研究人员提出了一种松弛与舍入数学方法，以帮助电网更好地管理数据中心激增的电力需求。

美国能源部橡树岭国家实验室（ORNL）的研究人员开发了一种计算方法，旨在帮助电网运营商和数据中心开发者在人工智能推动电力需求前所未有的增长背景下更高效地管理电力。这项研究成果已在2026年IEEE电力与能源学会年度大会上展示，其针对的是一个日益严峻的运营挑战：大型数据中心越来越多地利用现场发电来补充公用事业供电。管理这些额外的发电机显著增加了电力系统运营的复杂性，并使现有的电网优化工具达到了极限。

为解决这一问题，ORNL研究人员开发了一种“松弛-舍入”优化方法，大幅缩短了确定任意时刻哪些发电机应处于运行状态所需的时间。该方法首先通过暂时允许传统上为二元（是或否）的决策取连续值来“松弛”问题，从而通过高效的数学技术实现快速求解。找到解后，该方法将这些值“舍入”回关于发电机状态的实用离散决策。这种两步走的过程避开了传统数学优化的沉重计算负担，同时仍能提供高质量、可靠的结果。

研究团队使用包含46台具有不同运行特性的发电机的基准系统进行验证，以代表不同类型的发电机。通过创建这些机组的轻微修改副本，研究人员模拟了内部差异，并以每次增加46台发电机的幅度逐步扩大测试系统规模。在一个包含276台发电机的系统中，新方法将计算时间从约10小时缩短至不到一秒，且成本未增加，可行性也未丧失。虽然传统方法难以解决更大规模的系统，但新方法能够高效扩展至包含数万台发电机的系统。这种可扩展性使该方法成为规划容纳大型AI数据中心和其他分布式能源资源的未来电网的实用工具。

ORNL研究科学家Shaked Regev领导了该项目，他表示：“科学界已经开发了用于连续变量问题的强大求解器，但缺乏直接解决整数变量问题的高效方法。”“我们没有使用通用求解器，而是专注于机组组合这一特定问题，并利用强大的、针对特定问题的启发式算法，将整数变量问题转化为求解多个连续变量问题，这种方法速度更快且扩展性更好。”

行业分析师预测，在未来几年内，美国数据中心将新增数十吉瓦的电力需求。随着公用事业公司扩大电网容量，许多开发商正在投资天然气发电机和其他现场电力资源，以确保运行的可靠性。预计这些新型发电资产将比传统发电厂更小、更灵活，且响应速度更快，因此需要更新调度和调度策略。ORNL的优化方法使运营商能够快速识别具有成本效益的运行计划，在保持电网可靠性的同时降低燃料成本。

该算法专为并行计算设计，并与图形处理单元（GPUs）兼容，为在领先级计算系统上实现更快的性能打开了大门。这项工作凸显了ORNL在电力系统、应用数学和高性能计算方面的专业知识，支持美国能源部现代化国家能源基础设施的努力，同时促进人工智能和先进计算的持续增长。

Regev指出：“在多学科团队中工作使我们能够解决更复杂的问题。”“我很乐意学习大量关于电力系统的知识，并向他人传授数学优化求解器的特性。我们能够挑战关于正确做事方式的假设，这引领我们取得了突破。”