为 $s_i$ 。任务采用不可抢占执行。若 $x_{i,t}=1$ 表示任务 $i$ 在离散时刻 $t$ 启动， $z_{i,t}$ 表示其在时刻 $t$ 是否运行，则 GPU 资源约束为

\sum_i g_i z_{i,t}\leq G_{\max},

其中 $G_{\max}=8$ 。固定基线采用非抢占最早截止时间优先（earliest deadline first, EDF）排程；联合策略则在相同释放时刻、持续时间、截止时间和 GPU 资源约束下共同优化任务启动与储能出力。

任务时间余量设为 0、5、15、30 和 60 min。为评估业务可移动比例的影响，另在 30 min 时间余量和 75% 供电上限的参考条件下设置可移动任务比例 $\rho\in\{0,0.25,0.50,0.75,1.00\}$ ，其余任务固定在原排程。

2.3 功率模型与动态功率模板

常功率参考值取 0.658 kW/GPU，因此 8 GPU 同时运行时计算块功率为 5.262 kW。参考供电上限取满载功率的 75%，即 3.946 kW，对应瞬时功率缺口为 1.315 kW。对于 1C 储能，该功率缺口同时形成约 1.315 kWh 的安装能量下限。

Llama2 与 Stable Diffusion 的实测功率曲线按任务相对进度重采样，并缩放至与常功率基线相同的离散积分能量。因此三种功率条件的差异仅来自功率随任务进度的时间分布，而不是任务总能量。分钟级规划采用区间平均功率，细时间尺度回放使用 0.2 s 原生步长。

2.4 电网功率与储能状态约束

设 $P_{\mathrm{task}}(t)$ 为任务功率， $P_{\mathrm{RE}}(t)$ 为可再生能源功率， $P_{\mathrm{dis}}(t)$ 和 $P_{\mathrm{ch}}(t)$ 分别为储能放电和充电功率，则外部电网功率为

P_{\mathrm{grid}}(t)=P_{\mathrm{task}}(t)-P_{\mathrm{RE}}(t)-P_{\mathrm{dis}}(t)+P_{\mathrm{ch}}(t),

并满足

0\leq P_{\mathrm{grid}}(t)\leq P_{\mathrm{grid,max}}.

储能能量状态满足

E_{t+1}=E_t+\eta_{\mathrm{ch}}P_{\mathrm{ch}}(t)\Delta t- \frac{P_{\mathrm{dis}}(t)\Delta t}{\eta_{\mathrm{dis}}},

并受到安装容量、初始能量、备用能量和终态条件约束。若安装能量为 $C$ ，最大倍率为 $r$ ，则充放电功率上限写为

P_{\max}=rC.

主要配置目标是在所有任务与供电约束成立的条件下最小化增量储能安装容量。部分实验在主容量目标达到最优后，以储能吞吐或购电量作为字典序二级目标。固定硬件实验则保持容量不变，比较任务调度对运行吞吐的影响。重新配置效应定义为

\Delta C_{\mathrm{reconf}}= C_{\mathrm{fixed}}-C_{\mathrm{joint}}.

$\Delta C_{\mathrm{reconf}}>0$ 表示联合任务—储能调度降低了所需安装容量。

2.5 功率形状与任务可移动比例指标

对动态功率模板 $k$ ，任务调度的容量价值定义为

\Delta C_{\mathrm{task}}^{(k)} =C_{\mathrm{fixed}}^{(k)}-C_{\mathrm{joint}}^{(k)}.

相对于能量匹配的常功率条件，动态功率调制量定义为

M^{(k)} =\Delta C_{\mathrm{task}}^{(k)} -\Delta C_{\mathrm{task}}^{(\mathrm{constant})}.

其中 $M>0$ 表示动态功率形状增加了任务时间弹性的容量价值， $M<0$ 表示该价值降低。可移动比例实验以完全锁定任务为基准，定义

V_{\mathrm{mobility}}(\rho)=C(\rho=0)-C(\rho).

2.6 同服务角色的化学体系与严格混合对照

同一服务角色内比较全 LFP、全钠和严格混合三类配置。钠电最大倍率设为 1C、0.5C 和 0.25C，钠/LFP 单位安装能量成本比设为 0.70、0.90 和 1.10，严格混合集成附加比例设为 0%、10% 和 20%。严格混合约束要求两种体系均达到预先设定的最小安装份额，以识别“强制同时使用两种化学体系”相对于最佳单一体系是否存在独立价值。

在基础对照中，共得到 486 条条件记录；扩展参数网格包含 7,290 条最佳单一体系成本记录和 4,374 条严格混合成本记录。由于这些记录来自同一批任务窗口上的重复参数干预，本文不将网格行视为相互独立的统计样本。

2.7 0.2 s 多时间尺度回放

分钟级排程、安装容量和储能出力被映射到 0.2 s 动态任务功率，共形成 495 条规范轨迹。对每条轨迹依次判断：原分钟级硬件能否直接保持可行；相同硬件下的快速补偿能否恢复；跨分钟重新分配储能出力能否恢复；以及在仍不可行时所需的最小 1C 通用储能容量。全部常功率条件作为离散化控制，用于验证分钟—细时间尺度映射不会人为引入容量偏差。常功率容量复现的数值门槛为 $10^{-7}$ kWh。

2.8 绿电相位实验

每个窗口的非零绿电总能量固定为任务总能量的 50%，持续时间固定为 30 min，仅改变出现时刻：提前相位（early）为 $[0,30)$ min，时间余量对齐相位（slack-aligned）为 $[30,60)$ min，滞后相位（late）为 $[60,90)$ min，并以无绿电条件作为基线。任务弹性的容量价值为

\Delta C_{\mathrm{task}}(\phi) =C_{\mathrm{fixed}}(\phi)-C_{\mathrm{joint}}(\phi),

绿电相位交互定义为

I_C(\phi)= \Delta C_{\mathrm{task}}(\phi) -\Delta C_{\mathrm{task}}(\mathrm{none}).

