数据治理视角下的数据中心算力-电力耦合分析研究-AET-电子技术应用

数据治理视角下的数据中心算力-电力耦合分析研究

网络安全与数据治理

孙钢1，杜旸旸2

1.国网浙江省电力有限公司营销服务中心； 2.浙江省轨道交通运营管理集团有限公司

摘要： 在数据中心能源消耗快速增长与算力需求结构趋于复杂的背景下，从数据治理视角出发，围绕数据中心多源异构数据的治理体系构建、算力相关数据挖掘分析及算力-电力负荷协同关系展开研究。基于数据治理理念，构建多源异构数据的标准化预处理体系，通过数据清洗、特征提取、模式识别等数据挖掘手段，提炼算力强度与动态核心特征，从而构建基于治理后数据的算力-电力映射关系模型，揭示不同任务类型对负荷变化的影响规律。在模型层面，引入LSTM与注意力机制融合的预测结构，依托高质量电力数据实现对算力驱动负荷变化的高精度建模。研究结果表明，完善的数据治理体系有效提升了数据质量，基于治理数据构建的模型显著增强了负荷预测对任务行为变化的敏感性与稳定性，为数据中心能效优化、算力调度策略改进及数据治理体系完善提供了可靠依据。

关键词： 数据中心电力负荷算力行为数据治理

中图分类号：TP311文献标志码：ADOI:10.19358/j.issn.2097-1788.2026.07.006
中文引用格式：孙钢，杜旸旸.数据治理视角下的数据中心算力-电力耦合分析研究［J］.网络安全与数据治理，2026，45（7）：39-46.
英文引用格式：Sun Gang, Du Yangyang. Research on the coupling analysis method of computing power behavior and power load in data centers from the perspective of data governance［J］.Cyber Security and Data Governance，2026，45（7）：39-46.

Research on the coupling analysis method of computing power behavior and power load in data centers from the perspective of data governance

Sun Gang1, Du Yangyang2

1. State Grid Zhejiang Marketing Service Center; 2. Zhejiang Rail Transit Operation Management Group Co., Ltd.

Abstract： Against the backdrop of the rapid growth of energy consumption in data centers and the increasingly complex structure of computing power demand, this paper conducts research on the construction of a governance system for multisource heterogeneous data in data centers, data mining and analysis related to computing power, and the collaborative relationship between computing power and power load from the perspective of data governance. Based on the concept of data governance, a standardized preprocessing system for multisource heterogeneous data is constructed. Through data mining methods such as data cleaning, feature extraction, and pattern recognition, the computing power intensity and dynamic core characteristics are extracted. A computing powerpower mapping relationship model based on governed data is further constructed to reveal the influence law of different task types on load changes. At the model level, a prediction structure integrating LSTM and attention mechanism is introduced to achieve highprecision modeling of load changes driven by computing power based on highquality governed data. The research results show that the improved data governance system effectively improves data quality, and the model built based on governed data significantly enhances the sensitivity and stability of load forecasting to changes in task behavior, providing a reliable basis for energy efficiency optimization of data centers, improvement of computing power scheduling strategies, and improvement of data governance systems.

Key words : data center; power load; computational behavior; data governance

引言

在生成式人工智能高速演进和数字经济全面深化的背景下，全球算力规模呈指数级扩张，大模型参数量从百亿级迈向万亿级，引发数据中心算力需求与能耗同步飙升［1］。据中国信通院权威统计，2019~2030年全球算力规模年均增速高达 47%，我国数据中心用电量预计在2030年逼近 3 000~7 000亿千瓦时，届时社会用电量占比将突破5%，成为能耗增长的核心源头［2］。同时，新一代AI芯片推动算力密度突破，带来前所未有的瞬时功率冲击，使数据中心呈现强耦合的“算力突发-负荷跃增”特性［3］，而针对这一特性的精准刻画，离不开高质量的数据支撑与科学的数据治理体系。

数据治理作为数字基础设施建设的核心环节，是实现数据中心算力与电力负荷协同优化的基础前提，数据中心的算力运行、电力能耗、环境保障等多源数据存在异构性、碎片化、质量参差不齐等问题，若缺乏系统的数据治理，将导致数据价值难以挖掘，无法精准捕捉算力与负荷的内在关联。当前，国内外研究主要集中于数据中心整体能效指标PUE(Power Usage Effectiveness，电源使用效率)优化［4］，或单一维度的负荷预测方法改进，对数据治理的重视不足，未形成“数据治理-数据挖掘-协同分析-预测优化”的完整体系：既有研究多从基础设施节能、制冷优化角度切入，对算力任务数据的挖掘分析不够深入；传统负荷预测模型依赖低质量、碎片化数据，难以应对算力波动带来的复杂场景［5］。

基于上述研究现状与挑战，本文从数据中心算力行为的时空特征出发，构建覆盖“数据治理-数据挖掘-模式识别-耦合建模-预测优化”的系统化分析框架，并着力凸显数据治理的核心支撑作用：首先，面向数据中心多源异构数据，构建标准化的数据治理体系，涵盖数据采集、清洗、质量控制、时空对齐等全流程，夯实数据基础设施，为后续分析提供高质量数据支撑；其次，基于治理后的高质量数据，通过数据挖掘方法提取算力核心特征、识别典型算力模式，构建算力与电力负荷的协同映射关系；最后，基于治理数据与挖掘成果，构建高精度负荷预测模型，实现算力驱动下负荷变化的精准预测。通过上述研究，完善数据中心数据治理体系，挖掘算力与负荷数据的核心价值，为数据中心能效优化与算力调度提供技术支撑。

本文详细内容请下载：

http://www.chinaaet.com/resource/share/2000007159

作者信息：

孙钢1，杜旸旸2

(1.国网浙江省电力有限公司营销服务中心，浙江杭州311121；

2.浙江省轨道交通运营管理集团有限公司，浙江杭州311121)

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容