AI基础设施配电架构解析：算电协同的工程落地路径

前两篇分别讨论了两个问题。

第一篇尝试把人工智能数据中心从传统的计算设施，推进为一套可编程的算力电力系统。AI任务调度在分配加速卡、内存和网络资源的同时，还要考虑功率容量、热余量、储能缓冲、保护设置和故障后的恢复顺序。

第二篇继续讨论这些运行边界如何被验证。AIDC对电网声明的功率爬坡、故障穿越、削减能力和恢复轨迹，需要进入电磁暂态模型，经受弱网、负荷脉动、储能控制、轴系共振、谐波和故障后恢复等工况的检验。

再向工程现场推进一步，问题会变得更加具体：

一座实际的 100 MW AIDC中，这套编排逻辑究竟落在哪里？它需要连接哪些系统，读取哪些状态，又能向哪些设备下发什么类型的指令？

这一篇我计划从一张完整的电气主接线图，从双路电网接入、38 kV 主母线、储能和现场发电接口，一直走到Deployment Unit、计算负荷、UPS、冷机和机械负荷。沿着一次系统向下看，我们可以把继电保护 IED、RTU、电能质量装置、UPS控制器、储能控制器、冷却PLC、EPMS、BMS、DCIM 和 AI任务调度器放回各自真实的位置，再讨论这些系统如何围绕同一个算力任务和同一个并网功率边界协同运行。

在本篇笔记中，我想将电气拓扑编译器进一步落到工程实现层。它可以理解为AIDC的跨域智能调度层：汇聚电气、计算、冷却、储能和设备状态，识别当前拓扑和可用能力，再生成任务放置、功率预算、削减策略和恢复顺序。毫秒级保护与设备内部控制仍在本地独立执行，上层调度在这些确定性边界之上完成协调。

西门子联合 NVIDIA、Fluence，并结合 nVent 的设计要求，开发了一套面向 NVIDIA DSX Vera Rubin NVL72 的 AI 工厂参考架构。该方案将 AI 工厂概念落实为可部署、可复制的电气、能源与控制系统，服务于超大规模数据中心、托管数据中心和专业云基础设施运营商。

参考设计按136 MW总容量、100 MW IT负荷配置，覆盖从34.5 kV 公用电网接入、中压配电、模块化低压电力单元到机架接口的完整供电链路。基础架构按照 Tier III 可并行维护原则设计，并采用与 NVIDIA Deployment Unit 对齐的标准化模块，可从100MW分阶段扩展至GW级园区。

图1：100 MW AIDC 电气主接线参考架构。