（1）感知采集层：部署于算网能三类资源的关键节点，通过传 感器、控制器与标准化接口采集当前运行状态信息。例如，算力侧监 测节点 CPU 利用率、内存占用、电耗水平等；电力侧感知电压波动、 负载响应、电价趋势等；网络侧感知带宽、时延、丢包等关键指标。 （2）智能融合层：基于边缘计算节点与中心调度平台，对感知 数据进行时空对齐、语义关联与清洗降噪，构建统一的数据表示模型。 （3）预测决策层：是感知模型的智能核心，基于大数据驱动的 Wide-Area Network）技术，保障高并发数据流的传输效率与一致性。 无损网络引入拥塞控制（如 ECN 标记）、队列优化（如 RoCEv2）与 端到端流控机制，在面对算力状态回传、能耗预测数据上传、电价曲 线下发等数据流场景中，有效降低重传率与延迟波动，提升系统响应 速度。 此外，网络还具备资源感知与调度反馈能力。通过网络测量 （Network Telemetry）技术，系统可实时采集链路利用率、时延变化、 20% ~ 30%，得益于新能源低谷电价；同时，低碳效益显著， 50 万千瓦算力集群年减碳量约 40 万吨（等效替代火电）。 （3）未来需求及发展趋势 面向未来，应构建 “源-网-荷-储-算”一体化协调控制架构，通过 融合可再生能源功率预测与算力负载预测，建立基于绿电友好性的算 力调度模型，动态匹配任务类型与可用清洁电力资源。在此基础上， 结合碳价、电价、负荷调节能力等多源信号，引导算力任务向新能源

：光伏出力小于用电负荷，且储能电量不满足供电需求 功率因数调节 n 功率因数提升； n 无功优先调节； n 有功等效为功率受限的储能机组； 接入储能系统后，厂区在电价峰值时间段的用电功率和用电量大大降低。 二、综合能源系统的源 - 网 - 荷 - 储协同优化控 制 二、综合能源系统的源 - 网 - 荷 - 储协同优化控 制 综合能源智慧管理平台 系统架构主要分为： 能源魔盒”案例有助于上海开展电力需求响应和虚拟电厂工作，缓解电网运行压力，提高上海电力运行安全和保障水平。 光伏系统适用于光照资源较丰富的地区，风能系统适用于风资源较丰富的地区， 储能系统适用于采用峰平谷电价并存在负荷 不平衡的用户。 融入 5G 基站、数据中心等“新基建”重点技术的园区综合能源服务手段，也将是未来工业园区节能降耗、实现绿色低碳转 型 的重要实施方向。 典型“能源魔盒”案例的解决方案，与闵行工业园

、西藏自治 区、云南省、四川省、黑龙江省、山西省，具体情况详见图 21。 综合算力指数 33 来源：中国信息通信研究院 图 21 省级行政区环境分指数-资源环境 Top10 资源环境包含电价、自然条件、清洁能源利用率、政策支持力 度四方面。从自然条件来看，当地年平均气温由低到高 Top10 省份 分别为青海、黑龙江、西藏、内蒙古、吉林、新疆、甘肃、宁夏、 辽宁、山西。从清洁能源利用率来看，由高到低 各地区中国信通院“方升”大模型基准测试榜单入 榜的大模型数量 模型生态 大模型相关企 业数量 地区“大模型”相关企业数量 大模型相关专 利数量 地区“大模型”相关专利数量 环境 资源环境 电价 算力中心运营平均电价 自然条件 当地年平均气温 清洁能源利用 率 算力中心使用清洁能源耗电量与总耗电量的比值 政策支持力度 政府出台的算力相关政策数量 市场环境 头部企业布局 当地头部企业与业内头部企业的占比值

