《中國電力工程顧問集團&北郵&紫金山實驗室：算網能一體化白皮書（2024版）（65頁）.pdf》由會員分享，可在線閱讀，更多相關《中國電力工程顧問集團&北郵&紫金山實驗室：算網能一體化白皮書（2024版）（65頁）.pdf（65頁珍藏版）》請在三個皮匠報告上搜索。

1、 版權聲明版權聲明 本白皮書版權屬于中國電力工程顧問集團有限公司和網絡通信與安全紫金山實驗室所有并受法律保護，任何個人或是組織在轉載、摘編或以其他方式引用本白皮書中的文字、數據、圖片或者觀點時，應注明“來源：來源：中國電力工程顧問集團有限公司、北京郵電大學和中國電力工程顧問集團有限公司、北京郵電大學和紫紫金山實驗室金山實驗室”。否則將違反中國有關知識產權的相關法律和法規，對此中國電力工程顧問集團有限公司、北京郵電大學和紫金山實驗室有權追究侵權者的相關法律責任。編委會編委會 專家指導組成員專家指導組成員 劉韻潔 中國工程院院士、紫金山實驗室首席科學家 羅必雄 中國能源建設集團首席科學家，電力規劃

2、設計總院院長 張力 中國電力工程顧問集團有限公司首席科學家 李剛 中國電力工程顧問集團有限公司中電海洋能源工程技術研究院院長 孫斌 中國電力工程顧問集團有限公司副總工程師 史磊 中國電力工程顧問集團有限公司中電碳中和發展研究院副院長 句赫 中國電力工程顧問集團有限公司中電數據與信息研究院院長 黃韜 北京郵電大學教授 編制組成員編制組成員 中國電力工程顧問集團有限公司中國電力工程顧問集團有限公司 馮運超、李舒濤、周倩、吳冬、楊天翔、何應東、吳曉帆、仝超、李曉宇、劉建偉 北京郵電大學北京郵電大學 謝人超、唐琴琴、文雯、李碩、胡珉昊、李敏寬、孫思齊 紫金山實驗室紫金山實驗室 彭開來、湯雅婷、邵子豪、

3、劉輝、張翔、邱偉、賈慶民 I 前前 言言 隨著算力網絡的飛速發展，數據資源存儲和算力的需求爆發式增長，算力網絡自身的能耗和碳排放激增，傳統算力網絡缺乏有效的綠色計算策略，在面對能源的波動性和不可預測性、能源交易與算力交易難以協同等挑戰時存在明顯不足，難以優化算網與能源基礎設施和應用的時間和空間布局，無法匹配實時與非實時、可變與剛性的能源供給和算力需求。因此，“算網”和“能源”如何協同創新，以支撐能源智能生產調度體系，實現源網荷互動、多能協同互補及用能需求智能調控，是當前業界面臨的重要課題，也是國家“東數西算”和“雙碳”戰略的攻關指向。在算電協同的思想指導下，為實現綠色計算，解決算力網絡能耗和碳

4、排放過大的問題，需要聚焦算電協同中的源網荷儲，在算力網絡的基礎上考慮能源要素，因此推出了算網能一體化這一概念。本白皮書首先詳細闡述了算網能一體化的發展背景、參考架構、關鍵使能技術，同時介紹了算網能一體化的典型應用場景，并探討了算網能一體化發展面臨的挑戰和發展建議。目前，工業界和學術界對算網能一體化的研究尚處于起步階段，并仍處于快速發展之中，因此本白皮書還存在需要不斷完善的地方，真誠地企盼讀者批評指正。算網能一體化白皮書是算網能系列白皮書之一，該系列后續擬推出以下白皮書：a)算網能智一體化發展白皮書 II b)算網能一體化運營白皮書 c)物聯網算網能一體化白皮書 d)算網能智能優化白皮書 e)算

5、網能一體化服務拓展白皮書 f)算網能開放性服務發展白皮書 算網能智一體化發展白皮書：聚焦于智能化發展方向，主要探討如何通過人工智能和機器學習等技術提升算網能一體化的智能化水平。此白皮書旨在為智能調度和管理提供創新方案。算網能一體化運營白皮書：關注算網能一體化的實際運營和管理，討論運營中的具體挑戰和解決方案，提供實際操作指南和最佳實踐案例。物聯網算網能一體化白皮書：探討物聯網技術在算網能一體化中的應用，研究如何通過物聯網實現更高效的數據收集、傳輸和處理，以支持算力和能源的協同優化。算網能智能優化白皮書：專注于智能優化技術，研究如何利用算法和技術手段實現算力和能耗的最優化配置，提升系統的整體效率和

6、可持續性。算網能一體化服務拓展白皮書：討論算網能一體化在不同服務領域的拓展應用，探索如何通過服務創新拓展應用場景，實現更廣泛的行業覆蓋和用戶需求滿足。算網能開放性服務發展白皮書：研究開放性服務的框架和模 III 式，探討如何通過開放平臺和標準化服務實現算網能一體化的更大規模應用和推廣，促進產業生態系統的形成。通過以上白皮書，希望能夠系統性地解決算網能一體化面臨的各種問題，從智能化發展、運營管理、物聯網融合、智能優化到服務創新和開放性服務，每個方面都有較為詳細的探討和指導，為行業提供全面的參考和支持。IV 目目 錄錄 前 言.I 目 錄.IV 一、算網能一體化背景.1 1.1 算網能一體化概念和

7、特征.1 1.2 算網能一體化研究意義.4 1.3 需求分析.9 1.3.1 國家戰略需求分析.9 1.3.2 產業發展需求分析.11 1.3.3 技術演進需求分析.13 1.3.4 用戶需求分析.14 1.3.5 功能需求分析.15 1.4 算網能一體化發展目標.17 二、算網能一體化架構.21 三、算網能一體化關鍵技術.25 3.1 算網能資源感知模型.25 3.2 算網能資源度量模型.27 3.3 算網能一體化調度機制.29 3.4 算網能一體化交易機制.31 3.5 算網能一體化安全保障機制.32 3.6 算網能一體化自智技術.33 V 四、算網能一體化應用場景.36 4.1 智慧能源

8、管理.36 4.2 智能微網.37 4.3 綠色數據中心運營管理.39 4.4 智能制造.40 4.5 智慧醫療供應鏈.41 4.6 智能大模型能算協同.42 4.7 自動駕駛能源數據管理.43 4.8 軌道衛星智能組網.44 4.9 戰術網絡.46 五、算網能一體化發展建議.48 5.1 發展階段劃分.48 5.1.1 起步階段.48 5.1.2 整合階段.48 5.1.3 智能化階段.49 5.1.4 生態化階段.49 5.2 發展建議.49 六、總結與展望.51 參考文獻.52 附錄 A：術語與縮略語.57 1 一、一、算網能一體化背景算網能一體化背景 本白皮書創新提出“算力（Compu

9、ting）”“網絡（Communication）”和“能源（Energy）”三要素一體化（Integration）（“CCEI”）模型和架構。算網能一體化是在算電協同的思想下，為解決算力網絡能耗和碳排放問題以實現綠色計算，而提出的一個概念，具體是指算力、網絡和能源的協同發展與統一調度，通過智能算法和大數據分析等，實現資源的互聯互通、共享利用和優化調控，并推動各領域深度融合和可持續發展的新趨勢。本白皮書闡述了算網能一體化的背景、體系結構、關鍵技術、應用場景、發展建議，旨在為有興趣了解算網能一體化概念和技術的研究人員提供介紹與指導。具體而言，本章從算網能一體化概念和特征入手，進一步分析算網能一體化

10、的研究意義和各種需求，并提出算網能一體化的發展目標。1.1 算網能一體化概念和特征算網能一體化概念和特征 算網能一體化可以簡單地理解為算力、網絡和能源三者的協同發展，更深層次的含義是指以通信網絡設施、異構計算設施和能源基礎設施協同發展為基石，將諸如算力、網絡、數據與能源等多種資源進行統一編排管控調度，實現計算、網絡和能源的互聯互通、共享利用，并支持對能源進行智能調控和優化，推動各領域深度融合和創新發展的一種新趨勢和新業態。此外，算網和能源之間相互影響。能源是算 2 力設施（如數據中心、服務器）和網絡設施（如基站、路由器）運行的基礎。沒有足夠的能源供應，這些設施將無法正常運轉。例如，一個數據中心

11、需要大量的電力來支持其服務器的運行、冷卻系統的運轉以及其他輔助設備的工作。通過應用可再生能源（如太陽能、風能），可以減少算力和網絡設施的碳排放，提高能源利用效率，推動可持續發展。反過來，算力和網絡能夠對能源使用進行優化。通過智能算法和大數據分析，算力和網絡設施可以實現能源的智能調度和優化使用。例如，根據能源供需情況，動態調整數據中心的工作負載，將高耗能任務安排在能源供應充足的時段和區域，從而實現能效最大化。算力和網絡設施可以實現負荷的動態轉移，以平衡能源使用。例如，當某個區域的能源供應緊張時，可以將部分計算任務轉移到能源供應相對充足的區域，減輕當地能源系統的負荷。算網能一體化的本質是一種一體化

12、資源、一體化設施和一體化服務。一是算網能一體化是一種整合算力、網絡和能源的一體化資源。算網能一體化將計算、網絡和能源等資源進行統一編排和管理，實現資源的共享和優化配置，提高資源利用率，降低能耗，使其能夠更好地適應各類應用場景的需求以支撐上層應用。二是算網能一體化是一種聚焦“計算”+“網絡”+“能源”的一體化設施。算網能一體化基礎設施以云計算數據中心、智能計算中心、高性能計算中心等算力設施為支點，依托通信網絡基礎設施打造能力底座，集成風光水電等能源設施，同時融合人工智能、大數據等技術，實現設施的協同工作和 3 資源共享，降低建設和運維成本。三是算網能一體化是集成彈性、敏捷和安全的一體化服務，具體

13、包括算力即服務、連接即服務和能源即服務。算網能一體化的特征可以分為網能一體化、算能一體化、數據協同、運維協同、智能協同和服務協同。網能一體化：依托通信網絡，通過在網絡協議、網絡架構及網絡模型等方面進行集約化改進，提升網絡對計算的感知能力，實現云、網、邊、端的一體化融合與連接。同時采用綠色能源和能源管理技術，降低網絡運行過程中的能源消耗，推動綠色低碳的網絡發展。算能一體化：整合云計算、邊緣計算及 AI 計算等多種計算方式，匯集異構芯片的處理能力，達成基礎算力的統一衡量。同時引入綠色能源，并采用源網荷儲等技術，提高算力設施的綠電使用率，建立綠色低碳的算力應用體系。數據協同：整合算網能設施中的網絡數

