مقاله عملکرد مراکز داده هوش مصنوعی در مقیاس بزرگ با باتری تحت شیوه‌های اتصال "وصل و مدیریت"
,

مقاله عملکرد مراکز داده هوش مصنوعی در مقیاس بزرگ با باتری تحت شیوه‌های اتصال “وصل و مدیریت”

تومان249,950

مقاله‌های نوظهور در حوزه اتصال و مدیریت، امکان اتصال بارهای کلان جدید متصل به شبکه انتقال را فراهم می‌کنند و در عین حال محدودیت‌های توان مجاز متغیر با زمان را در نقطه اتصال مشترک (PCC) به صورت بلادرنگ…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000266 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

عملکرد مراکز داده هوش مصنوعی در مقیاس بزرگ با باتری تحت شیوه‌های اتصال "وصل و مدیریت"

Battery-Assisted Operation of Hyperscale AI Data Centers under Connect-and-Manage Interconnection Practices

نویسندگان: Xin Lu, Jing Qiu, Jiafeng Lin, Sihai An, Mingyang Sun, Junhua Zhao

شناسه منبع: arxiv / 2605.14105v1

دسته: eess.SY

چکیده (فارسی)

مقاله‌های نوظهور در حوزه اتصال و مدیریت، امکان اتصال بارهای کلان جدید متصل به شبکه انتقال را فراهم می‌کنند و در عین حال محدودیت‌های توان مجاز متغیر با زمان را در نقطه اتصال مشترک (PCC) به صورت بلادرنگ اعمال می‌نمایند. مراکز داده هوش مصنوعی در مقیاس بزرگ (AIDCs)، که تقاضای آن‌ها می‌تواند به صدها مگاوات برسد و پویایی‌های داخلی محاسباتی-خنک‌کننده آن‌ها به سرعت تکامل می‌یابد، بنابراین می‌توانند با تضادهای مکرری بین الزامات تداوم بار کاری و محدودیت‌های اعمال شده خارجی در محدوده PCC مواجه شوند. این مقاله یک چارچوب عملیاتی با کمک باتری را پیشنهاد می‌کند که در آن سیستم ذخیره انرژی باتری در محل (BESS) به عنوان یک رابط بافر فیزیکی برای تطبیق پویایی‌های سریع داخلی با محدودیت‌های اتصال متغیر با زمان عمل می‌کند. یک مدل انرژی-محاسباتی آگاه از تداوم، برای ثبت مشترک بارهای کاری آموزش هوش مصنوعی با محدودیت نقطه بازرسی، مشخصات توان-توان خروجی محاسباتی فناوری اطلاعات (IT) و پویایی‌های حرارتی خنک‌کننده IT توسعه یافته است. سپس یک چارچوب تصمیم‌گیری دو مرحله‌ای تدوین می‌شود که شامل تعهد بار کاری روزانه مبتنی بر سناریو و یک کنترل‌کننده تضمین تحویل افق متحرک بلادرنگ است که محدودیت‌های باتری، حرارتی و تعامل با شبکه را اعمال می‌کند. مطالعات موردی بر روی سیستم ۳۹ باس IEEE با داده‌های واقعی استرالیا نشان می‌دهد که BESS به طور قابل توجهی تعهد بار کاری قابل اعتماد روزانه را افزایش داده و استحکام تحویل بلادرنگ را تحت ازدحام شبکه انتقال بهبود می‌بخشد. تحلیل‌های حساسیت همچنین نقش انتقالی وابسته به رژیم BESS را آشکار می‌کنند – از پشتیبانی تداوم مبتنی بر امکان‌پذیری در زمانی که محدودیت‌های PCC الزام‌آور هستند، به ارائه انعطاف‌پذیری مبتنی بر اقتصاد با کاهش محدودیت‌های انتقال.

Abstract (English)

Emerging connect-and-manage practices allow new transmission-connected mega-loads to connect while enforcing time-varying admissible power exchange limits at the point of common coupling (PCC) in real time. Hyperscale artificial intelligence data centers (AIDCs), whose demand can reach hundreds of megawatts and whose internal computing-cooling dynamics evolve rapidly, can therefore face frequent conflicts between workload continuity requirements and externally imposed PCC envelopes. This paper proposes a battery-assisted operational framework in which on-site battery energy storage (BESS) serves as a physical buffering interface to reconcile fast internal dynamics with time-varying interconnection limits. A continuity-aware energy-computation model is developed to jointly capture checkpoint-constrained AI training workloads, information technology (IT) computing power-throughput characteristics, and IT-cooling thermal dynamics. A two-stage decision framework is then formulated, consisting of scenario-based day-ahead workload commitment and a real-time receding-horizon delivery assurance controller that enforces battery, thermal, and grid-interaction constraints. Case studies on the IEEE 39-bus system with Australian real data demonstrate that BESS substantially increases credible day-ahead workload commitment and improves real-time delivery robustness under transmission congestion. Sensitivity analyses further reveal a regime-dependent role transition of BESS — from feasibility-oriented continuity support when PCC limits are binding to economy-driven flexibility provision as transmission constraints are relaxed.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله عملکرد مراکز داده هوش مصنوعی در مقیاس بزرگ با باتری تحت شیوه‌های اتصال “وصل و مدیریت””

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا