并网权争夺战：1亿美元买到6%容量，5%柔性算力替代68%储能——AI数据中心的并网规划账本

AI 数据中心的竞争正在从"谁买得到 GPU"转向"谁接得上电网"。国际能源署（IEA）在《能源与人工智能》报告中的判断是：一座数据中心从立项到建成大约需要 1—3 年，而新建电网基础设施的规划、审批与建设周期长达 5—15 年——如果当前电网约束得不到缓解，到 2030 年全球规划中的数据中心产能约有 20% 可能面临并网延迟。机房建好了、卡也到了，接入权却还在排队，这已经成为大型算力项目最常见的死法之一。美国联邦能源管理委员会（FERC）2026 年 6 月专门针对大负荷并网出台了加速行动（转引自论文所引 IEA《Energy and AI》《Electricity 2026》与 FERC 公文），侧面印证了问题的严重性。

本篇解读的论文正面处理这个问题。休斯顿大学 Hassan Zahid Butt、Rida Fatima 与 Xingpeng Li 三位作者于 2026 年 8 月 29 日提交的 ICP-AI（Interconnection Capacity Planning for AI Data Centers）框架，把视角放在以往研究很少覆盖的一侧——开发商的固定项目：给定一座拟建的 AI 数据中心园区和一笔场内投资预算，光伏装多少、电池装多少、多少算力负荷可以延迟多久，才能把需要向电网申请的接入容量压到最小？这篇论文给出了一个可复算的混合整数线性规划（MILP）答案，并用投资—并网前沿、敏感性分析与 8760 小时全时序检验，标出了这套方法的边界。

一、导读：并网是新的稀缺品

传统数据中心供电规划的隐含假设是：电网接入不是约束，柴发与 UPS 解决可靠性。AI 数据中心把这两条假设同时打穿。单园区规模从几十兆瓦跃升到数百兆瓦甚至吉瓦级（论文引用的同类研究已在讨论 gigawatt-scale 接入），量级逼近一座变电站的极限；AI 训练与推理负载的时间结构又与电网的高峰重叠难以回避。于是并网容量本身成了稀缺资源——稀缺到值得用真金白银的场内投资去"买"。

围绕这个问题，产业界已经给出多种零散答案：柴发备电、场内储能削峰、源网荷储一体化申报、绿电直连。学术界的进展则分三条线：负荷侧的时空转移（降电费、做需求响应、匹配绿电）、储能在数据中心场景的配置与调度、以及并网研究（灵活性感知选址、connect-and-manage 运行、不确定性下的容量规划）。论文表 1 给出了与三篇最相关研究的对比：规划者视角的选址框架（Kim 等，Nature Communications）回答"数据中心建在哪"；系统容量扩展视角（Chen 与 Zheng）回答"AI 柔性如何改变全网投资与阻塞"；随机扩展视角（Wang 等）回答"训练负载不确定时电网与园区怎么一起规划"。ICP-AI 回答的是第四个问题：对一座已经确定要建的设施，给定场内预算，最小需要多少电网接入容量，以及这笔钱怎么在光伏、电池、柔性算力之间分。这个问题开发商每天在问，但文献里长期缺席。

一句话概括论文的答案：在保守设计条件下，1 亿美元只买到约 6% 的容量削减，但 5% 的柔性算力加 1 小时延迟窗口就能替代 68.2% 的电池。数字不大，含义不小——它第一次把"算力柔性"与"储能"放在同一张规划账本上，标出了两者的替代弹性。对正在做源网荷储方案的中国开发商（参见站内AIDC 储能市场拆解与算电协同选址分析），这张账本可以直接翻译。

二、问题设定：开发商视角的三个决策变量

ICP-AI 的场景设定很干净：一座并网型 AI 数据中心园区，场内可建光伏与电池储能，不允许向电网反送电、不允许切负荷（shedding）。规划输入包括设施原生负荷曲线、光伏设计出力曲线、技术参数（成本、效率、时长）、算力柔性参数（柔性比例与最大延迟时窗）以及场内投资预算 B。决策变量有三个：光伏装机 S_PV、电池容量 S_B、以及最大电网接入容量 P_IC——最后这个就是要在约束下最小化的目标。

