揭示数据中心冷却的负担转移:城市基础设施的系统级水-能-碳优化

《Journal of Cleaner Production》:Uncovering the burden shifting of data center cooling: System-level water-energy-carbon optimization for urban infrastructure

【字体: 大 中 小 】 时间:2026年08月28日 来源:Journal of Cleaner Production 10.7

编辑推荐:

   •多尺度模型阐明了数据中心对水 - 能 - 碳纽带的影响。 •干冷节省本地水资源,但将资源负担转移至区域电网。 •逐小时天气档案揭示了基础设施峰值压力的隐藏时段。 •电网脱碳有机地缩减了数据中心的间接用水量。 •狭窄的设施规划掩盖了更广泛的系统排放和总成本。 引言 超大规模

  

•多尺度模型阐明了数据中心对水 - 能 - 碳纽带的影响。
•干冷节省本地水资源,但将资源负担转移至区域电网。
•逐小时天气档案揭示了基础设施峰值压力的隐藏时段。
•电网脱碳有机地缩减了数据中心的间接用水量。
•狭窄的设施规划掩盖了更广泛的系统排放和总成本。

引言
超大规模计算基础设施的快速增长,由云服务的扩展和现代人工智能(AI)的计算强度所驱动,正在重塑全球数字和能源格局,具有扰乱既定净零轨迹的潜力(Colangelo 等人,2025,Hemmati 等人,2026,Hemmati 等人,2025,Charitopoulos 等人,2023,Efthymiadou 等人,2025,Zhou 等人,2024)。根据国际能源署(IEA)的数据,数据中心(DCs)目前每年消耗约 415 TWh 电力,约占全球电力需求的 1.5%,随着 AI 工作负载的持续扩展,预计到 2030 年消费量将接近 945 TWh(国际能源署,2025)。为了支持这一增长,超大规模设施正在全球范围内蔓延,以适应大规模模型训练、推理工作负载和不断扩大的数据存储需求。与传统的商业建筑不同,数据中心作为连续且密集的能量汇运行,维持不间断运行,拥有高度集中的电气负荷,主要专用于信息技术(IT)设备。至关重要的是,此类基础设施的环境足迹远远超出了电力消耗本身。高性能处理器的大量散热需求必须通过广泛的热管理系统来管理,包括冷水循环、蒸发冷却塔和新兴的液冷架构,从而产生对淡水资源的巨大额外需求(Hnayno 等人,2022,Zou 等人,2025)。最近的研究估计表明,到 2027 年,与 AI 驱动的计算相关的全球用水量可能达到 42 亿至 66 亿立方米(国家可再生能源实验室,2025),这一数量大致相当于英国年淡水取用量的一半。在局部尺度上,这些压力甚至更为明显:谷歌位于俄勒冈州达尔斯的数据中心在 2021 年消耗了约 3.55 亿加仑水,相当于该市总用水量的 29% 左右,在反复出现的区域干旱背景下引发了对本地水资源压力的迫切担忧(Lei 等人,2025)。

这种局部压力并非孤立事件,而是更深层系统性挑战的可见表现:数据中心的快速扩张日益被认可不仅仅是一个电力问题,而是对水 - 能 - 碳纽带的复合压力源(Xiao 等人,2025)。为了管理现代 IT 设备的巨大热负荷,运营商部署了各种冷却架构,每种架构都有独特的资源需求(Liu 等人,2025,Lei 和 Masanet,2022)。传统的空气冷却冷水机组和直接膨胀(DX)系统作为闭环运行,消耗的现场水极少,但会产生显著的电力惩罚。相反,利用冷却塔和蒸发过程的水冷系统利用汽化潜热以实现卓越的能源效率,但代价是大量直接消耗淡水(Karimi 等人,2022)。设施层面的指标,如电能使用效率(PUE)(Abdilla 等人,2025)和水量使用效率(WUE)(Lei 和 Masanet,2022),是表征这种运营双重性的关键工具,然而单独通过任一指标评估设施的整体可持续性会产生不完整且往往具有误导性的画面。

由于冷却效率严格受波动的环境天气条件控制,资源需求高度动态。为了减轻连续热排放所需的巨大能源开销,现代设施越来越多地使用空气侧经济器(ASE)。通过直接吸入适宜的外部空气,ASE 系统在环境温度和湿度水平允许时绕过能源密集型的机械冷水机组提供“免费冷却”(Ham 等人,2026)。然而,当外部条件超过这些热力学阈值时,设施必须依赖主动冷却,此时蒸发式和干式散热之间的最终选择造成了严格的系统级权衡。旨在节约本地水资源的决策可能会意外地在区域电网中引发连锁反应,放大发电厂的间接水足迹和碳排放。这种负担转移动态证实了数据中心深深嵌入更广泛的大都市资源网络中,评估其影响需要操作于系统层面而非设施层面的规划框架(Karimi 等人,2022)。认识到这一需求,越来越多的研究开始解决数据中心整合到城市和区域能源基础设施中的问题,尽管如以下的综述所示,仍存在关键缺口。

