被稳态规划高估的2.65倍：数据中心电压穿越改写并网容量，与UPS裕度的15个百分点之争

一、论文信息卡与导读

这篇论文回答的问题，藏在每个数据中心并网协议的附则里：当电网在数据中心并网点制造一次电压跌落，这栋楼里的 IT 负荷是撑住，还是整体切走？如果切走，电网规划者当初批给你的接入容量还算不算数？

传统规划只回答一半。稳态层面的并网评估检查热稳定极限与电压偏差——线路载不载得动、母线电压越不越限，这些是分钟级、静态的问题。但大型数据中心是高度集中的电力电子化负荷：电压扰动期间，它可能整体断开，也可能整栋切换到现场备用电源，两种动作都会从系统里瞬间抽走巨量需求，把一个"用户侧"的问题升级成系统级稳定问题。论文的立场很直接：数据中心的并网可行性，不仅取决于稳态限制，还取决于它内部的电力调节系统能否在电压扰动期间维持 IT 服务、同时抑制主动甩负荷。

结论同样直接：在 IEEE 118 节点算例上，纯稳态规划给出的可行数据中心接入容量是 391.82 MW，而如果 UPS 前端采用限流跟网（GFL）模式且变换器不留裕度，穿越校验后的可行容量只有 107.32 MW——稳态规划把真实可行容量高估了约 2.65 倍。要买回全部容量，GFL 前端需要 32.5% 的变换器视在功率裕度，而构网（GFM）前端只需要 17.5%——15个百分点的差距，就是构网技术在数据中心并网谈判桌上的定价筹码。

本文按论文原文的推进顺序拆解：先看问题背景里的三组真实事件数据，再拆四步耦合评估框架，然后逐模块拆内部模型（IT 负荷、冷却、直流母线、UPS、BESS、限流），对比 GFL 与 GFM 两条控制链，复现 Table I 的关键数字，解释 GFM 裕度优势的机制来源，划定论文自述的验证边界，最后做工程推演与 AIDC 供电产业链的行业分析四件套。

二、问题背景：负荷本身成了电力电子装置

理解这篇论文的分量，需要先看清三组背景数字。

第一组：需求侧的量级跃迁。论文引用 IEA 数据：全球数据中心用电量将从2025年的485太瓦时增至2030年的950太瓦时，五年翻倍，约占全球电力需求的3%。这不再是可以在规划里模糊处理的"重要用户"——它是在若干区域与新增发电规模同量级的单一负荷类别。

第二组：并网队列的拥堵。论文引用 ERCOT 并网更新报告：截至2026年3月26日，约410吉瓦大负荷正在申请并网，其中约87%是数据中心。410吉瓦是什么概念——它接近一个大型互联电网的全部装机。并网队列的每一次评估迟滞，都在直接折算成 AI 算力的上线延迟。

第三组：已经发生的事故形态。论文引用 NERC 事件回顾：一次230千伏输电线路故障导致约1500兆瓦用户主动的电压敏感负荷削减，主体正是数据中心类负荷；PJM 记录的2026年7月事件中，一次230千伏线路故障后约3800兆瓦负荷切换至备用电源。注意这两次事件的共同点：电网没有失去电源，失去的是负荷——而且是在系统最脆弱的故障瞬间失去的。故障瞬间大量负荷集体脱网，功率平衡反向突变，对受端电网的冲击不亚于一台大机组跳闸。

把三组数字连起来，论文的研究空白就浮出来了：设施级研究通常拿预设的电压跌落波形测试 UPS，规划研究则根本不把网络故障的真实电压波形喂给数据中心内部模型——两头都在各算各的。而真实世界里，两者是耦合的：接入的数据中心容量越大，故障前的运行点越重，故障后的电压恢复越差，穿越难度越高。容量决策本身会改变穿越条件，这是一个必须放在同一个循环里求解的问题。

