Key technologies and prospects for flexible load modeling and computing-electricity coordinated regulation in intelligent computing centers

ZHU Jizhong; YANG Xiaoning; ZHANG Di; WANG Xiluo

doi:10.3969/j.issn.2097-0706.2026.08.001

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

Key technologies and prospects for flexible load modeling and computing-electricity coordinated regulation in intelligent computing centers

Basic Theory & System Architecture | 更新时间：2026-10-08

- Key technologies and prospects for flexible load modeling and computing-electricity coordinated regulation in intelligent computing centers
- BLASTING Vol. 48, Issue 8, Pages: 1-15(2026)
- 作者机构：
  
  1.华南理工大学电力学院，广州 510641
  2.太原理工大学电气与动力工程学院，太原 030024
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(U25B6016)
- DOI：10.3969/j.issn.2097-0706.2026.08.001
  CLC：
- Received：18 August 2026，
  
  Revised：2026-08-20，
  
  Online First：25 August 2026，
  
  Published：25 August 2026
- 稿件说明：
移动端阅览
朱继忠,杨晓宁,张迪等.智算中心柔性负荷建模与算电协同调控关键技术及展望[J].综合智慧能源,2026,48(08):1-15.

ZHU Jizhong,YANG Xiaoning,ZHANG Di,et al.Key technologies and prospects for flexible load modeling and computing-electricity coordinated regulation in intelligent computing centers[J].BLASTING,2026,48(08):1-15.
朱继忠,杨晓宁,张迪等.智算中心柔性负荷建模与算电协同调控关键技术及展望[J].综合智慧能源,2026,48(08):1-15. DOI： 10.3969/j.issn.2097-0706.2026.08.001.

ZHU Jizhong,YANG Xiaoning,ZHANG Di,et al.Key technologies and prospects for flexible load modeling and computing-electricity coordinated regulation in intelligent computing centers[J].BLASTING,2026,48(08):1-15. DOI： 10.3969/j.issn.2097-0706.2026.08.001.

摘要

针对智算中心柔性负荷来源分散、跨层耦合复杂及多园区电-算-碳协同缺乏统一框架等问题，以任务负荷、算力资源、设施设备、并网功率跨层传递链条为主线，系统综述了智算中心柔性负荷建模与算电协同调控研究。在方法上，首先区分离线、在线及混合3类工作负载的功率特征、可用调节动作与恢复反弹风险，归纳计算侧、电源侧和热管理侧柔性负荷的形成机制及其响应、持续与恢复的时间尺度差异，并明确多类柔性资源在协同调用中的先后次序。其次，总结基线负荷、柔性包络与不确定性预测方法，比较分时电价、可再生能源出力及爬坡指令等外部信号驱动下的典型需求响应模式，并从电网、设施和用户三侧归纳可交付容量、储能退化及服务质量代价等评价指标。随后，进一步分析多智算园区源-荷-储-算耦合架构、任务时空迁移机制、动态碳核算方法及电价、绿电与碳信号的协同传导过程，并对不同协同机制的驱动信号、优化目标与关键约束进行了横向比较。在结果与结论方面，智算中心柔性具有跨层级、多时间尺度和状态相关等特征，可靠参与电网调节的关键在于将内部可调潜力转化为可预测、可交付和可核验的聚合响应：可预测对应调用前的容量与置信度评估，可交付对应调用中的约束兑现能力，可核验对应调用后基于统一基线的量效核实，三者共同构成预测、承诺、调用、计量结算、滚动更新的工程闭环。同时，智算中心与传统数据中心在功率密度、同步通信及热安全边界等方面存在差异，部分传统结论仍需针对智算业务重新验证。最后，归纳了多能耦合、电网安全、规划运行协同、低碳价值计量、电网-算力网络跨区域协同及人工智能原生自主控制等未来重点发展方向，并指出现有研究在工程证据等级、负效应归纳及跨园区风险协同治理方面仍存在不足，为新型电力系统中算力负荷柔性挖掘与需求响应机制提供参考。

