能源行业：“AI+能源”系列报告之二（2），算电协同，微观用电、电力保障与时空匹配.pdf

2026年《政府工作报告》首次将“算电协同”纳入国家战略，人工智能算力规模的指数级跃迁正对电力系统提出前所未有的挑战。预计到2030年，中国算力中心用电量将达约7000亿千瓦时，占全社会用电量5%以上，而同期中国新能源装机占比已突破60%，消纳矛盾日益突出。

微观用电结构

报告深入剖析了智算中心的微观用能分布。IT设备占总用电量的45%至60%，其中AI加速器（广义GPU）是最大单一耗电源。随着芯片代际升级，单卡功耗从400W攀升至1200W以上，GB200超节点整机柜功耗高达120kW。电费在传统IDC业务成本中占比约40%，在AIDC中约10%。

电力保障体系承压

AI服务器对电压暂降极度敏感，电网数十毫秒的电压跌落即可导致GPU训练任务报错退出。为此，电力保障体系自下而上迎来升级：机柜配电向800V HVDC架构演进以降低损耗；系统备电从传统UPS+柴发向BESS与构网型储能过渡；园区供电从10kV接入走向110kV乃至220kV直连，绿电直连成为重要备选方案。

时空匹配与经济约束

算力负荷按可调性分为L0至L3四级。训练任务虽支持断点续训，但GPU闲置的机会成本远超电费波动；在线推理对延迟敏感，仅离线推理具备较强错峰能力。同时，新能源出力的周期性波动通过现货市场高频传导为电价涨跌。在经济约束优先的现实下，短期算电匹配更多是“电保算”而非“算让电”。

核心结论

短期算电协同以电网购电、电服务算为主，重点聚焦可靠供电与配电升级；中期随算力设施成本下降与峰谷价差扩大，将试点价格联动并释放L2、L3级算力可调性；长期“新能源—构网型储能—算力”将呈现经济性，最终实现从“电服务算”到“算电互济”的跨越。