سقوط ۳.۱ گیگاواتی بار مراکز داده در ۳۰ ثانیه؛ هشدار جدید برای شبکه‌های برق

تصور کنید تنها ۳۰ ثانیه زمان لازم باشد تا ۳.۱ گیگاوات برق از شبکه ناپدید شود و میلیون‌ها نفر در چندین ایالت لرزش چراغ‌های خانه‌هایشان را حس کنند. این اتفاق هفته‌ی گذشته (جولای ۲۰۲۶) در حاشیه واشینگتن دی.سی رخ داد و نشان داد که زیرساخت‌های هوش مصنوعی چقدر سریع می‌توانند پایداری انرژی یک منطقه را به خطر بیندازند. طبق داده‌های Ting Labs — استارتاپی که از طریق شبکه‌ای از حسگرهای اینترنت اشیا (IoT) در پریزهای برق خانگی، مصرف انرژی را رصد می‌کند — قطع یک خط انتقال برق باعث شد مراکز داده در شمال ویرجینیا، که متراکم‌ترین منطقه مراکز داده جهان است، فوراً به برق اضطراری سوییچ کنند. این تغییر عظیم در تقاضا باعث جهش ولتاژ در سراسر شبکه PJM Interconnection شد که محدوده‌ی آن از شمال ویرجینیا تا شیکاگو گسترده است.

این حادثه منجر به خاموشی کامل نشد، اما باعث لرزش چراغ‌ها در سراسر منطقه گردید. برای یک شهروند عادی، این اتفاق شبیه به یک نقص فنی تصادفی است؛ اما برای بخش انرژی، این یک هشدار جدی است که مقیاس زیرساخت‌های هوش مصنوعی در حال پیشی گرفتن از توانایی شبکه برای جذب شوک‌های ناگهانی است. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اثرات زیست‌محیطی و انرژی مدل‌های زبانی بزرگ اشاره کردیم، مقیاس این زیرساخت‌ها اکنون به حدی رسیده است که شبکه‌های برق توان جذب شوک‌های ناگهانی را ندارند.

شمال ویرجینیا در حال حاضر بالاترین تمرکز مراکز داده در جهان را دارد. هنگام قطع خط انتقال، این تأسیسات افت ولتاژ را حس کردند و فوراً به منابع برق پشتیبان تغییر وضعیت دادند. از آنجا که همه‌ی آن‌ها تقریباً به‌طور هم‌زمان واکنش نشان دادند، حجم کلانی از بار مصرفی را به‌یک‌باره از شبکه حذف کردند. بر اساس مستندات PJM، شبکه با یک مازاد برق پیک به مقدار ۳.۴۹ گیگاوات مواجه شد و ۱۱ دقیقه طول کشید تا سیستم دوباره به حالت پایدار بازگردد. رویترز (Reuters) گزارش داده است که این مراکز داده قطع شده، در آن لحظه حدود ۳٪ از کل تقاضای برق شبکه PJM را تشکیل می‌دادند.

قناری در معدن زغال‌سنگ

کارشناسان هشدار می‌دهند که این یک الگوی تکرارشونده است. در سال ۲۰۲۴ حادثه مشابهی رخ داد که در آن ۶۰ مرکز داده به‌طور هم‌زمان قطع شدند و ۱.۵ گیگاوات بار را حذف کردند؛ یعنی نصف حجم حادثه اخیر.

ریکاردو د آزوادو، مدیر فناوری شرکت ON.Energy، این وضعیت را «قناری در معدن زغال‌سنگ» می‌نامد. او توضیح می‌دهد که شبکه برق برای عملکرد صحیح به تعادلی تقریباً کامل نیاز دارد؛ وقتی عرضه به‌طور ناگهانی بسیار بیشتر از تقاضا شود، ولتاژها جهش می‌کنند و این امر می‌تواند باعث فعال شدن بیشتر سیستم‌های ایمنی (Failsafes) شود و در نهایت ناپایداری شبکه را وخیم‌تر کند.

مکانیسم شبکه و لایه‌های حفاظتی

شبکه PJM Interconnection بزرگ‌ترین اپراتور شبکه برق در ایالات متحده است که مدیریت انتقال برق از نیوجرسی تا ایلینوی را بر عهده دارد و به ۶۷ میلیون مشتری خدمات می‌دهد. شبکه و دستگاه‌های متصل به آن می‌توانند نوسانات جزئی را تحمل کنند، اما نوسانات شدید باعث فعال شدن خودکار سیستم‌های حفاظتی می‌شود.

در این حادثه اخیر، یک افت کوچک در عرضه به دلیل قطع خط انتقال، باعث شد مراکز داده افت ولتاژ را حس کنند. سوییچ سریع آن‌ها به برق پشتیبان، یک مشکل کوچک در عرضه را به یک سقوط عظیم در تقاضا تبدیل کرد. این اتفاق باعث شد عرضه برق به‌شدت افزایش یابد و در نتیجه لرزش‌های منطقه‌ای در سیستم برق ایجاد شود.