14、據、計算數據、能源數據、環境數據、應用數據及安全數據，建立統一的數據范式，構建標準化的數據資源池，實現數據的高效存儲、處理和共享，支持復雜應用場景的數據分析和挖掘。運維協同：通過協調管理、調度及編排網絡、計算、能源等多種資源，根據各類服務場景的運維需求進行建模，創建場景化的運維模型，提升運維效率和資源利用率。4 智能協同：整合人工智能、大數據及區塊鏈等前沿技術，建設具備意圖感知與數字孿生等自學習能力的智能中臺，形成智能核心，提升算網能一體化系統的智能化水平，實現智能決策和自動化運營。服務協同：以行業用戶需求為導向，提供統一且個性化的服務能力，主要包括算力即服務、網絡即服務和能源即服務，滿足不同

15、用戶在算網能一體化系統中的各種需求，并支持數字化、智能化的應用場景。1.2 算網能一體化研究意義算網能一體化研究意義 近年來，我國數字經濟蓬勃發展，各行業都在不斷深化數字化轉型。人工智能（Artificial Intelligence，AI）、區塊鏈、物聯網等數字技術廣泛運用，導致全社會數據量大幅增長，對數據存儲、處理、傳輸和應用的需求也隨之增加。算力成為新的生產力，因此我國極為重視算力基礎設施建設，在“十四五”規劃中明確提出了加快構建全國一體化大數據中心體系的目標。并且國家陸續發布了一系列政策文件，系統地推進一體化大數據中心協同創新體系和算力樞紐體系的建設工作，同時啟動“東數西算”工程?！皷|

16、數西算”項目加速了數據中心的增長，因此也帶動了數據中心年用電量的增加。國家發改委指出，在算力基礎設施建設和應用領域，降低能源消耗和減少碳排放是一個必須解決的問題。政府鼓勵采 5 取一系列的方法來提高資源利用效率和數據中心的碳排放效率，同時推動市場使用更環保、低碳的算力資源，以進一步減少能源消耗和碳排放。因此，針對算力與能源領域如何協同創新，開展感知、度量和調度的相關研究工作，推動未來將算力和電力在規劃與運行中更緊密地結合，促進它們共同發展，以建立更智能、高效、環保的數據中心體系，進而達成雙碳目標，為經濟社會的穩定發展提供更為可持續的動力與支持就顯得尤為重要。同時黨的二十大報告提出，加快發展方式

17、綠色轉型，發展綠色低碳產業，倡導綠色消費，推動形成綠色低碳的生產方式和生活方式，同時強調要大力發展數字經濟，建設數字中國。綠色電力和算力作為經濟社會全面綠色化、數字化轉型的關鍵生產力，正逐步向“融合共生”發展，通過電力帶動算力綠色化升級、算力賦能電力數字化轉型，形成螺旋上升的良性循環，推動能源數字經濟高質量發展。算電協同在這種背景下應運而生，算電協同是指算力電力協同融合創新，主要的特點是電網給算場算網供電，算網為電網供算力，算場閑置的電力也可以反向給電網輸送，在節點、市場和網絡調度三個層面進行有機協同，電力網和算力網間實現電力、算力調度“兩融合”，助力實現安全穩定、綠色低碳的高質量發展。其中推

18、進綠色電力與算力聯合調度是其中重要一環，源網荷儲一體化項目是算電協同的關鍵抓手，而以“節點-市場-網絡”融合為架構，是算電融合發展的方向。算網能一體化概念則是在算電協同的思想指導下所提出的，針對解決 6 算力網絡中的能耗和碳排放問題，以實現綠色計算。算網能一體化作為算電協同的細化，以通信網絡為支撐，通過資源和任務調度降低傳輸和處理任務的能耗和碳排。算網能一體化聚焦于推動算力網絡的可持續發展，通過對算力、網絡與能源的整合研究，旨在優化算力網絡的運作方式，實現更為高效、智能的資源分配與利用。其次，算網能一體化關注如何降低能源浪費，提升能源利用效率。通過算網能一體化的創新研究，力求開發出高效的調度策

19、略和能源利用模式，從而減少不必要的能源消耗，有助于降低算力網絡的整體能耗。這不僅符合國家節能減排的政策要求，也有助于降低數據中心的運營成本，提高其經濟效益。此外，算網能一體化著眼于提高資源利用效率。通過對算力網絡負載與能源供給側的聯動優化調度機制的研究，旨在實現更精準的資源分配和利用，提高算力網絡資源的利用率，降低資源浪費。并且算網能一體化有助于構建更加智能化和靈活的算力基礎設施。在算力需求不斷增長的情況下，傳統的計算資源調度模式已經難以滿足高效、低延時的需求。通過算網能一體化，可以實現算力資源的動態調度和實時調整，提升計算任務的執行效率。同時，智能調度系統能夠根據實時的能源供應情況和算力需求

20、，優化能源使用，避免不必要的能源浪費。算網能一體化能夠促進綠色計算的發展。隨著全球氣候變化問題的加劇，減少碳排放成為各國共同關注的焦點。算網能一體化通過將可再生能源引入算力網絡的能源供應體系，推動數據中心采用低碳、環保的能源解決 7 方案。例如，利用風能、太陽能等可再生能源，可以有效降低數據中心對傳統化石能源的依賴，減少碳排放量，助力國家實現“雙碳”目標。此外，算網能一體化還有助于提升大數據應用的社會價值。通過更高效的算力和能源管理，能夠支持更多創新應用的落地，如智能城市、智慧交通、智能制造等。這些應用不僅能提高社會運行的效率和質量，還能為經濟社會的可持續發展提供強有力的技術支撐?？偟膩碚f，算

21、網能一體化的研究意義主要在于以下幾個方面：（1）資源優化利用：算力、網絡和能源是數字化時代的核心資源。通過算網能一體化的管理和協同發展，能夠實現算力、網絡和能源資源的最佳配置和利用。這將促進整體效率和性能的提升，為各行業提供更強大的數據處理和分析能力。具體而言，算網能一體化能夠通過智能調度和動態分配資源，避免資源浪費，提高資源利用率。例如，在高峰期，可以將更多的算力和網絡資源分配給急需的業務，同時在低峰期合理減少資源投入，從而實現資源的最大化利用。（2）降低能源消耗：在數據中心和網絡設施中，能源是一個非常重要的資源。通過算網能一體化，可以實現能源的智能調控和優化，降低能源消耗，減少環境影響。這

22、符合國家對于能源節約和減排的要求，也為可持續發展提供了支持。通過應用先進的能源管理技術和算法，如負載均衡、智能溫控和能效優化等，可以顯著降低數據中心的能耗。例如，采用液冷技術和優化的氣流管理，可以有效降低數據中心的制冷能耗，從而減少整體能源消耗。8 （3）提升服務質量：算網能一體化可以實現算力、網絡和能源的互聯互通，共享資源，提高服務的響應速度和質量。對于用戶來說，這意味著更快速、更可靠的服務體驗，滿足了用戶對高性能和高可靠性的需求。通過統一管理和調度各類資源，可以減少服務延遲，提高數據處理速度，增強系統的容錯能力和穩定性。例如，在面對突發的高流量請求時，系統能夠迅速響應并動態調整資源分配，確

23、保服務的連續性和穩定性。（4）支持新業務模式：一體化的算網能架構能夠為新興領域的業務模式提供支持，例如生成式人工智能（Artificial Intelligence Generated Content，AIGC）和物聯網等。這有助于推動數字經濟的蓬勃發展，為創新和新業務的孵化提供基礎。具體來說，算網能一體化可以為這些新業務提供高效的數據處理和傳輸能力，支持其大規模數據分析和實時處理需求。例如，AIGC 需要大量的算力和數據傳輸帶寬，算網能一體化可以通過優化資源分配和管理，滿足其對高性能計算和低延遲通信的需求（5）提高系統靈活性：算網能一體化能夠實現資源的動態分配和調度，提高系統的靈活性和可擴展

24、性。這使得數據中心能夠適應不斷變化的業務需求和環境條件，提供更靈活、可靠的服務。通過使用虛擬化和容器化技術，可以實現資源的快速部署和遷移，減少系統的停機時間和維護成本。例如，當某個服務器出現故障時，可以迅速將其工作負載遷移到其他服務器上，確保服務的連續性和可靠性。9 （6）降低管理成本：通過統一編排管控調度多種資源，可以簡化管理流程，降低管理成本，提高管理效率和可維護性。這使得數據中心能夠更好地應對大規模數據存儲、處理和傳輸的需求，并滿足復雜的業務場景。通過自動化運維和智能監控技術，可以減少人工干預，降低人力成本，并提高系統的可靠性和穩定性。例如，通過自動化腳本和工具，可以實現對數據中心的遠程

25、管理和故障排除，減少現場維護的需求。算網能一體化是一種有利于提高資源利用效率、降低能源消耗、提升服務質量、支持新業務模式、提高系統靈活性和降低管理成本的發展趨勢，對于推動數字化和綠色低碳轉型以及促進信息技術的創新具有重要意義。隨著技術的不斷進步和應用場景的擴展，算網能一體化將進一步發揮其重要作用，推動社會和經濟的可持續發展。1.3 需求分析需求分析 算網能一體化是在各種需求的推動下產生的，本節將從國家戰略需求、產業發展需求、技術演進需求、用戶需求和功能需求五個方面進行分析。1.3.1 國家戰略需求分析國家戰略需求分析 隨著我國數字經濟的迅速崛起，數字化轉型深入各行業，新興業務如增強現實（Aug

26、mented Reality，AR）/虛擬現實（Virtual Reality，VR）、自動駕駛、遠程醫療和人工智能大模型等對網絡的計算和數據 10 傳輸能力提出了更高要求。算力作為新型生產力，其重要性日益凸顯，我國也在大力推動算力基礎設施的建設和布局。近年來，國家出臺了一系列重要政策，如新型數據中心發展三年行動計劃（2021-2023 年）關于加快構建全國一體化大數據中心協同創新體系的指導意見 全國一體化大數據中心協同創新體系算力樞紐實施方案“十四五”國家信息化規劃“十四五”數字經濟發展規劃等，系統性地規劃了我國一體化大數據中心協同創新體系和算力樞紐體系，推進云網協同和算網融合發展，促進基礎