Abstract

To address the dispersed sources of flexibility， complex cross-layer coupling， and the lack of a unified framework for electricity-computing-carbon coordination across multiple intelligent computing parks， a systematic review of research on flexible load modeling and computing-electricity coordinated regulation in intelligent computing centers is conducted， with the cross-layer transmission chain from workloads， computing resources， facility equipment， and grid-connected power as the mainline. The power characteristics， available regulation actions， and recovery-related rebound risks of offline， online， and hybrid workloads are distinguished. The formation mechanisms of computing-side， power-side， and thermal-management-side flexibility are summarized， and the differences in response， duration， and recovery timescales as well as the priority relationships among different flexibility resources are clarified. Then， baseline load modeling， flexibility envelope characterization， and uncertainty-aware prediction methods are reviewed. Typical demand response modes driven by external signals such as time-of-use electricity prices， renewable energy output， and ramping commands are compared， and evaluation indicators including deliverable capacity， energy storage degradation， and quality-of-service costs are summarized from the perspectives of power grids， facilities， and users. Subsequently， the source-load-storage-computing coupling architecture， spatiotemporal workload migration mechanisms， dynamic carbon accounting methods， and coordinated transmission processes of electricity price， renewable energy， and carbon signals in multiple intelligent computing parks are analyzed. Different coordination mechanisms are further compared in terms of driving signals， optimization objectives， and key constraints. The review indicates that the flexibility of intelligent computing centers exhibits cross-layer， multi-timescale， and state-dependent characteristics. The key to reliable participation in grid regulation lies in transforming internal adjustable potential into predictable， deliverable， and verifiable aggregated responses. Specifically， predictability corresponds to capacity and confidence evaluation before dispatch， deliverability refers to the capability of satisfying operational constraints during dispatch， and verifiability represents the performance validation based on unified baselines after dispatch. Together， these three elements establish an engineering closed loop covering prediction， commitment， dispatch， measurement and settlement， and rolling updates. Meanwhile， intelligent computing centers differ from conventional data centers in terms of power density， synchronized communication requirements， and thermal safety boundaries， indicating that some existing conclusions require further validation for intelligent computing workloads. Future key development directions are summarized， including multi-energy coupling， power grid security， coordinated planning and operation， low-carbon value measurement， cross-regional coordination between power grids and computing networks， and AI-native autonomous control. Existing challenges are also identified in engineering-level validation， explicit consideration of adverse effects， and cross-park risk coordination， providing references for exploiting computing load flexibility and developing demand response mechanisms in new power systems.

关键词

Keywords

references

ZHANG Y B ， TANG H ， LI H X ， et al . Integration and interaction of next-generation AI-focused data centers with smart grids and district energy systems： The state-of-the-art， opportunities and challenges ［J］. Renewable and Sustainable Energy Reviews ， 2025 ， 224 ： 116097 .

WANG Y ， GUO Q L ， CHEN M . Providing load flexibility by reshaping power profiles of large language model workloads ［J］. Advances in Applied Energy ， 2025 ， 19 ： 100232 .

XIAO T Q ， NERINI F F ， MATTHEWS H D ， et al . Environmental impact and net-zero pathways for sustainable artificial intelligence servers in the USA ［J］. Nature Sustainability ， 2025 ， 8 （ 12 ）： 1541 - 1553 .

国家能源局 . 以算电协同赋能新型能源体系［EB/OL］. （ 2026-05-15 ）［ 2026-08-15 ］. https：//www.nea.gov.cn/20260515/d440735d02f442478b986b20c45ae996/c.html？spm=5176.28103460.0.0.28972988LPxkC2 https://www.nea.gov.cn/20260515/d440735d02f442478b986b20c45ae996/c.html?spm=5176.28103460.0.0.28972988LPxkC2 .

LI J ， BAO Z ， LI Z Y . Modeling demand response capability by Internet data centers processing batch computing jobs ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 2 ）： 737 - 747 .

付利卓，王成福，鲁浩，等 . 考虑算力负载时空迁移特性的多数据中心低碳经济调度［J/OL］. 综合智慧能源： 1 - 12 （ 2026-08-13 ）［ 2026-08-15 ］. https：//link.cnki.net/urlid/41.1461.tk.20260813.1325.004 https://link.cnki.net/urlid/41.1461.tk.20260813.1325.004 .

