エネルギー接続を表現した概念 AI サーバーラック

KiWi コア技術 / AI-EDC

AI データセンターのエネルギー運用を、統合的に捉える

AI-EDC のエネルギーデータ構造で、需給分析、再エネの時間帯マッチング、蓄電協調、追跡可能な記録を結び、AI データセンターの計画と運用判断を支援します。

概念図・KiWi 所有施設や実際の顧客設備ではありません

技術基盤 × 応用検証の方向性

AI-EDC は AI Energy Data Center(AI エネルギーデータセンター)を意味します。既存の技術基盤や小売の実証・シミュレーションは、AI データセンターの本番運用能力を示すものではありません。本ページは応用・現場検証の方向性を示します。

01 / AI-EDC

エネルギー課題を、判断に使える情報へ

計算負荷は出発点にすぎません。供給、設備、契約、記録を同じエネルギー視点で捉えます。

高密度サーバーと液冷配管の概念ディテール
概念図・KiWi 所有施設や実際の顧客設備ではありません

01供給可能量と契約容量

課題
拡張需要が利用可能容量を超える場合があります。
データ
契約容量、接続条件、過去のピーク。
判断支援
容量シナリオと拡張制約を比較します。

02信頼性とリスク

課題
バックアップ条件と供給事象が分散しています。
データ
供給事象、UPS 状態、保守記録。
判断支援
現場チームの評価に向けてリスク情報を整理します。

03変動する計算負荷

課題
処理量の変化が電力需要を変えます。
データ
GPU 処理量の概要、電力計、ジョブ計画。
判断支援
負荷範囲を予測し、計画案を示します。

04冷却・設備の可視性

課題
IT と設備の消費電力を対照しにくい場合があります。
データ
冷却電力、温度、設備計量。
判断支援
設備を直接制御せず、関連とデータ不足を把握します。

05再エネの時間帯整合

課題
再エネ供給と需要は同時とは限りません。
データ
供給曲線、負荷曲線、契約条件。
判断支援
時間帯の整合と不足の可能性を比較します。

06費用と記録の追跡

課題
料金、精算、判断根拠が分散しています。
データ
料金、契約、精算、データの版。
判断支援
費用シナリオを比較し、根拠を追跡可能にします。

GPU、冷却、UPS はデータ・現場運用の文脈であり、KiWi による直接制御の主張ではありません。

02 / AI-EDC

六つの層、一つのエネルギー視点。

既存の AI-EDC 技術抽象を AI データセンターの応用検証へ。各層を明確な入力・処理・出力でつなぎます。

AI-EDC / 01

設備・エッジ収集

入力
電力計、センサー、設備状態。
処理
対応エッジ機器で取得・一時保存・品質確認。
出力
出典と時刻を持つ測定値。

データの流れ

許可された連携・分析であり、物理的な電力移動ではありません。

物理的な電力の流れ

系統、設備、適用契約によります。図の接続は供給の約束ではありません。

条件付き制御

機器対応、権限、連携、現場検証が必要です。基本は判断支援です。

クラウド・エッジ連携は機器対応、権限、統合、現場検証が条件です。AI データセンターへの応用は、本番導入済みという意味ではありません。

03 / AI-EDC

データと判断をつなぐ、15 分単位の計画サイクル

  1. 01 →

    データ

    需要、供給、状態、契約データを整合。

  2. 02 →

    予測・マッチング

    負荷予測、供給時間帯、制約を比較。

  3. 03 →

    計画・交換

    権限を持つ担当者・システムに計画・交換の判断案を提示。

  4. 04 →

    根拠・ダッシュボード

    出典、判断の版、実行結果を保存。

AI データセンター、蓄電設備、系統接続の概念キャンパス
概念図・KiWi 所有施設や実際の顧客設備ではありません

15 分は計画・データの粒度であり、予測精度、制御応答時間、自律的な物理給電、信頼性の保証ではありません。「計画・交換」は原則として判断支援です。対応・許可済みシステムを現場検証した場合のみ、案件範囲に応じた制御連携を検討します。

04 / 概念画面 / デモデータ

エネルギーの背景を、一つの画面に。

合成シナリオであり、顧客のライブデータ、実施設、見積、検証済み削減額ではありません。電力は MW、区間電力量は MWh。時刻はデモ日の現地時刻です。

概念画面 / デモデータ
負荷13MW
再エネ7MW
系統供給6MW
蓄電池放電0MW
開始 SOC70%
終了 SOC70%

負荷・再エネ曲線(MW)

— 負荷— 再エネ
デモ日の 08:00〜18:00 の負荷・再エネ曲線。共通の 0〜20 MW 目盛。正確な値は表に記載。0510152008:0010:0012:0014:0016:0018:00

区間のエネルギー収支

13 MW = 7 + 6 + 0 MW / 12:00–12:15

負荷 = 再エネ + 系統 + 蓄電池放電。デモ容量 10 MWh、放電効率 95%。SOC 低下 = 放電 MW × 0.25 時間 ÷ 0.95 ÷ 10 MWh × 100。各区間は独立シナリオであり、連続運転の約束ではありません。

曲線データと区間状態
時刻負荷 (MW)再エネ (MW)系統供給 (MW)蓄電池放電 (MW)
08:00122100
10:0012.557.50
12:0013760
14:0013670
16:0012.538.51
18:00121101

合成シナリオであり、顧客のライブデータ、実施設、見積、検証済み削減額ではありません。電力は MW、区間電力量は MWh。時刻はデモ日の現地時刻です。

05 / AI-EDC

四つの価値の方向性。成果を前提にしません。

発電・蓄電・需要を結ぶエネルギーデータハブの概念図
概念図・KiWi 所有施設や実際の顧客設備ではありません
01

全体の可視性

IT・設備・供給データを整合し、不足と依存関係を把握。

02

供給・蓄電の協調

供給、蓄電制約、負荷時間帯を比較し、条件付き協調計画を支援。

03

費用・リスク評価

明確な仮定と契約制約で、確認可能なシナリオを比較。

04

追跡可能な記録

出典、版、判断根拠を保存。認証や開示要件への適合を保証しません。

KiWi New Energy

データと運用条件から、計画を始める。

データの可用性、連携の境界、検証範囲を KiWi と確認し、次の一歩を整理します。

幅広い応用:AI-EDC プラットフォームへ