据报道，有研究显示，数据中心运营商最常见的净零能源政策对碳排放没有长期影响，他们表示大企业应该转向“临时”或 24/7 能源匹配。
超大规模数据中心运营商是最大的自愿清洁能源消费者，正试图直接消耗绿色能源，并为可再生能源付费以匹配其排放量。然而，他们的净零活动只考虑了自己的使用，而忽略了对整个电网的影响。根据普林斯顿大学零实验室上周发布的一份文件，数据中心运营商匹配能源或排放的最常见方式将对电网的长期减排几乎没有什么帮助。
根据他们的研究，基于时间的采购将每小时的能源使用与绿色能源相匹配，真正减少了电网的碳排放——但每兆瓦时的成本增加了20美元，具体取决于能源的采购地点和方式。
孤立的净零排放
数据中心运营商都渴望实现净零排放，并通过购买可再生能源来实现这一目标。该研究团队的项目《自愿无碳电力采购策略的系统级影响》研究了他们的行动对美国两个样本州(加利福尼亚州和怀俄明州)整个电网的总体影响，以创建一个更大的图景，显示大量能源购买可能会产生意想不到的结果。它们只能取代排放，或者无法刺激净新能源生产。
谷歌、亚马逊、Meta 和微软等超大规模企业是电力购买协议 (PPA)的最大买家，在协议中，企业支付一定数量的新可再生能源发电量，然后可以抵消自己的使用量。2021年，美国商业和工业消费者购买了 11GW 的购电协议。全球范围内，超大规模企业当年购买了 31GW。亚马逊在这一领域处于领先地位，2022 年购买了8.3GW 的购电协议。
购电协议比以前流行的可再生能源证书(REC)更受重视，后者有时向运营商支付长期建设的发电资源，而不是新产能。
为了更好地购买清洁能源，许多大客户已经采取行动更好地匹配他们的能源使用。许多净零策略只是简单地购买与其实际负载等量的能源。这种用电量匹配是有缺陷的，因为客户将在一天中的不同时间使用太阳能发电场和风力涡轮机产生的能源。
但与之相匹配的尝试并不理想。一些企业正在尝试“排放匹配”，即购买更多绿色能源，并将总碳强度与其使用的电力相匹配。其他组织使用“时间匹配”，试图逐小时匹配客户能源使用产生的排放量，这种方案称为 24/7 匹配。
该研究的作者之一、普林斯顿大学博士生威尔逊·里克斯 (Wilson Ricks) 表示，看似直观的清洁能源采购方法实际上对温室气体排放影响很小，甚至没有影响。
按数量、排放量匹配...还是 24/7?
简而言之，亚马逊、Meta、Salesforce和通用汽车使用的排放匹配对总体排放影响不大。客户将购买大量可用的最便宜的绿色能源，这些能源无论如何都会投入使用，并且几乎没有动力增加真正的新产能。
相比之下，时间匹配产生了对稳定的低碳能源生产的需求，因为它迫使电网在数小时内提供能源，否则电网将不得不依靠化石能源。这要么通过水力或核能等固定发电能力来满足，要么通过长期储能(LDES)来满足。时间匹配的使用频率要低得多，但Microsoft和Iron Mountain已签署 24/7 PPA。美国政府于 2021 年 12 月发布行政命令，要求联邦机构到 2030 年采购 100% 无碳电力，其中一半的采购量与每小时消耗量相匹配。
“虽然这三种匹配策略中的每一种都提供了一个会计框架，在该框架下，无碳电力的自愿购买者可以声称减少排放量，但研究的结果说明了这些声明与全系统二氧化碳排放量实际变化的相关程度。研究发现，在当前的美国政策环境中，与不发生自愿采购的反事实情景相比，容量和排放匹配的采购策略几乎不会导致系统级二氧化碳排放量发生变化。
虽然两种匹配策略都隐含地假设这种采购抵消了二氧化碳排放的化石燃料发电，但研究发现它几乎完全取代了其他可再生资源的产能增加和发电。换句话说，由追求容量或排放匹配策略的自愿市场参与者采购的所有或几乎所有无碳能源无论如何都会产生。
容量和排放匹配计划非常便宜，因此参与者可以几乎免费地“非常轻松地声称零排放”，而不会对整体电力脱碳做出任何实际贡献。
时间匹配效果更好，因为“满足高时间匹配目标需要采购无碳发电，即使是在几个小时内，否则使用化石发电来满足电力需求比使用新的清洁电力更具成本效益。”
研究人员表示，它还促进了先进的清洁公司发电和存储，而这些在短期内不会部署。“因此，自愿的 100% 时间匹配承诺可以为新兴技术提供早期市场，从长远来看，这些技术可能成为完全脱碳电力系统的关键组成部分，从而可以通过学习曲线效应更早地扩大规模并降低成本。”
该研究使用了GenX，这是麻省理工学院和零实验室的开源能源采购模型。它具有完全的编辑独立性，但部分资金来自谷歌和普林斯顿零碳技术联盟的资助，该联盟得到了通用电气、谷歌、ClearPath 和 Breakthrough Energy 的捐赠支持。
该研究使用的数据基于加利福尼亚州和西部山区的商业和工业客户，这些地区提供两种不同的环境：加利福尼亚州以太阳能和天然气为主，怀俄明州和科罗拉多州以风能和煤炭为主。研究者表示，美国各地的结果应该是一致的。
