Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Pilot OpenAI Grid Protectors zamienia popyt z centrów danych w zasób sieci

OpenAI uruchomił 2 listopada program, w którym jego centra danych mają ograniczać pobór prądu, gdy sieć jest przeciążona. Zaczyna od kampusu w Georgii, opartego na 1 000 megawatów elastycznego zapotrzebowania.

TechnologiaNewsMarta ZielińskaOpublikowano: 3 listopada 20265 min czytaniaŹródła 28
Pilot OpenAI Grid Protectors zamienia popyt z centrów danych w zasób sieci

Dla ludzi mieszkających obok planowanego kampusu argument jest prosty: centrum danych zmniejszy pobór w najgorętsze dni, zamiast czekać na nowe linie energetyczne. Dla operatorów sieci i regulatorów oznacza to, że jeden ogromny odbiorca staje się czymś bliższym zasobowi, którym można sterować. Haczyk jest taki, że elastyczność liczy się tylko wtedy, gdy wytrzymają umowy i oprogramowanie. OpenAI opublikowało jedną umowę, dotyczącą Georgii. Ustalenia w innych miejscach nie są sfinalizowane.

Pilot OpenAI w Georgii

OpenAI przedstawiło program Grid Protectors 2 listopada, w poście na blogu. Dzień później Tom's Hardware podał, że firma testuje ten pomysł w planowanym kampusie w hrabstwie Effingham w Georgii.

Liczby stojące za tym pilotem są duże. OpenAI twierdzi, że podpisało z Georgia Power umowę na 3,2 gigawata, obejmującą 1 000 megawatów elastycznego zapotrzebowania. Firma opisuje ten bufor jako odpowiednik średniego zapotrzebowania na prąd około 700 000 gospodarstw domowych, czyli więcej niż Waszyngton i Boston razem. Tom's Hardware przeliczył te same 1 000 megawatów na około 800 000 gospodarstw, blisko 20% domów w Georgii. Obie liczby się różnią i żadna nie mówi, ile kampus faktycznie ograniczy. OpenAI zapowiada też, że pokryje pełne koszty infrastruktury i usług energetycznych potrzebnych do obsługi Effingham.

Dlaczego wąskim gardłem jest przyłączenie

Kolejki do sieci sprawiają, że ten argument się sprzedaje. PJM Interconnection to największy operator sieci w USA. W ostatnich latach koszt zabezpieczenia mocy na szczyt zapotrzebowania wzrósł ponad ośmiokrotnie, podaje Canary Media. PJM prognozuje, że duzi odbiorcy dodadzą od 30 do 34 gigawatów nowego zapotrzebowania do wczesnych lat 30. XXI wieku, w systemie, którego szczyt wyniósł niedawno 162,6 GW.

Europa pokazuje ten sam ucisk ostrzej. W Irlandii centra danych odpowiadają już za około 19% szczytowego zapotrzebowania. To 1,1 GW z 6 GW szczytu w styczniu 2025 roku, wynika z analizy Ember opublikowanej w październiku 2026 i opisanej przez pv magazine. Ember prognozuje, że ten udział może dojść do 24% do 2030 roku, przy zapotrzebowaniu 1,6 GW wobec szczytu systemu 6,5 GW. Reszty dopełnia niedopasowanie czasu. Duże centrum danych może potrzebować od 200 MW do 500 MW i powstać w 18 do 24 miesięcy. Rozbudowa konwencjonalnej sieci zajmuje od czterech do 10 lat.

Przesuwanie obciążeń daje niewiele, moc na miejscu daje więcej

Badanie Ember obejmuje dziewięć rynków w USA, Europie i Azji Południowo-Wschodniej. Główny wniosek: elastyczność, którą najczęściej się obiecuje, jest najmniej dostępna.

Usługi chmurowe, aplikacje firmowe i wnioskowanie AI potrzebują niskich opóźnień. Nie da się ich tak po prostu przenieść. Ember szacuje, że do 2030 roku będą stanowić około 87% globalnych mocy centrów danych. Przy jego założeniach, czyli 35% elastyczności dla trenowania AI, 5% dla wnioskowania i zeru dla tradycyjnych centrów danych, teoretycznie można by przesunąć około 6,5% globalnych mocy. Po uwzględnieniu średniego wykorzystania na poziomie około 48% moc faktycznie dostępna do reakcji spada do około 3%.

Wpływ na szczyt jest odpowiednio mały. W Irlandii przesuwanie obciążeń mogłoby obniżyć szczyt o około 100 MW do 2030 roku, czyli o 1,5% prognozowanego szczytu. Na pozostałych rynkach analizowanych przez Ember szacowane redukcje wynoszą od 0,1% do 0,6%.

Generacja i magazynowanie na miejscu wypadają lepiej. Dla dwóch dużych centrów danych w Teksasie o łącznym prognozowanym obciążeniu 5,6 GW przesuwanie mogłoby obniżyć pobór o około 0,55 GW w okresach napięcia. Generacja na miejscu mogłaby obniżyć go nawet o 2,7 GW. Ember stwierdza, że podejście z własnymi mocami może dać sieci blisko pięć razy więcej ulgi niż przesuwanie obciążeń.

Zakład Google'a na gigawat i reguły PJM

Google i Voltus ogłosiły w czwartek 22 października, że w PJM walczą o gigawat mocy wirtualnej elektrowni. To więcej niż początkowy cel 100 MW, który firmy ustaliły w czerwcu. Voltus zbiera zobowiązania od klientów. Obejmują one ograniczenia poboru albo moc z baterii do 2040 roku. To znacznie dłużej niż roczna aukcja mocy PJM, która zabezpiecza zasoby na trzy lata do przodu.

