CN115081257B - 一种用于电力能源的芯片损耗优化方法及*** - Google Patents
一种用于电力能源的芯片损耗优化方法及*** Download PDFInfo
- Publication number
- CN115081257B CN115081257B CN202211007459.5A CN202211007459A CN115081257B CN 115081257 B CN115081257 B CN 115081257B CN 202211007459 A CN202211007459 A CN 202211007459A CN 115081257 B CN115081257 B CN 115081257B
- Authority
- CN
- China
- Prior art keywords
- working
- chip
- loss
- equipment
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 16
- 230000006854 communication Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000007664 blowing Methods 0.000 description 6
- 230000007175 bidirectional communication Effects 0.000 description 4
- 230000003864 performance function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3243—Power saving in microcontroller unit
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种用于电力能源的芯片损耗优化方法及***,涉及电力损耗优化技术领域,其方法包括:确定不同工作设备中的每个工作芯片的历史工作模式集合;按照设备功能匹配机制,并结合历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对允许工作模型进行损耗分析,确定电能损耗信息;按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;按照芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗。可以有效实现对不同工作芯片的模式的策略调配,实现芯片的最优损耗,可以有效保证对电能的合理利用,降低能源浪费的可能性。
Description
技术领域
本发明涉及电力损耗优化技术领域,特别涉及一种用于电力能源的芯片损耗优化方法及***。
背景技术
随着经济社会的发展,电力能源生产与销售也得到的迅速发展,成为国家经济的基础性工业,但是电力能源在两个方面存在消耗,一方面是电力能源应用的消耗,一方面是电力传输过程中的消耗。
针对电力能源应用的消耗,在电力能源应用过程中,由于不同的设备其的工作模式不同以及不同设备应用的电能情况不同,在多个设备组合应用时,如果按照固有的模式持续工作,可能会间接导致电能损耗的增大,进而导致对电能使用造成浪费。
因此,本发明提出一种用于电力能源的芯片损耗优化方法及***。
发明内容
本发明提供一种用于电力能源的芯片损耗优化方法及***,用以通过确定不同设备中芯片的历史工作模式,进而通过机制匹配,来获取允许工作模型,进而通过电能损耗分析以及按照最小损耗原则,可以有效实现对不同工作芯片的模式的策略调配,实现芯片的最优损耗,可以有效保证对电能的合理利用,降低能源浪费的可能性。
本发明提供一种用于电力能源的芯片损耗优化方法,包括:
步骤1:确定不同工作设备中的每个工作芯片的历史工作模式集合;
步骤2:按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对所述允许工作模型进行损耗分析,确定电能损耗信息;
步骤3:按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;
步骤4:按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗。
优选的,确定不同工作设备中的每个工作芯片的历史工作模式集合,包括:
确定不同工作设备的历史执行功能,并确定参与每个历史执行功能的工作芯片;