راهکارهای فنی: از بازیابی متوالی تا سخت‌افزارهای ضربه‌گیر

برای جلوگیری از این جهش‌های ولتاژ، متخصصان دو مسیر اصلی را پیشنهاد می‌کنند:

• بازیابی متوالی (Sequential Recovery): علی زین بناتوالا از اپراتور مستقل سیستم برق اشاره می‌کند که مراکز داده تصمیمات خود را در کسری از ثانیه می‌گیرند. او پیشنهاد می‌کند بارهای مصرفی که در کنار یکدیگر قرار دارند، باید راهی پیدا کنند تا به‌صورت متوالی و نه هم‌زمان قطع یا وصل شوند تا امکان اجرای رویه‌های مقاوم‌تر در شبکه فراهم شود.
• سخت‌افزارهای Ride-Through: راهکارهایی مانند سیستم‌های ON.Energy که مراکز داده را پشت بانک‌های بزرگ باتری و تجهیزات تبدیل قرار می‌دهند. این سیستم‌ها نه‌تنها سرورها، بلکه چیلرها (سیستم‌های خنک‌کننده) و سایر تجهیزات جانبی را هم پوشش می‌دهند.

استفاده از این سخت‌افزارهای تخصصی به یک پردیس داده‌ای اجازه می‌دهد نوسانات را جذب کند یا در زمان مازاد برق، باتری‌ها را شارژ نماید. در واقع مرکز داده به‌جای یک مصرف‌کننده غیرقابل‌پیش‌بینی، به باری «خوش‌رفتار» و پایدار برای شبکه تبدیل می‌شود. این مکانیسم اجازه می‌دهد بارهای محاسباتی سنگین، از جمله آموزش مدل‌های هوش مصنوعی، بدون ایجاد مزاحمت برای شبکه افزایش یابد. این سیستم می‌تواند در عرض چند میلی‌ثانیه از شبکه پیروی کند تا از افت یا جهش ولتاژ جلوگیری نماید.

شرکت ON.Energy در حال حاضر ۳ گیگاوات از این سیستم‌ها را در چهار پردیس داده‌ای مستقر می‌کند. هم‌زمان، مدیران شبکه مانند ERCOT در حال وضع الزاماتی هستند تا بارهای بزرگ به‌جای قطع فوری، نوسانات را تحمل کرده و از آن‌ها «عبور» کنند (Ride-through).

پیش‌بینی‌های بلندمدت

این تحول اضطراری است. در حالی که مراکز داده در جریان حادثه سال ۲۰۲۴ حدود ۶٪ از بار شبکه PJM را تشکیل می‌دادند، گزارش Synapse Energy Economics پیش‌بینی می‌کند که این رقم تا سال ۲۰۴۰ به ۲۴٪ خواهد رسید.

برای صنعت هوش مصنوعی، دوران «وصل کن و مقیاس کن» (Plug-and-Play) به پایان رسیده است. اکنون واقعیت‌های فیزیکی شبکه برق تعیین می‌کند که مدل‌ها در کجا و چگونه آموزش ببینند. شرکت‌هایی که نتوانند میزان کشش توان خود را مدیریت کنند، به‌زودی با موانع رگولاتوری یا ناپایداری‌های شبکه‌ای مواجه می‌شوند که حتی دسترس‌پذیری (Uptime) خود آن‌ها را تهدید می‌کند. در همین راستا، برخی شرکت‌ها برای کاهش فشار بر شبکه‌های متمرکز، به دنبال مدل‌های توزیع‌شده‌ای هستند که در آن خانه‌های مشتریان به عنوان گره‌های پردازشی هوش مصنوعی مورد استفاده قرار گیرند تا بار انرژی پراکنده شود.

با رشد کلاسترهای آموزش هوش مصنوعی، گلوگاه اصلی بعدی دیگر تنها در دسترس بودن GPUها نیست، بلکه پایداری الکتریکی مناطقی است که میزبان این مراکز هستند. باید منتظر دستورات جدید اپراتورهای شبکه بود که مراکز داده را مجبور می‌کنند به‌جای مصرف‌کنندگان غیرفعال، به عنوان بافرهای انرژی منعطف عمل کنند.

گام بعدی شما

• اگر مدیر زیرساخت هستید، استراتژی «توزیع بار متوالی» را برای سوییچ به برق اضطراری پیاده کنید.
• بررسی کنید آیا سخت‌افزارهای Ride-Through می‌توانند هزینه‌های جریمه‌های نوسانی برق شما را کاهش دهند.
• مدل‌های پیش‌بینی تقاضای انرژی را با متغیرهای مربوط به پایداری شبکه (Grid Stability) به‌روزرسانی کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و بهینه‌سازی مصرف انرژی در سطح چیپست مراجعه کنید.