27、設施智能升級。在京津冀等 8 個地區，國家啟動了算力樞紐節點建設，并規劃了 10 個國家數據中心集群，全面啟動“東數西算”工程，通過統籌全國算力資源，將東部地區的數據計算需求合理分配到西部地區，優化數據中心布局，促進東西部協同發展，實現算力資源的高效利用?！皷|數西算”工程助推數據中心快速發展，但數據中心的能耗問題也日益受到重視。在碳達峰、碳中和的背景下，國家發改委鼓勵企業通過優化建設運維模式、技術升級和利用可再生能源等方式降低數據中心的能耗和碳排放。算力基礎設施高質量發展行動計劃同樣強調了綠色低碳發展的理念，提升算力設施的能源利用效率和算力碳效水平。建設能源算力網絡是實現“東數西算”工程的關鍵

28、任務。通過構建數據中心、能耗、網絡協同融合的新型算力網絡，將東部算力需求 11 有序引導到西部地區，優化數據中心布局，促進東西聯動，實現算力的高效調度和使用。具體措施包括：全國算力統籌和調度，靈活整合算力資源，配套可再生能源，規范行業綠色化發展。能源算力網絡圍繞“東數西算”戰略工程，解決當前互聯網面臨的主要問題，開展互聯網體系結構的創新研究，探索適合我國未來能源算力網絡發展的技術路線和發展道路。算網能一體化不僅是技術創新的需要，更是國家戰略發展的需求，通過優化資源配置，降低能源消耗，提升服務質量，支持新業務模式，增強系統靈活性和降低管理成本，算網能一體化將為我國數字經濟和綠色低碳轉型提供強有力

29、的支撐，為信息技術的創新和應用開辟廣闊的前景。1.3.2 產業發展需求分析產業發展需求分析 工業和信息化部等六部門聯合印發 算力基礎設施高質量發展行動計劃，計劃指出要加快建設能源算力應用中心，支撐能源智能生產調度體系，實現源網荷互動、多能協同互補及用能需求智能調控。推動鼓勵龍頭企業以綠色化、智能化、定制化等方式高標準建設數據中心，充分利用現有能源資源優勢，結合自身應用需求，提供“能源流、業務流、數據流”一體化算力。同時計劃強調要提升資源利用和算力碳效水平。持續開展國家綠色數據中心建設，鼓勵企業加強綠色設計，加快高能效、低碳排的算網存設備部署，推動軟硬件協同聯動節能。支持液冷、儲能等新技術應用，

30、探索利用海洋、山洞等地理條件建設自然冷源數據中心，優化算力設施電能利用效率、水資源利用 12 效率、碳利用效率，提升算力碳效水平；引導市場應用綠色低碳算力。積極引入綠色能源，鼓勵算力中心采用源網荷儲等技術，支持與風電、光伏等可再生能源融合開發、就近消納，逐步提升算力設施綠電使用率。加快探索構建市場導向的綠色低碳算力應用體系，推動業務模式、計費模式和管理模式創新；賦能行業綠色低碳轉型。推動算力設施在工業等重點行業發揮應用賦能作用，支撐行業數據分析、動態監測、工藝優化等生產環節創新，促進企業經營活動數字化、智能化發展，助力行業節能減排，構建“算力+”綠色低碳生態體系，降低社會碳排放總量。由此可見，

31、隨著綠色數據中心建設需求的逐漸增加，企業將越來越重視綠色設計和部署高效能、低碳排放設備。通過對算力中心的設計、建設、技術選型以及設備選擇等方面的引導，逐步提升算力的碳效水平將成為行業共同的追求。市場對綠色能源的需求也將呈現逐步增長的趨勢。為了滿足這一需求，算力中心需要積極采用技術手段，整合可再生能源，并實現可再生能源的融合開發和就近消納，從而提高綠色電力在設施中的使用率。在重點行業中，對算力設施的應用賦能作用將成為關注焦點。這意味著需要支持生產環節的數據分析、監測和優化，以實現數字化、智能化發展。通過這些舉措，行業可以降低能源消耗和碳排放，構建起“算力+”的綠色低碳生態體系，推動行業朝著綠色低

32、碳的方向邁進。13 1.3.3 技術演進技術演進需求分析需求分析 隨著以 AIGC（生成式人工智能）為代表的人工智能應用、大模型訓練快速崛起，帶動智能算力需求爆發式增加。同時，在我國數據中心快速發展的推動下，基礎算力規模仍將持續增長?；A算力、智能算力、超算算力相互融合滲透，以滿足多樣化智能場景對多元化算力的需求。而大規模算力發展需要消耗大量能源，根據工信部數據，2022 年我國基礎設施算力規模達到 180EFlops（每秒百億億次浮點運算次數），數據中心耗電量達到 2700 億千瓦時。預計到 2025 年，我國算力規模將超過 300EFlops，智能算力占比達到 35%，數據中心耗電量達到

33、3500 億千瓦時。根據綠色算力白皮書（2023）預測，到 2030 年我國數據中心耗電量將達到 5900 億千瓦時。算力的大規模部署和應用不僅消耗大量能源，同時也帶來碳排放問題。以數據中心碳排放為例，數據中心碳排放主要來源于 IT 設備、空調系統、電源系統、照明系統等電力消費產生的間接排放，根據生態環境部環境規劃院發布的中國區域電網二氧化碳排放因子研究（2023），目前我國各省平均電網排放因子約 0.61 千克/千瓦時，若 2025 年、2030 年各省平均電網排放因子保持目前的水平不變，則2025 年、2030 年我國數據中心間接碳排放量將分別達到 2.1 億噸、3.5 億噸。隨著新型電力

34、系統建設加快，新能源大規模開發，電源結構持續優化，綠色電力占比不斷提高，各省平均電網排放因子將穩步下降，帶動數據中心間接碳排放減少，預計 2025 年、2030 年減排潛 14 力分別約為 0.3 億噸、0.8 億噸，推動算力產業綠色可持續發展。在此背景下，比特（通信網絡）與瓦特（能源）之間的融合成為了關鍵議題，這種融合不僅關乎技術的先進性，更涉及能源利用的效率和環境的可持續性。比特與瓦特的融合，要求我們在追求計算能力、網絡能力提升的同時，注重能耗的管理和優化。這不僅有助于實現可持續發展目標，也能夠在全球能源緊張的背景下，為算力網絡產業的長期發展提供堅實的保障，實現算力、網絡與能效的最佳平衡，

35、推動綠色算力網絡的高質量發展。1.3.4 用戶需求分析用戶需求分析 算網能一體化平臺的用戶包括資源供應方和資源需求方。資源供應方包括算力供應方、網絡供應方和能源供應方，而資源需求方則需要高效、經濟和安全的計算資源。首先，算力供應方的核心需求是利用可再生能源，如太陽能、風能和水能，以減少碳排放和對不可再生能源的依賴。他們可能需要與可再生能源供應商合作，并購買可再生能源證書。算力供應方還需要重新思考數據中心的設計，以確保其可持續性，包括采用模塊化設計，以支持逐步擴展和優化，選擇地理位置便于使用可再生能源，以及使用高效的設備和基礎設施。此外，為確保服務的連續性，算力供應商需要制定災難恢復和備份計劃，

36、以應對潛在的能源供應中斷或其他問題，減少業務中斷的風險。其次，網絡供應方需要優化其基礎設施以降低能源消耗。這包括 15 采用更高效的網絡設備、智能網絡管理技術和高帶寬光纖。網絡供應方還需不斷升級數據傳輸技術，提高傳輸效率，減少能耗，并與數據中心合作，確保綠色數據中心和網絡互聯的實現。同時，維護網絡安全以防范能源供應鏈的網絡攻擊也是其重要任務。能源供應方則需實時監測電力生產過程，確保高效能源轉化和最低資源浪費。他們需進行負荷預測和運營成本優化，管理可再生能源，確保穩定的電力供應。通過智能資源分配，能源供應方可以在電網供電充足時將更多計算任務分配給數據中心，提高資源利用率，在電網供電不足時減少能源

37、消耗。資源需求方需要高效的計算資源，包括強大的處理能力和靈活應對不同計算負載的能力。他們希望獲得可擴展、高性能的計算資源以滿足不斷增長的數據處理需求，同時控制成本，實現經濟效益。此外，數據安全和隱私保護也是需求方的重要關注點，他們需要計算資源提供高水平的安全性和隱私保護。由于業務需求的不確定性，資源需求方還需要高度的可伸縮性，能夠根據業務波動靈活調整計算資源的規模。1.3.5 功能需求分析功能需求分析 算網能一體化平臺應具備實現和驗證新型體系結構、新理論、新方法、新技術和新應用的能力。從資源供應方的角度來看，平臺需要提供廣泛的交易市場，通過智能合約技術實現算力資源的共享和支付自動化，確保供應方

38、獲得應 16 有的報酬。平臺應幫助供應方更有效地管理數據中心資源，降低維護和運營成本，提高資源利用率，并提供穩定收入。此外，平臺需具備強大的資源匹配算法，實現高效的資源分配和公平交易，并提供全面的資源監控功能和智能化運維工具，確保網絡穩定性和可靠性。能源供應方需要平臺提供實時監測和數據分析功能，以提高電力生產效率和可持續性。從資源需求方的角度來看，平臺應提供靈活的定價策略，動態調整價格，降低使用成本，并提供多樣化的合約模式，包括按需付費和長期合作模式，以滿足不同合作需求。平臺還需提供清潔、可再生能源選項，支持環保和可持續發展。資源需求方期望獲得高性能計算資源和高速穩定的網絡傳輸能力，以確保計算

39、任務高效執行和數據快速傳遞。平臺還應提供完善的數據安全措施，如數據加密和身份認證，保障用戶數據隱私和安全。同時，平臺應能靈活擴展或縮減資源，以適應業務變化，確保資源最佳匹配，并提供多種類型的資源選擇，滿足需求方的多樣化需求。綜上所述，算網能一體化平臺應滿足資源供應方和需求方的多方面需求，確保資源最佳利用率，降低使用成本，提高網絡穩定性和可靠性，支持環保和可持續發展，并提供高性能計算資源、穩定的網絡傳輸能力和完善的數據安全措施。17 1.4 算網能一體化發展目標算網能一體化發展目標 算網能一體化發展目標旨在使計算、網絡和能源資源領域實現深度融合，構建一個安全、高效、可適應的整合環境。這項任務不僅