这里有一个容易被忽略的关键设定：P_IC 的含义是"设施并网点允许的最大电网吸入功率"，它直接对应开发商要向电网公司申请的接入容量。削减 P_IC 的价值有三层：一是提高项目"塞进"候选站点既有容量余度的概率（省掉动辄数年的电网扩建）；二是减少对重大电网升级的依赖；三是在 connect-and-manage（先接入、后管理）类规则下压缩运行约束。论文特别强调，P_IC 应理解为"建模设计条件下的最小电网吸入容量"，而不是普适的接入额定值——电网公司认不认场内资源对接入容量的抵扣，各司法辖区规则不同且仍在演变。

另一个关键设定是不给电网分时电价。ICP-AI 刻意不做运行成本调度：电网只要小时吸入功率不超过 P_IC，要多少给多少；光伏和电池只有在能降低最大电网吸入时才值得投资。这个抽象把问题从"经济调度"纯化为"容量规划"——先回答要多少接入权，再回答怎么运行。代价是结论不能直接当运行方案用（论文在边界部分明确承认了这一点）。

三、框架总览：两阶段优化与投资—并网前沿

求解分两步。第一阶段解容量最小化：min P_IC，约束为场内资本投资 c_PVS_PV + c_BS_B ≤ B 与逐时并网限额 0 ≤ P^grid_m,h ≤ P_IC，得到最优容量 P_IC*。第二阶段做最小投资精化：固定 P_IC = P_IC*，min C_inv，在同样约束下找出达成该容量的最低投资组合——因为第一阶段的预算只作为上界出现，可能存在多个光伏—电池组合都达到同一个 P_IC*，精化步骤挑出最便宜的那一个，把"多花的钱"剔掉。论文验证：对本文评估的所有算例，精化都能复现容量最优组合到数值精度。

把预算 B 从 0 扫到 1 亿美元，每个档位解一次两阶段问题，就得到一条投资—并网前沿：横轴场内投资、纵轴所需接入容量。这条前沿的用途是双向的：正向读，"我愿意花多少钱，能少申请多少容量"；反向读更实用——"站点既有容量余度是 X 兆瓦，至少要投多少场内资源才能把项目塞进去"。后者正是开发商拿到一块地后的第一个问题。

四、模型逐层拆解：公式与工程细节

论文的公式体系不复杂，但有几处工程细节决定了结论质量，值得逐层过一遍。

（1）柔性负荷的聚合抽象。设施原生负荷 L_m,h 按比例 α 切成两块：不可延迟部分 P^nf_m,h = (1−α)L_m,h，与柔性部分 P^flex,arr_m,h = αL_m,h。对每个到达小时 a，决策变量 X_m,a,k ≥ 0 表示推迟 k 小时（k ∈ {0,…,D}）服务的柔性功率，约束 ΣX_m,a,k = P^flex,arr_m,a 保证全部工作量被服务——延迟不是削减，总计算量不损失。论文强调 α 应理解为"等效设施级柔性比例"（对应可重排的 IT 计算负荷），而不是每一类用电末端（制冷、照明）都可独立控制。这个抽象的实证基础来自两条：256 GPU 集群的软件编排示范（3 小时内压降 25% 功率且不破坏服务质量）、以及阿里生产轨迹分析（超过 20% 的数据中心功率对应可转移任务）。

（2）循环映射避免"午夜截断"。在典型日建模里，23 点到达、时窗 D=2 的任务映射到 φ(a,k) = 1 + mod(a−1+k, 24)，即次日 1 点——保留完整延迟窗口，而不是在 24 点强行截断。同时 k ≥ 0 排除了"提前算"：负荷只能推迟，不能预支。8760 小时全时序版则直接按时间轴分配，无需此处理。

（3）电池的四小时制度与大 M 互斥。电池以能量容量 S_B 为规划变量，按额定时长 H_B = 4 小时折算充放功率上限 S_B/H_B；二进制变量 u^ch_m,h + u^dis_m,h ≤ 1 配合大 M 约束禁止同时充放。往返效率 0.90 按对称方式拆分：η_ch = η_dis = √η_RT ≈ 0.9487。允许电网给电池充电——因为把电网能量从低谷小时搬到高峰小时，本身就是在削减接入容量峰值。

（4）首末 SOC 相等，堵死"免费能量"。每个设计日的初始与期末储能水平强制相等，防止跨设计日"偷能量"；8760 小时版则只设年末一个终点条件。这个细节直接影响电池容量的可用性评估——月度复合版因为不许 SOC 跨日结转，电池利用偏保守（后文鲁棒性检验会量化这个差异）。