FU Lizhuo ， WANG Chengfu ， LU Hao ， et al . Low-carbon economic scheduling for multiple data centers considering spatiotemporal migration characteristics of computing loads ［J/OL］. Integrated Intelligent Energy ： 1 - 12 （ 2026-08-13 ）［ 2026-08-15 ］. https：//link.cnki.net/urlid/41.1461.tk.20260813.1325.004 https://link.cnki.net/urlid/41.1461.tk.20260813.1325.004 .

WANG Y X ， WANG Q ， CHU X W . Energy-efficient online scheduling of transformer inference services on GPU servers ［J］. IEEE Transactions on Green Communications and Networking ， 2022 ， 6 （ 3 ）： 1649 - 1659 .

WANG K F ， YE L ， YANG S H ， et al . A hierarchical dispatch strategy of hybrid energy storage system in Internet data center with model predictive control ［J］. Applied Energy ， 2023 ， 331 ： 120414 .

YE G S ， GAO F ， FANG J Y ， et al . Joint workload scheduling in geo-distributed data centers considering UPS power losses ［J］. IEEE Transactions on Industry Applications ， 2023 ， 59 （ 1 ）： 612 - 626 .

秦雪雪，李泽宁，薛屹洵，等 . 计及建筑热动态特性的数据中心时空协调两阶段鲁棒优化方法［J］. 电力系统自动化， 2025 ， 49 （ 11 ）： 59 - 69 .

QIN Xuexue ， LI Zening ， XUE Yixun ， et al . Two-stage robust optimization method for spatio-temporal coordination of data center considering thermal dynamic characteristics of buildings ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 11 ）： 59 - 69 .

丁肇豪，曹雨洁，张素芳，等 . 能源互联网背景下数据中心与电力系统协同优化（一）：数据中心能耗模型［J］. 中国电机工程学报， 2022 ， 42 （ 9 ）： 3161 - 3176 .

DING Zhaohao ， CAO Yujie ， ZHANG Sufang ， et al . Coordinated operation for data center and power system in the context of energy Internet （I）： Energy demand management model of data center ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 9 ）： 3161 - 3176 .

RADOVANOVIĆ A ， KONINGSTEIN R ， SCHNEIDER I ， et al . Carbon-aware computing for datacenters ［J］. IEEE Transactions on Power Systems ， 2023 ， 38 （ 2 ）： 1270 - 1280 .

WU Z Y ， CHEN L ， WANG J X ， et al . Incentivizing the spatiotemporal flexibility of data centers toward power system coordination ［J］. IEEE Transactions on Network Science and Engineering ， 2023 ， 10 （ 3 ）： 1766 - 1778 .

ZHANG W Q ， ZAVALA V M . Remunerating space-time， load-shifting flexibility from data centers in electricity markets ［J］. Applied Energy ， 2022 ， 326 ： 119930 .

LIU W Y ， YAN Y J ， SUN Y M ， et al . Online job scheduling scheme for low-carbon data center operation： An information and energy nexus perspective ［J］. Applied Energy ， 2023 ， 338 ： 120918 .

DE VRIES A . The growing energy footprint of artificial intelligence ［J］. Joule ， 2023 ， 7 （ 10 ）： 2191 - 2194 .

SHAO X T ， ZHANG Z B ， SONG P ， et al . A review of energy efficiency evaluation metrics for data centers ［J］. Energy and Buildings ， 2022 ， 271 ： 112308 .

GUO H J ， YU H ， WANG M ， et al . Integrated management of workloads and energy system for data centers ［J］. Energy ， 2025 ， 327 ： 136400 .

WANG Y Z ， LIN J Y ， HAN Y B ， et al . Comprehensive evaluation of all-element flexibility resources in data centers： Considering synergistic benefits of computing， electricity， and heat ［J］. Applied Energy ， 2025 ， 399 ： 126442 .

曹雨洁，丁肇豪，王鹏，等 . 能源互联网背景下数据中心与电力系统协同优化（二）：机遇与挑战［J］. 中国电机工程学报， 2022 ， 42 （ 10 ）： 3512 - 3526 .

