de.wedoany.com-Bericht: Das US-Energieministerium (DOE) hat eine Testplattform namens Agora eingeführt, um die Auswirkungen zu simulieren, die der Anschluss von hyperskaligen Künstliche-Intelligenz (KI)-Campus an das bereits angespannte Stromnetz hat. Die Plattform bildet das elektrische Verhalten großer Rechenzentren nach, insbesondere die schwankenden, hochdichten Strombedarfe, die derzeit die Stromplanung in den gesamten USA neu gestalten. Neben Beschaffung und Netzanbindung konzentriert sich Agora auch auf das konkrete Verhalten dieser Anlagen im Netz nach ihrer Inbetriebnahme.
Seit etwa zwei Jahren konzentriert sich die Stromdebatte rund um KI hauptsächlich auf die Angebotsseite. Energieversorger wetteifern um Gasturbinen, Entwickler suchen die Wiederinbetriebnahme von Kernkraftwerken, Regulierungsbehörden diskutieren über Warteschlangen für die Netzanbindung, und Hyperscaler suchen überall nach Gigawatt-Leistung. Agora hingegen zeigt auf eine andere Herausforderung: die Verhinderung von Kettenreaktionen im Stromnetz, die durch das volatile Stromverhalten von KI ausgelöst werden. Energieversorger befürchten zunehmend, dass sich hyperskalige KI-Campus nicht wie traditionelle Rechenzentren verhalten, sondern eher wie Industrielasten, die fast augenblicklich einen enormen Bedarf erzeugen können. GPU-Cluster können innerhalb von Sekunden von einem nahezu Leerlaufzustand auf Volllast hochfahren. Betreiber setzen zunehmend Batterien, Vor-Ort-Stromerzeugung und komplexe Leistungselektronik in den Anlagen ein, was es für Energieversorger weiterhin schwierig macht, genaue Modelle zu erstellen.
Der Electric Reliability Council of Texas (ERCOT) hat bereits mit der Modellierung von KI-Lasten begonnen. Diese Besorgnis hat bereits Einzug in die technischen Pläne der Netzbetreiber gehalten. ERCOT hat eine spezielle Modellierungsinitiative für das gestartet, was es als „große elektronische Lasten" bezeichnet, und Simulationsrahmen sowie technische Studien veröffentlicht, die sich auf KI-Rechenzentren und andere leistungselektronikintensive Anlagen konzentrieren. ERCOT warnt, dass sich diese Lasten „anders verhalten als herkömmliche Lasten und groß genug sind, um die Netzstabilität zu beeinträchtigen".
Diese Arbeit folgt auf breitere Bedenken von ERCOT hinsichtlich der Prognose und Planung großer KI-bezogener Lasten. Ein neues Modellierungshandbuch, das gemeinsam von ERCOT und der Texas A&M University veröffentlicht wurde, geht noch weiter. Der 105-seitige Bericht beschreibt KI-Rechenzentren als „hochdynamische leistungselektronische Lasten", die „erhebliche Herausforderungen für den Betrieb und die Stabilität von Stromversorgungssystemen darstellen". Der Bericht modelliert sie als eng gekoppelte elektrische Systeme, die Netzanschlussgeräte, Stromrichter, Energiespeichersysteme, Rechenlasten und Kühllasten kombinieren. Das Dokument gleicht eher einem Handbuch für die Stromsystemtechnik als einem traditionellen Planungsleitfaden für Rechenzentren. ERCOT und Texas A&M modellierten netzbildende Wechselrichter, koordinierte Batteriesysteme, dynamisches Wiederverbindungsverhalten, Spannungs- und Frequenzdurchhaltefähigkeit, Umrichterregelung, Fehlerverhalten und transientes Stabilitätsverhalten, mit dem Ziel, Störungsdurchhalteverhalten, Fehlererholung, Netzregelungsinteraktionen, untersynchrone Oszillationen und Systemstabilität zu untersuchen.
Energieversorger bereiten sich auf schnelle Leistungsspitzen und -schwankungen vor. Steven Carlini, Chief Advocate für KI und Rechenzentren bei Schneider Electric, erklärte, dass die Wechselwirkung großer KI-Lasten mit einem Stromnetz, das zunehmend erneuerbare Energien mit geringer Trägheit integriert, für Energieversorger eine wachsende Herausforderung darstellt. Carlini wies darauf hin, dass KI-Trainingsworkloads schnelle, nahezu augenblickliche Lastschwankungen nach oben und unten verursachen. GPU-Cluster können augenblicklich von nahezu Leerlauf auf Volllast springen, was zu Netzbelastungen führt, die Spannungs- und Frequenzänderungen verursachen, wenn das Netz oder die Stromversorgung nicht dafür ausgelegt sind. Technologien wie Fehlerdurchhaltefähigkeit, Batteriespeicher, Superkondensatoren und KI-Lastglättungsregelung werden laut Carlini entscheidend für die Netzstabilität. Auf hyperskaler Ebene können Multi-Gigawatt-Anlagen mit synchronisierter GPU-Infrastruktur während der Fehlererholung enorme Nachfrageschwankungen erzeugen. Die ERCOT/Texas A&M-Ausführungen weisen darauf hin, dass die Leistungssteigerungsrate bei der Gleichrichter-Wiederzuschaltung begrenzt werden muss. Carlini sagte, dass Energieversorger zunehmend von Hyperscalern verlangen, durch extreme Leistungsschwankungen verursachte „synchrone Periodenschwingungen" zu mildern und mehr Betriebsdaten zu teilen, um die Netzinfrastruktur zu schützen.
Die Verschmelzung von Stromnetz und Computing-Stapel treibt Energieversorger, Regulierungsbehörden und Betreiber zu einem neuen Modell, bei dem große KI-Anlagen aktiver am Netzbetrieb teilnehmen. Das National Resilient Infrastructure Laboratory erklärte in der Agora-Ankündigung, dass das zukünftige Stromnetz große Energieverbraucher dabei unterstützen muss, gute Netzbürger zu sein. Diese Idee hat bereits Einzug in Dokumente von Energieversorgern und Regulierungsverfahren gehalten. Die US-amerikanische Federal Energy Regulatory Commission (FERC) hat Diskussionen über Reformen des Netzanschlusses großer Lasten geführt, und ERCOT hat kontrollierbare Laststrukturen für Großkunden untersucht. Energieversorger in mehreren Bundesstaaten untersuchen die Nachfrageflexibilität, Abschaltprotokolle und netzbewusste Betriebsmodelle für hyperskalige Campus. Carlini ist der Ansicht, dass Rechenzentren mit der Zunahme von Notstromsystemen, Leistungsglättungssystemen und Hauptstromversorgungssystemen Teil des Stromversorgungsökosystems werden. Agora, die ERCOT-Initiative für große elektronische Lasten und die Modellierungsarbeit von Texas A&M weisen alle in die gleiche Richtung: Netzbetreiber bauen neue Betriebsrahmen, bevor die Gigawatt-KI-Campus in großer Zahl kommen.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