40、僅是技術層面的整合和提升，更是涉及戰略、生態、社會各個方面的系統工程。通過多方協作和創新，算網能一體化能夠推動各領域的協同發展，形成一個相互支持、共同進步的生態系統。首先，算網能一體化的首要目標之一是構建安全可靠的系統架構和技術方案。在當前數字化時代，網絡安全問題日益突出，各類安全威脅和風險不斷涌現。因此，算網能一體化需要致力于研發先進的安全技術，建立完善的安全管理體系，確保系統運行的安全性和可靠性。這包括數據加密、身份認證、訪問控制等方面的技術手段，以防范網絡攻擊、數據泄露等安全威脅，保護用戶隱私和數據安全。通過在這些關鍵領域的投入和研究，能夠為算網能一體化的穩定運行奠定堅實的基礎。此外，安

41、全架構還需要具備應對突發事件的能力，通過災難恢復和應急響應機制，確保系統在各種極端情況下依然能夠穩定運行。其次，整合計算、網絡和能源資源可以提高資源利用效率和能源利用效率。通過優化系統設計和運行方式，減少能源消耗，實現節能減排和可持續發展。例如，采用智能化調度技術，根據實時負載情況調整資源分配，提高能源利用率；利用能源管理系統監控和優化能源消耗，實現節能減排目標。這種高效能源利用方式既有利于降低運營成本，又有助于減少環境污染，實現經濟效益和環境可持續性的雙贏 18 局面。此外，通過對計算資源的優化管理，還可以減少資源的閑置和浪費，提高系統的整體性能和響應速度。結合綠色能源技術，如太陽能、風能等

42、，進一步提升系統的環保水平，實現真正的綠色計算和綠色網絡。圖 1-1 算網能一體化發展目標圖 智能化是算網能一體化的重要特征之一。通過引入人工智能、大數據分析等技術，實現系統的自動化運行、智能調度和自適應優化。例如，利用機器學習算法分析網絡流量模式，實現智能負載均衡；通過預測性維護技術，提前發現和解決系統故障，提高系統的穩定性和可靠性。智能化技術的應用不僅提升了系統的智能化水平，也增強了系統對不確定性和變化的適應能力，為用戶提供更加智能化、個性化的服務體驗。同時，這種智能化的應用還能夠顯著提升系統的效率和管理水平，減少人為干預所帶來的誤差和風險。通過不斷迭代和優化智能算法，系統能夠不斷學習和適

43、應新的需求和環境變化，保持長期的競爭優勢。算網能一體化還應注重可持續發展。在資源有限、環境壓力增大 19 的背景下，如何實現經濟發展與環境保護的良性循環成為重要課題。通過采用清潔能源、優化能源利用結構等措施，降低碳排放和資源消耗，推動能源消費方式的轉型，實現可持續發展目標。同時，算網能一體化還可以促進信息化和數字化轉型，推動經濟結構的升級和創新，為可持續發展提供新動力。例如，通過區塊鏈技術實現能源交易的透明化和高效化，利用物聯網技術實現能源設備的智能管理和監控等?？沙掷m發展的理念還應貫穿于整個系統的設計、建設和運營過程中，從源頭上減少資源浪費和環境污染，推動綠色經濟和循環經濟的發展。最終，算網

44、能一體化的發展旨在優化服務質量和用戶體驗。通過構建穩定可靠的服務環境，滿足用戶多樣化的需求和場景應用，提高服務的響應速度和可用性，增強用戶的滿意度和粘性。這不僅有利于企業提升競爭力，也有助于推動數字經濟的發展，促進產業升級和轉型。在這個過程中，用戶需求的精細化和個性化將成為推動算網能一體化技術發展的重要動力。例如，通過大數據分析用戶行為和需求，提供定制化的解決方案和服務；通過虛擬現實和增強現實技術，提升用戶的交互體驗等。與此同時，用戶反饋和需求分析將不斷反作用于系統的優化和改進，形成一個良性循環，不斷提升整體服務水平和用戶體驗。綜上所述，算網能一體化的發展是一項復雜而全面的工程，需要政府、企業

45、、學術界等多方共同努力，形成合力推動。在安全、高效、智能、可持續的基礎上，算網能一體化能夠實現其最終目標，為社會 20 經濟發展和人民生活改善作出更大貢獻。通過構建一個高度集成和優化的系統，算網能一體化不僅能夠提升現有資源的利用效率和管理水平，還能夠為未來的發展提供更加堅實的技術和管理基礎。各方的協同合作和持續創新，將為實現這一目標提供不竭動力，使算網能一體化成為推動社會進步的重要引擎。21 二、二、算網能一體化架構算網能一體化架構 算網能一體化架構基于分層思想設計，包括基礎設施層、感知層、模型層、控制層、智腦層、應用服務層、數據層和安全層，助力計算資源、網絡資源和能源的靈活調度與共享互聯，實

46、現數字化、智能化和綠色化。如圖 2-1 所示，本章將給出算網能一體化架構的詳細設計描述。（1）基礎設施層）基礎設施層 基礎設施層包括算力基礎設施、網絡基礎設施和能源基礎設施，用于建立穩定、高效、安全和適應性強的計算環境；支持多樣化任務，確保網絡可靠性、安全性和效率；確保能源操作可靠、高效和安全以滿足需求。（2）感知層）感知層 感知層主要包括算力資源感知、網絡資源感知和能耗資源感知，對基礎設施層資源進行感知，以更有效地管理和優化資源使用，使整個系統更智能、靈活，實時調整資源配置，提高系統性能和效率，滿足多樣化任務的需求。22 圖 2-1 算網能一體化架構圖（3）模型層）模型層 模型層將物理基礎設

47、施映射到數字世界，包括算力、網絡和能源的建模和分析。算力模型、網絡模型、能源模型和整合模型為該層的主要組成部分，其中算力模型包括計算資源模型和負載模型，網絡模型涵蓋拓撲結構模型和帶寬時延模型，能源模型包括功耗模型和能源消耗模型，整合模型分為整體系統模型和實時狀態更新。模型層為綜 23 合優化和管理算力、網絡和能源提供全面的數字化表示和分析。（4）控制層）控制層 控制層包括算力控制、網絡控制和能源控制。在算力控制方面，有四種控制器，分別是中心云控制器、邊緣云控制器、多云集成控制器和端控制器。在網絡控制方面，主要包括網絡測量、隨流檢測、分發調度和基于 IPv6 的段路由（Segment Routi

48、ng over IPv6，SRv6）等。能源控制包括無線能控制器、傳送能控制器、互聯網數據中心（Internet Data Center，IDC）能控制器和機房能控制器等。這些組件負責不同領域的資源控制和管理任務，并確保整個系統穩定、高效和可靠地運行。（5）智腦層）智腦層 智腦層包含分析建模、能耗預測、自智運維、成本決策、資源統一管理、能力統一封裝、一體化抽象、算網優化調度和可持續綜合優化調度等功能模塊。智腦層通過智能決策和資源優化，實現系統的高效運行和可持續發展。其具體目標包括：深度分析系統資源，預測能源需求；實現系統的自動化維護和故障處理；進行成本效益分析和集中管理資源；提升系統的靈活性、

49、擴展性、穩定性以及整體性能與能效。（6）應用服務層）應用服務層 應用服務層包括綠色算能交易、綠色算能運營、用戶管理平臺、智能運維平臺等服務，提供工具和技術來管理和優化業務運營，支持 24 基于信息的決策，提高效率、降低成本，并確保所需的服務質量；包括算力、網絡和能源供應方以及資源需求方等角色，負責提供資源和獲取所需的資源。（7）數據層）數據層 數據層包括數據采集、數據存儲、數據預處理、實時數據流處理、歷史數據分析、數據集成和數據質量管理等功能，負責從多源數據中采集信息，存儲并預處理，支持實時數據流處理和歷史數據分析，提升數據一致性和完整性，為智能決策和優化提供數據基礎。（8）安全層）安全層 安

50、全層涵蓋了身份認證、訪問控制、數據加密、隱私保護、網絡安全防護、風險評估檢測和應急響應恢復。這些組件協同工作構筑全面而有力的安全防線，保護系統免受各類威脅和風險。25 三、三、算網能一體化關鍵技術算網能一體化關鍵技術 算網能一體化通過綜合考慮算、網、能三維度資源的聯合優化實現高效可信可持續的綠色計算。首先需要設計資源感知和任務度量機制，在此基礎上，進一步圍繞調度、交易、安全保障和自智等方面等開展深入研究。本章將針對算網能資源感知模型、算網能資源度量模型、算網能一體化調度機制、算網能一體化交易機制、算網能一體化安全保障機制和算網能一體化自智技術六個關鍵技術進行介紹。3.1 算網能資源感知模型算網

51、能資源感知模型 算網能資源感知是算網能調度的重要基礎技術之一，傳統算網資源感知機制存在感知標準不統一、性能割裂、速度差異、感知精度低等問題，且無法為能源感知提供解決方案。因此，如何構建面向時域自適應的算網能資源感知機制以擴展一體化感知維度，提升感知精度，優化傳統算網感知策略，為構建綠色算力服務奠定基礎，成為了算網能協同研究亟待解決的問題。為實現算網能資源的協同感知，可從算力資源、網絡資源、能耗資源進行資源實時監測，從而構建協調統一的資源一體化感知技術。算力資源監測系統采用了智能型平臺管理接口（Intelligent Platform Management Interface，IPMI）和 Pr

52、ometheus 等先進監控系統，以實現對算力硬件設施和操作系統指標的全面信息采集。其次，26 算力資源監測系統還通過與公有云運營商的資源監控應用程序編程接口（Application Programming Interface，API）進行對接，實現對云端計算資源的監控。圖 3-1 算網能資源感知模型 網絡資源感知通過信道監測手段利用信道監測手段和 API 接口與網絡控制器進行連接，網絡資源感知能夠詳盡地探測網絡中的各項指標，包括但不限于丟包率、延遲、成本、負載、吞吐量、數據庫調用率以及邊緣存儲訪問速率。能耗感知方面，面向能源感知流程，能源監測系統在源頭上針對能源供應企業的綠電供應與非綠電供應