CAO Yujie ， DING Zhaohao ， WANG Peng ， et al . Coordinated operation for data center and power system in the context of energy Internet （Ⅱ）： Opportunities and challenges ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 10 ）： 3512 - 3526 .

ZHOU Y C ， WEI F C ， LI S X ， et al . Data center load modeling through optimal energy consumption characteristics： A path to simultaneously enhance energy efficiency and demand response quality ［J］. Applied Energy ， 2025 ， 393 ： 126095 .

余文昶，陈永刚，曹俊波，等 . 考虑负载响应特性的数据中心综合能源系统优化调度研究［J］. 综合智慧能源， 2023 ， 45 （ 10 ）： 25 - 34 .

YU Wenchang ， CHEN Yonggang ， CAO Junbo ， et al . Optimal scheduling of the data center integrated energy system considering load response characteristics ［J］. Integrated Intelligent Energy ， 2023 ， 45 （ 10 ）： 25 - 34 .

GUO C S ， LUO F J ， CAI Z X ， et al . Integrated planning of internet data centers and battery energy storage systems in smart grids ［J］. Applied Energy ， 2021 ， 281 ： 116093 .

ZHANG Y B ， TANG H ， LI H X ， et al . Unlocking the flexibilities of data centers for smart grid services： Optimal dispatch and design of energy storage systems under progressive loading ［J］. Energy ， 2025 ， 316 ： 134511

AZARIFAR M ， ARIK M ， CHANG J Y . Liquid cooling of data centers： A necessity facing challenges ［J］. Applied Thermal Engineering ， 2024 ， 247 ： 123112 .

ZHU Y Q ， ZHANG Q ， HUANG G S ， et al . Research on collaborative control strategy of cold storage and IT workload migration in data center ［J］. Energy ， 2025 ， 323 ： 135802 .

HUANG X F ， YAN J W ， ZHOU X ， et al . Energy-efficient optimization method for air conditioning terminal systems in IDC based on genetic algorithm ［J］. Energy ， 2025 ， 333 ： 137502 .

CHEN X T ， PAN M Z ， LI X Y ， et al . Multi-mode operation and thermo-economic analyses of combined cooling and power systems for recovering waste heat from data centers ［J］. Energy Conversion and Management ， 2022 ， 266 ： 115820 .

CHEN M ， GAO C W ， SONG M ， et al . Internet data centers participating in demand response： A comprehensive review ［J］. Renewable and Sustainable Energy Reviews ， 2020 ， 117 ： 109466 .

DABBAGH M ， HAMDAOUI B ， RAYES A ， et al . Shaving data center power demand peaks through energy storage and workload shifting control ［J］. IEEE Transactions on Cloud Computing ， 2019 ， 7 （ 4 ）： 1095 - 1108 .

AL KEZ D ， FOLEY A M ， AHMED F W ， et al . Potential of data centers for fast frequency response services in synchronously isolated power systems ［J］. Renewable and Sustainable Energy Reviews ， 2021 ， 151 ： 111547 .

FU Y Y ， HAN X ， BAKER K ， et al . Assessments of data centers for provision of frequency regulation ［J］. Applied Energy ， 2020 ， 277 ： 115621 .

HAN O Z ， DING T ， YANG M ， et al . A novel 4-level joint optimal dispatch for demand response of data centers with district autonomy realization ［J］. Applied Energy ， 2024 ， 358 ： 122590 .

WANG X B ， LI Q ， ZHAI J Y ， et al . Flexible operation of virtual power plant enabled integrated electricity-heating system under multiple uncertainties via distributionally robust model predictive control ［J］. Applied Energy ， 2026 ， 404 ： 127177 .

ZHANG S ， WEI M ， LI Y Z ， et al . A Stackelberg-game based bi-level scheduling model of data center combined with shared energy storage considering price linkage and demand response ［J］. Energy ， 2025 ， 336 ： 138509 .

KUMAR A ， PINDORIYA N M . Toward sustainable data center operation： A review on existing infrastructures， integrated smart energy management frameworks， and future perspectives ［J］. Renewable and Sustainable Energy Reviews ， 2026 ， 230 ： 116664 .

