SoSo CAD
Bilimsel makaleÜcretsiz okunur2025

Yapay Zekâ Veri Merkezlerini Şebekeyle Etkileşimli Varlıklara Dönüştürmek: Phoenix, Arizona'daki Saha Gösteriminin Sonuçları

Özgün başlık Turning AI Data Centers into Grid-Interactive Assets: Results from a Field Demonstration in Phoenix, Arizona

arXiv preprint (Emerald AI / NVIDIA / Salt River Project / EPRI) · Philip Colangelo, Ayse K. Coskun ve diğerleri

EPRI DCFlex girişimi kapsamında, bir yapay zekâ kümesi için yalnızca yazılımla talep yanıtının ilk saha gösterimini bildiren arXiv ön baskısı.

Özgün kaynağa git
Bu sayfada

Özet

Bu belge, Emerald AI, NVIDIA, Salt River Project ve EPRI'nin ortak arXiv ön baskısıdır (arXiv:2507.00909, 2025); Philip Colangelo, Ayse K. Coskun ve diğerleri tarafından yazılmıştır. EPRI DCFlex girişimi kapsamında, Phoenix'teki ticari bir hiperölçekli bulut veri merkezindeki 256 GPU'luk NVIDIA A100 kümesi için yalnızca yazılımla talep yanıtının ilk saha gösterimini bildirir. Çalışma, veri merkezinin şebekeye yalnızca bir yük olarak değil, esnek bir kaynak olarak da bakılabileceğini göstermeyi amaçlar.

Bir denetleyici (Emerald Conductor) ve bir simülatör, eğitim, ince ayar ve çıkarım işlerini GPU güç sınırlama/DVFS ve iş duraklatma yoluyla, izin verilen performans kaybını sınırlayan esneklik kademeleri içinde düzenler. Kademeler şöyledir: Flex 0 performans düşüşü yok; Flex 1 3-6 saatte ortalama verimde en çok yüzde 10 düşüş; Flex 2 en çok yüzde 25; Flex 3 en çok yüzde 50. Donanım değişikliği veya enerji depolama gerekmez.

Gösterimde, şebeke tepe olaylarında (1 ve 3 Mayıs 2025'teki APS ve SRP sistem tepeleri) kümenin gücü üç saat boyunca yüzde 25 azaltılmış, geri sıçramayı önlemek için 15 dakikalık kademeli düşüş ve yükseliş uygulanmıştır. CAISO'nun Ağustos 2020 acil durumunun yeniden canlandırılmasında sistem önce yüzde 15'lik kısıntı, ardından yüzde 10'luk ek kısıntı sağlamıştır. Her biri 3-6 saatlik 33 deney 212 iş ile yürütülmüş; simülatör gücü ortalama deney gücüne göre yüzde 4,52 RMSE ile tahmin etmiştir.

Tartışma bölümü, atıf yapılan çalışmalara göre yapay zekâ veri merkezi gücünün yılda 200 saate kadar (zamanın yüzde 1'inden çok daha azı) kabaca yüzde 25 azaltılmasının ABD'de 100 GW'a kadar yeni veri merkezi kapasitesinin kilidini açabileceğini belirtir. Gösterim tek bir küme ve sınırlı sayıda olayla yapılmıştır; sonuçlar bu kapsamın ötesine genellenmemelidir. Bu nedenle bulgular, esnek bağlantı kapasitesi değerlendirmelerinde ön gösterge olarak okunmalıdır.