当 $I_C>10^{-7}$ kWh 时记为互补， $I_C<-10^{-7}$ kWh 时记为替代，其余精确结果记为中性。由于绿电总能量和持续时间均保持不变， $I_C$ 识别的是时间位置效应。

2.9 在线滚动调度与预测方法

在线实验使用 6 个结果前冻结的 July/August 隐藏任务窗口。每个窗口包含常功率和 Llama2 两种任务功率条件，以及无绿电和时间余量对齐两种能源条件，共形成 24 个自然测试场景。每个场景的储能容量先由具有完整未来信息的离线全信息基准求得最小值，随后保持硬件不变，交由 5 min 因果滚动控制执行。

比较四种在线方法：无显式预测（no-forecast）、持久性预测（persistence）、滚动 75 分位数预测（rolling-q75）和固定岭回归（Ridge）。Ridge 使用 March–May 数据训练、June 数据验证，并在 July/August 隐藏窗口上测试。主要评价指标为任务截止时间、供电和储能约束共同成立的在线可行性；预测 MAE 仅作为解释性指标。压力实验固定常功率与时间余量对齐绿电条件，分别施加 0.5× 到达集中、任务持续时间低估 20% 和高估 20%。

2.10 快功率规格异质性与化学标签删除

从 30 min 时间余量、75% 供电上限的参考条件中选取 48 条可回放轨迹，冻结任务启动时刻、原硬件和分钟级储能出力，仅增加独立 0.2 s 纠偏支路。三种快层规格仅改变最大倍率，分别为 6C、1C 和 0.25C。

若最大瞬时功率缺口为 $P_{\mathrm{gap,max}}$ ，且细尺度最小容量完全由功率地板主导，则有

C_{\min}=\frac{P_{\mathrm{gap,max}}}{r}.

规格效应定义为

\Delta C_{\mathrm{spec}}=C_{1C}-C_{6C}, \qquad \rho_{\mathrm{spec}}=\frac{C_{6C}}{C_{1C}}.

此外构造参数匹配钠电（matched-Na）1C 删除对照：其倍率、效率、SOC、备用与终态参数均与 LFP 1C 完全一致，仅改变化学标签。由此定义

\Delta C_{\mathrm{chem}} =C_{\mathrm{Na,matched}}-C_{\mathrm{LFP}}.

该对照用于检验化学名称本身是否会在模型中产生系统价值。

2.11 长时 BESS 的容量与价格边界

长时层采用归一化 1 kW 服务。对于服务时长 $D$ 、可用能量比例 $u$ 和最大放电倍率 $r$ ，所需安装能量写为

C_{\mathrm{req}} =\max\left(\frac{PD}{u},\frac{P}{r}\right).

LFP 基准取 1C、 $u=1.00$ ；钠电候选取 1C、0.5C、0.25C 以及 $u=1.00$ 或 $u=0.85$ 。钠/LFP 单位系统成本的盈亏平衡比定义为

r^*=\frac{C_{\mathrm{LFP}}}{C_{\mathrm{Na}}}.

公开系统价格比定义为

r_{\mathrm{obs}}=\frac{c_{\mathrm{Na}}}{c_{\mathrm{LFP}}}.

当 $r_{\mathrm{obs}}<r^*$ 时，钠电的容量成本代理量较低；当 $r_{\mathrm{obs}}>r^*$ 时，LFP 较低。现实价格比较仅采用同年、同时长的公开系统级招采或年度均价[16–20]。

2.12 求解状态、数值校核与统计表达

本文属于确定性计算实验，主要推断单位是冻结任务窗口，而非同一窗口内的参数网格行。因此结果主要报告配对方向、精确比较数量、中位数、四分位区间与范围，不对重复网格行计算传统独立样本显著性检验。只有当比较两侧均达到结果前冻结的求解状态门槛并通过独立物理约束检查时，才报告点估计；获得可行解但未证明最优的条件保留上下界或方向性结果。

正式物理校核保持 $10^{-7}$ 的科学容差。主配置实验保存的 3,767 条求解轨迹全部通过独立重建校核；细时间尺度、绿电、在线和规格实验在解释前均执行对应的独立约束验证。研究过程中若分析实现因终态记录、输出完整性或并发写入等原因未满足预先定义的完整性门槛，则该次运行不进入正式结果，修复实现后在不改变科学问题、参数网格和判定阈值的前提下完整重跑。

表2 主要实验设计与结果规模

实验模块	主要设计	正式规模	主要输出
时间弹性	9 窗口 × 5 档时间余量	45 配对条件	时间余量—容量关系
动态功率	9 窗口 × 3 种功率形状	27 配对条件	功率形状调制量
配置边界	时间余量 × 供电上限 × 功率形状等	405 主条件	容量、吞吐、可移动比例、混合边界
细时间尺度	1 min → 0.2 s	495 轨迹	可行性与容量修正
绿电相位	9×3×4×2	216 状态	替代/互补边界
在线控制	6 隐藏窗口 × 多种方法与压力条件	120 自然状态；90 压力状态	在线可行性与预测效用
快层规格	48 轨迹 × 4 种规格	192 状态	倍率机制与标签删除
长时边界	1–8 h × 倍率 × 可用能量	30 解析条件；3 组主价格比	钠/LFP 盈亏平衡

3 结果

3.1 任务时间弹性降低峰值型增量储能需求

在 9 个任务窗口和 5 档时间余量构成的 45 个基础条件中，有 27 个条件形成固定 EDF 与联合调度两侧均达到最优且通过独立校核的精确比较。全部 27 个精确比较中，联合调度所需容量均不高于固定排程。

零时间余量下，9 个窗口均无法在 8 GPU 资源约束内满足实验截止时间，表明这一条件首先受到计算资源约束。时间余量增加至 5 min 后，3 个窗口形成精确比较，容量均下降 1.315 kWh，另有 1 个窗口由固定排程不可行转为联合调度可行。15 min 时有 7 个窗口形成精确比较，30 min 和 60 min 时均为 8 个。30 min 条件下容量差中位数为 1.315 kWh、最大值为 1.724 kWh；60 min 时中位数仍为 1.315 kWh，但最大值增至 3.073 kWh。

