KI-Rechenzentren und Stromqualität – eine neue Kategorie von Netzstörungen
| Ladetyp | Hyperscale-KI-Rechenzentren – GPU-Cluster, Server-Netzteile, fortschrittliche Kühlung, USV-Systeme |
| Skala | 100 MW 1+ GW pro Campus – einzelne Anlagen übersteigen inzwischen die Erzeugungskapazität eines kleinen Kraftwerks |
| Wichtige PQ-Unterscheidung vs. konventioneller Gleichstrom | KI-Training sorgt für einen synchronisierten GPU-Betrieb – Millionen Watt ändern sich in weniger als einer Sekunde – und erzeugen schwankende Lastsignaturen, die in herkömmlichen Rechenzentren unbekannt sind |
| Harmonisches Profil | THD oft höher 5% – 3, 5th, und 7. Dominante – Parallelresonanzrisiko mit Netzimpedanz |
| Transiente Lastrampenrate | Mehrere Megawatt pro Sekunde während der Einleitung des Trainingsbursts – verursachen Spannungsflimmern und Frequenzabweichungen am PCC |
| Gefahr eines Spannungseinbruchs im Netz | Gleichzeitige USV-Abschaltung bei Spannungseinbrüchen – Nord-Virginia: Hunderte von MW schalten gleichzeitig ab |
| Dokumentierter Netzvorfall | Dominion Energy-Netzereignis, ausgelöst durch einen einmal pro Sekunde auftretenden Spannungsabfall in einer Rechenzentrumsanlage |
| Regulierungslücke | Keine spezifischen Grid-Codes für das Lastverhalten von KI-Rechenzentren – IEEE 1547 und entsprechende europäische Codes für Generatoren, keine großen nichtlinearen Lasten |
01 Kontext – Als Rechenzentren zu Problemen im Netzmaßstab wurden
Seit zwei Jahrzehnten, Rechenzentren wurden als Probleme mit der Stromqualität auf Anlagenebene behandelt: große Sammlungen einphasiger Schaltnetzteile, die Oberschwingungsströme ziehen, erfordert eine sorgfältige Dimensionierung des Neutralleiters, USV-Ride-Through-Spezifikation, und gelegentlich aktive Oberschwingungsfilterung auf Verteilerebene. Ihre Netzauswirkungen waren vernachlässigbar – a 10 MW-Rechenzentrum angebunden an a 500 MVA-Umspannwerk ist ein 2% einlegen, kein Problem für die Netzstabilität.
Das hat sich geändert. Das Training von KI-Modellen erfordert den gleichzeitigen Betrieb von Zehntausenden GPU-Beschleunigern, Leistungsaufnahme bei Dichten von 30–100 kW pro Rack, in Gebäuden von 100 MW bis mehrere hundert Megawatt. In Regionen mit hoher KI-Rechenzentrumskonzentration – Nord-Virginia, Phönix, Singapur, Der Amsterdam-Frankfurt-Korridor – einzelne Übertragungsknoten liefern jetzt Gigawatt an KI-Rechenlast. In diesem Maßstab, Das Stromqualitätsverhalten des Rechenzentrums ist kein Anlagenproblem mehr. Es handelt sich um ein Netzproblem.
Ein herkömmliches Unternehmensrechenzentrum der 2010er Jahre verbrauchte 5–20 MW bei relativ stabiler Leistung, kontinuierliches Lastprofil. Eine Hyperscale-KI-Trainingseinrichtung von 2025 verbraucht 100–500 MW mit einem hochdynamischen Lastprofil, das sich um mehrere zehn Megawatt pro Sekunde ändert. Der Rechenzentrumskorridor in Nord-Virginia beherbergt mittlerweile mehr als 3 GW der angeschlossenen Rechenzentrumslast in einem einzelnen regionalen Übertragungsnetz. Wenn ein Schulungsauftrag abgeschlossen ist, oder wenn ein Fehler eine gleichzeitige USV-Abschaltung mehrerer Anlagen auslöst, Der plötzliche Lastwechsel kann mit dem Verlust einer großen Stromerzeugungseinheit vergleichbar sein – was dieselben Bedenken hinsichtlich der Frequenzstabilität auslöst, die die Entwicklung von Systemen zum Lastabwurf bei Unterfrequenz motiviert haben.