祁兵，曹望璋，李彬，等 . 考虑托管式数据中心负荷调节不确定性的区间优化模型［J］. 电网技术， 2022 ， 46 （ 1 ）： 39 - 46 .

QI Bing ， CAO Wangzhang ， LI Bin ， et al . Interval optimization model considering uncertainty of load regulation for colocation data center ［J］. Power System Technology ， 2022 ， 46 （ 1 ）： 39 - 46 .

马浩天，胡俊杰，童宇轩 . 考虑灵活性的数据中心微网两阶段鲁棒规划方法［J］. 中国电机工程学报， 2023 ， 43 （ 19 ）： 7396 - 7408 .

MA Haotian ， HU Junjie ， TONG Yuxuan . A two-stage robust planning approach for data center microgrids considering flexibility ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 19 ）： 7396 - 7408 .

DONG H Q ， WANG L Y ， ZHANG X C ， et al . A two-stage stochastic collaborative planning approach for data centers and distribution network incorporating demand response and multivariate uncertainties ［J］. Journal of Cleaner Production ， 2024 ， 451 ： 141482 .

MANSOURI S A ， NEMATBAKHSH E ， RAMOS A ， et al . Internet data centers and industrial parks as flexibility providers in modern power systems： An ADMM-based coordination mechanism ［J］. Applied Energy ， 2026 ， 407 ： 127320 .

BIAN Y F ， XIE L R ， YE J H ， et al . A new shared energy storage business model for data center clusters considering energy storage degradation ［J］. Renewable Energy ， 2024 ， 225 ： 120283 .

CHEN B Y ， CHE Y B ， ZHENG Z H ， et al . Multi-objective robust optimal bidding strategy for a data center operator based on bi-level optimization ［J］. Energy ， 2023 ， 269 ： 126761 .

XU D ， XIANG S Z ， BAI Z Y ， et al . Optimal multi-energy portfolio towards zero carbon data center buildings in the presence of proactive demand response programs ［J］. Applied Energy ， 2023 ， 350 ： 121806 .

WAN T ， TAO Y C ， QIU J ， et al . Internet data centers participating in electricity network transition considering carbon-oriented demand response ［J］. Applied Energy ， 2023 ， 329 ： 120305 .

FIGINI E ， PAOLONE M . Achieving dispatchability in data centers： Carbon and cost-aware sizing of energy storage and local photovoltaic generation ［J］. Sustainable Energy， Grids and Networks ， 2025 ， 43 ： 101920 .

CAO Y J ， CAO F ， WANG Y J ， et al . Managing data center cluster as non-wire alternative： A case in balancing market ［J］. Applied Energy ， 2024 ， 360 ： 122769 .

ZHANG Y S ， ZOU B K ， JIN X ， et al . Mitigating power grid impact from proactive data center workload shifts：A coordinated scheduling strategy integrating synergistic traffic - data - power networks ［J］. Applied Energy ， 2025 ， 377 ： 124697 .

YAN D X ， CHOW M Y ， CHEN Y . Low-carbon operation of data centers with joint workload sharing and carbon allowance trading ［J］. IEEE Transactions on Cloud Computing ， 2024 ， 12 （ 2 ）： 750 - 761 .

WANG Y Z ， ZHANG L L ， SONG Y ， et al . State-of-the-art review on evaluation indicators of integrated intelligent energy from different perspectives ［J］. Renewable and Sustainable Energy Reviews ， 2024 ， 189 ： 113835 .

文淅宇，朱继忠，李盛林，等 . 基于时空协同的多数据中心虚拟电厂低碳经济调度策略［J］. 电力系统自动化， 2024 ， 48 （ 18 ）： 56 - 65 .

WEN Xiyu ， ZHU Jizhong ， LI Shenglin ， et al . Low-carbon economic dispatch for multiple data center virtual power plant based on spatio-temporal collaboration ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 18 ）： 56 - 65 .

REN X X ， WANG J S ， HU X Y ， et al . A novel demand response-based distributed multi-energy system optimal operation framework for data centers ［J］. Energy and Buildings ， 2024 ， 305 ： 113886 .

YU L ， JIANG T ， ZOU Y L . Distributed real-time energy management in data center microgrids ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 4 ）： 3748 - 3762 .

