회계에서 조정으로: 데이터 센터 배분을 위한 가상 물 인지형 전력-연산-물 넥서스 프레임워크

데이터 센터 (DCs)의 확장은 전력 수요와 발전소에서의 관련 용수 취수량의 지속적인 증가를 초래합니다. 이러한 취수는 발전소에서 발생하며, 네트워크 전력 흐름을 기반으로 수요 측에 가상으로 할당됩니다. 결과적으로, 특정 부하의 실제 물 발자국 (Water footprint)은 발전 배분 (Generation dispatch) 및 네트워크 조건에 따라 동적으로 변합니다. 기존 방식들은 일반적으로 이러한 물 발자국을 정량화하기 위해 정적 통계 회계 (Static statistical accounting)에 의존합니다. 그러나 이러한 정적 방법은 배분 최적화 (Dispatch optimization)와 워크로드 재배치 (Workload relocation)가 용수 취수에 어떻게 동적으로 영향을 미치는지 포착하지 못합니다. 그 결과, 정적 통계 회계 방식은 최적화 프로세스와 분리된 상태로 남아 있어, 물 스트레스 (Water stress)를 완화하기 위한 워크로드 재배치나 전력 배분을 유도할 수 없습니다. 이러한 한계를 해결하기 위해, 본 논문은 가상 물 영향을 전력 시스템 배분에 직접 내재화하는 운영 가능한 전력-연산-물 (ECW) 넥서스 프레임워크를 개발합니다. 이 프레임워크는 배분 최적화를 딥러닝 (Deep learning) 아키텍처 내에 임베디드된 미분 가능한 최적화 계층 (Differentiable optimization layer)으로 표현하여, 운영 가능성을 유지하면서 조정 정책 (Coordination policies)의 효율적인 엔드 투 엔드 (End-to-end) 학습을 가능하게 합니다. 고정점 조정 (Fixed-point coordination)과 결합하여, 이 프레임워크는 가상 물 귀속 (Virtual water attribution)과 물리적 발전 측 취수 간의 일관성을 강제합니다. IEEE 30-bus 및 118-bus 테스트 시스템에 대한 사례 연구는 신뢰할 수 있는 수렴, 정확한 전력-물 일관성, 그리고 물 제약 조건 하에서 발전 관련 담수 취수의 약 3-5% 감소를 입증합니다.