三、总体框架：四步耦合循环

论文提出的评估框架是一个闭环：稳态托管优化、故障仿真、内部动态模型、穿越校验，四步循环迭代，直到容量方案通过全部校验。

第一步，稳态托管优化。以最大化总接入容量为目标，对每个候选母线给出容量建议与逐时运行点。数学上是线性化潮流加上支路热限与电压筛选的线性规划——这是所有电网规划院都会做的部分，也是"高估"的来源所在。

第二步，故障仿真。对每个候选容量方案重建网络工况，在候选母线处生成并网点（POI）电压波形。关键设计有二：其一，故障不设在数据中心母线本身，而是选在非候选母线的网络位置——真实电网故障本来就大多发生在用户母线之外；其二，故障前工况用的是第一步给的运行点，这意味着更大的接入容量会自动恶化故障后的电压恢复，耦合由此进入。

第三步，内部动态模型。把 POI 电压波形作为输入，驱动数据中心内部的全链条响应模型——IT 负荷、冷却负荷、直流母线、UPS、BESS。这是论文的核心增量，下一章逐模块拆。

第四步，穿越校验。判定受保护的 IT 负荷能否维持服务、甩负荷是否超限。通过则容量成立；不通过则削减容量或调整设计参数，回到第一步重算。

这个循环里最容易被低估的是第二步到第一步的反向影响。传统流程里，故障校验是容量定完之后的"打钩"环节；论文把它变成生成环节——每个候选容量都对应一组不同的故障前潮流与不同的故障后电压轨迹，因此"能接多少"与"跌多深"必须同时解。这也解释了为什么后面 Table I 里的容量-裕度关系不是简单的线性外推：每个裕度档位上的可行容量，都是整个循环重新收敛的结果。

四、内部模型：六个模块的动力学

内部模型要回答的问题是：给定并网点电压波形 V(τ)，数据中心的 IT 服务能不能维持。论文把数据中心拆成六个耦合模块。

模块一，IT 负荷。不是常数，而是工作负荷分量的叠加：高算力段与通信/同步段交替出现，周期时长随机，用增益参数调节波动幅度——增益拉高即可表示高度同步的 AI 训练负载，压低则代表被通信与数据管道部分平滑的负载。算例采用实测的 GPU 工作负荷轨迹。这个设计让"负荷波动冲击电能质量"成为模型的内生变量，而不是外加扰动。

模块二，冷却负荷。对 IT 功率变化做一阶热响应，微分方程为 T·dg/dt = 1 + ρ·(g_IT − 1) − g，其中 g 是冷却功率的归一化状态，T 是热时间常数，ρ 是耦合增益；当 ρ 取零时退化为近似恒定的非服务器负荷。冷却的意义在于它在故障期间构成不可中断的辅助负荷——IT 可以短时靠电池，但热惯性决定了冷却中断的可容忍窗口远小于很多人直觉。

模块三，直流母线。以保持能量 E 与归一化能量状态 e 描述，配合 PI 外环控制维持母线电压。直流母线是整栋楼的能量枢纽：市电正常时它稳压，市电异常时它的储能支撑穿越初期的功率缺口，其能量状态直接决定能撑多久。

模块四，UPS 与四区域监督逻辑。UPS 的前端变换器有 GFL 与 GFM 两种模式（下一章展开），监督逻辑按母线状态切分四个区域：正常运行、混合运行、电池运行、受控重连，每个区域由电压阈值与驻留时间共同触发。驻留时间的存在是刻意设计——防止电压在阈值附近抖动导致模式反复切换，这正是真实 UPS 固件的行为方式。

模块五，BESS。挂在 UPS 直流侧，穿越期间补足有功缺额，受能量与荷电状态限制。它决定了"撑多久"的上限：变换器决定"撑多稳"，电池决定"撑多久"。

模块六，变换器视在功率限制。额定容量按 S = β·H 与接入容量 H 挂钩，β 就是本文标题里的"裕度系数"。限流采用有功优先策略：电流幅值不超过上限，且 P² + Q² ≤ (S_B·|V|·I_max)²（S_B 为系统基准容量，非变换器额定容量）——当故障期间电流触顶时，先削无功、保有功。这个看似合理的工程选择，恰是 GFL 模式穿越表现吃亏的机制起点，第八章展开。

