Rozwój sztucznej inteligencji zmienia nie tylko skalę zapotrzebowania centrów danych na energię, ale również charakter ich obciążenia. Według danych Międzynarodowej Agencji Energetycznej w latach 2020–2025 gęstość mocy serwerów AI wzrosła 11-krotnie, a do 2027 r. może zwiększyć się jeszcze około czterokrotnie . Tak szybki wzrost zwiększa wymagania wobec infrastruktury energetycznej – od dostępności odpowiedniej mocy w konkretnej lokalizacji po możliwość elastycznego reagowania na zmiany obciążenia.
Centra danych stawiają nowe wymagania przed systemem elektroenergetycznym
Skala tej zmiany dobrze widoczna jest w danych Polskich Sieci Elektroenergetycznych. Według prognoz PSE moc istniejących i nowych centrów danych w Polsce może wzrosnąć z około 200 MW w 2025 r. do ponad 5 GW w 2040 r. Jednocześnie zapotrzebowanie na energię ze strony nowych centrów danych może zwiększyć się z około 3,5 TWh w 2030 r. do 28,8 TWh w 2040 r. Oznacza to, że centra danych będą w kolejnych latach coraz istotniejszym elementem krajowego bilansu energetycznego.
Tak duży wzrost zapotrzebowania będzie oznaczał nowe wyzwania dla systemu elektroenergetycznego. Centra danych potrzebują stabilnego zasilania, a ich koncentracja w konkretnych lokalizacjach wymaga zapewnienia odpowiedniej mocy i infrastruktury zdolnej obsłużyć duże obciążenia. W efekcie dla kolejnych inwestycji ograniczeniem może okazać się nie sama dostępność energii, lecz możliwość dostarczenia odpowiedniej mocy do miejsca, w którym ma powstać centrum danych.
– Przy takiej skali inwestycji energetyka przestaje być tylko jednym z elementów infrastruktury centrum danych. Zaczyna wpływać na sposób planowania całego projektu, od wyboru lokalizacji, przez harmonogram budowy, po możliwość jego dalszej rozbudowy. W przypadku infrastruktury AI będzie to szczególnie istotne, bo zapotrzebowanie na moc może rosnąć wraz z rozwojem mocy obliczeniowej. Dlatego planowanie centrum danych powinno od początku uwzględniać również infrastrukturę niezbędną do jego zasilania – mówi Rafał Kozieł, Senior Expert Photovoltaics & Standardization w SMA Solar Technology AG.
W przypadku dużych centrów danych samo przyłączenie do sieci to jednak dopiero początek. Wyzwaniem staje się także takie zarządzanie obciążeniem, aby rosnący pobór mocy nie zwiększał nadmiernie presji na i tak obciążoną infrastrukturę sieciową. Skala problemu jest już widoczna globalnie – według Międzynarodowej Agencji Energetycznej ponad 2500 GW projektów obejmujących m.in. duże odbiory, takie jak centra danych, pozostaje obecnie w kolejkach przyłączeniowych. IEA wskazuje jednocześnie na rosnące znaczenie elastyczności po stronie odbiorców, magazynowania energii oraz technologii pozwalających lepiej wykorzystywać istniejącą infrastrukturę sieciową .
Nowe podejście do zasilania centrów danych
Znaczenie takich rozwiązań rośnie również ze względu na specyfikę obciążeń związanych z AI. Jak wskazuje IEA, trening i wykorzystywanie modeli AI mogą powodować duże i szybkie wahania poboru mocy. Wymaga to infrastruktury, która może szybko dostosowywać się do zmian obciążenia i w razie potrzeby wykorzystać magazynowanie energii, ograniczając wpływ takich wahań na sieć.
W odpowiedzi na te potrzeby rozwijane są m.in. nowe architektury zasilania, systemy UPS, magazyny energii oraz rozwiązania zwiększające elastyczność pracy dużych odbiorów w zmiennych warunkach sieciowych. Ich zastosowanie może zwiększać elastyczność zarządzania poborem mocy i ograniczać wpływ dużych, dynamicznych obciążeń na sieć. W tym kierunku rozwija swoje rozwiązania również SMA Solar Technology AG, m.in. poprzez narzędzia GridLink .
– Centra danych stają się nową kategorią dużych odbiorców energii, której znaczenia nie da się sprowadzić wyłącznie do wielkości poboru. Ich zapotrzebowanie może rosnąć znacznie szybciej niż w przypadku tradycyjnych odbiorców przemysłowych, a profil zużycia jest ściśle związany z pracą infrastruktury cyfrowej. Wraz z rozwojem AI będziemy więc obserwować coraz silniejsze powiązanie między rynkiem energii a rozwojem mocy obliczeniowych, dlatego potrzebne są technologie, które pozwolą lepiej zarządzać zależnym od siebie systemem i dostosować sposób wykorzystania energii do specyfiki infrastruktury obliczeniowej – podsumowuje Rafał Kozieł.