摘要
人工智能（AI）数据中心的电力需求增长快于为其供电的电网实现脱碳的速度，然而碳感知计算很少在系统层面接受审计：工作负载遵循标量价格或碳信号，但这些信号所声称的节能效果未必能在全网调度中得以维持。我们提出了一种碳感知协同优化框架，将检查点间隔调度、工作负载迁移、动态电压与频率调整以及表后储能与机组组合、碳定价及系统CO?排放（超出市场内化水平）联合优化，并采用分保形场景区间和样本外成本证明。基于映射到2025年法国和德国实测数据的IEEE 39/118节点系统，碳定价调度在发电成本溢价低于0.01%（即该映射系统的碳信号空间）的情况下，将排放减少了29.5%；系统层面的分解分析表明，在参考渗透率下，超过99%的减排量归因于发电再调度——一种运营商侧工具。AI负载灵活性目前为系统排放增加0.23%，相当于数据中心集群自身碳足迹的约四分之一；在吉瓦规模下增加3.3%，同时可将最差日的负荷削减量降低最多49%。内生检查点策略能够恢复可靠性最优间隔，而跟随平均碳强度信号反而可能增加系统层面的排放。保形校准保持在名义覆盖率或之上（97.5%）；经验区间则出现覆盖不足（86.0%）。
