Ang isang AI operator na nagtatakda ng laki ng battery backup para sa mga GPU rack ay karaniwang nagsisimula sa isang numero: ang karaniwang power sa kW. Ang numerong ito ay kalahati lamang ng tanong ang sinasagot. Ang isang training cluster at isang inference fleet ay kumukuha ng enerhiya sa dalawang magkaibang anyo – ang isa ay patag at tuloy-tuloy, ang isa ay may maiikling tuktok – at ang anyo ang nagtatakda kung ano ang kailangang gawin ng baterya: gaano kalaking peak current ang kailangan nitong pasanin, gaano kalalim ang bawat discharge, at kung ang enerhiya ba o ang power ang nagtatakda sa dami ng mga module. Ang mga data center ay gumamit ng humigit-kumulang 415 TWh ng kuryente noong 2024, humigit-kumulang 1.5% ng pandaigdigang pangangailangan, at inaasahan ng IEA ang humigit-kumulang 945 TWh sa taong 2030 (IEA, April 2025). Ipinapaliwanag ng pahinang ito ang dalawang load profile, kung ano ang kailangan ng bawat isa mula sa isang LiFePO4 rack battery, at kung ano ang ipadala sa LJY Energy para sa isang panukala sa pagtatakda ng laki.
Sa panahon ng pagsasanay, ang mga GPU ay gumagana sa halos buong kapasidad sa loob ng maraming oras o araw na magkakasunod: ang kurba ng power ay halos patag, mataas, at tuloy-tuloy, at ang isang pagkaantala ay maaaring makapigil sa pagsasanay at mawala ang mga checkpoint na ilang oras ang halaga. Ang isang training rack ay maaaring kumuha ng humigit-kumulang 40 kW – apat na DGX H100 server – na ilang ulit ng 7-12 kW ng isang pangkaraniwang corporate rack. Ang inference ay kabaligtaran ang anyo: ang mga query ay dumarating nang hindi regular, ang mga GPU ay umaabot sa tuktok sa bawat query at walang ginagawa sa pagitan, kaya ang kurba ay isang serye ng mga tuktok sa itaas ng mababang karaniwan. Ang inference ay humigit-kumulang 80-90% na ng AI computing, at inaasahan ng IEA na aabot ito sa humigit-kumulang 75% ng mga pangangailangan sa enerhiya ng AI sa taong 2030 (IEA, April 2025). Ang dalawang anyo ay nangangailangan ng magkaibang bagay mula sa baterya: ang isang training battery ay kailangang magbigay ng tuloy-tuloy na power sa buong bridging window, na may tuktok na malapit sa karaniwan, bridging energy na tinutukoy ng tuloy-tuloy na power sa kW na pinarami ng mga minuto, katamtamang tuloy-tuloy na C rate, malalim na discharge sa mahabang pagkaantala, matatag na boltahe, at pantay na init; ang isang inference battery ay kailangang sumipsip ng mabilis na mga tuktok nang walang pagbaba ng boltahe, na may tuktok na mas mataas kaysa karaniwan, bridging energy na tinutukoy ng peak power sa kW na pinarami ng mga minuto, mataas na maiikling current pulse, bahagyang discharge sa maiikling pangyayari, at mga heat pulse na sumusunod sa mga tuktok ng load. Ang pagtatakda ng laki ay nagsisimula sa tuloy-tuloy na power sa kW sa pagsasanay at sa peak power sa kW at tagal ng tuktok sa inference. Ang mga inference fleet ay may tendensiya ring lumaki kasabay ng paggamit, at ang isang modular rack battery ay lumalaki kasama nila: ang mga module ay idinaragdag nang parallel habang lumalaki ang load, sa halip na palitan ang baterya.

Mga halaga ng reperensya
| Paggamit ng kuryente ng mga data center, 2024 | 415 TWh |
| Bahagi ng pandaigdigang pangangailangan sa kuryente | 1.5% |
| Inaasahang paggamit ng kuryente ng mga data center sa taong 2030 | 945 TWh |
| Paggamit ng power ng isang training rack, halimbawa | 40 kW |
| Paggamit ng power ng isang pangkaraniwang corporate rack | 7–12 kW |
| Bahagi ng inference sa AI computing | 80–90% |
| Inaasahang bahagi ng inference sa mga pangangailangan sa enerhiya ng AI sa taong 2030 | 75% |
| Hanay ng pagsasanay sa halimbawa ng pagtatakda ng laki | 8 kW |
| Tuktok ng inference sa halimbawa ng pagtatakda ng laki | 16 kW |
Ang pagtatakda ng laki ay nagsisimula sa anyo ng load, hindi sa kinopyang numero ng ampere-hour: ang pahina ng 51.2V rack module ng LJY ay naglilista ng mga rack module na bumubuo sa baterya, at ang dami ng mga module ay sumusunod sa nasukat na kW at mga minuto ng bridging at kinukumpirma para sa bawat proyekto.
Halimbawa ng pagtatakda ng laki
Ang isang training row na 8 kW ay nangangailangan ng humigit-kumulang 2 kWh na magagamit na enerhiya para sa 15 minutong bridging. Sinasaklaw ito ng 2 100 Ah module na nakakonekta nang parallel: nagbibigay sila ng humigit-kumulang 10 kW nang tuluy-tuloy at nag-iimbak ng 10.24 kWh, kaya ang power at enerhiya ay parehong nakakatugon sa kinakailangan na may margin. Itakda muna ang laki ayon sa tuluy-tuloy na power sa kW, pagkatapos ay suriin ang mga minuto ng bridging sa kWh. Kung lumaki ang hanay sa kalaunan, magdagdag ng mga module nang parallel; lumalawak ang baterya nang hindi pinapalitan ang naka-install na. Ang isang inference row na may parehong karaniwan na 8 kW, ngunit may mga tuktok na 16 kW, ay nangangailangan ng parehong enerhiya, ngunit dalawang beses na module upang pasanin ang peak current – ang tuktok, hindi ang karaniwan, ang nagtatakda sa dami ng mga module.
Ano ang ipapadala bago ang alok
- Load ng pagsasanay o inference, na may nasukat na karaniwan at peak power sa kW
- Mga kinakailangang minuto ng bridging bago magsimula ang generator
- Magagamit na espasyo ng rack sa U at modelo ng UPS o inverter
Humiling ng kuwenta
Ipadala ang load profile – pagsasanay o inference – na may karaniwan at peak power sa kW, mga kinakailangang minuto ng bridging, magagamit na espasyo ng rack sa U, at modelo ng UPS o inverter. Kukumpirmahin ng LJY Energy ang dami ng mga module, ang parallel connection, at ang mga setting ng komunikasyon, at pagkatapos ay magbibigay ng quotation para sa baterya na may mga kondisyon ng paghahatid. Nagko-coordinate kami ng mga paghahatid ng OEM/ODM battery mula sa Shenzhen; hindi kami pabrika, at ang bawat order ay kinukumpirma nang nakasulat bago ang produksyon.

Humiling ng kuwenta para sa baterya ng rack · WhatsApp +86 159 8945 0735
