📱 关注吉之星公众号
每日一篇工程技术深度文章，不错过行业前沿
微信扫一扫关注我们 · 回复「白皮书」下载《先进制造洁净室施工技术标准》
十月的西北，一座大型智算中心的运维总监盯着屏幕上跳动的曲线皱起了眉。风电场出力在午后突然跌落，光伏也因云层遮挡同步走低，而训练集群的GPU负载正处在峰值。此刻，储能系统开始放电，燃气轮机备用机组启动，调度算法在毫秒间完成了十余次策略切换——这不是科幻场景，而是2026年越来越多数据中心正在经历的真实日常。
当“碳中和”从口号变成硬约束，数据中心这个曾经的“电老虎”，正被迫学会在风、光、储、气之间跳舞。而这支舞的难度，远比想象中高。
数据中心的用电曲线有一个特点：极其平稳。7×24小时不间断运行，负载波动通常不超过额定容量的15%。但绿电的脾气恰恰相反——光伏“日出而作”，风电“随风而动”，两者叠加后的出力曲线像心电图一样剧烈起伏。
这就产生了一个核心矛盾：平稳的负荷遇上波动的电源。
传统做法是“绿电不够、市电来凑”，但这意味着碳排放依然存在。真正的碳中和路径，需要做到三点：绿电优先消纳、储能削峰填谷、备用电源兜底。说起来简单，做起来却是一道多变量实时优化难题——预测未来15分钟的风光出力、判断储能SOC状态、评估市电碳因子波动、计算燃气机组的启停成本……任何一个变量判断失误，都可能导致绿电浪费或碳排超标。
很多数据中心目前采用的碳排核算方式，是按月度电费单上的绿电比例做“总量折算”。这种方法粗放，无法反映每时每刻的真实碳排强度。
举个例子：同样消耗1度电，中午光伏大发时电网碳因子可能是0.2 kgCO₂/kWh，深夜煤电主导时可能高达0.8 kgCO₂/kWh。如果调度系统能实时感知碳因子变化，把非紧急负载（如离线训练、数据备份）挪到低碳时段，一年下来减碳量相当可观。
这就需要分钟级的碳排监测能力——不仅监测自身用电的碳强度，还要感知外部电网的动态碳因子，并以此作为调度决策的约束条件之一。碳排数据从“事后报表”变成“实时信号”，是整个系统智能化的关键一步。
混合能源调度最大的难点，不在于单一设备的控制，而在于多能源之间的协调。
光伏和风电出力不可控，但可预测；储能充放电灵活，但容量有限；燃气机组响应快，但有燃料成本和启停损耗；市电稳定，但碳排高。四者各有优劣，需要一个“总指挥”来动态分配任务。
这个总指挥就是协同调度算法。它的核心逻辑可以概括为：预测→优化→执行→修正的闭环。先用气象数据和历史功率曲线预测未来时段的风光出力，再结合负载预测和碳排约束求解最优调度方案，执行过程中根据实际偏差实时修正。
吉之星在某智算中心项目中采用的模型预测控制（MPC）框架，将调度周期设定为15分钟滚动优化，同时引入碳排惩罚因子作为目标函数的一项权重。运行数据显示，在同等绿电装机条件下，绿电消纳率提升约12%，而综合用能成本反而下降。
在混合能源调度领域，吉之星的技术积累并非停留在算法层面，而是形成了“感知—决策—执行”的闭环能力。
在感知层，公司自研的碳排监测模块可对接电网碳因子数据源，实现分钟级碳强度感知，精度达到行业领先水平。在决策层，基于数字孪生技术构建的能源调度仿真平台，可以在虚拟环境中预演不同策略的效果，降低现场调试风险。在执行层，公司与多家储能、燃机厂商完成了接口适配，具备多品牌设备的统一接入能力。
目前，相关方案已在多个智算中心项目中落地验证，覆盖风光储气多种能源组合场景。
数据中心的碳中和，不是简单地“多买绿电”就能解决的。当绿电占比超过40% 后，系统的稳定性挑战将指数级上升。混合能源协同调度，本质上是在经济性、可靠性和低碳性之间寻找动态平衡点。
未来，随着电力市场现货交易和碳市场的进一步打通，调度系统还需要学会“看价格信号吃饭”——什么时候充电便宜、什么时候卖碳配额划算，都将成为算法的新变量。这条路没有终点，但每一步都算数。