Sandia испытала AI-систему для стабилизации электросетей под нагрузкой дата-центров
Исследователи из Sandia National Laboratories разработали платформу Distributed Energy Resource Management System (DERMS) для управления колебаниями напряжения в локальных электросетях. Она рассчитана на ситуации, когда рост AI-дата-центров приводит к резким и непредсказуемым скачкам энергопотребления, а стандартное механическое оборудование электросетей не успевает быстро реагировать.
Как сообщает Interesting Engineering, DERMS использует AI-контроль в реальном времени и управляет уже установленными инверторами в солнечных и аккумуляторных системах. Это позволяет обойтись без установки дополнительного оборудования, например конденсаторных батарей. Платформа прогнозирует изменения нагрузки и координирует работу тысяч подключенных устройств, поддерживая стабильное напряжение даже при быстрых изменениях в сети.
Для проверки системы исследователи использовали метод PHIL-тестирования, при котором реальные инверторы и аккумуляторы подключают к цифровому симулятору электросети. Такой формат помог оценить работу AI-контроля при задержках связи и других условиях, близких к реальной эксплуатации. После лабораторных испытаний DERMS протестировали на двух объектах в Лаббоке, штат Техас: на ветровой площадке SWiFT и в микросети GLEAMM при Texas Tech University, где работает активный дата-центр.
Во время полевых тестов система снижала уровень напряжения, который обычно был на 5% выше нормы, и приближала его к целевым значениям энергокомпаний. По словам исследователей Sandia, технологию можно использовать для поддержки микросетей, критической инфраструктуры и объектов, чувствительных к перебоям электропитания.
Ключевые факты
DERMS управляет инверторами в существующих солнечных и аккумуляторных установках для стабилизации напряжения
Для проверки AI-контроля Sandia использовала PHIL-тестирование с подключением реального оборудования к цифровому симулятору сети
Полевые испытания прошли на площадках SWiFT и GLEAMM в Лаббоке, штат Техас
Во время тестов AI-система снижала напряжение с уровня примерно на 5% выше нормы к целевым значениям энергокомпаний