数据中心是数据存储、传输与处理的核心基础设施，为人工智能（AI）提供不可或缺的底层支撑。AI的快速发展推动数据中心用电量以前所未有的速度增长。2024年全球数据中心用电量达到416 TWh。预计到2030年，中国数据中心用电量将达到525.76 TWh。此外，数据中心还必须保证7×24 h不间断运行。面对数据中心高功率、长时段的用电需求，仅从算力侧降低能耗已不足以缓解规模扩张带来的资源压力。当前，第一类解决路径是加速风电、光伏等可再生资源的利用。第二类解决路径是为数据中心配置储能系统。尽管地面储能技术正得到广泛应用，但其在规模扩展性与安全性，对电力系统供需结构和稳定性支撑等方面仍存在固有局限。
图1 （a）数据中心用电量与碳排放变化趋势；（b）数据中心用电量及其占比预测
中国科学院武汉岩土力学研究所杨春和院士团队在深地储能领域深耕长达20余年。深地储能将能源储存在地下，具有大规模、安全的本质特征。为解决AI爆发式增长的电力需求问题，研究团队提出将深地储能作为一种新的解决方案，并重点讨论了储氢、压缩空气储能和液流电池三类具体技术。研究内容及创新点如下。首先，发现深地储能与AI负荷曲线匹配，可满足数据中心多样化用电特征。液流电池响应速度快，适合抑制秒级至分钟级的瞬时功率波动，可作为不间断电源。压缩空气储能的响应与储能时长介于二者之间，可为数据中心提供小时尺度的中时长备用电源。储氢容量最大但响应最慢，主要用于日尺度至季节尺度的长期电力调节。其次，构建了适用于数据中心的“源-网-产-储-算”协同模式。其中深地储能作为调节枢纽，平衡供需结构。通过平抑可再生能源的间歇性，保障数据中心供电的稳定性。随后，提出了面向AI模型生命周期的数据中心与深地储能地理位置的匹配策略。具体而言，超大规模数据中心承担预训练任务，宜布局于我国西部风光资源富集地区，采用地下储氢保障电力供应。企业级数据中心通常靠近盐矿资源，可利用盐穴开展大规模储能与发电，保障微调任务。土地资源受限的边缘数据中心执行推理任务，可部署地下液流电池。最后，探讨了三种深地储能技术对数据中心100 MW以上大规模用电需求的经济可行性。结果表明，液流电池和压缩空气储能具有较强的成本竞争力。尽管当前地下储氢成本较高，但仍具有战略价值。
图2 三种深地储能技术特点与AI模型不同阶段功率特征的匹配关系
图3 基于深地储能的数据中心“源-网-产-储-算”协同模式
在工程方面，针对储能设施选址、系统转换效率等挑战，研究团队建议短期内开展面向数据中心的深地储能示范项目，中期推进多场景应用，长期实现规模化产业发展。总体而言，深地储能为解决AI驱动数据中心面临的能源问题提供了一种技术可行、经济可接受且具备规模扩展潜力的解决方案。
图4 中国盐矿资源与部分数据中心分布的空间匹配
图5 基于深地储能的数据中心“源-网-产-储-算”场景示意图
图6 三种深地储能技术对比
研究成果发表于《Renewable and Sustainable Energy Reviews》，最新影响因子18.0，第一作者为施锡林研究员，第二作者为博士研究生王晨曦。研究工作得到了国家自然科学基金创新研究群体项目（A类）（No.52521004）、国家重点研发计划“地质储氢库适用性及安全关键技术”（No.2024YFB4007100）、中国科学院青年创新促进会优秀会员（No.Y2023089）等项目资助。
论文链接：https://www.sciencedirect.com/science/article/pii/S1364032126008312
图7 论文逻辑框架
（撰稿人：王晨曦）
附件下载：
鄂公网安备 42010602003514 