53、進行感知，包括監測能源節點的能源產出情況，區分可再生能源（綠電）和非可再生能源。資源感知也涉及對能源的質量、穩定性等方面的實時監測，同時感知能源供應節點在供應策略，供應質量上的數據波動，通過整合智能預測和自適應控制算法，優化算力網絡對能源的利用。27 3.2 算網能資源度量模型算網能資源度量模型 用戶需求作為算網能一體化服務平臺的重要輸入，首先經過任務度量平臺對用戶的算網能需求進行解讀，才能給用戶提供具有針對性與專業性的算網服務。然而隨著算力網絡任務的復雜性不斷提升，算網設施異構性不斷增強，數據中心能耗不斷增加，提供具有普適性的精確度量方案變得愈發困難。為了實現針對算力需求、網絡需求與能耗需求

54、的精準度量，可以從算網任務的角度入手，分析不同類型不同場景下的算網任務需求特征，采用構建具有普適性模型的方法構建算網能資源度量模型?？紤]通過構建度量算法的方式實現針對算網任務需求的準確度量。從算法構建的角度入手，我們考慮構建雙層度量算法，采用神經網絡與 LightGBM 算法結合的方式擬合分析海量算力業務與服務場景數據構建任務服務模型，針對不同場景不同特征輸出對應的資源消耗情況，基于算網能度量數據集，劃分任務類型、任務場景以及服務等級。以浮點數據的形式記錄的任務負載、算力資源、網絡資源以及能耗資源，是主要的擬合分析數據，將這些任務輸入模型進行學習與訓練，實現具有普適性的準確度量。結合算網任務資

55、源需求的層次結構，提出面向任務的算網能資源度量模型架構。該架構主要包括兩個分層映射模型：任務類型-算網資源分層映射模型，以及算網資源-能耗資源分層映射模型。度量模型接收到輸入的用戶需求、服務類型、服務場景以及任務負載數據后，28 會分階段完成對該算力任務的算網能資源度量工作，并將度量結果反饋至算網能資源調度平臺和電力中心。為了增加模型的普適性，針對不同類型，不同場景的算力服務，場景分析模塊都會指向該場景下最具有典型性與準確性的算力特征指標。度量得到的能耗資源作為數據中心向電力中心購買能源服務的參考依據，模型會對未來的服務業務進行能耗預測，提前進行儲能布局。度量得到的算網能資源將輸入算網能一體化

56、資源調度模型中，為算力路由以及算網能資源調度提供重要的數據基礎。圖 3-2 算網能綜合度量架構圖 為形成一種具有普適性的算網資源度量方案，在多層映射度量過程中，度量模型借助神經網絡擬合模型構建基于神經網絡的時間序列擬合預測算法，通過訓練服務器捕獲的海量數據構建擬合模型，分別為兩次映射進行模型訓練，以預測該任務未來周期下算網節點的可用算力資源、網絡資源以及能耗資源，將度量工作實際落地，構建精確的算網能資源度量模型，保持度量過程中的細粒度工作特性，提高度 29 量模型對于不同服務類型的針對性與普適性。3.3 算網能一體化調度機制算網能一體化調度機制 研究算網能一體化將面臨包括復雜的能源供需動態，算

57、力網絡的能源消耗高度動態，等在內的一系列巨大挑戰，這增加了能源調度的復雜性。其次在能源成本管理方面，算力網絡的運行成本主要集中在能源消耗上，如何有效管理能源成本、降低運行成本是關鍵問題。再者也需克服技術與經濟優化，需要平衡技術優化（如算力網絡的穩定性和效率）與經濟優化（如最小化能源成本和最大化收益）之間的矛盾。算網能一體化調度機制的研究，首先針對算網能協同體系由于交互繁雜、主體多導致調度流程復雜的問題，對算網能調度進行統一建模，在系統模型的基礎上，為應對用戶多樣化的服務質量（Quality of Service，QoS）需求，克服資源的時空不確定性，需研究融合時空特性的綜合優化調度機制以實現綠

58、色計算；最后，為應對復雜系統管理的難題，研究面向算網能波動特征的彈性資源擴縮容策略以賦予算網能協同系統自適應能力。算網能一體化調度系統如圖 3-3 所示，主要由六個部分組成，即用戶、算力供應方、網絡供應方、算網調度平臺、能源交易平臺和能源供應方組成。30 圖 3-3 算網能一體化系統資源調度示意圖 用戶通過購買算力服務和網絡服務來完成各自的任務，這些任務可能對時延、網絡可靠性等 QoS 需求有不同的要求。算力供應方是指為系統提供算力服務的各方，它們通過在能源交易平臺購入不同比例的電能，包括清潔可再生能源如光電、風電等和非可再生能源如火電等，以構建自身的能源比例。這種綠色能源比例直接關系到系統的

59、可持續性和環保性。網絡供應方是指為系統提供網絡服務的各方，它們同樣通過能源交易平臺購買電能，以確保網絡的高效運行和可靠性。網絡服務的質量對用戶體驗至關重要，特別是在對時延和網絡可靠性有嚴格要求的任務中。能源交易平臺充當算網供應方和能源供應方之間的橋梁，為算力供應方和網絡供應方提供各種電能選擇，包括光電、風電等清潔可再生能源以及火力發電能源。通過能源交易，系統能夠實現綠色能源的優化利用，同時降低對傳統能源的依賴，推動可持續發展。算網調度平臺是系統的大腦，通過分析用戶需求和當前資源情況，進行智能資源調度，以高效完成任務。這不僅能提升系統的整體 31 性能，還有助于實現綠色計算的目標，使系統更加節能

60、環保。3.4 算網能一體化交易機制算網能一體化交易機制 由于算力網絡目前正處于擴張和參與者增長的初期階段，多方算力交易技術已成為推動算力網絡發展的關鍵。算網資源異構化與能網資源時空隨機性特征嚴重影響算網能網絡進行多方多級資源交易的效率，進而導致了算網能參與方意愿度較低，綠色計算難以持續的問題。在算力網絡交易過程中，算力與能源交易平臺需根據供應方的資源模型和需求，接受算力供應方的資源。平臺則需制定符合資源特點的合約獎勵機制，以促進供應方的參與。實現算力供應方、用戶和能源供應方之間的可信交易激勵。在算力網絡資源商品定價上，交易平臺會考慮資源商品在資源質量、服務系數和能源類型上對資源價格的影響，確定

61、資源商品的基礎價格。業務負載則會影響資源的動態定價。通過綜合考慮這些因素，以更準確地描述價格規律。為有效地設計算力中心與能源中心的激勵交易機制，實現綠色高效交易目標，可通過結合博弈論和納什議價理論，進一步優化交易機制?？紤]到能源生產者、消費者和中介之間的利益關系，基于納什議價理論，設計能源交易的激勵機制，使多微網之間在交易中進行合作和協商。32 圖 3-4 算網能交易模型 3.5 算網能一體化安全保障機制算網能一體化安全保障機制 當前，算網能一體化安全保障機制面臨多重挑戰。首先是復雜多樣的安全威脅，從傳統的網絡攻擊到新興的人工智能和物聯網安全漏洞，安全挑戰持續增加。其次是數據隱私和個人信息保護

62、問題，如何在數據安全與用戶隱私之間取得平衡仍是亟待解決的難題。此外，缺乏統一的技術標準和規范，限制了算網安全保障機制的發展。算網能一體化安全保障機制是一種綜合性的解決方案，旨在確保算力網絡、信息網絡和能源網絡在整合運作時的安全性、可靠性與可持續發展。該機制可通過集成先進的加密技術、訪問控制、身份驗證、數據保護措施和能耗監控，為算力網絡的每個環節提供端到端的安全保護。算網能一體化交易保障合同是交易雙方在能源交易過程中簽訂的相關協議，確保各方權利和義務明確，交易過程合法合規。算網能一體化交易保障合同規定了能源供應的穩定性和可靠性，包括可能的 33 應急預案，并且詳細規定雙方在違約情況下的責任和賠償

63、措施以及確保交易中的商業信息和數據的保密性等內容。在實際部署中，算網能一體化安全保障機制需要與現有的網絡基礎設施、業務流程和能源供給結構緊密結合，以實現無縫的安全集成。圖 3-5 算網能安全保障模型 3.6 算網能一體化自智技術算網能一體化自智技術 算網自智模塊負責支撐網絡中的智能功能，一方面智能使能網絡對資源協同編排與調度、確定性管控與路由、智能互聯與可信共享等過程中涉及的網絡人工智能方法提供統一的框架和平臺支持，對算力節點上的網絡人工智能模型進行統一記錄和管理，增強智能共享的兼容性，實現網絡的 AI 原生、智能內生；另一方面網絡使能智能支撐和維護算力節點之間構建的可信交易機制，包括部署區塊

64、鏈共享交易系統、數據加密解密、節點及用戶認證等功能。算網能一體化自智技術融合了算法、網絡和人工智能的核心理念，旨在實現算力網絡的智能化管理和優化。技術層面上的挑戰是 34 算網能一體化自智技術面臨的核心問題之一。這種技術需要集成大數據分析、機器學習、自然語言處理等多種先進技術，以實現對復雜信息的理解和決策能力。同時，算網能力的發展還需要解決計算效率、算法優化、模型訓練和部署等多方面的技術難題，以確保系統的穩定性和性能。此外，安全性是算網能一體化自智技術亟待解決的另一個關鍵問題。算網能一體化自智技術首先通過網絡設備和傳感器采集算網狀態、能源流狀態、流量數據、用戶行為等信息。這些數據包括但不限于任

65、務數據、網絡流量、設備負載、能源消耗、用戶訪問行為等，通過大數據分析技術進行實時處理和分析，從而獲得對算力網絡運行狀態的全面了解，必須采取嚴格的安全措施來保護數據的隱私和完整性，防范黑客攻擊和數據泄露的風險。圖 3-6 算網能一體化自智平臺示意圖 研究算網能一體化自智技術首先要針對研究內容和目標構建智驅算網能一體化融合網絡試驗系統，在此過程中將利用智能模型對網絡中的節點資源進行編排和調度，并對網內的路由進行策略上的優化，實現網絡內的高精度、高性能路由與管控機制，并能夠在網 35 內根據相應的機制完成智能資源的分享，提高網內整體的性能。在成功完成了域內的設計實現和性能驗證之后，再進一步地嘗試將網