1.315 kWh 的重复值源于当前功率边界，而非具有普适性的“节省常数”。8 GPU 同时运行时计算功率为 5.262 kW，75% 供电上限为 3.946 kW，二者相差 1.315 kW。对于 1C 储能，额定功率约束要求安装能量至少达到同量级。联合调度通过改变任务并发关系消除了部分峰值，因此直接移除了这一功率地板。

高拥挤窗口 q90-block-372 的结果更能体现时间弹性的连续效应。30 min 时间余量下，固定 EDF 需要 3.073 kWh，联合调度需要 1.349 kWh；时间余量提高至 60 min 后，固定 EDF 仍为 3.073 kWh，而联合侧降至 0 kWh。该结果表明，额外的调度自由度不仅能够消除单个峰值，还可以重构多个任务的重叠关系。

3.2 任务内部功率形状改变时间弹性的边际价值

保持任务离散积分能量不变，仅将常功率模板替换为 Llama2 或 Stable Diffusion 实测功率形状后，任务弹性的容量价值发生变化。Llama2 条件中有 7 个窗口形成精确动态调制量，容量价值中位数为 1.500 kWh，相对于常功率的调制量 $M$ 中位数为 +0.185 kWh，四分位区间为 +0.114 至 +0.200 kWh。Stable Diffusion 的 7 个精确窗口中，容量价值中位数为 1.414 kWh， $M$ 中位数为 +0.099 kWh，四分位区间为 +0.063 至 +0.106 kWh。

q10 窗口展示了正调制的典型机制。常功率条件下固定 EDF 需要 1.315 kWh，联合调度为 0 kWh；Llama2 条件下固定侧升至 1.527 kWh，而联合侧仍为 0 kWh；Stable Diffusion 条件下固定侧为 1.414 kWh。任务总能量没有变化，但峰值出现的位置发生变化，因而改变了固定排程所需的硬件下限。

该效应并非单向。q90 窗口的 Llama2 联合侧在求解预算内未证明最优，因此按预先定义的规则保留容量价值区间；其动态调制量位于 -0.168 至 -0.003 kWh，方向与多数精确窗口相反。Stable Diffusion 对应区间为 -0.045 至 +0.001 kWh，并跨越零点。由此可见，任务内部功率形状会改变调度价值，但其方向取决于功率峰值与任务到达、持续时间和供电边界的相对位置。

3.3 供电约束与可移动任务比例界定软件—硬件替代边界

扩展配置实验包含 405 个主条件，其中 221 个形成固定 EDF 与联合调度的精确容量配对。联合调度在 221/221 个精确配对中均降低了峰值型增量储能，容量差中位数为 1.315 kWh，范围为 0.513–3.073 kWh；另有 9 个条件由固定排程不可行转为联合调度可行。

当时间余量固定为 30 min，供电上限从满载功率的 90% 收紧到 60% 时，任务弹性的容量价值系统性增加。常功率条件的中位容量差从 0.526 kWh 增至 2.105 kWh，Llama2 从 0.711 kWh 增至 2.290 kWh，Stable Diffusion 从 0.625 kWh 增至 2.203 kWh。供电约束越紧，任务并发峰值越容易触及硬件下限，因而计算侧灵活性的边际价值越高。

表3 30 min 时间余量下不同供电上限的精确容量差

功率条件	60% 供电上限	75% 供电上限	90% 供电上限
常功率	2.105 kWh（8）	1.315 kWh（8）	0.526 kWh（7）
Llama2	2.290 kWh（8）	1.500 kWh（7）	0.711 kWh（7）
Stable Diffusion	2.203 kWh（8）	1.414 kWh（7）	0.625 kWh（7）

括号内为形成精确比较的窗口数。

固定硬件容量后，共有 222 个条件形成两侧二级目标均达到最优的吞吐比较。联合调度带来的储能吞吐减少中位数为 0.225 kWh，最大为 1.845 kWh，未出现超过冻结容差的反向变化。因此，计算侧灵活性不仅影响硬件配置，也能够在硬件不变时减少部分充放电动作。

可移动任务比例实验进一步显示收益饱和。常功率条件下，从 0 增加到 25% 可移动任务时，中位容量价值仍接近 0；可移动比例达到 50% 后中位容量价值为 1.315 kWh，75% 和 100% 时不再增加。Llama2 在 25%、50%、75% 和 100% 可移动比例下的中位容量价值分别为 0.405、1.364、1.500 和 1.500 kWh；Stable Diffusion 分别为 0.367、1.341、1.414 和 1.414 kWh。对当前任务窗口而言，主要容量收益在约 75% 可移动比例前已经实现。

图2 任务时间弹性、供电约束与峰值型增量储能

图2｜任务时间弹性与供电边界。 A，30 min 时间余量下，不同功率模板的容量价值随外部供电上限收紧而增加；曲线为精确窗口中位数，阴影表示相同条件下的窗口范围。B，可移动任务比例由 0 增至 100% 时的容量价值，中位结果在约 75% 后进入平台。

3.4 同服务角色下，严格钠锂混合没有形成稳健优势

在基础化学体系对照中，固定 EDF 的 8 个服务可行窗口与 27 个规格/成本组合形成 216 条精确比较。216/216 条结果均显示最佳单一体系成本低于严格混合，未观察到严格混合优势。即使将混合集成附加成本设为 0，在 73 条具有正储能需求的精确比较中，严格混合相对最佳单一体系仍高 1.00%–9.20%。

单一体系的优劣随倍率与成本比变化，而非固定由化学名称决定。以固定 EDF 和零集成附加成本为例，当钠电倍率为 1C、成本比为 0.70 或 0.90 时，全钠在 8/8 个窗口中占优；成本比提高到 1.10 后，全 LFP 在 8/8 个窗口中占优。钠电倍率降至 0.25C 时，三个成本比均由 LFP 占优，表明较低单位 kWh 成本只有在功率能力同时满足服务约束时才能转化为系统优势。