从历史功能日志中,捕捉参与的工作芯片的历史参与信息,并获取同个参与的工作芯片在同个历史执行功能下的多个工作模式,来构建得到同个工作芯片的历史工作模式集合。
优选的,按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,包括:
基于设备功能匹配机制,确定每个工作设备的预设执行功能;
建立每个预设执行功能与不同工作芯片的映射关系,并对同个映射关系中包含的第一芯片进行预分析,来确定每个第一芯片的可工作模式;
基于同个映射关系对应的预设执行功能以及对应的每个第一芯片的可工作模式进行组合分析,得到同个工作设备基于对应预设执行功能的若干个初始工作模型;
按照每个初始工作模型对应的工作能力,筛选得到允许工作模型。
优选的,按照每个初始工作模型对应的工作能力,筛选得到允许工作模型,包括:
分析每个初始工作模型包含的第一工作芯片的第一工作模式,并确定对应的工作能力;
其中,表示对应初始工作模型的工作能力;表示对应初始工作模型包含第一工作芯片的个数;表示对应的第i1个第一工作芯片所处第一工作模式基于对应预设执行功能的当下贡献因子;表示对应预设执行功能下的第i1个第一工作芯片包含的所有工作模式中的最大贡献因子;表示指数函数的符号;表示对应的第i1个第一工作芯片所处第一工作模式与剩余第一工作芯片所处对应第一工作模式之间的衔接因子,且取值范围为[0,1];
对所述工作能力进行大小排序,并判断所筛选的最大工作能力对应的初始工作模型的数量;
当所述数量仅为一个时,将其视为允许工作模型;
优选的,对所述允许工作模型进行损耗分析,确定电能损耗信息,包括:
确定所述允许工作模型包含的第二工作芯片以及每个第二工作芯片的第二工作模式,并确定每个第二工作芯片的内部损耗信息;
根据所述允许工作模型的芯片工作结构图,确定相邻第二工作芯片之间的连通关系,并确定每个第二工作芯片对应的外部损耗信息;
基于所有内部损耗信息以及所有外部损耗信息,得到所述允许工作模型的电能损耗信息。
优选的,按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略,包括:
确定同个允许工作模型对应的第一设备以及与同个允许工作模型对应预设执行功能存在关联关系的第二设备;
获取第一设备以及第二设备分别对应的允许工作模型的电能损耗信息;
按照多设备联合工作的最小损耗原则,分别确定在对应预设执行功能下的第一设备的第一最小损耗约束范围以及存在关联关系的每个第二设备的第二最小损耗约束范围;
将第一设备的电能损耗信息对应的第一损耗电能与第一最小损耗约束范围进行比较,同时,将每个第二设备的电能损耗信息对应的第二损耗电能与对应的第二最小损耗约束范围进行比较;
若都在对应约束范围内,保持所述同个允许工作模型中的工作芯片的芯片模式不变;
否则,确定不在约束范围内的第三设备,并按照第三设备中每个工作芯片的芯片损耗以及每个工作芯片的芯片功能辅助,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略。
优选的,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略,包括:
当所述第三设备中存在第一设备时,向第一设备对应的调配向量设置主要权重,向剩余设备对应的调配向量设置次要权重,输入到策略生成模型,生成对应的调配策略;
当所述第三设备中不存在第一设备时,向每个第三设备的调配向量设置均匀权重,并输入到策略生成模型,生成对应的第二调配策略;
当所述第三设备中不存在第二设备时,向所述第一设备的调配向量中的每个工作芯片设置工作权重,并输入到策略生成模型中,生成对应的第三调配策略;
其中,所述第一设备的数量为一个,所述第二设备的数量为至少一个。
优选的,按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗,包括:
解析所述芯片调配策略,确定待调配芯片以及待调配芯片的调配指令;
按照所述调配指令对对应待调配芯片的模式进行调整,实现最优损耗。
所述的用于电力能源的芯片损耗优化方法,其特征在于,基于所有内部损耗信息以及所有外部损耗信息,得到所述允许工作模型的电能损耗信息,包括:
统计所述允许工作模型中每个第二工作芯片的损耗信息,其中,表示对应第二工作芯片的内部损耗信息;表示与对应第二工作芯片存在连通关系的第1个相邻工作芯片的外部损耗信息;表示与对应第二工作芯片存在连通关系的第n个相邻工作芯片的外部损耗信息;
本发明提供一种用于电力能源的芯片损耗优化***,包括:
集合确定模块,用于确定不同工作设备中的每个工作芯片的历史工作模式集合;