66、內的各項功能拓展到跨域的實現，完成不同域節點之間資源的分享和調度、協同以及編排功能。36 四、四、算網能一體化應用場景算網能一體化應用場景 算網能一體化將豐富和拓展算力資源、網絡資源以及能源的供給、應用和服務方式，提升服務的靈活性和高效性，有效降低服務的能耗和碳排放，實現高質量發展。算網能一體化聚焦于社會、工業的數字化和綠色化轉型，面向生活、應用中的新興業務，提供新型優質的解決方案，賦能各行各業。本章從社會生活和工業產業中的典型場景為例，簡述了算網能一體化的應用價值。但是，算網能一體化還在初步探索階段，時代也在不斷進步，未來將會涌現更多的算網能一體化業務和應用場景，這需要產學研界共同挖掘、深化

67、探索。4.1 智慧能源管理智慧能源管理 在智慧能源管理領域，算力網絡的應用正在通過集成大數據分析、人工智能算法和高速網絡通信，推動電網運行的智能化和高效化。智慧能源管理旨在通過實時監測、智能調度和預測分析，優化能源資源的分配和利用，以提高能源系統的效率、可靠性和可持續性。算力網絡首先通過高速網絡通信和傳感器技術，實現對電網各個節點的實時監測。這些傳感器能夠收集大量實時數據，如電力負荷、能源來源（包括可再生能源和傳統能源）、電池儲能狀態等。這些數據被傳輸到中心數據分析平臺，利用大數據分析技術進行深度挖掘和分析。37 在數據分析階段，人工智能算法發揮關鍵作用。通過機器學習、深度學習和優化算法，系統

68、能夠從歷史數據中學習和預測未來的能源需求和供應情況。例如，基于實時算力分析的能源供需情況，智能電網可以自動調整發電策略，包括調整發電量、轉向可再生能源的優先使用等，以最大化能源利用效率和減少能源損耗。智慧能源管理通過智能調度算法，優化電網中能源的分配和輸送。這些算法不僅考慮當前的負荷情況和供應能力，還結合長期的能源需求預測和市場變化，以制定最優的發電計劃和電力輸送路徑。例如，在高負荷時段，系統可以優先調動靈活性較高的能源資源，如電池儲能系統和分布式能源，以應對突發的需求增加，同時減少對傳統能源的依賴。智慧能源管理通過算力網絡的應用，不僅提升了電網的可靠性和經濟性，還推動了能源系統向更加可持續的

69、方向發展。未來，隨著第五 代 移 動 通 信 技 術（Fifth Generation Mobile Communication Technology，5G）和第六代移動通信技術（Sixth Generation Mobile Communication Technology，6G）的普及和更高性能計算技術的進步，智慧能源管理將進一步發展，可能涵蓋更廣泛的領域，如智能家居、電動車充電網絡的優化等。4.2 智能微網智能微網 智能微網和算力網絡的融合代表了能源管理和數據處理領域的 38 前沿發展，特別是在智慧社區和工業園區的應用中，這種結合有助于推動能源系統的高效、智能和可持續運行。智能微網是一個

70、局部的能源系統，旨在提供自給自足的電力解決方案。它通常包括可再生能源發電設備（如太陽能光伏板）、電池儲能系統和智能電網技術。智能微網通過集成這些組件，實現對能源的高效管理，包括實時監測、預測分析和優化調度。在需求高峰期間，智能微網可以調整能源供應策略，確保電力的穩定性，并最大化地利用可再生能源，降低碳排放。算力網絡指的是分布式計算資源的網絡，通過將計算能力分散到靠近數據源的節點，實現高效的數據處理和實時響應。這些節點通常部署在邊緣位置，能夠減少數據傳輸延遲并提高處理速度。在智能微網中，算力網絡能夠顯著增強數據處理和分析的能力，支持本地化的決策和操作。智能微網與算力網絡的結合具有多方面的優勢。智

71、能微網需要處理大量來自不同傳感器和設備的數據，包括電力需求、發電量、儲能狀態等。算力網絡的引入，使得這些數據可以在本地快速處理，從而支持實時的能源需求預測和負荷平衡。例如，算力網絡能夠實時分析天氣數據和發電情況，迅速調整電力分配策略，以應對突發的需求變化或可再生能源的波動。傳統的能源管理系統依賴于中心化的數據處理，這可能導致延遲和系統響應滯后。算力網絡通過分散計算資源，使得智能微網能夠在 39 發生故障或需求劇增時，快速做出調整，提升系統的可靠性和穩定性。局部計算節點能夠在數據中心失效時繼續運行，確保系統的持續運作。智能微網集成了儲能系統和智能電網技術，而算力網絡則提供了先進的分析工具來優化這

72、些系統的運行。例如，通過實時數據分析，算力網絡能夠預測電力需求的高峰期，并自動調整儲能系統的充放電策略，以達到最佳的能源利用效率。隨著技術的不斷進步，智能微網與算力網絡的結合將越來越緊密，推動能源系統向更智能、更高效的方向發展。這種融合不僅能夠提升智慧社區和工業園區的能源管理水平，還將促進清潔能源的廣泛應用和碳排放的顯著降低。未來，隨著算力網絡技術的普及和成本降低，智能微網將更廣泛地部署，實現更加可持續和智能的能源系統。4.3 綠色數據中心運營管理綠色數據中心運營管理 綠色數據中心在當今信息技術快速發展的背景下，成為了推動可持續發展和減少碳足跡的關鍵創新之一。東數西算工程作為一個典型實例，展示

73、了如何通過結合可再生能源和先進技術，實現數據中心的綠色低碳運營。東數西算工程通過將數據中心布局在可再生能源資源豐富的地區，如風能和太陽能資源充足的地帶，有效利用了這些地區的綠色能源優勢。這種布局策略不僅有助于降低數據中心的能源運營成本，還顯著減少了對傳統能源的依賴，從而減少了碳排放和環境影響。40 綠色數據中心采用先進的冷卻技術，如直接液冷技術（Direct Liquid Cooling）或間接空氣冷卻技術（Indirect Air Cooling），有效降低了能源消耗和碳排放。這些技術能夠在保持服務器運行溫度適宜的同時，最大限度地減少冷卻所需的能源消耗，提高能源利用效率。綠色數據中心還依賴于

74、先進的能源管理系統，這些系統能夠實時監測和調節數據中心的能源使用。算力網絡在此處發揮關鍵作用，通過動態調整負載和能源分配，確保數據中心在高效利用清潔能源的同時，保持良好的運行效率和性能。例如，在風能或太陽能波動較大的情況下，算力網絡能夠智能地調整工作負載，優化能源利用，確保不會因為能源供給的波動而影響服務質量。隨著技術的不斷進步和可再生能源的成本持續下降，綠色數據中心將會在全球范圍內得到更廣泛地應用和推廣。然而，仍面臨一些挑戰如技術成本、能源基礎設施的支持、數據中心規模擴展時的管理復雜性等。解決這些挑戰將需要政策支持、技術創新和行業合作，以推動綠色數據中心的發展，實現全球可持續發展目標。4.4

75、 智能制造智能制造 隨著信息技術的高速發展，人工智能等技術在工業制造領域開始廣泛應用，傳統制造業正逐漸向智能制造轉型。將算網能一體化引入智能制造領域，不但可以提高生產效率，還可以降低成本，實現綠色可持續發展。41 在產品生產過程中，利用物聯網，人工智能，工業互聯網等技術，各個設備之間可以實現互聯互通，進而實現各個生產環節的協同工作，在智能算法的協同優化調度下，可以實現從零部件采購到產品生產再到銷售的全流程自動化管理。同時，借助傳感器設備，系統可以實時監控整個生產流程，把控生產質量，確保生產安全。以上技術的實現需要強大的算力作為支撐，通過引入算網能一體化技術，算力可以通過網絡智能流轉，針對不同的

76、任務類型，系統可以選擇將任務上傳至不同的邊緣計算節點或云計算中心，以滿足不同任務對算力，時延，安全等方面的不同需求。經過系統的智能分配，各個任務可以在不浪費算力的情況下得到有效處理，既提高了生產效率，也降低了生產成本。同時，大量算力的消耗也意味著巨大的能源消耗，算網能一體化技術可以智能采購清潔能源電力，根據任務特點盡可能地減少算力消耗，這不僅可以促進工業生產更加綠色環保，實現可持續發展，也可降低企業的運營成本。綜上，將算網能一體化應用到智能制造領域，可以降本增效，實現創新和可持續發展。4.5 智慧醫療供應鏈智慧醫療供應鏈 通過集成算力、網絡和能源管理技術，醫療供應鏈體系能夠實現前所未有的透明度

77、和效率，智慧醫療供應鏈管理正在經歷一場深刻的變革。算力支持大數據分析和 AI 預測，網絡確保實時數據傳輸，而 42 能源管理優化了從疫苗冷藏運輸到醫療設備遠程監控的每一個環節。例如，智能倉庫利用物聯網傳感器和 AI 算法優化庫存，減少能耗，同時確保緊急物資快速調配，響應公共衛生事件。大數據技術通過對海量醫療數據的實時分析，供應鏈各環節的決策可以更加精準。AI 技術通過機器學習和深度學習算法，對供應鏈數據進行預測分析，從而優化庫存管理、采購計劃和物流路徑。另一方面，物聯網技術使得醫療設備和物資在供應鏈中的各個環節實現了互聯互通。傳感器和 RFID 標簽可以實時監控藥品、醫療器械等的庫存狀態、位置

78、和環境條件，確保其在運輸和存儲過程中的安全和質量。區塊鏈技術在醫療供應鏈中用于數據的透明和不可篡改性。通過區塊鏈，供應鏈各環節的數據可以實現共享，確保數據的真實性和可靠性，尤其在藥品溯源和防偽方面具有重要作用。結合大數據和 AI 技術，智慧醫療供應鏈可以實現智能庫存管理系統。通過對歷史使用數據的分析和預測，系統能夠動態調整庫存水平，避免儲備過度或短缺現象。此外，IoT 設備可以實時監測庫存狀態，確保數據的及時性和準確性。最后通過區塊鏈技術，可以實現供應鏈各環節的數據共享和協同工作。區塊鏈的去中心化特點確保了數據的透明和不可篡改，使得供應鏈各方可以實時訪問共享的數據，從而提高合作效率和信任度。4

79、.6 智能大模型能算協同智能大模型能算協同 隨著機器學習與人工智能的興起，大模型成為了一項新的科技角 43 逐賽道。然而訓練和部署超大規模語言模型（如 GPT-4）需要大量的計算資源和高效的數據傳輸，對算力設施與網絡設施都有著一定的性能要求。模型訓練涉及處理海量的文本數據，進行復雜的數學運算，這對計算能力和存儲有極高的要求。部署這些模型進行實時推理和服務也需要高速網絡連接，以確保低延遲和高效的用戶響應。算網能一體化技術能夠有效地管理和分配計算資源，實現對大規模模型訓練任務的高效調度和執行。通過智能資源管理和優化算法，算網能一體化技術可以使得訓練任務更加平穩地運行，提高了整體的訓練效率。其次，算