扩展参数网格中，零集成附加成本条件下仅有 4 条网格记录表现为严格混合占优，655 条由最佳单一体系占优，558 条在冻结容差内不可区分。4 条混合优势全部发生在固定 EDF 条件，并且 LFP 容量均贴在预设的 10% 最小安装份额边界。集成附加成本提高到 10% 后只剩 1 条混合优势，20% 后完全消失。该结果提示，少量高倍率支路与较低成本能量支路之间的规格互补可能在狭窄边界出现，但“同时使用两种化学体系”本身并不构成稳健收益来源。

3.5 分钟级配置在 0.2 s 回放中暴露瞬时功率约束

495 条规范轨迹被映射到 0.2 s 细时间尺度。165 条常功率轨迹全部保持直接可行，表明时间尺度映射没有系统性改变常功率结果。两条动态功率模板共形成 330 条轨迹，其中仅 92 条直接可行，238 条在原硬件和原分钟出力下失效，动态轨迹失效率为 72.12%。

固定 EDF 的 162 条动态轨迹均需要容量修正；联合调度的 168 条动态轨迹中，92 条直接可行，33 条在已有正容量基础上需要进一步修正，另有 43 条属于分钟级容量为 0 kWh、但细时间尺度重新出现正容量需求的情形。联合调度仍然显著改善了细尺度可行性，但分钟级“0 kWh”不能被解释为瞬时功率问题已经消失。

在联合调度的 135 条分钟级 0 kWh 动态轨迹中，有 43 条在 0.2 s 回放中失效，占 31.85%。这些轨迹的最小 1C 修正容量中位数为 0.340 kWh，范围为 0.022–0.773 kWh。238 条动态失效轨迹中，202 条首先出现“负载—电网上限—储能额定功率”可行区间为空，占 84.87%；其余 36 条首先受到分钟末能量目标约束。该分解表明，当前细尺度失效主要由瞬时功率边界而非长时能量累计触发。

对状态达到最优且需要正容量修正的 221 条动态轨迹，新增容量中位数为 0.343 kWh，四分位区间为 0.297–0.477 kWh，最大为 0.781 kWh。对于原本已有正容量且形成精确修正的 178 条轨迹，新增容量相对分钟级容量的中位比例为 25.20%，四分位区间为 16.70%–49.20%。

3.6 高倍率快层将细尺度缺口转化为功率规格问题

在 30 min 时间余量和 75% 供电上限的参考条件下，选取 48 条可回放轨迹进行独立快层实验。其中 23 条在细时间尺度上原本直接可行，18 条需要在已有正容量基础上修正，7 条属于“分钟级 0 kWh、细尺度失效”。

23 条直接可行轨迹在 6C、1C、0.25C 和 matched-Na 1C 条件下均不需要额外纠偏容量。其余 25 条动态非直接可行轨迹逐条满足

C_{6C}=C_{1C}/6,\qquad C_{0.25C}=4C_{1C},

且 $C_{1C}$ 逐条等于基础轨迹最大瞬时功率缺口。25 条轨迹的 6C、1C 和 0.25C 最小纠偏容量中位数分别为 0.092、0.554 和 2.214 kWh，四分位区间分别为 0.063–0.144、0.377–0.865 和 1.507–3.459 kWh。1C 相对 6C 的容量差中位数为 0.461 kWh，25 条轨迹的 $C_{6C}/C_{1C}$ 均为 1/6。

7 条“分钟级 0 kWh、细尺度失效”轨迹中，6C 快层所需容量中位数仅为 0.057 kWh，范围 0.041–0.089 kWh；1C 中位数为 0.340 kWh，0.25C 中位数为 1.362 kWh。该结果表明，在当前功率地板主导的条件下，增加倍率能够以更小的安装能量提供同一瞬时功率，而无需重新配置大容量低倍率 BESS。

matched-Na 1C 与 LFP 1C 的倍率、效率、SOC、备用和终态参数完全一致，仅化学标签不同。48/48 条参考轨迹的最小容量、搜索区间和可行性身份逐项相同， $\Delta C_{\mathrm{chem}}=0$ 。因此，模型中的化学体系价值必须由倍率、效率、可用能量、温度特性、寿命或成本等参数差异承载，而不能由“钠电”或“LFP”的标签本身产生。

表4 多时间尺度执行与快层规格结果

指标	结果
细时间尺度总轨迹	495
常功率直接可行	165/165
动态轨迹直接可行	92/330
动态轨迹失效	238/330（72.12%）
首发功率—电网区间失效	202/238（84.87%）
联合调度动态轨迹直接可行	92/168（54.76%）
分钟级 0 kWh 动态联合轨迹细尺度失效	43/135（31.85%）
主机制轨迹	25
6C / 1C / 0.25C 容量中位数	0.092 / 0.554 / 2.214 kWh
7 条 0 kWh 失效轨迹的 6C 中位数	0.057 kWh
matched-Na vs LFP 1C	48/48 容量零差异

图3 分钟级配置的细时间尺度执行边界与高倍率纠偏机制

图3｜细时间尺度可行性与倍率机制。 A，固定 EDF 与联合调度在不同功率模板下的 0.2 s 原硬件直接可行率。B，动态非直接可行轨迹在 0.25C、1C 和 6C 下的最小纠偏容量；细线表示单条轨迹，粗线表示分组中位数。主机制轨迹严格遵循 $C\propto1/r$ 。

3.7 绿电相位决定与任务弹性的替代或互补关系

绿电相位实验共形成 216 条策略状态和 81 个非零相位交互，其中 66 个交互满足组成状态均达到最优并通过独立校核。精确交互中，22 个为替代、43 个为中性、1 个为互补。

提前相位的 22 个精确交互全部为替代， $I_C$ 中位数为 -0.855 kWh，四分位区间为 -1.211 至 -0.570 kWh，范围为 -1.527 至 -0.285 kWh。另有两个未形成精确点估计的动态功率条件，其求解界限也完全位于负侧。因此，在能够确定方向的提前相位条件中，绿电均降低了任务弹性的边际容量价值。

