Siemens i Reinhausen pracują nad modułowym transformatorem półprzewodnikowym
Niemiecki koncern technologiczny Siemens oraz specjalizująca się w technice energetycznej firma Reinhausen pracują nad modułowym transformatorem półprzewodnikowym (Solid-State Transformer, SST) przeznaczonym dla centrów danych wykorzystujących sztuczną inteligencję.
Planowany transformator półprzewodnikowy ma przekształcać napięcie przemienne z sieci średniego napięcia w stabilne zasilanie 800 V DC. Siemens i Reinhausen chcą dzięki temu ograniczyć liczbę etapów konwersji między siecią energetyczną a systemem zasilania prądem stałym. Jednocześnie zachowana ma zostać izolacja galwaniczna.
SST będzie miał konstrukcję modułową, dzięki czemu rozwiązanie będzie można dostosować również do niższych poziomów napięcia. Zdefiniowane interfejsy oraz funkcje ochronne mają zapewnić niezawodną pracę w wymagającym środowisku centrów danych.
Rozwój centrów danych wykorzystujących sztuczną inteligencję zwiększa wymagania wobec ich infrastruktury elektrycznej. Jak podają firmy, intensywne procesy trenowania modeli AI mogą powodować znaczne wahania poboru mocy. Jednocześnie wraz ze wzrostem mocy obliczeniowej rośnie zapotrzebowanie na skalowalne systemy zasilania, które mogą efektywnie dostarczać duże ilości energii bezpośrednio do szaf serwerowych.
Bezpośrednia konwersja prądu przemiennego na stały ma zwiększyć sprawność systemu, a jednocześnie zmniejszyć jego rozmiary w porównaniu z rozwiązaniami wykorzystującymi wiele etapów przetwarzania energii. Według producentów SST może reagować na zmiany obciążenia w ciągu kilku milisekund.
Siemens i Reinhausen uważają, że technologia ta może pomóc dostosować systemy zasilania przyszłych centrów danych AI do wyższych poziomów mocy oraz większych wahań obciążenia.
„SST mają kluczowe znaczenie dla tych rozwijających się i energochłonnych środowisk. Umożliwiają zwiększenie efektywności, bezpośrednią konwersję AC/DC z sieci do szafy serwerowej oraz ograniczenie zapotrzebowania na przestrzeń. Reagują na zmiany obciążenia w ciągu milisekund, dzięki czemu mogą płynnie obsługiwać ekstremalne wahania mocy związane z obciążeniami podczas trenowania modeli AI, ograniczając ryzyko przestojów i jednocześnie obniżając koszty” - powiedział Stephan May, dyrektor generalny działu Electrification and Automation w Siemens.