这套内部模型有一个容易被忽视的关键设计：穿越判据作用在 IT 侧，而不是并网点。也就是说，论文不要求数据中心内部电压跟随外部并网点的穿越包络——只要最恶劣时段的内部 IT 电压不低于服务要求即可。这为"内部架构怎么设计才能用更少的钱过穿越"留出了优化空间，也是 GFM 与 GFL 差异的评判基准所在。

五、两条控制链：GFL 与 GFM 前端

UPS 前端变换器与电网的同步方式，决定了它在电压跌落期间的行为边界。

GFL（跟网）链。锁相环跟踪并网点电压相位，电流控制器按指令注入电流。正常运行时简单可靠，但故障期间的约束链条是：锁相环依赖外部电压——电压深度跌落时相位观测质量下降；电流限幅封顶输出——注入电流有上限；有功优先限流进一步压缩无功空间。三个约束叠在一起，GFL 在故障期间的电压支撑能力被结构性地锁死：它能做的是"少添乱"（限流、快速脱网或切换），而不是"顶上去"。

GFM（构网）链。虚拟阻抗串联内电势源，配合虚拟同步机（VSM）动力学与无功下垂控制。它不依赖锁相环观测外部相位——自己就是电压源，故障期间可以主动重构端口电压、输出无功支撑电压恢复。论文在两种模式间共享同一套直流能量监督、BESS 支持与限流层，这个设计非常重要：它把两种模式的差异干净地隔离在"控制律"这一个变量上，Table I 里 GFM 与 GFL 的全部性能差，都可以归因到控制链本身，而不是电池大小、裕度多少等其他因素。

值得强调的是，这条对比链在数据中心场景里的含义与电源侧不同。电源侧的构网讨论（可回看我们对构网与跟网混合系统暂态稳定判据的拆解）关心的是逆变器群给系统提供惯量与阻尼；而数据中心场景里，GFM 是一种"自保姿势"——它的电压重构能力首先保住的是自己楼里的 IT 服务，其次才是给电网搭把手的电压支撑。这个次序决定了商业逻辑：数据中心业主为 GFM 付钱的动机，来自并网容量与可用率的收益，而不只是电网友好。

六、VRT 判据与线性代理：保守化与无误判

四步循环要跑成千上万次（容量候选 × 故障场景 × 逐时工况），每次都跑全阶动态仿真在计算上不可行。论文的处理是构造线性代理模型，并用两层机制保住工程可信度。

判据层。穿越校验有三条：其一，最恶劣持续时段的内部 IT 电压不低于服务要求——这是硬判据；其二，单站甩负荷不超过该站容量的比例阈值；其三，多站聚合甩负荷不超过系统层面的聚合阈值。第三条在算例中仅作诊断量输出，因为通用的聚合阈值取决于平衡区的备用背景，论文不做武断设定——这种克制反而增强了结论的可信度。

代理层。离线采样"网络—数据中心"耦合响应，把电压裕度与甩负荷裕度拟合成容量的仿射下界，嵌入托管线性规划。关键在保守化处理：按训练集上的最大过预测量收紧截距，在采样域内宁可低估可行容量、避免高估。验证结果是留出集上无误判通过——没有任何一个实际会挂掉的方案被代理放行。

复验层。线性规划给出的最优解，再用完整非线性流程复验：AC 潮流筛选加上 ANDES 全阶故障仿真驱动内部模型重放。代理负责收敛速度，复验负责最终裁决。这个"代理筛选+全阶复验"的双层结构，是整套方法在计算可行性与工程严谨性之间的平衡点，也是它区别于"跑一遍仿真看结果"式研究的方法论价值。

七、核心结果：容量如何被裕度买回来

算例设置：IEEE 118 节点系统，基准容量100兆伏安；四个候选数据中心母线（21、75、106、108）；风电挂在69、80、89母线；8760小时功率平衡；线性规划用 HiGHS 求解，动态仿真用 ANDES。Table I 的关键行复现如下：