Öne çıkan noktalar

  1. Şebeke tepe olaylarında (1 ve 3 Mayıs 2025'te APS ve SRP sistem tepeleri) küme gücü üç saat boyunca yüzde 25 azaltıldı; geri sıçramayı önlemek için 15 dakikalık düşüş ve yükseliş uygulandı.
  2. Esneklik kademeleri: Flex 0 performans düşüşü yok; Flex 1 3-6 saatte ortalama verimde en çok yüzde 10; Flex 2 en çok yüzde 25; Flex 3 en çok yüzde 50.
  3. CAISO'nun Ağustos 2020 acil durumunun yeniden canlandırılmasında sistem önce yüzde 15, ardından yüzde 10'luk ek kısıntı sağladı.
  4. Her biri 3-6 saatlik 33 deney 212 iş ile yürütüldü; simülatör gücü yüzde 4,52 RMSE ile tahmin etti.
  5. 256 GPU'luk NVIDIA A100 kümesi; donanım değişikliği veya enerji depolama olmadan.
  6. Yılda 200 saate kadar yaklaşık yüzde 25 azaltma ABD'de 100 GW'a kadar yeni veri merkezi kapasitesinin kilidini açabilir (atıf yapılan çalışmalar).

Tasarımda kullanımı

  • İş yükü karışımını ve esneklik kademelerini (izin verilen verim kaybı) ulaşılabilir kısıntı derinliği ve süresine eşleyen, geri sıçramayı önleyen artış süresi ayarlı bir talep yanıtı hesaplayıcısı sunun.
  • Sonucu, saha çalışmalarında esnek/garantisiz bağlantı kapasitesini (örneğin yılda en çok 200 saat için yaklaşık yüzde 25 kısıntı) değerlendirmek için kullanın.
  • Yalnızca yazılımla esnekliğin ek depolama gerektirmediğini, ancak GPU güç sınırı telemetrisi ve zamanlayıcı entegrasyonu gerektirdiğini not edin.

Aylık bülten · ücretsiz

Referans listeniz güncel kalsın

Ayda bir: yeni eklenen kaynaklar, Türkiye mevzuatındaki değişiklikler ve yaklaşan veri merkezi etkinlikleri.

SoSo CAD

Tasarım kararlarının maliyetini karşılaştırın

SoSo CAD’de ekipman maliyetlerini, enerji giderlerini ve toplam sahip olma maliyetini (TCO) girdileriniz ve varsayımlarınızla değerlendirin.

Demo iste
SoSo CAD maliyet çalışma alanında CAPEX ve TCO tahminleri

Kimler okumalı

Yapay zekâ veri merkezinin şebeke esnekliği ve esnek bağlantı kapasitesini değerlendiren elektrik tasarımcıları, enerji planlamacıları ve işletmeciler.

Yayın bilgileri

Yazarlar
Philip Colangelo; Ayse K. Coskun; Jack Megrue; Ciaran Roberts; Shayan Sengupta; Varun Sivaram; Ethan Tiao; Aroon Vijaykar; Chris Williams; Daniel C. Wilson; Zack MacFarland; Daniel Dreiling; Nathan Morey; Anuja Ratnayake; Baskar Vairamohan
Yayıncı
arXiv preprint (Emerald AI / NVIDIA / Salt River Project / EPRI)
Yıl
2025
Belge numarası
arXiv:2507.00909
Belge dili
İngilizce
Kaynak türü
Bilimsel yayın
Erişim
Ücretsiz okunur
Lisans
arXiv dağıtım izni — yeniden kullanım koşulları hak sahibine bağlıdır
Özgün lisans notu (İngilizce)

arXiv default non-exclusive distribution licence; citation only

Künye

Philip Colangelo; Ayse K. Coskun; Jack Megrue; Ciaran Roberts; Shayan Sengupta; Varun Sivaram; Ethan Tiao; Aroon Vijaykar; Chris Williams; Daniel C. Wilson; Zack MacFarland; Daniel Dreiling; Nathan Morey; Anuja Ratnayake; Baskar Vairamohan (2025). Turning AI Data Centers into Grid-Interactive Assets: Results from a Field Demonstration in Phoenix, Arizona. arXiv preprint (Emerald AI / NVIDIA / Salt River Project / EPRI). arXiv:2507.00909. https://doi.org/10.48550/arXiv.2507.00909

Enerjiİşletme

Konuyla ilgili etkinlikler

Etkinlik takvimini inceleyin

İçerik ve tüm hakları eser sahiplerine aittir. SoSo CAD yalnızca künye, kendi hazırladığı özet ve kaynağa bağlantı sunar; kaynakların içeriğinden sorumlu değildir.