02 Eine andere Art von Belastung – Die GPU-Trainingssignatur
Herkömmliche Rechenzentrumslasten – Webserver, Speichersysteme, Netzwerkgeräte – beziehen den Strom relativ gleichmäßig, kontinuierliches Muster. Einzelne Server variieren ihren Verbrauch je nach Auslastung, Aber die Summe aus Tausenden unterschiedlicher Arbeitslasten ergibt im Durchschnitt einen stabilen Wert, langsam schwankende Gesamtnachfrage. Diese statistische Mittelung ist der Grund dafür, dass herkömmliche Rechenzentrumslasten einen guten Leistungsfaktor und einen relativ geringen Oberschwingungsgehalt auf der Ebene der Umspannwerke aufweisen.
KI-Trainingsbelastungen widerlegen diese Durchschnittsannahme. Während des verteilten GPU-Trainings, Tausende von GPUs arbeiten eng synchronisiert – sie alle berechnen gleichzeitig während des Vorwärts- und Rückwärtsdurchlaufs, dann kommunizieren alle gleichzeitig während des Gradientensynchronisationsschritts, dann wird alles noch einmal berechnet. Dieser synchronisierte Vorgang erzeugt eine oszillierende Lastsignatur: Die gesamte Anlage wechselt zwischen Hochleistungs-Rechenphasen und Kommunikationsphasen mit geringerer Leistung mit einer Rate, die durch die Iterationsfrequenz des Trainingsalgorithmus bestimmt wird.
Der Verlust der statistischen Mittelung bei KI-Trainingslasten ist von grundlegender Bedeutung – es handelt sich nicht um einen Konstruktionsfehler, der durch eine bessere Stromversorgungsspezifikation behoben werden kann. Der verteilte Trainingsalgorithmus erfordert eine GPU-Synchronisierung. Jede GPU in einem Trainingslauf muss ihre Gradientenberechnung abschließen, bevor der Synchronisierungsschritt beginnen kann, und jede GPU muss die aktualisierten Farbverläufe erhalten, bevor die nächste Rechenphase beginnen kann. Der Wechsel von Hochleistungs- und Niederleistungsphasen ist eine intrinsische Eigenschaft der Arbeitslast, kein Artefakt des Netzteildesigns. Glättung kann angewendet werden – Batterien auf Rack-Ebene, Firmware-gesteuerte Rampenratenbegrenzungen, Schein-Workload-Injection während der Kommunikationsphasen – kann jedoch nicht vollständig beseitigt werden, ohne die Trainingseffizienz zu beeinträchtigen.
03 Probleme mit der Stromqualität auf Anlagenebene
Harmonik
GPU-Server-Netzteile sind Schaltwandler – sie ziehen nicht-sinusförmigen Strom, wobei der THD oft darüber liegt 5%, dominiert vom 3, 5th, und 7. Harmonische. Im Maßstab a 100 MW AI-Rechenzentrum mit Tausenden von Server-Netzteilen, die gleichzeitig betrieben werden, Der gesamte Oberschwingungsstrom im Umspannwerk der Anlage kann beträchtlich sein. Eine in der Literatur genannte Anlage erforderte die Installation einer speziellen Lösung zur Oberwellenminderung, nachdem in ihrem Versorgungsnetz übermäßige harmonische Spannungsverzerrungen aufgetreten waren.
Das für KI-Rechenzentren spezifische harmonische Risiko – das über das hinausgeht, was herkömmliche Rechenzentren erzeugen – ist die Parallelresonanz. Durch die schnelle Installation großer Kondensatorbänke mit Leistungsfaktorkorrektur und USV-Kondensatorstufen in Anlagen mit hoher Dichte können Resonanzkreise bei bestimmten harmonischen Frequenzen entstehen. Wenn der harmonische Strom der Anlage mit einer Resonanzfrequenz des Netzwerks übereinstimmt, Oberschwingungsspannungen werden verstärkt – möglicherweise auf ein Niveau, das zu einer Überhitzung des Transformators führt, Fehlfunktion des Schutzrelais, oder Geräteschäden im gesamten angeschlossenen Verteilungsnetz.