（5）功率平衡与弃光。逐时平衡：放电 + 光伏出力 + 电网吸入 = 总服务负荷 + 充电 + 弃光。禁止反送电意味着光伏出力超出消纳能力时允许弃光（P^curt ≤ CF_m,h·S_PV）。柔性负荷再排程还要过一个设施功率上限 P^served_m,h ≤ P_fac,max（本案例 120 MW = 100 MW IT × PUE 1.2），防止"把负荷全堆到一小时"造成物理上不可行的瞬时需求。

月度复合应力剖面：保守主义的代价

案例的时间维度用 12 个月 × 24 小时 = 288 小时的"设计日"表达，构造方式刻意保守：每个月选含全年该月最高小时负荷的那一天做负荷剖面，独立地选该月光伏日电量最低的那一天做光伏剖面，再拼成一个月度复合应力条件——负荷日与光伏日不需要是同一天。论文解释了为什么用"日光伏电量最低"而不是"负荷峰值时刻的光伏出力最低"：电池可以在并网高峰前充电，把能量在时间上搬运，所以全天光伏电量比单时刻出力更能代表可用于削峰的可再生电量。

这个保守构造的后果在敏感性分析里暴露得很充分（见第八节）：同是 1 亿美元预算，换成"与月峰荷日实际同日的光伏曲线"（D2，重合条件），容量削减从 6.07% 升到 7.85%；换成"月度小时平均光伏"（D3），升到 10.39%。也就是说，保守设计条件本身吃掉了约四成的潜在削减空间。这不是模型缺陷，而是规划哲学：接入容量是几十年一遇的承诺，设计条件宁可失之保守。但开发商读这篇论文时必须清楚：6% 是"最坏天气 + 最坏负荷"下的下限，不是期望值。

五、案例设置：100 兆瓦 IT 负荷与休斯顿的太阳

案例是一座 100 MW 额定 IT 容量的 AI 数据中心，PUE 固定 1.2，设施功率上限 120 MW。年负荷曲线用劳伦斯伯克利实验室（LBNL）的负荷形态生成器（Shape Maker）构造，混合负载类型（训练+推理），两种日形态做对照：Mixed Flat（近平坦）年均负荷 83.274 MW、峰值 87.915 MW、负荷率高达 94.72%，峰均差仅 4.64 MW；Mixed Business（强工作时段形态）年均相近（84.339 MW）但峰值 99.619 MW、负荷率 84.66%，峰均差拉大到 15.28 MW。光伏用 PVWatts 的休斯顿全年逐时容量因子序列，均值 0.1703、区间 0—0.90。

表 1 · 案例规划与技术假设（据论文表 2 整理）。电价、运行收入与柔性补偿刻意不入模，框架隔离"前置投资—接入容量"关系。

成本口径值得留意：光伏 143.2 万美元/MW、电池 47.7 万美元/MWh 均为 NREL ATB 的 2026 年预测资本成本，且投资项按线性处理——不建模电池退化、扩容与运维。换算成中国读者熟悉的单位：电池约 3.4 元/Wh（按 7.1 汇率折算，含系统集成口径），比中国市场当前 2 小时储能系统中标价（约 0.5—0.6 元/Wh，站内储能价格链口径）贵出数倍。成本口径不同，结论的绝对值不能直接平移到中国——这是把框架用于国内项目的第一个修正项（第十一节展开）。

六、基线结果：陡峭的前沿与递减的收益

基线两组态：C1（无柔性）与 C2（5% 柔性、1 小时时窗）。核心结果如下：

表 2 · 基线投资—并网前沿（论文表 4，D1 保守条件）。削减百分比以 Mixed Flat 原生峰值 87.915 MW 为基数。

三个结论直接从表与图中读出。

第一，前沿极陡，边际收益递减极快。无柔性时 1000 万美元就把容量从 87.915 压到 84.021 MW，拿到 1 亿美元档位总削减量（5.340 MW）的 72.9%；有柔性时这个比例是 77.8%。换句话说，"花钱买并网权"的性价比在前 10% 的投资里最高——预算从 1000 万加到 5000 万美元，每 100 万美元的边际容量削减从约 0.39 MW 降到约 0.022 MW；从 5000 万加到 1 亿美元，进一步降到约 0.011 MW——不足首档的三十分之一。对开发商的启示：场内资源配置不必一步到位，先花小钱吃掉最陡的一段前沿，把剩余预算留给不确定性。

