www.engineering-norge.com
09
'25
Written on Modified on
ETAP og Schneider Electric lanserer verdens første digital tvilling for å simulere strømbehovet av AI-datasentre
Målet med produktsamarbeidet er å integrere ETAPs avanserte teknologi for elektrisk digital tvilling i NVIDIA Omniverse™ Cloud API-er.
www.se.com

Schneider Electric, en leder innen digitalisering av energistyring og automatisering, og ETAP, bransje- og teknologileder innen design og drift av systemer for elektrisk distribusjon, lanserer en banebrytende digital tvilling som nøyaktig kan designe og simulere anleggene for elektrisk distribusjon i AI-fabrikker.
Ved å benytte NVIDIA Omniverse™Blueprint teknologi for digitale tvillinger i AI-fabrikker, bruker Schneider Electric og ETAP digitale tvillinger som simulerer hvordan en AI-fabrikk fungerer ved å samle flere datakilder fra nettverk og fra mekaniske, termiske og elektriske systemer.
Samarbeidet vil føre til en total forandring av AI-datasentrenes design og drift. Denne teknologien vil gi operatører bedre kontroll og oversikt over elektriske systemer og strømkrav – og det med betydelige gevinster, som økt effektivitet, pålitelighet og bærekraft.
Enkel visualisering av elektriske systemer er ikke noe nytt, men integreringen av ETAP- og NVIDIA Omniverse-teknologier vil generere en omfattende digital tvilling av AI-fabrikker hvor flere dynamikker samhandler sømløst.
ETAPs sofistikerte modelleringsteknologi kan lage en virtuell kopi av den elektriske infrastrukturen i datasentre og kombinere den med sanntids kraftsystemdata, avansert analyse og innsikt.
Intelligente algoritmer analyserer og forutsier strømforbruk og mønstre for elektrisk distribusjon, med følgende fordeler:
- Avansert design og simulering av elektriske systemer
- Dynamisk «Hva hvis»-scenarioanalyse
- Ytelsessporing av elektrisk infrastruktur i sanntid
- Avansert, optimal energieffektivisering
- Prediktivt vedlikehold og vurdering av systemets pålitelighet
- En reduksjon av de totale eierkostnadene ved hjelp av bedre innsikt i infrastrukturen strømbehov og strømforbruk.
AI-arbeidsbelastninger står for en betydelig økning av strømforbruket i datasentre, fra storskala serverklynger for AI-opplæring til edge-inferensservere. I motsetning til tradisjonelle databehandlingsoppgaver, krever AI-operasjoner – spesielt opplæring av modeller og komplekse slutningsprosesser – betydelig datakraft. Dette fører til høyere energitettheter i rackene. Etter hvert som AI tas i bruk, må oppstartsselskaper, bedrifter, co-location-leverandører og internettgiganter tenke nytt for å imøtekomme et økende behov for energieffektivitet. Datasentre må gå helt nye veier når det gjelder både infrastrukturdesign og -håndtering.
ETAP og NVIDIAs samarbeid har en innovativ tilnærming som tar hensyn til systemenes helhet, fra kraftnett til databrikke. Hensikten er å løse de kritiske utfordringene i AI-tidsalderen: energihåndtering, optimalisering av ytelse og energieffektivitet.
Datasenteroperatører har hittil kunnet estimere det gjennomsnittlige strømforbruket på racknivå. Med ETAPs nye digital tvilling får de økt presisjon på modellering av den dynamiske atferden til elektriske laster – helt ned på brikkenivå. Det resulterer i et system for elektrisk distribusjon som er designet bedre og er energioptimalisert.
ETAP og NVIDIAs samarbeid har en innovativ tilnærming som tar hensyn til systemenes helhet, fra kraftnett til databrikke. Hensikten er å løse de kritiske utfordringene i AI-tidsalderen: energihåndtering, optimalisering av ytelse og energieffektivitet.
Datasenteroperatører har hittil kunnet estimere det gjennomsnittlige strømforbruket på racknivå. Med ETAPs nye digital tvilling får de økt presisjon på modellering av den dynamiske atferden til elektriske laster – helt ned på brikkenivå. Det resulterer i et system for elektrisk distribusjon som er designet bedre og er energioptimalisert.