Spannungsflimmern und Frequenzabweichung
Die im Abschnitt beschriebene synchronisierte Trainings-Burst-Load-Signatur 02 erzeugt Spannungsflimmern am Punkt der gemeinsamen Kopplung. Wenn die gesamte Anlage von der Kommunikationsphasenlast auf die Rechenphasenlast umschaltet – eine Änderung von mehreren zehn Megawatt in weniger als einer Sekunde –, fällt die Spannung am PCC kurzzeitig ab, erholt sich dann, wenn das Netzfrequenzregulierungssystem reagiert. Wenn dieser Anstieg mit einer Geschwindigkeit auftritt, die im Frequenzbereich von 1–15 Hz der höchsten menschlichen Sehempfindlichkeit liegt, Es erzeugt ein wahrnehmbares Lichtflimmern bei anderen Kunden, die an dieselbe Umspannstation angeschlossen sind – ein Problem mit Auswirkungen auf die Gemeinschaft, das dem in CS06 beschriebenen Flimmern industrieller Schweißmaschinen ähnelt, aber in weitaus größerem Maßstab.
In der Literatur dokumentierte technische Analysen beschreiben ein reales Netzereignis im Dominion Energy-System, das durch eine Rechenzentrumsanlage ausgelöst wurde, die genau einmal pro Sekunde einen Spannungseinbruch erzeugte – die Iterationsfrequenz einer Trainingsarbeitslast. Der Stammgast, Ein zeitlich präziser Spannungseinbruch breitet sich auf andere Kunden am gleichen Umspannwerksbus aus, Dies führt zu systematischen Störungen bei Geräten, die genau auf diese Frequenz von Versorgungsstörungen reagieren. Dies ist kein theoretisches Risiko. Es handelt sich um einen dokumentierten Betriebsvorfall mit einer identifizierten Ursache, die im bestehenden Rahmenwerk für Stromqualitätsstandards nicht vorhergesehen wurde, da das Rahmenwerk für Lasten geschrieben wurde, deren Störungsfrequenz entweder stationär ist (Harmonik) oder zufällig (Motor startet, Lichtbogenöfen), nicht absichtlich periodisch bei Sub-Hertz-Raten.
Spannungsunsymmetrie und Zwischenharmonische
Große KI-Rechenzentren mit dichten einphasigen Serverlasten über dreiphasige Verteilungssysteme führen zu Spannungsungleichgewichten, wenn die Lasten nicht perfekt über die Phasen verteilt sind. Der Neutralstrom aus dreifachen Harmonischen – in Schaltnetzteilen dominiert die dritte Harmonische – verstärkt das Unsymmetrieproblem. Zusätzlich, Bestimmte Schaltmuster in Hochfrequenz-GPU-Leistungswandlern erzeugen interharmonische Komponenten – Frequenzkomponenten, die keine ganzzahligen Vielfachen der Grundfrequenz sind –, die bei anderen Geräten Schwebungsfrequenzen erzeugen und ungewöhnliche Interferenzmuster verursachen können, die nicht durch standardmäßige Oberwellengrenzwerte berücksichtigt werden.
04 Risiken auf Netzebene – über den Anlagenzaun hinaus
Im Gigawatt-Maßstab und mit geografischer Konzentration, Das PQ-Verhalten von KI-Rechenzentren birgt Risiken, die weit über das eigene Verteilungssystem der Einrichtung hinausgehen:
| Risiko | Mechanismus | Dokumentierter Maßstab | Präzedenzfall |
|---|---|---|---|
| Gleichzeitige USV-Abschaltung | Bei Spannungseinbrüchen, Mehrere Anlagen trennen gleichzeitig USV-Lasten und entfernen so Hunderte von MW Last sofort | Nord-Virginia: 2.6 Risiko einer gleichzeitigen GW-Abschaltung erkannt | ERCOT-Analyse – Schwelle für Netzinstabilität |
| Frequenzinstabilität | Lastanstiege von mehreren MW/Sekunde durch Trainingsstöße stellen eine Herausforderung für die Frequenzregulierung dar – ähnlich wie bei Generatorauslöseereignissen | ±0,5 Hz Frequenzabweichungen in Gebieten mit hoher Dichte dokumentiert | Netzveranstaltung von Dominion Energy |
| Harmonische Resonanzausbreitung | Harmonische Ströme von großen Anlagen interagieren mit der Netzwerkimpedanz – verstärkt bei Resonanzfrequenzen | Überhitzung des Transformators, Probleme mit dem Schutzrelais | Mehrere dokumentierte Vorfälle, die harmonische Filter erfordern |
| Flimmern auf Community-Ebene | Regelmäßige Trainings-Burst-Übergänge mit Frequenzen im Sub-Hertz-Bereich erzeugen systematisches Lichtflimmern auf gemeinsam genutzten Umspannwerksbussen | Sichtbar für alle Kunden in derselben Umspannstation | Vorfall mit einmal pro Sekunde auftretendem Spannungsabfall bei Dominion Energy |
05 Schadensbegrenzung – technische und betriebliche Ansätze
Die Abschwächung der PQ-Auswirkungen von KI-Rechenzentren erfolgt auf zwei Ebenen: der Einrichtungsebene (Reduzierung der Emissionen des Rechenzentrums ins Netz) und die Gitterebene (Verbesserung der Fähigkeit des Netzes, die vom Rechenzentrum emittierten Emissionen zu absorbieren).