该替代关系源于 early 绿电优先降低固定 EDF 的峰值缺口，而多数联合调度基线已经接近 0 kWh。以 q10 常功率条件为例，无绿电时固定 EDF 需要 1.315 kWh、联合调度为 0 kWh；early 绿电使两侧均降至 0 kWh，因此 $I_C=-1.315$ kWh。

时间余量对齐相位的 22 个精确交互中有 21 个中性、1 个互补。唯一精确互补出现在高拥挤 q90 常功率窗口：无绿电时固定/联合容量分别为 3.073/1.349 kWh，时间余量对齐时分别为 2.174/0 kWh，任务弹性的容量价值由 1.724 kWh 增至 2.174 kWh，对应 $I_C=+0.450$ kWh。滞后相位的 22 个精确交互全部中性。由此可见，相同绿电总量并不对应固定的“协同收益”，其作用取决于绿电时刻是否与任务可移动窗口和活跃功率约束发生重叠。

表5 绿电相位与任务弹性的容量交互

相位	精确交互	主要分类	中位或代表 $I_C$
提前相位	22	22 替代	-0.855 kWh
时间余量对齐	22	21 中性，1 互补	q90 常功率：+0.450 kWh
滞后相位	22	22 中性	0.000 kWh

图4 相同绿电总能量的时间相位改变任务弹性的边际容量价值

图4｜绿电相位与任务弹性的交互。 A，保持绿电总能量和持续时间不变时，不同相位的 $I_C$ 分布。B，高拥挤 q90 常功率窗口的代表性容量轨迹；时间余量对齐的绿电将联合调度侧剩余容量降至 0 kWh，而固定 EDF 仅部分下降。

3.8 预测误差改善未转化为在线可行性提升

在 24 个自然在线测试场景中，硬件容量均固定为完整未来信息下的离线最小值。无显式预测方法有 10/24 个场景可行，persistence、rolling-q75 和 Ridge 均为 9/24。

Ridge 的隐藏预测 MAE 中位数为 73.01 GPU-min，显著低于 persistence 的 503.00 GPU-min 和 rolling-q75 的 771.69 GPU-min，但并未恢复任何无显式预测方法已失败的场景，反而与另外两种显式预测方法一样使一个原本可行的场景失去可行性。结果表明，在当前滚动控制结构下，预测误差下降没有形成正的下游服务增量。

显式预测同时显著增加了资源预留回退次数。no-forecast 为 38 次，persistence、rolling-q75 和 Ridge 分别为 342、586 和 243 次。Ridge 在共同可比条件下的电网购电偏差较低，但这一运行指标改善不足以抵消服务可行性损失。

按能源条件分层后，时间余量对齐绿电对可行场景数的影响大于预测器类型。常功率 + 无绿电时四种方法均只有 1/6 可行；常功率 + 时间余量对齐绿电时均为 4/6；Llama2 + 无绿电时无显式预测方法为 2/6，其余方法为 1/6；Llama2 + 时间余量对齐绿电时四种方法均为 3/6。

压力实验进一步显示，任务持续时间误差是更强的在线风险。到达集中 0.5× 时四种方法均为 4/6 可行；持续时间低估 20% 时 no-forecast 和 Ridge 为 0/6，persistence 与 rolling-q75 为 1/6；持续时间高估 20% 时四种方法全部为 0/6。相比到达预测模型的差异，任务实际持续时间与规划模型之间的偏差更直接地决定了当前硬件下界能否在线执行。

表6 在线滚动调度的自然条件结果

方法	可行/24	截止时间失败数	预测 MAE 中位数 (GPU-min)	电网购电偏差中位数 (Wh)	预留回退次数
no-forecast	10	14	60.60	0.062	38
persistence	9	15	503.00	36.176	342
rolling-q75	9	15	771.69	76.196	586
Ridge	9	15	73.01	0.124	243

图5 在线滚动调度：预测精度与下游可行性可以脱钩

图5｜预测误差与在线可行性的脱钩。 A，四种在线方法的预测 MAE、可行场景数与资源预留回退次数。B，三类压力条件下的可行窗口数。较低预测误差没有自动转化为更高服务可行性，而持续时间误差造成了更强的可行性损失。

3.9 长时服务的化学选择由倍率约束转向价格边界

对归一化 1 kW 服务，30 个解析条件表明，服务时长决定倍率约束何时退出主导。当钠电可用能量比例 $u=1.00$ 时，1 h 服务的盈亏平衡比 $r^*$ 对 1C、0.5C 和 0.25C 分别为 1.00、0.50 和 0.25；2 h 时分别为 1.00、1.00 和 0.50；4、6、8 h 时三种倍率均回到 1.00。原因在于，随着服务时长增加，能量需求本身已经提供足够的安装 kWh，较低倍率不再额外抬高容量。

当 $u=0.85$ 时，1 h 条件的 $r^*$ 分别为 0.85、0.50 和 0.25；2 h 为 0.85、0.85 和 0.50；4–8 h 均收敛至 0.85。此时长期配置由可用能量比例主导：为了提供相同可用能量，需要安装更多额定 kWh，因此单位系统成本必须进一步下降才能达到盈亏平衡。

公开系统价格证据未显示当前钠电已经跨过该边界。2024 年 2 h 条件下，钠电系统约为 1.030 元/Wh，LFP 年度均价约为 0.628 元/Wh， $r_{\mathrm{obs}}=1.640$ ；2025 年 2 h 条件下分别约为 0.740 和 0.554 元/Wh， $r_{\mathrm{obs}}=1.335$ ；2025 年 4 h 条件下分别约为 1.096 和 0.479 元/Wh， $r_{\mathrm{obs}}=2.289$ 。三组价格比均高于 $u=1.00$ 时的 1.00 边界，也高于 $u=0.85$ 时的 0.85 边界。距离边界最近的 2025 年 2 h 条件中，若取 $u=1.00$ ，钠电系统价格仍需较观察值下降约 25.09% 才达到容量成本持平；若取 $u=0.85$ ，所需降幅约为 36.33%。