三个数字值得放大。

第一个：2.65倍。无穿越约束时全系统可接 391.82 MW；GFL 前端、零裕度时只剩 107.32 MW。稳态规划给出的答案高估了 284.50 MW，相当于把可行容量砍掉72.6%。对并网协议的含义是残酷的：如果规划与并网测试不校验穿越，业主按 391 MW 拿到接入许可、按 GFL 零裕度建成，投运后的每一次电网故障都可能触发大规模甩负荷——要么被限运行，要么追加投资改造。

第二个：1.325 对 1.175。GFL 想要全额容量，变换器需要 32.5% 的视在功率裕度；GFM 只要 17.5%。15个百分点的裕度差，直接换算成 UPS 与变换器的容量投资差。而且注意论文的一个补充发现：非线性重放显示，GFL 的全额容量解即便在 β=1.325 下，内部电压校验仍需更多裕度才能通过——代理筛选给出的 1.325 是乐观下界，真实 GFL 工程的裕度需求大概率高于 32.5%。

第三个：非单调的空间再分配。容量在四个母线间的分配不是随 β 平滑增长的：GFL 场景下 Bus 108 在 β=1.20 时升到 95.16 MW，β=1.225 时反而掉到 24.05 MW——容量整体搬去了 Bus 106，随后才回升。母线 21 在低裕度区间被完全排除（0 MW），裕度加大后才逐步解锁。这说明穿越约束不只是压总量，它重构了"哪里能建、建多少"的空间格局——对数据中心选址，这是新的优化维度。

八、机制解释：GFM 为什么省下15个百分点

把 1.325 与 1.175 的差距拆开，机制上有三层。

第一层，电压重构能力。GFL 的电流控制本质是"跟着电压走"：电压跌得深，它能注入的电流上限虽然还在，但注入的电压支撑近乎为零——端口电压由电网决定。GFM 的内电势源可以主动抬高端口电压，故障期间的输出电压不随电网跌落同步塌陷，内部 IT 侧看到的电压跌落因此浅得多。穿越判据作用在 IT 侧，同样的判据下，GFM 天然留有更大的内部裕度。

第二层，无功的空间。有功优先限流器在电流触顶时牺牲无功保住有功——这对 GFL 是合理的自我保护，因为 GFL 反正提供不了电压支撑；但代价是故障期间母线电压恢复更慢，反过来又恶化了 GFL 自己的锁相环观测质量，形成正反馈式的恶性循环。GFM 的无功下垂在故障期间优先顶上去，电压恢复快，电流峰值下降也快——它在用无功换时间。

第三层，模式切换的平滑度。四区域监督逻辑里，GFL 从正常切到电池运行往往伴随更剧烈的暂态（锁相环失锁风险、重连同步过程），驻留时间约束下的切换窗口更紧张；GFM 从并网到孤岛是无缝的电压源接管。切换过程的电流冲击越小，触发电流限幅的概率越低，穿越成功的概率越高。

三层机制叠加的净效果，就是 Table I 里那 15 个百分点。而论文刻意让两种模式共享全部硬件（同一套直流监督、同一块电池、同一个限流层），意味着这 15 个百分点几乎纯粹是"控制算法"的价值——这是软件定义硬件的又一个案例：同样的硅、同样的电池，控制律的差异直接决定并网容量能不能拿满。

站在并网谈判桌的角度重述一遍：两个业主在同一母线申请同样的容量，用 GFL 的那个要么多花 15 个百分点的变换器投资，要么接受被砍掉的容量——在 ERCOT 那条 410 吉瓦的并网队列里，容量就是上线时间，上线时间就是收入。

九、验证边界：论文自己划定的四条线

这篇论文的结论强度，与它自述的边界一一对应。引用其结论时必须带上这四条线。

其一，降阶响应模型。GFL 与 GFM 前端都是简化代理，论文明确限定结论"在所研究的降阶响应模型下"成立。真实 UPS 固件的保护逻辑、厂商特定的限流策略，可能使裕度需求偏离 Table I 的数值——方向和量级需要逐设备验证。