Maßnahmen auf Einrichtungsebene
- Aktive Oberwellenfilter (APF) und statische Var-Generatoren (SVG) – kann den harmonischen THD der Anlage auf unter 100 % reduzieren 3%. Erforderlich, wenn der Oberschwingungsstrom der Anlage vorhanden ist, kombiniert mit der Netzwerkimpedanz, erzeugt einen Spannungs-THD über dem IEEE 519 Limit beim PCC
- Batterie-Energiespeicher auf Rack-Ebene – puffert die Trainings-Burst-Lasttransienten, indem es während der Übergänge von der Rechen- zur Kommunikationsphase Strom bereitstellt oder aufnimmt. Tesla Megapack-Einsätze auf KI-Rechenzentrumsgeländen haben eine effektive Lastglättung gezeigt 100+ MW-Skala
- Firmware-gesteuerte GPU-Rampenratenbegrenzungen – Softwareeinschränkungen, die die Geschwindigkeit begrenzen, mit der GPUs ihren Stromverbrauch während der Trainingsburst-Initiierung erhöhen, Reduzierung des vom Gitter gesehenen dP/dt 10+ MW/s auf eine kontrollierte Rampe von 1–2 MW/s
- Dummy-Workload-Injektion — Aufrechterhaltung eines minimalen Stromverbrauchs während der Kommunikationsphasen durch die Ausführung unkritischer Rechenaufgaben, Reduzierung der Tiefe der Schwingungssignatur und Begrenzung der Lastschwankungsgröße
- Phasenausgleich und Lastumverteilung — systematische Zuordnung der Serverlasten über die Phasen hinweg, um Neutralstrom- und Spannungsungleichgewichte in der Umspannstation der Anlage zu minimieren
Maßnahmen auf Netzebene
- Koordinierte UPS-Ride-Through-Spezifikationen – Die USV-Systeme von KI-Rechenzentren müssen die Netzverbindung mindestens eine Sekunde lang auf 50–70 % der Nennspannung aufrechterhalten, bevor sie getrennt werden, Vermeidung des gleichzeitigen Risikos einer Massenabschaltung
- Anforderungen an die Fehlerüberbrückung — analog zu den Anforderungen, die IEEE an erneuerbare Generatoren stellt 1547 und europäische Netzvorschriften, Zum Schutz der Hardware müssen KI-Rechenzentren bei kurzfristigen Spannungs- und Frequenzstörungen angeschlossen bleiben, anstatt die Verbindung zu trennen
- Dynamische Leistungsanforderungen im PCC — Festlegung von Grenzwerten für Oberschwingungsemissionen, Rampenratengrenzen, Verpflichtungen zur Blindleistungsförderung, und Spannungstoleranzbereiche als Bedingungen für die Netzanschlussgenehmigung für Anlagen ab einem definierten Schwellenwert
Mehrere Netzbetreiber – ERCOT, PJM, National Grid – entwickelt aktiv spezifische Netzanschlussanforderungen für große KI-Rechenzentrumslasten. Die Fahrtrichtung ist klar: Rechenzentren über einer bestimmten Schwellengröße (typischerweise 50–100 MW) Es ist erforderlich, die Fähigkeit zur Fehlerüberbrückung nachzuweisen, Harmonische Compliance im PCC, und kontrolliertes Rampenratenverhalten als Bedingungen der Übertragungsverbindung. Anlagen, die die Einhaltung der Vorschriften nicht nachweisen können, müssen mit der obligatorischen Nachrüstung von Oberschwingungsminderung und Batteriespeichern rechnen, oder Anschluss an eine spezielle Unterstation mit verstärkter Impedanz. Die Investitionsargumente für proaktive PQ-Compliance sind überzeugend.