将数据中心整合到城市和区域能源系统中的挑战,已从战略规划和电力网络优化视角吸引了越来越多的关注。在城市尺度上,Caceres 等人(2024)在考虑区域电力和水资源约束的情况下,调查了瑞典市政当局的数据中心扩展规划,Bux 等人(2025)通过生命周期评估量化了意大利城市数据中心部署的全球变暖潜能值,Liu 等人(2025)考察了新加坡数据中心开发的经济 - 环境权衡,结合了土地可用性、水、能源和建筑设计参数。与此同时,大量的优化文献解决了电力网络内的数据中心整合问题,提出了在需求不确定性、可再生能源间歇性和传输约束下选址、定容和运营设施的框架(Vafamehr 等人,2017,Guo 等人,2021a,Guo 等人,2021b,Abdelhady 等人,2026,Kong 和 Liu,2016)。Vafamehr 等人(2017)制定了一个贝尔德分解混合整数线性规划(MILP),用于协调电力和数据网络的数据中心扩展,Guo 等人(2021a,2021b)协同优化了数据中心选址与电池储能,并记录了数据中心 - 智能电网整合策略的现状,Abdelhady 等人(2026)评估了在深度市场不确定性下结合太阳能、风能、核能小型模块化反应堆(SMRs)和氢气的多元化能源投资组合。然而,在城市规划和电力关注领域,冷却基础设施、直接水消耗以及环境天气与冷却效率之间的热力学耦合仍被系统性地排除在分析范围之外。

平行的另一批工作解决了数据中心运营的多能源和环境维度,但同样未能达到完全整合的处理。关于数据中心余热回收的研究证明了废热作为区域供热网络脱碳资源的潜力(Mi?ki? 等人,2024,Socci 等人,2024,Tervo 等人,2025),更广泛的多能源模型将这一视角扩展至包括热能储存和基于氢的能源载体(Cioara 等人,2020,Liu 等人,2022)。然而,所有这些工作都使用年度平均值或季节性聚合档案来估计数据中心的热量输出,即使采用逐小时负荷曲线(Socci 等人,2024,Tervo 等人,2025),焦点仍在于热网络优化,而没有考察对城市电力和水基础设施的耦合影响。在环境方面,详细评估已确定数据中心的水需求是巨大的、地理上不均匀的,并且对冷却架构和区域电网组成高度敏感(Siddik 等人,2021,Karimi 等人,2022,Lei 等人,2025,Xiao 等人,2025)。Siddik 等人(2021)表明,相当一部分直接冷却取用和发电相关间接消耗位于水资源紧张流域内,Karimi 等人(2022)通过 PUE 和 WUE 指标直接比较了空气冷却和蒸发架构,Lei 等人(2025)揭示了不同设施类型每工作负载用水量的数量级变化。更广泛地说,正式方法已在包括水资源紧张下的发电规划(Allen 等人,2019)、能源 - 水 - 土地纽带考虑下的可再生能源系统设计(Cook 等人,2022)、带水约束的区域低碳电力规划(Ji 等人,2020,Khan 等人,2018)以及整合海水淡化、碳捕获和可再生能源供应的社区级纽带优化(Mehrjerdi 和 Aljabery,2021,D. Yu 等人,2023,Liang 等人,2022)等一系列城市和区域背景下,开发用于在统一基础设施规划模型中联合优化能源、水和碳。然而,这些框架中没有一个被应用于超大规模数据中心整合到城市能源系统中的特定挑战,其中冷却架构在本地淡水消耗、电网电力需求和区域碳排放之间创造了直接且动态的耦合。