80、網能一體化技術還能夠提供全面的監控和分析功能，幫助用戶實時了解模型訓練的進展情況和資源利用率，從而更好地優化訓練策略和資源配置。另外，在大模型訓練場景中還具備高度的靈活性和可擴展性。它能夠適應不同規模和復雜度的訓練任務，并支持多種計算架構和硬件平臺的部署。這種靈活性使得用戶能夠根據需求對訓練環境進行定制化配置，從而更好地滿足不同應用場景下的需求?？偟膩碚f，算網能一體化技術在大模型訓練場景中的應用，能夠有效地提升訓練效率、降低成本，并為用戶提供更加靈活和可靠的訓練解決方案。4.7 自動駕駛能源數據管理自動駕駛能源數據管理 自動駕駛車輛通過 V2V 和 V2I 通信不斷產生大量的實時數據，包括車輛

81、位置、路況、電池狀態等。這些數據需要及時處理和分析，44 以便為車隊管理系統提供即時的路線規劃和充電計劃。算力網絡通過邊緣計算節點可以實現數據的實時處理，減少傳輸延遲，并快速生成對應的決策結果。算網能一體化能夠智能地調度每輛車的充電計劃，優先選擇使用可再生能源充電，如風能或太陽能。通過實時監測能源市場的變化和充電站的狀態，系統可以動態調整充電策略，確保在能源供應充足且成本最低的情況下滿足車隊的能量需求。通過算網能一體化的數據分析和優化，自動駕駛車隊能夠有效控制碳排放量。選擇使用清潔能源進行充電，減少對傳統能源的依賴，顯著降低整個車隊的碳足跡。這不僅符合環保要求，還有助于企業實現可持續發展目標，

82、提升品牌形象和社會責任感。隨著自動駕駛技術的進一步成熟和清潔能源的普及，算網能一體化在自動駕駛車隊能源數據管理中的應用將更加普遍和關鍵。然而，實現這一目標仍面臨著技術成本、能源基礎設施支持以及數據管理的復雜性等挑戰。通過持續的技術創新和跨行業合作，這些挑戰將逐步得到解決，推動自動駕駛車隊朝著更智能、更高效、更環保的方向發展。4.8 軌道衛星智能組網軌道衛星智能組網 軌道衛星智能組網技術通過先進的計算和通信技術實現衛星之間高效協作和資源優化分配，具有更高的自組織能力和網絡管理效率，45 也具有更好的資源優化效果和資源分配能力，由于其在算力、網絡與能耗資源方面有著顯著的需求，故衛星組網也是算網能一

83、體化的一個重要應用場景。在智能衛星組網場景下，衛星可以根據任務需求和環境變化，自主調整網絡結構，優化通信鏈路和數據傳輸路徑。當某顆衛星發生故障或失效時，其他衛星可以自動重新配置網絡，確保整體網絡的穩定性和可靠性。并且基于 AI 的路由算法，采用人工智能和機器學習算法，根據實時數據和歷史記錄優化數據傳輸路徑，提高傳輸效率和可靠性。在數據傳輸方面，衛星組網支持多路徑數據傳輸，降低單點故障風險，提升網絡容錯能力。在任務處理方面，衛星組網能夠利用深度學習與神經網絡算法，根據任務優先級和資源使用情況動態分配計算資源和通信帶寬，最大化資源利用率，并且衛星組網能夠融入分布式計算架構，通過多個衛星協同工作，分

84、擔復雜計算任務，提高計算效率和處理能力。也可以部署邊緣計算式衛星網絡，在衛星上進行初步數據處理和分析，減少數據傳輸量，降低服務延遲，將來自不同傳感器和衛星的數據進行融合處理，提高數據的精度和可靠性。并最終通過部署大量低軌衛星的方式，形成覆蓋全球的衛星網絡，實現低延遲、高帶寬的通信服務，通過智能化管理和調度低軌衛星星座，優化衛星的軌道和姿態，提升網絡性能。在網絡能耗與計算能耗方面，衛星組網通過優化計算和通信任務的調度，結合太陽能發電等綠色能源技術，降低衛星的能耗與碳排放，46 延長衛星的使用壽命。同時利用高級數據分析和機器學習技術，對衛星數據進行實時處理和分析，提供及時的綠色節能決策支持。4.9

85、 戰術網絡戰術網絡 戰術網絡是一種用于軍事和應急響應等高動態、高壓力環境中的通信網絡。這種網絡設計的目標是為現代戰爭提供可靠、快速、靈活的通信能力，以支持戰場上的指揮、控制、通信、計算、情報、監視和偵察等各種任務。因此其在可靠性與傳輸速率、傳輸時延與服務能耗等方面都具有一定的要求，是十分具有實踐意義的算網能一體化應用場景。戰術網絡需要提供低延遲的通信能力，以確保戰場信息的及時傳遞，支持實時決策和指揮，并且在戰斗或緊急情況下，戰術通信網絡必須具備很高的可靠性和安全性，能夠在惡劣環境下保持穩定運行。同時戰術網絡為了配合戰時復雜多變的戰場情況通常具有靈活的自組織網絡，能夠在無中心控制的情況下動態調整

86、和維護網絡連接，支持快速移動的部隊、車輛和設備的通信需求，能夠適應戰場環境的快速變化。另一方面，結合無線電、衛星通信、微波通信等多種方式的多層次通信能力，戰術網絡能夠在各種環境下實現有效通信，并且在戰術邊緣網絡、戰術中繼網絡和戰略網絡等多個層次的網絡協作之下，戰術網絡能夠為軍隊提供全方位的通信支持。為了保證通信安全，戰術網絡結合網內部署的算力設施，采用智 47 能強加密技術保護通信內容，能夠防止信息泄露和被竊聽，也能夠增強抗干擾能力，能夠在電子戰環境下保持通信暢通。同時，戰術網絡能夠自動檢測并修復故障，以確保通信的連續性，并通過冗余路徑和設備設計，增加網絡的容錯能力，防止單點故障導致通信中斷。

87、另一方面，戰術網絡利用人工智能和機器學習技術優化路由選擇，提高網絡的傳輸效率、能源利用效率和網絡可靠性。因此為了保證戰時網絡的安全性和穩定性，網絡中的算力供給變得十分重要。戰術網絡融入算網能一體化技術可以進行自動配置和管理功能，以此減少人為干預，提高網絡部署和維護的效率。并且結合戰術網絡中部署的各類傳感器、平臺和系統之間的信息共享，能夠提高態勢感知和決策支持能力，優化戰時網絡路由轉發決策，減少網絡不必要的能耗開支，推動節能轉發決策，降低網絡工作能源消耗以適應復雜的戰場環境。戰術網絡在現代軍事行動中扮演著關鍵角色。通過提供高效、可靠、安全的通信能力，戰術網絡為部隊在動態和高風險環境中保持戰斗力和

88、決策優勢提供了堅實保障，也是算網能一體化的重要應用場景。48 五五、算網能一體化發展建議算網能一體化發展建議 5.1 發展階段劃分發展階段劃分 目前算網能一體化的發展仍處在探索階段，無論是學術界還是產業界都在持續推進理論創新與工程實踐。算網能一體化發展涉及多方協同，不同領域之間需要打通技術壁壘，進行標準的升級互通與人才的交流協作，方案設計與技術落地都存在很多挑戰。因此，算網能一體化的發展應采取統籌規劃、循序漸進的方式，按照以下四個階段進行推進落地。5.1.1 起步階段起步階段 在這個階段，主要工作是基于傳統的算力網絡和能源系統構建起基礎的信息化設施，例如能源監控系統、遠程控制系統、資源感知系統

89、等，搭建底層資源感知網絡硬件，分別構建底層智能資源感知體系，提高能源系統的運行效率和管理水平，為資源的統一調度搭建底層設施。5.1.2 整整合階段合階段 在這個階段，開始將已搭建好的算力網絡技術體系與智能能源系統進行信息交互與功能整合，實現算網能一體化服務平臺對各個環節之間的數據感知和互聯互通，收集算網能任務數據體系，設計算網能 49 一體化資源調度模型，實現一體化調度管控，構建起較為完善的算網能資源管理平臺，完成對算力、網絡以及能源系統的綜合監測、智能調度和服務效率優化。5.1.3 智能化階段智能化階段 在這個階段，通過引入人工智能、大數據、物聯網等先進技術，實現能源系統的智能化管理和決策支

90、持，構建綜合任務度量機制，設計面向任務的算網能一體化度量模型，準確解讀用戶服務需求，提升平臺服務的準確性與靈活性，同時賦予能源系統自學習、自適應、自優化的能力，能夠更加靈活、高效地響應市場需求和能源供需變化。5.1.4 生態化階段生態化階段 在這個階段，算網能一體化平臺不僅僅關注能源系統的高效運行和管理，還將考慮到能源系統與環境、社會的整體融合。通過推動清潔能源、能源互聯網等概念的發展，引入碳排放約束，降低數據中心的高額碳排放，構建綠色算力，推動能源網絡的多維度調度，實現能源的可持續發展和生態環境的改善。5.2 發展建議發展建議（1）研究制定中長期發展規劃。結合算網能一體化領域產業鏈發展情況、

91、技術成熟度、經濟可行性等要素，盡快研究制定算網能一 50 體化中長期發展規劃，明確算網能一體化發展方向、目標和路徑，推動算網基礎設施與能源基礎設施協同規劃、建設及運行，出臺相關指導性意見和政策，引導算網能一體化高質量發展。（2）研究推動標準體系建設。研究建立涵蓋規劃設計、裝備采購、施工驗收、運行檢測、回收利用等全生命周期、全產業鏈的算網能一體化標準體系，加強國際、國家、行業等各層級標準銜接。（3）集中攻關關鍵技術。支持龍頭骨干企業組建算網能一體化“政產學研用”創新聯合體，聯合開展關鍵技術裝備研發創新，推動關鍵技術裝備自主可控。集中攻關算網基礎設施與能源基礎設施協同規劃及運行、綠色低碳、負荷預測