其二，代理非全局下界。保守化处理覆盖了采样域，但在采样域之外并非严格下界，仍存在小的正向过预测空间。工程使用时应把候选方案保持在采样包络内。

其三，网络模型线性化。规划层用线性化潮流与线性电压筛选，虽有完整 AC 潮流与全阶动态复验兜底，但复验只覆盖优化解，不覆盖解空间的全域。

其四，聚合阈值未定。多站聚合甩负荷阈值在算例中只作诊断量——通用阈值取决于平衡区备用背景，这留给系统规划者按本地条件设定，也意味着"数据中心聚集区"的系统性风险评估仍需区域级研究补位。

十、工程推演：从论文判据到并网谈判桌

把论文框架平移到中国语境的工程与商业场景，可以推演出四条路径。

路径一，穿越要求从电源侧向负荷侧延伸。中国的并网技术规范对电源的电压穿越（高电压穿越、低电压穿越）已有成熟要求，但对负荷侧——尤其是数据中心这类超大电力电子负荷——尚无对等的国家标准。论文表明穿越能力可以成为约束性并网条件，这意味着未来的数据中心并网协议里出现"故障期间甩负荷比例上限"与"内部电压维持要求"是大概率事件。提前按此设计供电链路的业主，将避免投运后的整改成本。

路径二，UPS 选型从"可靠供电"转向"电网友好"。传统 UPS 采购标书的关键词是效率、可靠性与备电时长；论文给出的是第三个维度的量化依据——变换器裕度系数 β 与控制模式直接决定并网容量。把 β 从招标的隐含参数变成显性指标，把 GFM 能力从加分项变成容量获取手段，是 AIDC 供电设备采购正在发生的范式迁移（华为、天合等厂商在2026年9月密集发布的构网型 AIDC 供电方案，与这条技术逻辑一致）。

路径三，选址模型加入穿越维度。四母线分配的非单调性说明，传统选址模型（电价、延时、土地、网络）之外，"故障工况下的穿越友好度"应成为新的筛选变量——弱电网末端的母线即便电价便宜，若穿越约束把它排除，综合成本反而更高。

路径四，与并网队列经济学的对接。我们从市场视角拆解过并网权争夺与柔性算力替代储能的账本：接入容量在排队体系里是稀缺资产。本文补充了技术视角：穿越能力决定你申报的容量里有多少是真的。两条视角拼起来，AIDC 并网的完整决策链浮出水面——市场侧买队列位置，技术侧用裕度与构网控制把位置变现。

十一、行业分析四件套

11.1 产业链与利润池

穿越感知并网把 AIDC 供电链的价值分布重排了一遍。链条环节：中压配电与变压器 → UPS/HVDC 变换与控制 → BESS 储能 → 构网型 PCS 与 EMS → 液冷与热管理 → EPC 集成。论文指向的增量利润池集中在三处：其一，GFM 控制与构网 PCS 的软件与功率器件溢价——15个百分点的裕度差是可定价的技术价值；其二，并网咨询与穿越仿真评估服务——四步循环框架需要 ANDES 类仿真、内部建模与代理拟合能力，这是新增的专业服务环节；其三，高裕度变换器与 SiC 器件——β 从 1.0 提到 1.175-1.325，意味着同容量下变换器规格整体上移。

11.2 竞争格局量化（CR3/CR4）

全球数据中心 UPS/供电设备市场长期由国际品牌与头部中资厂商分食，NewdPower 估算全球大型数据中心 UPS 市场 CR5 约55%-70%（按功率口径，估算依据为头部厂商年报与行业统计的公开区间，精确值以第三方出货统计为准），集中度高于一般电力设备环节。构网型 AIDC 供电是2026年才形成产品类目的新赛道（2026年9月深圳国际数字能源展上构网方案密集发布），格局未定，窗口期特征明显：电源侧构网 PCS 已形成头部聚集的厂商（可回看我们对构网型储能技术路线与产业格局的拆解）具备向荷侧迁移的能力优势，NewdPower 估算国内构网型储能 PCS 环节 CR3 已超五成（估算口径），这一格局大概率复制到 AIDC 场景。