综上所述,文献综述显示,所有领域都存在两个相互强化的缺口。首先,时间分辨率普遍不足:对年度平均值、季节原型或静态负荷档案的依赖,在结构上阻碍了对由 IT 利用模式、环境温度和湿度之间严格热力学耦合而产生的 PUE 和 WUE 的显著日间和季节性间变异性的表征,这种粗糙性排除了对定义数据中心对城市基础设施真正运营足迹的峰值压力事件和昼夜负担转移动态的检测。其次,数据中心规划模型的分析范围被系统地限制在单个能源载体上。即使承认热能回收或多能源耦合的研究,也没有共同表征区域供热、区域供冷和城市淡水供应系统,而这些系统同时受到数据中心整合决策的实质干扰。这使得现有框架无法捕捉数据中心水 - 能 - 碳纽带核心的跨载体负担转移。尽管如上所述,能源 - 水 - 碳纽带优化方法已在更广泛的基础设施规划背景中被正式化,但这一缺口仍然存在。为了解决这些关键的规划缺口,本研究提出了一种用于城市能源系统容量扩展的多尺度混合整数线性规划(MILP)框架,能够通过对水、能源和碳排放的轴线来评估超大规模数据中心整合到城市规划中的影响。虽然现有文献大多孤立地评估单个资源,但本工作的一个主要新颖性是明确协同优化数据中心部署与城市能源基础设施规划,从而能够全面理解系统权衡和资源负担。为实现这种系统级分析,一个关键的方法论贡献是将高度精细化、特定气候的逐小时 PUE 和 WUE 档案直接整合到长期的多年基础设施规划模型中。不同于依赖年度平均效率的静态设施级 PUE 和 WUE 评估(Karimi 等人,2022,Abdilla 等人,2025)或生命周期研究(Bux 等人,2025),这种动态耦合解决了冷却需求的亚年度变异性,并暴露了隐藏峰值压力事件,例如夏季冷却效率下降与负荷升高的重合,并将其直接传播到长期的基础设施定容中。虽然该框架旨在具有高度适应性以适应各种区域和气候背景,但我们通过一个基于威斯康星大学麦迪逊分校校园基础设施的代表性城市微电网案例研究展示了其能力。通过这一应用,我们通过以下方式系统地分析水 - 能 - 碳纽带的转移:(1)确立整合大规模数据中心基础设施的区域资源影响基线,(2)评估在严格的深度脱碳指令下支持性城市能源网络的适应情况,以及(3)通过负荷敏感性分析量化多目标系统权衡。最终,该框架旨在为城市规划者、公用事业运营商和政策制定者提供必要的定量权衡前沿,以导航清洁能源转型的系统性、多目标成本。

本文其余部分组织如下。第 2 节详细说明了拟议的多尺度优化方法论,包括集成的城市能源系统超结构、数学 MILP 公式以及数据中心冷却档案的生成。第 3 节展示了案例研究的结果,分析了基线资源负担、多目标权衡以及对数据中心扩展的敏感性。最后,第 4 节总结了本工作的主要结论,并概述了未来城市能源规划的方向。

章节片段
框架概述
提出的框架是一个多尺度 MILP 优化模型,旨在联合解决能源系统的容量扩展和运行规划。它旨在支持跨多种能源载体(包括电力、供热和供冷)的基础设施投资决策,同时在多年规划视野内解决逐小时运行调度。该框架可应用于任何城市背景,包括城市区域、工业区或机构校园,基础设施扩展
超大规模数据中心的整合引入了系统电气需求的巨大阶梯式增长,从根本上改变了容量扩展的轨迹。在无数据中心案例(配置 0)中,城市能源需求主要由现有基础设施和电网进口满足,需要在 2026 年初期扩展阶段增加 77 MW 的风电容量。由于基准城市需求相对灵活,的

结论与政策启示
本研究提出了一种多尺度 MILP 框架,用于评估超大规模数据中心整合到城市能源系统中,明确协同优化水 - 能 - 碳纽带。

通过将逐小时的特定气候数据中心(DC)冷却剖面与长期 CEP 相结合,本研究量化了维持人工智能和云计算快速扩张所需的重要基础设施权衡。结果表明,整合一个 200 兆瓦的数据中心会显著改变区域资源足迹。

CRediT 作者贡献声明
Parth Brahmbhatt:写作 – 审阅与编辑,写作 – 初稿,可视化,验证,方法论,调查,形式分析,数据管理。Mohammad Hemmati:写作 – 审阅与编辑,写作 – 初稿,验证,形式分析,数据管理。Javiera Vergara-Zambrano:写作 – 审阅与编辑,写作 – 初稿,形式分析,数据管理。Vassilis M. Charitopoulos:写作 – 审阅与编辑,监督,经费获取,构思。

手稿准备过程中生成式人工智能和人工智能辅助技术声明
在本工作的准备过程中,作者使用了 Google Gemini 以改进语言、可读性及手稿的整体组织。在使用该工具/服务后,作者根据需要审阅和编辑了内容,并对发表文章的内容承担全部责任。

竞争利益声明
作者声明,他们没有已知的竞争性财务利益或个人关系,这些利益或关系可能看似影响了本文中报告的工作。

致谢
我们衷心感谢在 EPSRC 资助 EP/V051008/1、EP/W003317/1 和 EP/T022930/1 以及国家科学基金会 [http://dx.doi.org/10.13039/100000001] 资助 CMMI-2328160 下的财政支持。

Parth Brahmbhatt|Mohammad Hemmati|Javiera Vergara-Zambrano|Vassilis M. Charitopoulos|Styliani Avraamidou
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号