KWON S . Ensuring renewable energy utilization with quality of service guarantee for energy-efficient data center operations ［J］. Applied Energy ， 2020 ， 276 ： 115424 .

DING Z H ， XIE L Y ， LU Y ， et al . Emission-aware stochastic resource planning scheme for data center microgrid considering batch workload scheduling and risk management ［J］. IEEE Transactions on Industry Applications ， 2018 ， 54 （ 6 ）： 5599 - 5608 .

国家能源局 . 全国首个大规模“算电协同”绿电直供项目投运［EB/OL］. （ 2026-05-08 ）［ 2026-08-15 ］. https：//www.nea.gov.cn/20260508/b975a9364d18444c808318430bf660cf/c.html https://www.nea.gov.cn/20260508/b975a9364d18444c808318430bf660cf/c.html .

曲琪，滕菲，郭禹辛，等 . 考虑算力需求的港口综合能源系统分布式能源管理［J］. 综合智慧能源， 2025 ， 47 （ 1 ）： 42 - 50 .

QU Qi ， TENG Fei ， GUO Yuxin ， et al . Distributed energy management of port integrated energy system considering computing power demands ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 1 ）： 42 - 50 .

工业和信息化部节能与综合利用司 . 2020年国家绿色数据中心经验分享之五：阿里巴巴张北云计算庙滩数据中心实践经验［EB/OL］. （ 2021-03-05 ）［ 2026-08-15 ］. https：//www.miit.gov.cn/jgsj/jns/nyjy/art/2021/art_8226a3a538384d63be03447b2a3081a7.html https://www.miit.gov.cn/jgsj/jns/nyjy/art/2021/art_8226a3a538384d63be03447b2a3081a7.html .

ZHU D F ， LIU S C ， YANG B ， et al . Energy optimization for data centers via carbon-aware multi-energy market coordination ［J］. Applied Energy ， 2026 ， 409 ： 127371 .

LI J ， QI W B . Toward optimal operation of internet data center microgrid ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 2 ）： 971 - 979 .

WANG H ， HUANG J W ， LIN X J ， et al . Proactive demand response for data centers： A win-win solution ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 3 ）： 1584 - 1596 .

仝杰，丁浩，陈洪银，等 . 电力-算力协同：内涵、架构、技术与实践［J］. 中国电机工程学报， 2026 ， 46 （ 14 ）： 5687 - 5707 .

TONG Jie ， DING Hao ， CHEN Hongyin ， et al . Electricity-computing power coordination： Connotation， architecture， technologies and practices ［J］. Proceedings of the CSEE ， 2026 ， 46 （ 14 ）： 5687 - 5707 .

CHEN Z ， WU L ， LI Z Y . Electric demand response management for distributed large-scale internet data centers ［J］. IEEE Transactions on Smart Grid ， 2014 ， 5 （ 2 ）： 651 - 661 .

JOE-WONG C ， KAMITSOS I ， HA S . Interdatacenter job routing and scheduling with variable costs and deadlines ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 6 ）： 2669 - 2680 .

CHEN M ， GAO C W ， SHAHIDEHPOUR M ， et al . Incentive-compatible demand response for spatially coupled internet data centers in electricity markets ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 4 ）： 3056 - 3069 .

XU C H ， WANG K ， LI P ， et al . Renewable energy-aware big data analytics in geo-distributed data centers with reinforcement learning ［J］. IEEE Transactions on Network Science and Engineering ， 2020 ， 7 （ 1 ）： 205 - 215 .

JAYANETTI A ， HALGAMUGE S ， BUYYA R . Multi-agent deep reinforcement learning framework for renewable energy-aware workflow scheduling on distributed cloud data centers ［J］. IEEE Transactions on Parallel and Distributed Systems ， 2024 ， 35 （ 4 ）： 604 - 615 .

河北网信网 . 从张北的风到北京的代码，算力资源这样互通共享［EB/OL］. （ 2026-07-31 ）［ 2026-08-15 ］. https：//www.caheb.gov.cn/system/2026/07/31/030391072.shtml https://www.caheb.gov.cn/system/2026/07/31/030391072.shtml .

