# 如何在电网更清洁的时候安排模型训练？

> 在电网碳强度低时运行训练和批量 AI 作业：使用预测数据，用检查点让作业可以暂停，并把截止时间作为硬性限制。

Source: https://greenai.guide/zh/如何/如何在电网更清洁的时候安排模型训练/  
Updated: 2026-11-19

## 简而言之

找出可以等待的作业，例如训练、微调、评估和批量推理，在碳强度预测显示电网更清洁时启动它们。定期保存检查点，让长时间作业在碳强度上升时暂停、在下降时恢复，同时守住明确的截止时间。碳感知调度减少的是碳排放而不是能耗，所以应在提高效率的基础上进行。

## Steps

1. 列出可以等待数小时而无妨的 AI 作业，并注明每个作业真正的截止时间。
2. 获取作业运行所在地区的碳强度预测。
3. 在仍能赶上截止时间的最清洁时段启动可灵活安排的作业。
4. 保存检查点（包括优化器状态），让长时间作业可以暂停和恢复。
5. 在记录碳排放的同时记录每个作业的能耗，以免调度掩盖了能耗增长。

**大多数训练作业并不需要在您按下回车键的那一刻就开始。** 把它们挪到更清洁的时段，就能在不改动模型的情况下降低碳排放。

## 预测数据从哪里来？ {#where-do-forecasts-come-from}

- 在英国（大不列颠），国家能源系统运营商（National Energy System Operator）的 Carbon Intensity API 可提前 96 小时以上预测 14 个地区的碳强度。
- Electricity Maps 提供全球 350 多个区域的实时和预测数据。
- Green Software Foundation 的 Carbon Aware SDK 是一个 Web API 和命令行工具，它利用此类数据，让软件能够“在电力来自清洁低碳来源时多做一些，在不是时少做一些”。

## 如何处理长时间作业？ {#how-do-i-handle-long-jobs}

Green Software Foundation 针对 AI 工作负载的模式建议，在可行的情况下，根据碳强度阈值暂停和恢复长时间运行的训练作业。这需要定期保存检查点（包括优化器状态），这样作业停止时不会有任何损失。请测量检查点的开销，确保暂停的代价不超过它带来的节省。

## 常见错误 {#common-mistakes}

- **混淆碳排放和能耗。** 挪动作业并不会让它用电更少；碳排放数字下降可能掩盖能耗上升。两者都要记录。
- **让截止时间一再推迟。** 把截止时间作为硬性限制，而不是一种偏好。
- **按年度平均值来调度。** 您需要作业实际运行所在地区的逐小时预测。
- **为很小的作业做调度。** 收益来自大型、可灵活安排的运行，而不是每一个脚本。

您也可以[选择碳排放更低的地区](/zh/如何/如何选择碳排放低的云区域/)。请参阅[高效训练与推理](/zh/良好实践/高效的-ai-训练与推理/)。

## 来源

- [Carbon Intensity API](https://carbonintensity.org.uk/), National Energy System Operator (2025)
- [Carbon Aware SDK](https://github.com/Green-Software-Foundation/carbon-aware-sdk), Green Software Foundation (2025)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
- [Electricity Maps data](https://www.electricitymaps.com/data), Electricity Maps (2026)