表7 长时 BESS 的钠/LFP 盈亏平衡与公开价格证据

服务时长	钠电规格	$u$	$r^*$	公开 $r_{\mathrm{obs}}$	当前方向
1 h	1C / 0.5C / 0.25C	1.00	1.00 / 0.50 / 0.25	—	倍率高度敏感
2 h	1C / 0.5C / 0.25C	1.00	1.00 / 1.00 / 0.50	1.640 (2024), 1.335 (2025)	LFP 侧
4 h	1C / 0.5C / 0.25C	1.00	1.00 / 1.00 / 1.00	2.289 (2025)	LFP 侧
4–8 h	任一三档倍率	0.85	0.85	—	可用能量比例主导

图6 长时 BESS 的钠/LFP 容量成本切换边界与公开系统价格点

图6｜长时 BESS 的容量成本切换边界。 彩色曲线表示不同倍率和可用能量条件下的盈亏平衡比 $r^*$ ，红色菱形表示同年、同时长的公开系统价格比。公开价格点与边界之间的距离用于衡量当前市场条件距容量成本切换点的相对位置。

3.10 跨时间尺度结果收敛为服务分层，而非固定化学配比

前述实验显示，AIDC 储能约束随时间尺度发生系统性转移。分钟尺度上，任务启动时间可以替代部分为计算峰值配置的增量储能；进入 0.2 s 后，剩余问题主要表现为瞬时功率边界，高倍率支路能够以较小安装能量提供所需 kW；进入在线运行后，离线最小硬件还必须接受任务持续时间和因果信息误差检验；在小时级服务中，倍率约束逐渐让位于可用能量和单位系统成本。绿电则通过其时间位置改变任务弹性的边际价值，而不是简单地以总 kWh 叠加到上述层次。

因此，本文得到的默认架构为：任务时间弹性首先作用于可移动计算负载；独立快功率层承担细时间尺度残余功率缺口；长时 BESS 承担小时级能量服务，并根据服务时长、可用能量和价格边界选择化学体系；因果在线控制负责把离线设计映射到实际任务状态和运行不确定性。该架构允许不同层采用不同化学体系，也允许未来单一体系在参数足够优时跨越多个服务层，但不要求预先设定固定 Na:LFP 比例。

图7 证据约束的 AIDC 分层储能决策规则

图7｜AIDC 分层储能决策规则。 决策顺序从计算侧时间弹性开始，依次判断细时间尺度功率缺口、在线执行要求、绿电时序与长时服务边界。化学体系在具体服务层内由倍率、可用能量、效率、寿命和系统成本等参数决定。

4 讨论

4.1 计算灵活性应被视为储能规划之前的系统资源

任务时间弹性对储能容量的影响说明，AIDC 的“负载”并不是一个在储能规划开始前已经固定的输入。已有研究主要从需求响应、低碳运行或市场参与角度评估任务迁移[1–5,24]，而本文结果进一步表明，在给定任务集合和截止时间条件下，计算侧调度可以改变峰值型增量储能的硬件下限。221 个精确主配对全部表现为容量下降，并且容量价值随供电约束收紧而增加，这与任务调度通过削减并发峰值释放供电裕量的机制一致。

这一结果的工程含义不是“用软件替代电池”，而是改变规划顺序。若可延期训练、批处理或其他容忍延迟的任务尚未进入容量规划，直接按未优化峰值定容会把一部分软件可消除的需求固化为硬件。另一方面，可移动比例实验也表明主要收益在有限比例的柔性任务中已经出现，并不要求全部业务参与调度。这与现实 AIDC 中训练、批处理和低延迟推理具有不同 SLA 的事实相符。计算侧灵活性因而更适合作为一种前置规划资源，其可用量应由真实业务 SLA 确定。

4.2 功率与能量约束的分离决定储能分层是否必要

动态功率实验和 0.2 s 回放共同揭示了平均功率模型的边界。任务总能量保持不变时，仅改变任务内部功率形状即可移动容量价值；进一步提高时间分辨率后，72.12% 的动态轨迹不能直接继承分钟级原硬件，且 84.87% 的首发失效来自瞬时功率可行区间。这些结果说明，分钟级能量平衡能够正确描述较慢的任务重排，却不足以单独决定快功率能力。

倍率实验进一步把这一差异从现象转化为机制。在冻结任务排程和分钟级控制后，25 条主机制轨迹的最小纠偏容量严格按 $1/r$ 缩放，说明当前参考条件下限制变量是额定功率而非累计能量。对于 7 条分钟级 0 kWh 的失效轨迹，6C 支路中位只需 0.057 kWh 即可提供所需快功率。这一结果与近期 AIDC 储能综述中提出的多层级储能架构相呼应[23]：靠近负载的快速储能和站级长时 BESS 服务不同的时间尺度，不能简单通过一个总 kWh 指标合并。

需要强调的是， $C\propto1/r$ 是当前额定功率下限主导的独立附加支路条件下的结果，而不是所有储能问题的普适规律。当快速功率事件持续时间增加、备用约束抬高、效率损失累积或终态能量成为活跃约束时，额定能量将重新进入主导。本文的价值在于给出了判断功率约束是否主导的可验证方法，而不是把高倍率本身视为永远更优。

4.3 化学体系的系统价值必须通过可测量参数进入模型

严格混合对照与参数匹配的化学标签删除实验共同限制了“钠锂天然互补”的解释范围。同服务角色内，严格要求两种化学体系同时存在并没有形成稳健优势；少量混合优势只在零集成成本的狭窄边界出现，并且贴近最小 LFP 份额约束。更重要的是，当 matched-Na 1C 与 LFP 1C 的倍率、效率和 SOC 参数完全一致时，48/48 条轨迹的容量结果完全相同。换言之，优化器不会从化学名称本身获得收益。