第二，纯柔性的"零成本容量"。不投一分钱，仅允许 5% 负荷延迟 1 小时，接入容量就从 87.915 降到 84.975 MW——2.940 MW、3.34% 的削减完全由调度软件创造。这是全论文对产业最锋利的一个数字：软件定义的算力柔性，在零资本开支下做出了过去需要数百万美元电池才能做的工作。

第三，柔性改变组合结构的力量大于改变最终容量的力量。同样 1000 万美元：无柔性时最优组合是 1.89 MW 光伏 + 15.30 MWh 电池；有柔性时变成 5.36 MW 光伏 + 4.87 MWh 电池——电池容量减少 68.2%，光伏接近三倍，而接入容量只多降了 0.363 MW。柔性算力承担了原本必须由电池完成的短时平移，释放出的预算转投光伏。到 1 亿美元档位，柔性的直接容量增益已缩到 0.15 个百分点（6.07%→6.22%，对应容量差仅 0.13 MW），但电池仍从 33.17 MWh 减到 18.99 MWh——直接容量价值饱和了，基础设施替代价值还在。这是论文对"柔性价值"最重要的概念切分：同一种能力，在容量账本上是一条快速饱和的曲线，在替代账本上是一条持续下压的曲线。

七、环境决定论：四组敏感性标出边界

论文最有价值的部分不是基准数字，而是它对"这个数字在什么条件下成立"的系统刻画。四组敏感性如下：

（1）时间设计条件（S1）。D1 保守复合（基准）/ D2 峰荷日实际光伏 / D3 月平均光伏 / D4 月平均负荷+光伏。1 亿美元、无柔性时四档的容量削减分别为 6.07% / 7.85% / 10.39% / 6.48%。两个方向的解读：往好处看，若设计条件没那么悲观（D2、D3），同样投资可多拿约 1.8—4.3 个百分点（D2 约 1.78—1.87、D3 约 4.32）；往深处看，光伏可用性是场内资源价值的真正瓶颈——D3 条件下再多投资还能继续换削减，而 D1 条件下投资很快"没电可搬"。组合结构随之剧变：1 亿美元 C1 的组合从 D1 的 58.79 MW 光伏 + 33.17 MWh 电池，变成 D3 的 42.35 MW 光伏 + 82.54 MWh 电池——光照越好，光伏铭牌需求越小、电池占比越大（能量的时间搬运取代电力的即时替代）。D4 的 6.48% 以其自身代表峰（83.821 MW，小时平均抹平了短时尖峰）为基数，不能与年峰口径直接比较。

（2）原生负荷形态（S2）。把 Mixed Flat 换成峰均差 15.28 MW 的 Mixed Business，同样 1 亿美元、同样 D1 条件，削减从 6.07% 跳到 13.31%（C2 为 13.37%；注意 13.31% 以 Mixed Business 自身峰值 99.619 MW 为基数，与 6.07% 的 87.915 MW 年峰基数属不同口径）——相对削减翻倍以上。原因很物理：峰均差越大，短时尖峰越多，恰好是电池与柔性最擅长吃掉的部分。1000 万美元档位的 Mixed Business 案例给出一个教科书式的注解：无柔性时最优组合是 0 光伏 + 20.976 MWh 电池——4 小时制度对应 5.244 MW 功率，恰好等于从 99.619 MW 峰值到 94.375 MW 的削减量，全部投资精确地用于电池削峰；加 5% 柔性后组合不变、容量再降 0.620 MW——在低预算段，柔性与电池是互补而非替代；到 5000 万与 1 亿美元档位，柔性重新开始替代电池（101.09→90.76 MWh、67.50→58.70 MWh），电池规模呈非单调轨迹——先增后减，从"纯电池削峰"过渡到"光储联合"。负荷形态是场内资源价值的第一决定变量：负荷越平坦（AI 训练集群的典型特征），可搬移的能量越少，场内资源的容量价值越低。

（3）柔性比例与时窗的饱和点（S3/S4）。零投资下，柔性比例从 0 提到 15%，容量降到 84.097 MW 后不再下降——纯柔性的天花板是 3.818 MW（4.34%），5% 已捕获其中 77.0%；时窗从 0 拉到 1 小时捕获 77.0%，2 小时 97.1%，3 小时后饱和。1000 万美元档位的替代效应更陡：时窗 1h 电池 4.872 MWh、2h 仅剩 0.391 MWh、3h 归零——而 1→3 小时之间容量只再改善约 0.155 MW（83.658−83.503）。柔性的容量价值在"5%、1 小时"附近就已基本兑现，但替代价值一路走到"10% 柔性或 3 小时时窗"才见顶。这组数字对调度系统设计的含义：不需要激进的柔性改造，中等柔性配置即可拿到大部分收益；真正的增量在于用柔性把电池从"削峰资产"重新定位为"能量时移资产"。

