arXiv · battery（eess.SY 系统与控制）· Sina Mohammadi·来源日期· 1 天前精选AI 评分42
基于贝叶斯优化混合储能的 AI 数据中心电网模式功率平滑方法
Grid-Mode-Aware AI Data Center Power Smoothing via Bayesian-Optimized Hybrid Energy Storage System
已取得正文材料归一化评分材料状态不代表研究结论已核验
本站收录：2026-11-03 15:31
模型导读
该论文提出一种不依赖预测的实时控制框架，用 BESS 与超级电容组成的混合储能系统协调平抑 AI 数据中心的功率波动，并通过离线贝叶斯优化整定实时控制参数，以兼顾电网合规惩罚与储能老化。数值仿真显示，该方法把 75-160 MW 的原始需求波动基本压入 10 MW 目标带内，仅有短暂越界，同时把 20 MW 的关键振荡分量衰减到 1 MW 以下，以抑制谐振激发。
推荐理由
针对 AI 数据中心 GPU 训练带来的剧烈功率波动，用 BESS 与超级电容混合储能配合离线贝叶斯优化调参，给出可复用的实时控制思路。
来源：arXiv · battery（eess.SY 系统与控制） · arxiv.org