11.3 市场规模测算与情景敏感性

以"穿越驱动的 AIDC 供电设备与服务"为测算对象，核心假设：IEA 口径全球数据中心用电 2030 年达 950 TWh，对应新增与改造供电设备需求；穿越相关溢价（GFM 控制裕度、高β变换器、并网评估服务）按供电设备投资的15%-25%计。

敏感性说明：三档情景对"GFM 渗透率"最敏感——每提高10个百分点渗透率，设备端市场向乐观档移动约一档；对"穿越规范出台节奏"次敏感——规范每延迟一年，累计市场向保守档收敛。测算为 NewdPower 独立构建，参数均为显式假设。

11.4 价值链上游风险

第一，SiC 与宽禁带器件供给。高裕度变换器与高开关频率 GFM 控制推高 SiC 器件需求，产能与价格波动直接传导至 β 的实现成本。第二，变压器与中压设备交期。AIDC 并网潮叠加大规模电网投资，中压变压器交期拉长已是行业现实，穿越改造的追加订单会加剧排队。第三，电池上游价格。BESS 决定穿越时长的上限，碳酸锂价格反弹将同步抬升"撑多久"的成本。第四，也是最结构性的一条：标准不确定风险——穿越阈值、甩负荷比例、聚合要求均未定型，按当前假设重资产投入的厂商，面临标准落定后参数修正带来的设计返工。对冲方式是把控制律与功率级解耦（论文的共享硬件层设计正是范例），让标准变化落在可软件升级的范围内。

图 7 · 机房深处的供电链路：穿越能力在毫秒之间决定 IT 服务的存续（NewdPower 配图）

十二、边界与局限

本文的解读存在四条边界。第一，技术边界：全部定量结论（391.82/107.32/2.65倍/1.325/1.175 等）来自论文在 IEEE 118 节点算例与降阶响应模型下的结果，不能直接外推到具体工程——真实网络的故障特性、真实 UPS 的固件行为都会改变数字，方向性结论（穿越可成为约束性条件、GFM 裕度优势）比数值本身更可迁移。第二，解读边界：本文基于论文摘要页与全文独立撰写，公式与流程经本文重新组织，如与原文有出入以原文为准。第三，测算边界：第十一章市场情景为显式假设的量级测算，敏感于 GFM 渗透率与规范节奏，不构成预测；集中度区间为估算口径，非披露数据。第四，视角边界：本文聚焦并网与供电技术维度，AIDC 的负荷侧电价策略、绿电采购与算电协同的市场机制在站内其他文章中另有拆解。

十三、结论与观察指标

论文的元贡献是把一句话写进了并网方法论：数据中心的接入容量不是一个稳态数字，而是一个穿越能力与网络工况联合决定的动态变量。391.82 与 107.32 之间的 2.65 倍，是稳态世界观与动态世界观之间的价差；1.325 与 1.175 之间的 15 个百分点，是控制律的净价值。

对产业链，结论可以压缩成三句：并网协议将开始为穿越定价，UPS 采购将开始为控制模式定价，选址模型将开始为故障工况定价。三者叠加，AIDC 供电链的价值中枢从"变压器与电缆"移向"变换器与控制"——这正是构网技术从电源侧迁移到负荷侧的商业通道。

后续跟踪建议盯住六个可观察指标：一，国内外并网规范中出现"负荷侧电压穿越/甩负荷比例"条款的时点；二，头部 UPS 厂商 GFM 前端产品的商用化与出货（2026年9月展会季是第一个观察窗口）；三，数据中心并网协议中 β 裕度系数或对等参数显性化的案例；四，GFL 工程投运后因电网故障触发大规模甩负荷的公开事件；五，构网型 PCS 在 AIDC 场景的招标技术规格书出现频率；六，区域电网对数据中心聚集区聚合甩负荷风险的专项评估动态。

电网的每一次电压跌落，都是对数据中心供电链的一次突袭考核。考核标准正在从"停电时撑住"升级为"故障时撑住并少甩负荷"——读懂这道考题的评分细则，就读懂了 AIDC 供电链下一个阶段的钱从哪里来。

免责声明：本文为公开信息整理与分析，观点仅供参考，不构成投资建议。