（4）8760 小时全时序鲁棒性。把 288 小时压缩模型换成全年逐时、SOC 跨日连续、负荷按真实时间轴延迟的完整模型，结论方向不变、幅度略升：1 亿美元档位削减从 6.07%/6.22% 升到 7.22%/7.28%，1000 万档位从 4.43%/4.84% 升到 4.86%/5.16%。差异主要来自电池容量的可用性——全时序允许 SOC 跨日结转，电池能被更大容量、更充分地利用，所以容量结论对时间压缩稳健，而光伏—电池的具体配比对时间表示敏感。工程师读这一节的正确姿势：用 288 小时版做前期筛选，最终配置用 8760 小时版复核。

八、行业分析四件套之一与之二：产业链利润池迁移与竞争格局量化

ICP-AI 的账本背后是一条正在重构的 AIDC 供电价值链。按环节拆：

表 3 · 供电价值链的利润池迁移：价值锚点从"供电可靠性"转向"并网权获取能力"。

迁移的总方向：利润从"设备制造"环节流向"容量编排"环节。柴发是这场迁移里最大的失意者——当电池同时具备削峰（可降低并网申请）与备电（可替代柴油机）双重身份，且成本随电芯价格下行而递减（站内口径：AIDC 储能需求 2025 年 29 GWh 走向 2030 年 522 GWh，五年约 18 倍），双功能资产在经济学上明显占优。柔性调度软件则是从零起步的增量——论文量化的"5% 柔性 + 1 小时 = 零成本 2.94 MW + 替代 68% 电池"就是它的定价锚。

竞争格局量化：三个层次的集中度（四件套之二）

三个层次看集中度。电芯层：中国动力与储能电芯 CR3 约 55%（站内既有口径），AIDC 储能需求的爆发直接喂给现有头部电芯厂，格局不变、量增价稳。系统集成与供配电层：AIDC 场景的系统集成正从传统数据中心电源厂商（HVDC/UPS 头部集中）与储能集成商（高度分散）两个方向涌入，交叉地带尚无稳定格局——这正是论文所示"配置逻辑从备电转向容量"带来的洗牌窗口。软件与服务层：柔性调度与并网容量规划服务当前几乎没有独立市场参与者，能力分散在超大规模云厂商的自研团队与少数咨询机构手中；若"投资—并网前沿"类方法成为标配，这个环节将出现从项目咨询到软件订阅的独立赛道。用 CR 语言总结：电芯 CR3≈55%（既成格局）、供配电 CR3 高但正被跨界者稀释（洗牌中）、软件与服务 CR3 尚未形成（0 到 1）。

九、行业分析四件套之三：市场规模测算与三档情景

ICP-AI 类"并网容量管理"实践的市场空间，取决于 AIDC 储能中有多少从"备电型配置"转向"容量型配置"。以站内既有口径为基数：中国 AIDC 储能累计装机从 2025 年约 38 GWh 走向 2030 年约 252 GWh，2026—2030 年新增约 214 GWh。设 2030 年新增项目中按容量优化逻辑（光储联合配置+柔性调度）规划的比例为 β，系统单价按 2030 年约 0.45 元/Wh（储能系统中标价延续下行趋势的估计口径），软件与规划服务按硬件投资的 3%—8%：

表 4 · 三档情景：2030 年中国 AIDC"并网容量管理型"光储与软件市场。基数为站内既有口径（38→252 GWh），单价与服务比例为 NewdPower 估计；容量与金额为取整口径（精确值 21.4/53.5/85.6 GWh 与 96.3/240.8/385.2 亿元）；β 的驱动变量是并网规则对场内资源与柔性负荷的认可程度。

