論文の概要: A Phased Development Framework Enabling Islanded Operation of Sustainable AI Data Centers With Onsite Grid-Following and Grid-Forming Energy Architectures
- arxiv url: http://arxiv.org/abs/2607.17391v1
- Date: Sun, 19 Jul 2026 19:43:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.457546
- Title: A Phased Development Framework Enabling Islanded Operation of Sustainable AI Data Centers With Onsite Grid-Following and Grid-Forming Energy Architectures
- Title（参考訳）: オンサイトグリッドフォローとグリッドフォーミングエネルギアーキテクチャを用いた持続可能なAIデータセンターの島型運用を実現する段階的開発フレームワーク
- Abstract要約: 現在の予測では、2030年までに約50GWのAIデータセンター容量が米国でグリッド接続が必要になると推定されている。
この原稿は、AIデータセンター拡張のための段階的開発フレームワークを提案する。
モジュラー構造と統合エネルギーシステムの詳細な解析について述べる。
- 参考スコア（独自算出の注目度）: 1.7313417696295232
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As hyperscale and colocation AI data centers continue to expand, the electric grid is increasingly required to support large, concentrated loads, with individual facilities ranging from 500 MW to 2 GW. Current projections estimate that approximately 50 GW of AI data center capacity will require grid connectivity in the United States by 2030. While prior research has extensively examined the environmental and operational impacts of AI data centers, as well as their potential role as grid-interactive assets, limited attention has been given to the challenges associated with their scalable deployment through engineering, procurement, and construction (EPC) processes. This manuscript addresses this gap by proposing a phased development framework for AI data center expansion. The approach is designed to enable developers to meet aggressive time-to-market objectives while navigating multi-year constraints associated with interconnection approvals and lead times associated with the procurement of component equipment. A modular construction architecture is presented, along with a detailed analysis of integrated energy systems and the role of hybrid on-site generation in supporting incremental capacity growth. Electromagnetic transient simulations (EMT) are used to evaluate system performance, demonstrating that a combination of on-site natural gas generation and grid-forming energy storage can reliably support data center operations during early and intermediate deployment phases. The study further examines the transition to full grid interconnection, including the capability of the data center to operate in islanded mode during grid disturbances. Finally, the manuscript compares grid-forming control strategies for system reconnection and restoration under varying conditions.
- Abstract（参考訳）: ハイパースケールとコロケーションAIデータセンターが拡大を続ける中、電力網は500MWから2GWの個々の施設で大規模で集中的な負荷をサポートする必要がある。
現在の予測では、2030年までに約50GWのAIデータセンター容量が米国でグリッド接続が必要になると推定されている。
以前の研究では、AIデータセンターの環境および運用への影響や、グリッド・インタラクティブ・アセットとしての役割について広範囲に調査されてきたが、エンジニアリング、調達、建設(EPC)プロセスによるスケーラブルなデプロイメントに関連する課題に対して、限定的な注意が払われている。
この原稿は、AIデータセンター拡張のための段階的な開発フレームワークを提案することで、このギャップに対処する。
このアプローチは、相互接続の承認とコンポーネント機器の調達に関連するリードタイムに関連する複数年の制約をナビゲートしながら、積極的な市場目標を達成するために設計されている。
モジュール構造と統合エネルギーシステムの詳細な分析,およびインクリメンタルキャパシティ成長を支えるハイブリッドオンサイト生成の役割について述べる。
電磁過渡シミュレーション (EMT) を用いてシステム性能の評価を行い, 現場での天然ガス発生とグリッド形成エネルギー貯蔵の組み合わせにより, 早期・中期の運用において, データセンターの運用を確実に支援できることを実証した。
この研究は、グリッドの障害時に、データセンターが島状モードで運用できる機能を含む、完全なグリッド相互接続への移行についても検討している。
最後に,異なる条件下でのシステム再接続と復元のためのグリッド形成制御戦略を比較した。
関連論文リスト