06 Perspektive der Versorgungsstromqualität
KI-Rechenzentren stellen seit der Verbreitung von VFDs in den 1990er Jahren die bedeutendste neue Kategorie von Herausforderungen für die Stromqualität dar, die sich für Versorgungsingenieure ergeben haben. Die Parallele ist aufschlussreich: VFDs wurden ursprünglich ohne PQ-Bewertungsanforderungen installiert, verursachte harmonische Probleme, deren Behebung durch die rückwirkende Anwendung von IEEE ein Jahrzehnt dauerte 519. Das gleiche Muster ist bereits bei KI-Rechenzentren erkennbar – schnelle Bereitstellung, unzureichende PQ-Anforderungen bei der Anschlussgenehmigung, und die zunehmende Dokumentation von Netzauswirkungen, die nun zu rückwirkenden Regulierungsmaßnahmen führen.
Der Hauptunterschied ist die Skalierung. Eine nicht konforme VFD-Installation betrifft eine Anlage und möglicherweise einige angrenzende Kunden. Ein 500 Ein MW-KI-Rechenzentrum mit unzureichender Oberschwingungsminderung und keiner Anforderung zur Fehlerüberbrückung kann Auswirkungen auf Tausende von Kunden in einem regionalen Umspannwerk haben, und die gleichzeitige Abschaltung während eines Spannungsabfalls kann die Netzstabilität in einer Übertragungszone gefährden.
Ingenieure für die Qualität von Energieversorgungsunternehmen werden nun gebeten, Netzanschlussanträge für Anlagen zu bewerten, die zum Zeitpunkt der Erstellung ihrer Bewertungsrahmen noch nicht als Lastkategorie existierten. Der IEEE 519 Das Framework befasst sich mit Harmonischen. Der Flicker-Standard befasst sich mit Spannungsschwankungen. Keines von beiden wurde für eine Last entwickelt, die Megawatt-pro-Sekunde-Anstiege bei präzisen Sub-Hertz-Frequenzen erzeugt, das als Reaktion auf ein Netzspannungsereignis gleichzeitig Hunderte von Megawatt abschalten kann, oder das Gigawatt empfindlicher nichtlinearer Last auf einem einzigen regionalen Übertragungsbus konzentriert. Die Ingenieursgemeinschaft passt sich an – die in dieser Fallstudie zitierten Artikel stellen den Vorreiter dieser Anpassung dar. Doch die Kluft zwischen dem aktuellen Regulierungsrahmen und den tatsächlichen Netzauswirkungen großer KI-Rechenzentren ist groß, Und es ist der Versorgungsingenieur, der diese Lücke in Echtzeit behebt, während Normungsausschüsse daran arbeiten, sie zu schließen.
Referenzen
- Li B et al. “Leistung für KI-Rechenzentren: Energiebedarf, Netzauswirkungen, Herausforderungen und Perspektiven.” Energien, 19(3), 722, Januar 2026. DOI: 10.3390/de19030722. Open Access CC BY 4.0.
- Zhang Y et al. “Strombedarf und Netzauswirkungen von KI-Rechenzentren: Herausforderungen und Perspektiven.” arXiv:2509.07218, September 2025. Verfügbar: arxiv.org/abs/2509.07218
- Zhao S et al. “Technische Herausforderungen bei der Integration von KI-Rechenzentren in Stromnetze – eine Umfrage.” Energien, 19(1), 137, Dezember 2025. DOI: 10.3390/de19010137. Open Access CC BY 4.0.
- NERC / ERCOT. Workshop-Präsentationen zur Integration großer Lasten. North American Electric Reliability Corporation, April–Mai 2025.
- IEEE Std 519-2022. IEEE-Standard für harmonische Kontrolle in elektrischen Energiesystemen. IEEE, New York, NY, 2022.
- IEEE Std 1547-2018. IEEE-Standard für die Verbindung und Interoperabilität verteilter Energieressourcen mit zugehörigen Schnittstellen für elektrische Energiesysteme. IEEE, New York, NY, 2018.
Primärquellen: Li B et al., Energien 19(3):722 (2026), DOI: 10.3390/de19030722, CC BY 4.0 · Zhang Y et al., arXiv:2509.07218 (2025) · Zhao S et al., Energien 19(1):137 (2025), CC BY 4.0. Dokumentierter Netzvorfall: Dominion-Energiesystem, wie in Zhang et al. (2025).
SVG-Diagramme und der Abschnitt „Utility PQ Perspective“. (Abschnitt 6) sind originale IPQDF-Redaktionsinhalte von Denis Ruest, M.Sc. (Angewandt), P.Eng. (im Ruhestand). IPQDF erhebt keinen Anspruch auf die Urheberschaft der ursprünglichen Forschung.