这一结论与钠离子技术经济研究的基本逻辑一致。钠电相对于 LFP 的竞争力取决于能量密度、材料价格、倍率、SOC 可用范围、温度特性和规模化路径[10,11]。这些变量只有进入系统模型，才能改变储能容量或成本边界。因此，“钠锂协同”更合理的表达应是参数异质性与服务角色的匹配。若未来钠电在长时层形成显著的系统成本或环境适应性优势，而 LFP 在快功率层保持更高倍率和更成熟的系统集成能力，跨化学分层会自然出现；如果某一体系在两个服务层都形成更低的全生命周期成本，则没有必要为了“混合”本身强制配置第二种化学体系。

4.4 绿电时序和在线不确定性改变离线最优的可兑现程度

绿电相位实验表明，可再生能源总量不是描述其系统价值的充分统计量。提前相位稳定降低固定排程的峰值缺口，因此与任务弹性表现为替代；时间余量对齐相位的正互补只在高拥挤边界出现，因为绿电与任务移动共同改变了同一个活跃约束。滞后相位对容量交互保持中性。这一结果说明，绿电与任务弹性的协同必须由真实时序决定，不能由日总发电量或单一可再生能源占比替代。

在线实验则显示，离线最小容量更接近设计下界，而不是生产保证。Ridge 的预测 MAE 明显低于两个简单预测器，却没有提高可行场景数；持续时间 ±20% 的压力反而迅速破坏了所有方法的可行性。这与决策导向学习强调的观点一致：预测模型的评价目标应与下游决策效用对齐[6]。对 AIDC 而言，仅预测未来到达量不足以描述在线状态，已经到达任务的剩余持续时间、执行进度、故障和重试同样可能决定可行域。

因此，在线系统应优先验证“错误怎样进入约束”，而不是先追求更低的预测分数。未来更有价值的模型可能是 duration/progress 联合预测、概率约束或 decision-focused 方法，但其有效性仍应以任务按时完成、供电安全和储能状态等下游指标衡量。

4.5 长时层的钠/LFP 竞争应表达为动态经济边界

长时解析模型显示，倍率与能量约束之间存在明确的服务时长交接。1–2 h 条件下，较低倍率会迫使系统安装额外 kWh 以获得足够 kW；当服务时长增加到 4–8 h 后，能量需求本身已经提供足够的额定容量，倍率惩罚明显减弱，此时可用能量比例和单位系统成本成为主要变量。该结构与钠离子技术路线高度依赖能量密度和系统成本演化的结论一致[10]。

当前三组同年、同时长公开系统价格点仍位于 LFP 一侧。距离边界最近的 2025 年 2 h 比较中，钠电系统价格仍需下降约 25.09% 才能在 $u=1.00$ 假设下达到容量成本持平。该结果不构成永久的化学体系排序，因为 $r_{\mathrm{obs}}$ 会随规模化、供应链和系统集成变化。更重要的是，本文的容量成本代理尚未包含往返效率、循环/日历寿命、PCS、热管理、融资和更换周期。正式采购决策需要进一步升级为同站点、同服务角色的 LCOS 或 TCO 比较。

因此，本文建议把长时化学选择保持为可更新阈值，而不是固定技术结论。这样既能反映当前市场证据，也能在钠电系统价格、寿命或效率跨过边界时直接更新配置，而不需要改变整体架构。

4.6 系统架构与研究边界

综合结果支持一个按时间尺度解耦的 AIDC 储能架构：计算层优先利用真实业务允许的任务时间弹性；快功率层负责亚分钟残余功率缺口；长时 BESS 层承担小时级能量服务；在线控制层负责把离线设计映射到因果任务状态和实时能源条件。该结构与近年来 AIDC 储能多层级架构和热—电—计算协同研究所强调的“不同时间尺度对应不同控制自由度”一致[21,23]。

本文的绝对容量值建立在 8 GPU 反事实计算块、公开任务轨迹和来源可追溯的功率模板上，适合用于识别机制和边界，而非直接替代真实机房定容。AcmeTrace 不包含真实业务 SLA，因此任务时间余量是实验变量；两条动态功率模板也不等价于所有 AI 模型的真实功率分布。真实 AIDC 还包含机架/母线拓扑、PCS、UPS 双变换、冷却、保护和冗余等级等约束。绿电相位实验使用平顶功率块隔离时序效应，不对应具体地区的太阳能或风能统计分布。在线实验的独立隐藏窗口数量为 6，能够检验方法方向，但仍不足以建立可跨站点外推的生产安全裕量。

下一阶段最有判别力的数据不是继续扩大同类离线网格，而是三类真实工程数据：第一，任务 SLA、实际 duration/progress、重试和优先级，用于识别可兑现的计算灵活性；第二，GPU—机架—母线—UPS/PCS 的细时间尺度功率和保护边界，用于验证快层的真实 kW、持续时间和寿命代价；第三，同功率、同时长、同 PCS 与质保条件下的钠/LFP 生命周期经济数据，用于把当前容量成本边界升级为 LCOS/TCO 边界。

5 结论

本文通过公开任务轨迹、实测生成式 AI 功率曲线、分钟级联合优化、0.2 s 细时间尺度回放、绿电相位干预、隐藏窗口在线控制和长时经济边界分析，系统刻画了 AIDC 储能约束随时间尺度的转移。任务时间弹性在 221 个精确主配对中均降低了峰值型增量储能，容量差中位数为 1.315 kWh；供电约束越紧，软件调度的硬件替代价值越高，但可移动任务比例的边际收益在约 75% 后趋于饱和。任务总能量相同并不足以保证配置等价，动态功率形状可以改变容量价值，并使部分分钟级 0 kWh 方案在 0.2 s 下重新出现正容量需求。

细时间尺度失效主要由瞬时功率边界触发。25 条主机制轨迹的快层容量严格按 C-rate 反比缩放，而 matched-Na 1C 与 LFP 1C 在全部 48 条参考轨迹中得到相同容量结果，说明化学体系的系统价值必须由倍率、效率、可用能量、温度、寿命和成本等真实参数承载。绿电的时间位置可以使任务弹性的边际容量价值在替代、中性与条件式互补之间转换；在线运行中，预测 MAE 的改善并未自动提高服务可行性，任务持续时间误差表现为更强的风险来源。