一种“漂绿”行为 (Greenwash)。 而智算中心购买绿电，即与新能源供应商直接达成购电协议，同意在规定期限内， 以确定的价格直接从新能源场站购买绿电，不仅保证了绿电的实际使用，还能 稳定电价。 科技巨头已经是全球最大的绿电采购方。在中国，阿里巴巴集团 2023 年签署 的绿电购买量达到了 16.1 亿度，位居榜首。2024 年，腾讯签约绿电采购量将 超过 13 亿度，是 2023 加速器。 AI 需要更多的绿电，同时 AI 能提供更多灵活的负荷，参与需求响应。而整个电 力系统的灵活性管理，以及需求响应市场的建立，都需要 AI 技术。AI 为可再生 电力体系中消纳问题和负电价问题提供了一个创新的解决方向。 政策应该把智算中心对于风光电力的消纳考虑在内，而智算中心应该把自身能 源管理系统设计为电力系统灵活性的资源，参与需求响应与能源服务。 那些引领 AI 的科技巨头

一种“漂绿”行为 (Greenwash)。 而智算中心购买绿电，即与新能源供应商直接达成购电协议，同意在规定期限内， 以确定的价格直接从新能源场站购买绿电，不仅保证了绿电的实际使用，还能 稳定电价。 科技巨头已经是全球最大的绿电采购方。在中国，阿里巴巴集团 2023 年签署 的绿电购买量达到了 16.1 亿度，位居榜首。2024 年，腾讯签约绿电采购量将 超过 13 亿度，是 2023 加速器。 AI 需要更多的绿电，同时 AI 能提供更多灵活的负荷，参与需求响应。而整个电 力系统的灵活性管理，以及需求响应市场的建立，都需要 AI 技术。AI 为可再生 电力体系中消纳问题和负电价问题提供了一个创新的解决方向。 政策应该把智算中心对于风光电力的消纳考虑在内，而智算中心应该把自身能 源管理系统设计为电力系统灵活性的资源，参与需求响应与能源服务。 那些引领 AI 的科技巨头

利用标准的桑基图展现能源流转态势 用户设定分项分级能源KPI和碳排放KPI，KPI指标 支持基线管理 系统支持按照不同时间段的尖峰谷平设定不同的 价格，支持多个费率模型 用户可根据设定的能源价格计算各类能源成本，支 持峰谷平电价设定。通过能耗量及尖峰平谷的价格 进行成本计算分析 基于机器学习和大数据分析，结合用户侧能耗历史 数据和天气环境数据进行负荷预测，可预测发电、 用电、制冷、供热负荷 设备能效分析 对冷机、锅炉、热泵等设备效率进行采集和计算，结

如何查询用户编号 12.50% 3 微信缴不了费，是什么原因？ 8.91% 4 有哪些渠道可以办理、变更、取消银行缴费账号？ 8.61% 5 查询电费的渠道有哪些？ 8.44% 6 微信怎样查电价？ 7.63% 7 有哪些缴费渠道？ 7.56% 8 深圳、广州以及广东以外相关业务，如何处理？ 7.41% 9 过户办理渠道有哪些？ 6.47% 10 微信如何绑定我的用电账户？ 6.40%

传统能源产业转型升级，能源科技 现代化水平进入国际先进行列。 技术层面 德国修改《气候保护法》 , 规定 2045 年实现碳中和；美国宣布 正 式重返《巴黎协定》。 政策层面 数字化全面转型连接发电价值链， 辅助发电企业实现生产、运营、服 务的降本增效和创新升级。 全球视角下的电力系统发展和转型趋势 市场层面 级能 建

能效控制：通过风冷系统优化实现 PUE=1.3 ，降低制冷能耗；选用超微服务器 （性 价比优于戴尔 30% ）和华三网络设备（成本比思科低 40% ） ，标准化设备减少 维 护与替换成本 ，利用西部低电价 (0.35 元 / 度 ) 降低运营成本， 5 年 TCO 降低 22% 。 算力业务：可稳定支撑千亿参数大模型训练、支持 100+4K 影视级离线渲染项目 并 行渲染、生成式 AI 实时推理等业务。

， 市场价格约 80-120 万元 • 配套设备 ：液冷系统、 冗余电源等附加成本约 15-25 万元 2. 运维成本 • 电费 ：满载功耗约 6000W ， 年电费约 5-8 万元（按工业电价 1.2 元 / 度计算） • 维护： 专业工程师团队年成本约 30-50 万元 4.4 本地部署大模型方 案 高校科研基础设施不足 ，算力短 缺且资源碎片化问题依然突出