Voltus zarządza już ponad 9 GW zapotrzebowania i mocy wirtualnych elektrowni w USA. Do 2030 roku chce mieć 20 GW. Wcześniej w październiku pozyskał 225 mln dolarów, podało Canary Media.

Reguły znaczą tyle samo co ambicja. Komitet Wdrożeń Rynkowych PJM ma 4 listopada zająć się kolejnymi krokami w sprawie nadwyżkowego przyłączenia. Wniosek do FERC jest możliwy już w kwietniu 2027. Nadwyżkowe przyłączenie zgromadziło 44 GW historycznych wniosków projektowych do połowy 2026 roku, z czego około 80% to propozycje dodania baterii do istniejących projektów. MISO odpowiada za 14,8 GW w 138 aktywnych wnioskach, a SPP za 14,3 GW w 89.

Warstwa oprogramowania i miejsce, w którym musi siedzieć elastyczność

Oprogramowanie zamienia obietnicę w zasób, którym można dysponować. Arenko twierdzi, że jego platforma Nimbus podniosła wykorzystanie przyłącza sieciowego w pewnej brytyjskiej instalacji fotowoltaiki z magazynem z 8% do 29%, przy dostępności eksportu na poziomie około 83%. W marcu 2026 roku ponad 98% wolumenu handlowanego w tej instalacji było zautomatyzowane, podaje Enlit World.

Nimbus wybrano też do baterii Iceni o mocy 300MW/600MWh należącej do Ørsted. Platforma będzie tam zarządzać handlem, optymalizacją i zarządzaniem aktywami. Bateria podzieli infrastrukturę sieciową z morską farmą wiatrową Hornsea 3 o mocy 2,9GW.

Lokalizacja ogranicza to wszystko. Irlandzka Komisja Regulacji Usług Komunalnych wskazała około 234 MW i 58 GWh potencjalnych wymagań dotyczących elastyczności w górę w sieciach dystrybucyjnych w 2028 roku. W podstacji Naas 38 kV/10 kV ocena wykazała zapotrzebowanie na poziomie 0,6 MW i 3 MWh w 2028 roku, skupione w styczniu, przy wzmocnieniu sieci planowanym na 2030. Bateria gdzie indziej w Irlandii może zarabiać i nie zrobić nic dla Naas.

UK Power Networks dało w marcu 2026 roku zimny prysznic. Operator przestał szukać ofert elastyczności dla niektórych podstacji z jednym transformatorem, których ograniczenia trwały zwykle 24 godziny. Rynek nie był w stanie ich rozwiązać ze względów technicznych i handlowych.

Biuro Energii Elektrycznej w amerykańskim Departamencie Energii przekonuje, że mikrosieci pozwolą budować centra danych szybciej i taniej niż rozbudowa sieci dystrybucyjnej i przesyłowej. Dostawcy zwiększają więc zatrudnienie. Amazon Web Services zatrudnił Roberta Fourqureana na stanowisko menedżera ds. polityki energetycznej, podał DataCenterDynamics 3 listopada. Wcześniej był doradcą ds. energii i klimatu w ambasadzie brytyjskiej w Waszyngtonie. AWS podpisał 20-letnią umowę zakupu energii z Constellation Energy na 690MW z Calvert Cliffs. Ma też współpracę z American Electric Power dotyczącą prawie 960MW mocy małych reaktorów modułowych w Indianie.

Komentarze 0

Źródła

28
  1. 01OpenAI introduces program to reduce AI data center energy demand during peak hoursEN
  2. 02Introducing the Grid Protectors ProgramEN
  3. 03Google plans big virtual power plant in energy-strapped PJM gridEN
  4. 04Behind-the-meter generation could deliver five times more grid relief than data center load shiftingEN
  5. 05PJM desperately needs grid batteries. Here's a way it could get some.EN
  6. 06Trading places: smarter management of hybrid assetsEN
  7. 07Ireland's Grid Flexibility Assessment Shows Why Location MattersEN
  8. 08Microgrids, Large Electric Loads & Grid SupportEN
  9. 09AWS appoints British Embassy advisor as manager of energy policyEN
  10. 10Key takeaways from All Energy Australia 2026EN
  11. 11Bringing Design Data Management into the Developer WorkflowEN
  12. 12More of the Same Expensive Dependence on Fossil Fuels in TEP and APS 2026 Energy PlansEN
  13. 13On the pitch and on the grid, Ukraine is not waiting for the war to end and is asking the world to invest in itEN
  14. 14OpenAI deepens Abu Dhabi foothold as Sam Altman inks deals spanning energy, government and investmentEN
  15. 15DOE Announces $8.5M for Fusion Energy Public-Private PartnershipsEN
  16. 16More heat pumps would actually be good for the grid, researchers findEN
  17. 17Heimstaden is changing residential real estate management with AIEN
  18. 18Fintech platform Sageworks taken offline after suspected cyberattackEN
  19. 19Percepto launches Axion AI platform to unify inspection data analysisEN
  20. 20Electric Hydrofoils Save Energy, But Do They Earn Their Price?EN
  21. 215 ballot proposals that could drive or derail clean energyEN
  22. 22Eugene Becomes 5th Oregon City to Adopt Home Energy Score RequirementEN
  23. 23The Ford Escape may return as an EV based on the UEV platform [Update]EN
  24. 24Einstein's equations may explain the universe without dark energyEN
  25. 25How digital membership platforms help sports NGBs leave the spreadsheets behindEN
  26. 26Cloudflare’s Post-Quantum GeoKey Manager Enters Closed Beta without Attribute-Based EncryptionEN
  27. 27Can battery swapping and energy storage power CATL’s next phase of growth?EN
  28. 28Peer-to-peer Energy Scheduling Gets 3x Faster On Quantum Hardware - Quantum ZeitgeistEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.