ZHAO D M ， ZHOU J T ， LI K Q . CFWS： DRL-based framework for energy cost and carbon footprint optimization in cloud data centers ［J］. IEEE Transactions on Sustainable Computing ， 2025 ， 10 （ 1 ）： 95 - 107 .

WAN T ， QIU J ， TAO Y C ， et al . Flexible energy storage system and renewable energy planning for sustainable Internet data center considering temporal and spatial load regulation ［J］. IEEE Transactions on Industry Applications ， 2025 ， 61 （ 6 ）： 8394 - 8405 .

BAHRAMI S ， WONG V W S ， HUANG J W . Data center demand response in deregulated electricity markets ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 3 ）： 2820 - 2832 .

ZENG B ， ZHOU Y Y ， XU X Z ， et al . Bi-level planning approach for incorporating the demand-side flexibility of cloud data centers under electricity-carbon markets ［J］. Applied Energy ， 2024 ， 357 ： 122406 .

朱继忠，谢楚楚，张迪，等 . 电碳耦合市场研究综述：现状、挑战与可持续发展［J］. 电力建设， 2025 ， 46 （ 1 ）： 158 - 173 .

ZHU Jizhong ， XIE Chuchu ， ZHANG Di ， et al . Review of electric-carbon coupling market studies： Status， challenges， and sustainability perspectives ［J］. Electric Power Construction ， 2025 ， 46 （ 1 ）： 158 - 173 .

YIN X H ， YE C J ， DING Y ， et al . Exploiting internet data centers as energy prosumers in integrated electricity-heat system ［J］. IEEE Transactions on Smart Grid ， 2023 ， 14 （ 1 ）： 167 - 182 .

LI W W ， QIAN T ， ZHANG Y ， et al . Distributionally robust chance-constrained planning for regional integrated electricity-heat systems with data centers considering wind power uncertainty ［J］. Applied Energy ， 2023 ， 336 ： 120787 .

GYANG P P ， CHAKRABORTY P ， MEEGAHAPOLA L ， et al . Dynamic modeling of a data center for power system stability studies ［J］. IEEE Transactions on Power Systems ， 2026 ， 41 （ 3 ）： 2317 - 2332 .

朱子恒，张策，丁肇豪，等 . 数据中心纳入全国碳排放权交易市场机制研究［J］. 中国电机工程学报， 2024 ， 44 （ 14 ）： 5562 - 5573 .

ZHU Ziheng ， ZHANG Ce ， DING Zhaohao ， et al . Incorporating data centers into China's national carbon emissions trading system ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 14 ）： 5562 - 5573 .

HAN J P ， DU E S ， DU B J ， et al . Evaluating the dispatchable capacity of cross-regional data center clusters toward power system operation ［J］. IEEE Transactions on Smart Grid ， 2026 ， 17 （ 2 ）： 1180 - 1193 .

KAHIL H ， SHARMA S ， VÄLISUO P ， et al . Reinforcement learning for data center energy efficiency optimization： A systematic literature review and research roadmap ［J］. Applied Energy ， 2025 ， 389 ： 125734 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Review of key technologies for coordinated optimal operation of intelligent computing centers and power grids considering elastic scaling of computing power

Review of flexibility and adjustable potential quantification of transportation and computing loads for green power accommodation

Operational optimization of multi-energy microgrids for data centers considering flexibility of computing loads and cold energy storage

Optimal operation of computing-electricity coordination considering differentiated demand response

Robust optimization scheduling strategy for virtual power plants considering demand response and leasing shared energy storage under the green certificate-electricity- carbon coupled market

Related Author

LI Bin

ZHAI Zhenyang

QI Zeyuan

LI Shujing

CHEN Songsong

XU Jing

ZHU Hongyu

ZHANG Rui

Related Institution

School of Electric and Electronic Engineering， North China Electric Power University

China Electric Power Research Institute

School of New Energy， Inner Mongolia University of Technology

Key Laboratory of Wind Energy and Solar Energy Utilization Technology， Ministry of Education, Inner Mongolia University of Technology

Engineering Research Center of Large Energy Storage Technology， Ministry of Education, Inner Mongolia University of Technology

AI问答

⁰