92、與柔性調節響應等關鍵技術，研究構建算網能一體化全生命周期數字孿生模型和數據，研發算網能一體化平臺等核心裝備平臺，支撐全生命周期、全產業鏈高效協同。（4）支持工程示范與經驗推廣。從國家層面加大對算網能一體化示范工程建設的政策支持力度，開展一批企業主導的國家級試點示范，加快積累算網能一體化實踐經驗，固化優化項目開發流程和商業模式，營造良好的產業發展生態。51 六六、總結與展望、總結與展望 近年來，隨著算力網絡和 AI、大數據等業務的飛速發展，算力網絡自身的能耗和碳排放激增，為響應國家“雙碳”戰略，促進產業綠色轉型，算力網絡亟需以通信網為骨架連接泛在異構的算力節點并通過融合能源特性實現“算力”和“電

93、力”協同優化以及算網能一體化，構建綠色的全國一體化算力網。但是，我們還必須清楚的認識到算網能一體化還處于發展的初期，還存在許多問題和挑戰亟需解決。例如算網能一體化架構設計、算網能資源感知和多樣化任務度量模型、算網能一體化調度和激勵機制等。白皮書通過介紹算網能一體化的發展背景、參考架構、關鍵使能技術、典型應用場景、算網能一體化發展面臨的挑戰和發展建議，試圖為大家詳細的描繪算網能一體化在未來發展中的美好愿景。期待在不遠的將來，算網能一體化能夠進一步賦能各行各業，推動人類向綠色低碳社會邁進。52 參考文獻參考文獻 1 工業和信息化部,中央網信辦,教育部等.算力基礎設施高質量發展行動計劃R.2023

94、2 郭亮.數據中心發展綜述J.信息通信技術與政策,2023,49(5):2-8.3 朱勇,羅軍舟,李偉.一種工作流環境下能耗感知的多路徑服務組合方法J.計算機學報,2012,35(3):627-638.4 郭力爭,張翼飛,趙曙光.數據中心環境下能耗性能感知的優化方法J.北京郵電大學學報,2015,38(s1):72.5 熊偉,李兵.云計算環境下基于能耗感知的彈性資源管理機制J.四川大學學報(工程科學版),2015,47(2):112-116.6 羅亮,吳文峻,張飛.面向云計算數據中心的能耗建模方法J.軟件學報,2014,25(7):1371-1387.7 Rossi M,Brunelli D.

95、Forecasting data centers power consumption with the Holt-Winters methodC/2015 IEEE Workshop on Environmental,Energy,and Structural Monitoring Systems(EESMS)Proceedings.IEEE,2015:210-214.8 Smpokos G,Elshatshat M A,Lioumpas A,et al.On the energy consumption forecasting of data centers based on weather

96、 conditions:Remote sensing and machine learning approachC/2018 11th International Symposium on Communication Systems,Networks&Digital Signal Processing(CSNDSP).IEEE,2018:1-6.9 楊麗娜,趙鵬,王佩哲.基于 GRU 神經網絡的數據中心能耗預測模型研究J.電力信息與通信技術,2021.10 吳美希,楊曉彤.算力五力模型:一種衡量算力的綜合方法J.信息通信技術與政策,2022,48(3):13.53 11 丁肇豪,曹雨潔,張素芳

97、,等.能源互聯網背景下數據中心與電力系統協同優化(一):數據中心能耗模型J.中國電機工程學報,2022,9:3161-3177.12 盧洪明,劉先鋒,周舟,等.機器學習方法的云數據中心能耗模型研究J.小型微型計算機系統,2023,44(9).13 Gu C,Liu C,Zhang J,et al.Green scheduling for cloud data centers using renewable resourcesC/2015 IEEE Conference on Computer Communications Workshops(INFOCOM WKSHPS).IEEE,2015:

98、354-359.14 溫正楠,劉繼春.風光水互補發電系統與需求側數據中心聯動的優化調度方法J.電網技術,2019,43(7):2449-2459.15 HanLiang X,HongYu P,Sha G,et al.Research on Energy Dispatching Strategy Based on Energy Forecast Algorithm for Data CenterC/2020 IEEE Intl Conf on Parallel&Distributed Processing with Applications,Big Data&Cloud Computing,Su

99、stainable Computing&Communications,Social Computing&Networking(ISPA/BDCloud/SocialCom/SustainCom).IEEE,2020:1444-1449.16 蘭洲,蔣晨威,谷紀亭,等.促進可再生能源發電消納和碳減排的數據中心優化調度與需求響應策略J.電力建設,2022,43(4):1.17 王志楊,張靖,何宇,等.數據與模型混合驅動的區域綜合能源系統雙層優化調度決策方法J.電網技術,2022,46(10):3797-3809.18 王肇國,易涵,張為華.基于機器學習特性的數據中心能耗優化方法J.軟件學報,201

100、4,25(7):1432-1447.19 馬惠榮,陳旭,周知,等.綠色能源驅動的移動邊緣計算動態任務卸載J.計算機研究與發展,2020,57(9):1823-1838.20 徐小龍,楊庚,李玲娟,等.面向綠色云計算數據中心的動態 54 數據聚集算法J.系統工程與電子技術,2012,34(9):1923-1929.21 Krl M,Mastorakis S,Oran D,et al.Compute first networking:Distributed computing meets ICNC/Proceedings of the 6th ACM Conference on Informati

101、on-Centric Networking.2019:67-77.22 面向敏捷邊云協同的算力感知網絡解決方案 J.自動化博覽,2020,(7):44-47.23 段曉東,姚惠娟,付月霞,等.面向算網一體化演進的算力網絡技術J.電信科學,2021,37(10):76-85.24 李一男,唐琴琴,彭開來,等.以服務為中心的算力網絡度量與建模研究J.信息通信技術與政策,2023,49(5):21.25 李建飛,曹暢,李奧,等.算力網絡中面向業務體驗的算力建模J.中興通訊技術,2020,26(5):34-38.26 雷波,劉增義,王旭亮,等.基于云,網,邊融合的邊緣計算新方案:算力網絡J.電信科學,

102、2019,35(9):44-51.27 姚惠娟,耿亮.面向計算網絡融合的下一代網絡架構J.電信科學,2019,35(9):38-43.28 雷波,王江龍,趙倩穎,等.基于計算,存儲,傳送資源融合化的新型網絡虛擬化架構J.電信科學,2020,36(7):42-54.29 龐冉,易昕昕,辛亮,等.算力網絡路由調度技術研究J.電信科學,2023,39(8):149-156.30 Zhu S,Ota K,Dong M.Green AI for IIoT:Energy efficient intelligent edge computing for industrial internet of thin

103、gsJ.IEEE Transactions on Green Communications and Networking,2021,6(1):79-88.31 Hou W,Ning Z,Guo L.Green survivable collaborative edge computing in smart citiesJ.IEEE Transactions on Industrial informatics,55 2018,14(4):1594-1605.32 Bebortta S,Senapati D,Panigrahi C R,et al.An adaptive modeling and

104、performance evaluation framework for edge-enabled green IoT systemsJ.IEEE transactions on green communications and networking,2021,6(2):836-844.33 李福昌,呂婷,曹亙,等.5G-A/6G綠色低碳技術現狀及發展趨勢J.信息通信技術,2023,17(4):32-38.34 王繼業,蒲天驕,仝杰,等.能源互聯網智能感知技術框架與應用布局J.電力信息與通信技術,2020,18(4):1-14.35 張天策,王劍曉,李庚銀,等.面向高比例新能源接入的配電網電壓

105、時空分布感知方法 J.電力系統自動化,2021,45(2):37-45.36 張睿祺,劉博,韋尊.非侵入式綜合能源系統源荷狀態聯合感知方法J.中國電機工程學報.37 曾鳴,劉英新,周鵬程,等.綜合能源系統建模及效益評價體系綜述與展望J.電網技術,2018,42(6):1697-1708.38 石亮緣,周任軍,李娟,等.基于時間序列相似性度量的新能源-負荷特性指標J.電力自動化設備,2019,39(5):75-81.39 林俊光,馮彥皓,林小杰,等.綜合能源系統源網荷儲動態建模技術進展J.熱力發電,2022.40 胡博,孫鎧彬,邵常政,等.面向全過程碳足跡的園區綜合能源系統碳感知與優化方法J.高

106、電壓技術,2022,48(7):2495-2504.41 周任軍,孫洪,唐夏菲,等.雙碳量約束下風電碳捕集虛擬電廠低碳經濟調度J.中國電機工程學報,2018,38(6):1675-1683.42 孫惠娟,劉昀,彭春華,等.計及電轉氣協同的含碳捕集與垃圾焚燒虛擬電廠優化調度J.2021 年江西省電機工程學會年會論文 56 集,2022.43 Shafiekhani M,Ahmadi A,Homaee O,et al.Optimal bidding strategy of a renewable-based virtual power plant including wind and solar

107、units and dispatchable loadsJ.Energy,2022,239:122379.44 張寧,朱昊,楊凌霄,等.考慮可再生能源消納的多能互補虛擬電廠優化調度策略J.發電技術,2023,44(5):625-633.45 朱霄珣,劉占田,薛勁飛,等.計及柔性負荷參與的綜合能源系統優化調度J.太陽能學報,2023,44(9):29-38.46 楊洪朝,楊迪,孟科.高比例可再生能源滲透下多虛擬電廠多時間尺度協調優化調度J.智慧電力,2021,49(2):60-68.47 陳厚合,王子璇,張儒峰,等.含虛擬電廠的風電并網系統分布式優化調度建模J.中國電機工程學報,2019,39(

108、9):2615-2625.57 附錄附錄 A：術語與縮略語：術語與縮略語 AI Artificial Intelligence，人工智能 AIGC Artificial Intelligence Generated Content，生成式人工智能 API Application Programming Interface，應用程序編程接口 AR Augmented Reality，增強現實 ARIMA Auto-Regressive Moving Average，自回歸滑動平均 CCEI Computing-Communication-Energy Integration，算網能一體化 CPE

109、 Customer Premise Equipment，用戶端設備 CPU Central Processing Unit，中央處理器 5G Fifth Generation Mobile Communication Technology，第五代移動通信技術 IDC Internet Data Center，互聯網數據中心 IPMI Intelligent Platform Management Interface，智能型平臺管理接口 LSTM Long Short-term memory，長短時記憶 QoS Quality of Service，服務質量 SD-WAN Software Defined Wide Area Network，軟件定義廣域網絡 SRv6 Segment Routing over IPv6，基于 IPv6 的段路由 VR Virtual Reality，虛擬現實