敏感性结构很不对称：硬件市场的三档差异主要来自 β（10%→40% 造成四倍差距），而单价假设（0.45 元/Wh）在三档间保持一致——因为单价由整个储能产业的供需决定，AIDC 只是需求侧的一个切片。软件与服务的比例假设（3%—8%）看似不起眼，但它对应的是从 3 亿到 31 亿的十倍差距，且这是轻资产、高毛利的增量市场。真正的政策期权在 β 上：只要监管口径从"接入容量=铭牌负荷"转向"接入容量=可管理的最大吸入功率"，整个市场就从保守情景直接跳到积极情景——这正是论文反复强调"结论适用于认可场内资源与可控负荷的接入规则辖区"的原因。

十、行业分析四件套之四：价值链上游风险

第一颗雷：电芯价格与供给周期。投资—并网前沿的形状由 c_B（电池单位成本）直接决定，而电芯环节 CR3≈55% 的供给集中度（站内口径）意味着价格波动会被放大传导：电芯价格每波动 20%，同样预算下可配置的电池容量同比例缩水，前沿的"陡峭段"随之变平。更麻烦的是供需错位——AIDC 储能需求五年 18 倍的曲线若与动力电池需求周期共振，交付周期本身就会成为并网时间表的约束。

第二颗雷：并网规则的不确定性。ICP-AI 的全部价值以"电网公司认可场内资源与可控负荷的容量抵扣"为前提，而大负荷并网规则在多数辖区仍在演变（FERC 2026 年 6 月的行动本身就是规则未定的证据）。若开发商按前沿配置了光储与柔性承诺、而最终规则不认可抵扣，这部分投资就从"并网资产"退化为"普通自备资产"，回收逻辑重写。规则风险是三档情景（β=10%/25%/40%）之间跳跃的唯一主变量。

第三颗雷：负载形态漂移。论文证明了负荷形态是场内资源价值的第一决定变量（平坦负荷 6.07% vs 强日形态 13.31%），而 AI 数据中心的负载形态恰恰是 GPU 供给结构与模型范式决定的：训练集群接近全平坦、推理集群呈强日周期、混部介于两者之间。训练与推理比例随模型产业演进漂移，等于在设施寿命期内给"负荷形态"这个输入变量加了不确定性——按今天形态优化的配置，十年后可能面对完全不同的前沿。

第四颗雷：光伏资源与土地约束。敏感性 S1 显示光伏可用性从 D1 到 D3 贡献 4.3 个百分点的削减差，但场内光伏的现实上限往往不是光照而是屋顶面积与土地：100 MW IT 园区要铺下数十兆瓦光伏，需要的面积远超典型园区红线。D3 情景（月均光伏）在论文里是敏感性假设，在现实中可能因土地约束而不可达——前沿的上半段（大预算、大光伏）对土地可得性高度敏感。

十一、中国推演：把前沿翻译成算电协同的谈判语言

把 ICP-AI 放回中国的制度语境，有三处关键翻译。

第一处：成本结构的翻译。论文的电池成本（约 47.7 万美元/MWh，折合约 3.4 元/Wh）来自 NREL ATB 的美国口径，而中国 2026 年储能系统中标价约 0.5—0.6 元/Wh（站内口径）——便宜 5—6 倍。成本越便宜，前沿越陡：同样 1000 万美元（约 7100 万元人民币）在中国按 0.55 元/Wh 能买到约 130 MWh 电池，是论文案例同预算最优组合（C1，15.30 MWh）的 8 倍以上。中国的投资—并网前沿在更低的预算档位就会进入饱和区，意味着"花小钱买并网权"的空间比论文测算的更大，电池削峰的经济性更早成立。反过来，光伏 EPC 与土地成本在中国也与美国不同，重算前沿时两个成本项都要本地化。

第二处：制度接口的翻译。论文的前提是存在"可执行的接入容量上限 + 场内资源与可控负荷的抵扣认可"。中国对应的制度接口正在成形：源网荷储一体化项目允许负荷与电源协同申报（本质上是把并网点最大交换功率作为管理对象）、需求响应与可中断负荷协议给柔性负荷定了价、绿电直连试点在重构"专线+自备"的并网形态。ICP-AI 的投资—并网前沿可以直接嵌入源网荷储一体化方案的申报测算：给定站点可用的电网容量（比如 500 kV 站的一路间隔），倒推需要配置的光储规模与负荷柔性承诺——这正是各地能源局评审此类项目时问的第一个问题。

