发布AI数据中心能源规划框架研究

2026年10月29日，Springer Nature提前分享一篇题为《面向人工智能数据中心扩张的可解释性感知自适应能源规划框架》的同行评审、已接收研究论文；该版本仍可能进一步编辑，并将自动被最终记录版本替代。研究团队提出面向AI数据中心扩张的能源规划框架，将供电表述为多准则组合配置问题，并输出帕累托有效组合。论文称，框架在美国和中国实施，采用透明评分规则、完整组合枚举，并围绕需求增长、技术成本、交付周期、偏好权重和可解释性参数开展敏感性分析。在2030基准情景中，论文称美国每个有效组合均将天然气与稳定化可再生能源配对，且由2030年前可部署资源构成的组合均未达到0.10 tCO2/MWh；中国的有效组合则根据环境绩效权重，涵盖煤电支撑以及核电加可再生能源等组合。研究还称，可解释性开销因方法而异，扰动类方法在每日100万次受审计决策下，每年可达数十至数百GWh。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。