PowerAtlas: 전력 시스템을 위한 전력-컴퓨팅 공동 스케줄링 연구

PowerAtlas: Towards Electricity-Computing Co-Scheduling for Power Systems

인공지능 워크로드의 급격한 증가는 데이터 센터를 대규모, 불안정하지만 시간적 및 공간적으로 유연한 그리드 부하로 변환시키고 있으며, 이는 조정된 전력-컴퓨팅 스케줄링에 대한 시급한 요구를 야기합니다. 엄격한 그리드 제약 조건 하에서, 범용 대형 언어 모델(LLM)의 스케줄은 종종 실현 불가능하며, 이는 전력 흐름 위반 및 부하 미충족을 초래할 수 있습니다. 본 논문에서는 역사적 데이터, 도메인 지식 및 물리적 제약을 통합하여 그리드 운영 규칙과 컴퓨팅 작업의 서비스 수준 계약(SLA)을 모두 만족하는 공동 의사 결정을 생성하는 전력-컴퓨팅 공동 스케줄링을 위한 LLM 에이전트 프레임워크인 PowerAtlas를 제시합니다. 중국의 지방 전력 회사와 협력하여 실험적인 전력-컴퓨팅 네트워크를 구축하고 실제 데이터 센터 데이터를 사용하여 의사 결정 루프를 검증했습니다. 또한, 익명화된 운영 데이터를 활용하여 2,000개의 스케줄링 인스턴스와 최적 해답을 포함하는 ECBench 벤치마크를 구성했습니다. 열한 개의 LLM에 대한 실험 결과는 PowerAtlas가 현실적인 물리적 작동 조건에서 효과적이며, 세 가지 오픈 웨이트 기반 모델 모두에서 일관된 실현 가능성과 비용 절감 효과를 보임을 보여줍니다. 저희의 코드는 https://github.com/JAVA-Jiang/PowerAtlas 에서 공개적으로 이용할 수 있습니다.

The rapid growth of AI workloads is turning data centers into large-scale, volatile, yet spatiotemporally flexible grid loads, creating an urgent need for coordinated electricity-computing scheduling. Under stringent grid constraints, schedules from general-purpose large language models (LLMs) are often infeasible, causing line-flow violations and unserved load. We present PowerAtlas, an LLM-agent framework for electricity-computing co-scheduling that integrates historical instances, domain knowledge, and physical constraints to produce joint decisions satisfying both grid operational rules and the service-level agreements (SLAs) of computing tasks. Working with a provincial power utility in China, we built an experimental electricity-computing network and validated the decision loop on real data-center data; from de-identified operational data we further constructed ECBench, a benchmark of 2,000 scheduling instances with oracle-optimal solutions. Experiments across eleven LLMs demonstrate the effectiveness of PowerAtlas under realistic physical operating conditions, with consistent feasibility and cost gains across three open-weight backbones. Our code is publicly available at https://github.com/JAVA-Jiang/PowerAtlas.