第三处：负荷形态的翻译。论文最反直觉的结论是"负荷越平坦，场内资源价值越低"——而 AI 训练集群恰恰是最平坦的负荷（94.72% 负荷率的 Mixed Flat 就是训练型负载的画像）。中国"东数西算"工程推行的训练任务跨枢纽迁移，本质上是把时间柔性升级为空间柔性，与 ICP-AI 的时间柔性形成互补：训练任务可以在庆阳与乌兰察布之间追随绿电迁移，推理与实时负载则在园区内靠光储+柔性削峰。站内此前拆解的混合储能功率摆动控制处理的是毫秒—秒级问题，ICP-AI 处理的是小时—年级规划问题，两者恰好构成"规划—运行"的完整链条。

十二、边界与局限

论文自己划的边界清单值得原样转述并补充。模型边界：不显式建模网络约束（接入点之外的输电阻塞不在视野内）；不建模电价、运行收入与柔性启用成本（容量可行调度≠经济最优调度）；投资成本线性、电池固定 4 小时制度，不含退化、扩容与运维；未对 GPU 与供配电设备的负载形态做 differentiated 建模。适用边界：P_IC 是建模设计条件下的最小容量，只有当电网公司或系统运行方认可可执行的接入上限、灵活服务安排或 connect-and-manage 结构时，才能兑现为真实的接入申请削减——各辖区规则不同且仍在演变。数据边界：负荷曲线为 LBNL 生成器构造而非实测，光伏为休斯顿单点资源；结论的绝对值对资源与负荷假设敏感（论文用四组敏感性证明了这一点）。

解读层面再补三条。其一，6% / 10% / 13% 三个数字是同一框架在不同环境下的输出，不能混用口径——引用"AI 数据中心可削减 13% 并网容量"而不注明"强日形态负荷+1 亿美元投资"的前提，就是误用。其二，柔性比例 α 的 5% 基准来自生产轨迹研究（阿里口径约 20% 可转移功率中的保守取值），不同算力组合（训练为主/推理为主/混部）的 α 与 D 差异巨大，套用前必须实测或仿真标定。其三，论文未触及的最重要变量是时间：并网排队的等待成本本身应该折算进目标函数——若"提前两年并网"价值数亿元，前沿的形状会完全不同。这是从规划优化走向投资决策必须补的一步。

十三、结论与观察指标

这篇论文的贡献不在某个大数字，而在它把三件事放进了同一张账本：并网容量（开发商最关心的稀缺品）、场内光储（传统规划里的备电资产）、算力柔性（过去只被当作运行手段的调度能力）。账本给出的答案克制而清晰：在保守条件下场内投资的容量回报有限（1 亿美元约 6%），但柔性算力以零资本拿到 3.34%、并替代 68% 的电池——容量价值饱和快，替代价值持续久；光照条件与负荷形态可以轻松把这个上限翻倍（10%—13%）；8760 小时检验确认了方向稳健。对产业而言，它把"要不要为并网排队买单"从赌注变成了可计算的曲线。

后续观察五个指标：①FERC 与各州大负荷并网规则对场内资源抵扣的认可进展（β 情景的最大变量）；②中国源网荷储一体化与绿电直连试点中"最大交换功率"口径的落地细则；③超大规模云厂商训练集群的实测负荷率与可延迟比例（α 的真实分布）；④储能系统价格向 0.4 元/Wh 以下的下行节奏（前沿陡度的成本侧变量）；⑤算力调度软件在数据中心供应链中的独立化程度——它是否从运维工具长成一个独立品类，决定表 3 里"从 0 到 1"那格的终局。

并网权的稀缺短期不会因电网扩建而缓解——5—15 年的建设周期意味着 2030 年前可用的接入容量在很大程度上已被既有规划锁定。在此之前的每一个园区规划决策，本质上都是在论文画出的前沿上选一个点：花多少钱买多少并网权、用多少柔性替代多少电池。会用这张账本的开发商，排在队伍前面的概率会大一点。

来源：arXiv:2608.29359《Minimizing Grid Interconnection Capacity Requirements for AI Data Centers: A Developer-Side Planning Framework with Onsite Resources and Workload Flexibility》（Hassan Zahid Butt, Rida Fatima, Xingpeng Li，休斯顿大学，2026-08-29 提交）论文原文；论文所引 IEA《Energy and AI》《Electricity 2026》、NREL ATB、PVWatts、LBNL Shape Maker 及相关文献。行业四件套测算基于站内既有口径（AIDC 储能 29→522 GWh、电芯 CR3≈55%、储能系统中标价），测算口径均在正文标注。本文为论文原文的独立解读与中国行业推演，观点仅供参考，不构成投资建议。