对于长时 BESS，较短服务时长更受倍率约束，4–8 h 条件逐渐转向可用能量和系统价格主导。当前核验的三组公开钠电/LFP 系统价格比仍位于 LFP 容量成本边界一侧，但该判断应被视为可随价格、效率和寿命更新的动态边界。综合而言，AIDC 的钠–锂协同更适合采用“任务时间弹性—独立快功率层—可切换长时 BESS—因果在线控制”的服务分层架构。该架构不预设固定 Na:LFP 比例，而是让每个服务层根据其活跃约束和真实技术参数选择最合适的实现。

参考文献

[1] Liu Z, Wierman A, Chen Y, Razon B, Chen N. Data center demand response: avoiding the coincident peak via workload shifting and local generation. Performance Evaluation. 2013;70(10):770–791. doi:10.1016/j.peva.2013.08.014.

[2] Zhang Y, Tsiligkaridis A, Paschalidis IC, Coskun AK. Data center and load aggregator coordination towards electricity demand response. Sustainable Computing: Informatics and Systems. 2024;42:100957. doi:10.1016/j.suscom.2024.100957.

[3] Guo H, Yu H, Wang M, Liu C, Li C. Integrated management of workloads and energy system for data centers. Energy. 2025;327:136400. doi:10.1016/j.energy.2025.136400.

[4] Caprara A, Yu Y, Teng F, Junyent-Ferré A, Bullich-Massagué E, Aragüés-Peñalba M. Data center workload flexibility for power system demand response: Evidence from Alibaba traces. International Journal of Electrical Power & Energy Systems. 2026;178:111940. doi:10.1016/j.ijepes.2026.111940.

[5] Wiesner P, Behnke I, Scheinert D, Gontarska K, Thamsen L. Let’s Wait Awhile: How Temporal Workload Shifting Can Reduce Carbon Emissions in the Cloud. Proceedings of the 22nd International Middleware Conference. 2021:260–272. doi:10.1145/3464298.3493399.

[6] Yang P, Chen T, Zhong Z, Wu Y, Luo Q. Decision focused online learning for real time energy aware scheduling of interconnected data centers with photovoltaic generation and battery storage. Scientific Reports. 2026. doi:10.1038/s41598-026-67967-z.

[7] InternLM. AcmeTrace. GitHub repository. https://github.com/InternLM/AcmeTrace

[8] National Laboratory of the Rockies. Generative AI Workload Power Profiles. 2026. doi:10.7799/3025227. https://data.nlr.gov/submissions/312

[9] Vercellino R, Willard J, Campos G, da Silva Pereira W, Hull O, Selensky M, Mueller J. Measurement of Generative AI Workload Power Profiles for Whole-Facility Data Center Infrastructure Planning. arXiv. 2026;arXiv:2604.07345.

[10] Yao A, Benson SM, Chueh WC. Critically assessing sodium-ion technology roadmaps and scenarios for techno-economic competitiveness against lithium-ion batteries. Nature Energy. 2025;10:404–416. doi:10.1038/s41560-024-01701-9.

[11] Rehm M, Fischer M, Rubio-Gomez M, Schütte M, Sauer DU, Jossen A. Comparing the electrical performance of commercial sodium-ion and lithium-iron-phosphate batteries. Journal of Power Sources. 2025;633:236290. doi:10.1016/j.jpowsour.2025.236290.

[12] Vertiv. BESS and UPS Roles in Large Data Center Power Architecture. 2026. https://www.vertiv.com/en-us/insights/articles/white-papers/bess-and-ups-roles-in-large-data-center-power-architecture/

[13] Uptime Institute. BESS in data centers: use cases and technologies. https://intelligence.uptimeinstitute.com/index.php/resource/bess-data-centers-use-cases-and-technologies

[14] Huawei Digital Power. SmartLi 3.0. Data center lithium-ion UPS battery system. https://digitalpower.huawei.com/mea/data-center-facility/smartli

[15] CATL. TENER Sodium. 2026. https://www.catl.com/en/news/6861.html

[16] 广州发展. 洪湖市经开区100MW/200MWh钠离子储能电站示范项目一期50MW/100MWh储能系统集成采购. https://eps.gdg.com.cn/gggc/38657.jhtml

[17] CNESA DataLink. 2024年储能系统中标价格. https://research.cnesa.org/report/info/?id=5905

[18] CNESA DataLink. 2025年储能中标价格分析. https://research.cnesa.org/report/info/?id=6645

[19] 南方电网／上海有色网. 南网储能20MW/40MWh级钠离子电池储能系统集成设备招标中标公示. https://news.smm.cn/news/103307964

[20] 储能与电力市场／新浪财经. 2025年4月储能系统中标价格分析. https://finance.sina.com.cn/roll/2025-05-22/doc-inexkzvk7226174.shtml

[21] Gao H, Zhou N, Chi Y, Zou Y, Zhou Y, Wang Q. Multi-objective energy storage planning for AI data centers: Integrating thermal inertia and spatiotemporal task flexibility. International Journal of Electrical Power & Energy Systems. 2026;181:112153. doi:10.1016/j.ijepes.2026.112153.

[22] Yu Y, Shan K, Li H, Wang S. Quantitative impacts of energy system flexibility provision and design/operation on data center reliability and the key influential parameters. Applied Energy. 2026;415:127904. doi:10.1016/j.apenergy.2026.127904.

[23] Mohammadi S, Wang W, Wada MCI, Haghighi R, Hassan A, Liu H, Bhatnagar A, Chen A, Su W. Grid integration of AI data centers: A critical review of energy storage solutions. Advances in Applied Energy. 2026;23:100291. doi:10.1016/j.adapen.2026.100291.

[24] Lu N, Yao R, Wang Z, Yan Y, Wang Y. Low-carbon and QoS-aware operation of data centers by AI task splitting and allocation. Applied Energy. 2026;405:127132. doi:10.1016/j.apenergy.2025.127132.