- A Survey on the Green Development of Large Models: From Resource-Efficient Architectures to Hardware-Software Co-Design [71.32556809242666]
大規模AIモデルの急速な拡張は、さまざまな領域で大幅なパフォーマンスのブレークスルーをもたらした。
また、計算コスト、エネルギー消費、環境の持続可能性に関する重要な懸念を提起している。
この調査は、大規模モデルの持続的、スケーラブルで、社会的に責任のある開発に向けて、全体的なロードマップを提供することを目的としている。
論文 参考訳（メタデータ） (2026-07-10T04:02:22Z) - Power-Flexible AI Data Centers: A New Paradigm for Grid-Responsive Compute [0.7399816551817894]
従来の電力系統計画では、大規模コンピューティング施設を柔軟性のないピーク負荷として扱い、コストのかかるインフラのアップグレードとグリッド相互接続の長い遅延につながる。
最近の研究によると、AIクラスタはソフトウェアベースのワークロードオーケストレーションによって、ピーク時の電力消費を削減できる。
粒度の細かいクラスタ電力制御のためのグリッド信号,ワークロードスケジューリング,電力テレメトリを統合したアーキテクチャについて述べる。
130kWのGPUクラスタ上の実世界のデプロイによる実験結果は、優先度ジョブのサービスレベルを保ちながら、高速な負荷削減、持続的な削減、炭素認識操作など、さまざまな形式の柔軟性を示している。
論文 参考訳（メタデータ） (2026-06-23T19:13:19Z) - Urban Power Grid Topology and Hierarchy Identification from Open Data [53.468443050795344]
本稿では,都市電力グリッドトポロジの同定のためのオープンデータ駆動型フレームワークを開発する。
公共インフラのデータ(電力線、サブステーション、トランスフォーマー、ポール)を融合して、高電圧と中電圧のスケルトンをマッピングします。
次に、OpenStreetMap上の地理空間機械学習を活用して、電力需要クラスタをグループ化する。
我々は、7,330の建物と主要な電力インフラ資産をつなぐ完全なグリッドトポロジを再構築する。
論文 参考訳（メタデータ） (2026-06-19T11:51:38Z) - OpenG2G: A Simulation Platform for AI Datacenter-Grid Runtime Coordination [8.02974671572362]
我々はAIグリッド調整のためのシミュレーションプラットフォームOpenG2Gを構築した。
我々は,OpenG2Gが様々な調整質問に答えられることを示す。
本稿では,OpenG2Gの設計について述べるとともに,現実的なグリッドシナリオやAIワークロードを通じて,その有用性を実証する。
論文 参考訳（メタデータ） (2026-05-06T23:36:16Z) - Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。
我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。
我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
論文 参考訳（メタデータ） (2026-04-09T06:13:59Z) - DCcluster-Opt: Benchmarking Dynamic Multi-Objective Optimization for Geo-Distributed Data Center Workloads [14.834687262955585]
持続可能な時空間タスクスケジューリングのためのオープンソースの高忠実度シミュレーションベンチマークであるDCcluster-Optを提案する。
AIのワークロードトレース、グリッドカーボンの強度、電力市場、20のグローバルリージョンにわたる天候、クラウド送信コスト、経験的ネットワーク遅延パラメータなど、実世界のデータセットを組み合わせている。
モジュール型報酬システムは、二酸化炭素排出量、エネルギーコスト、サービスレベル合意、水利用の間のトレードオフを明示的に研究することを可能にする。
論文 参考訳（メタデータ） (2025-10-31T03:07:12Z) - Improving AI Efficiency in Data Centres by Power Dynamic Response [74.12165648170894]
近年、人工知能(AI)の着実に成長が加速し、洗練されたモデルの開発が進められている。
AIの潜在能力を最大限に活用するためには、堅牢で信頼性の高い電力インフラの確保が不可欠だ。
しかし、AIデータセンターは電力に非常に飢えており、彼らの電力管理の問題が注目されている。
論文 参考訳（メタデータ） (2025-10-13T08:08:21Z) - PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。
ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。
これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
論文 参考訳（メタデータ） (2025-08-29T01:47:27Z) - Turning AI Data Centers into Grid-Interactive Assets: Results from a Field Demonstration in Phoenix, Arizona [1.098838323009419]
Emerald ConductorはAIデータセンタを柔軟なグリッドリソースに変換する。
Trialはピークグリッドイベント中に3時間にわたって、クラスタ電力使用量の25%削減を達成した。
システムは、ハードウェア修正やエネルギーストレージなしでリアルタイムグリッド信号に基づいてAIワークロードを編成する。
論文 参考訳（メタデータ） (2025-07-01T16:11:49Z) - Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。
本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
論文 参考訳（メタデータ） (2025-05-06T06:46:19Z) - OccuEMBED: Occupancy Extraction Merged with Building Energy Disaggregation for Occupant-Responsive Operation at Scale [3.1755820123640612]
自動化の構築は、中央集権的な運用を通じて効率性と柔軟性を高める上で重要な役割を担います。
本研究では,全体のスマートメータデータを用いて,占有率とシステム操作量の両方を推定する可能性について検討する。
我々は,OccuEMBEDを提案する。OccuEMBEDは,占有率推定とシステムレベルの負荷解析のための統合されたフレームワークである。
論文 参考訳（メタデータ） (2025-04-23T10:49:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。