损耗分析模块,用于按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对所述允许工作模型进行损耗分析,确定电能损耗信息;
调配策略获取模块,用于按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;
模式调整模块,用于按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种用于电力能源的芯片损耗优化方法的流程图;
图2为本发明实施例中一种用于电力能源的芯片损耗优化***的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种用于电力能源的芯片损耗优化方法,如图1所示,包括:
步骤1:确定不同工作设备中的每个工作芯片的历史工作模式集合;
步骤2:按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对所述允许工作模型进行损耗分析,确定电能损耗信息;
步骤3:按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;
步骤4:按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗。
该实施例中,比如存在设备1和2,且设备1中包含芯片01、02,设备2包括芯片03、04,此时,分别确定芯片01、02、03、04在该设备历史执行不同功能下的历史工作模式集合,且该历史工作模式集合是包括不同的历史执行功能、与该历史执行功能匹配的工作芯片、以及匹配的每个工作芯片在是西安该历史执行功能中可以工作的多种模式,其中,历史工作模式指的是对应工作设备在历史执行功能下,对应的该芯片在参与过程中的历史工作状态,进而可以确定为针对该功能下的历史工作模式,比如,该功能其实对应的是数据交互,当下工作状态为支撑设备1进行大量数据的交互,且“支撑设备1进行大量数据的交互”即为实际工作模式,不论是大量数据的交互模式还是小量数据的交互模式,都是可以实现该功能的,此时,就将数据交互视为功能,数据交互过程中的大量数据一次***互还是大量数据分为小量数据多次交互即为交互模式。
该实施例中,设备功能匹配机制指的是不同工作设备的允许执行功能,以及与允许执行功能预先所匹配的芯片类型以及芯片执行功能,进而通过允许执行功能、芯片类型、芯片执行功能,从同个工作设备对应的历史工作模式集合中,来匹配得到对应芯片,进而可以作为可组合工作芯片,且同个可组合工作芯片中对应的芯片工作模式可能是不一样的,因此,来得到允许工作模型,所有的前提都是在保证可以执行相关功能的情况下,有效的调整每个芯片的当前损耗,来实现最优损耗。
该实施例中,允许工作模型的获取是基于可组合工作芯片的允许工作的情况的来构建得到的,比如,是使用设备1中的芯片001、002、003来构建得到的,主要是为了确定一个允许工作的情况。
该实施例中,通过对设备1中的芯片001、002、003来构建得到的模型进行分析,来该设备的电能损耗情况,且包括芯片损耗情况以及设备损耗情况。
该实施例中,多设备联合工作的最小损耗原则是预先设定好的,比如,设备1与设备2联合工作的最小损耗可以为a1,那么按照这个原则进行分析,且多设备对应的电能损耗信息指的是设备1与设备2的损耗以及对应芯片的损耗。
该实施例中,同个允许工作模型中工作芯片的芯片模式调配策略指的是,比如,设备1此时执行的是功能1,此时,在不影响功能1可以正常执行的情况下,将该设备的损耗调到最低,来实现对芯片模式的调整,比如,芯片01与芯片02可以正常执行功能1,且此时,如果将芯片01调整为即将待机状态,此时,还是可以正常执行功能1,此时,就按照最小损耗原则对其进行调整。
上述技术方案的有益效果是:通过确定不同设备中芯片的历史工作模式,进而通过机制匹配,来获取允许工作模型,进而通过电能损耗分析以及按照最小损耗原则,可以有效实现对不同工作芯片的模式的策略调配,实现芯片的最优损耗,可以有效保证对电能的合理利用,降低能源浪费的可能性。
本发明提供一种用于电力能源的芯片损耗优化方法,确定不同工作设备中的每个工作芯片的历史工作模式集合,包括:
确定不同工作设备的历史执行功能,并确定参与每个历史执行功能的工作芯片;
从历史功能日志中,捕捉参与的工作芯片的历史参与信息,并获取同个参与的工作芯片在同个历史执行功能下的多个工作模式,来构建得到同个工作芯片的历史工作模式集合。
该实施例中,比如历史执行功能1包括工作芯片1、2、3、4,且根据历史功能日志,也就是功能1的日志,来确定出工作芯片1、2、3、4在可以执行该功能的情况下,处于的工作模式,且工作模式指的是可以实现该功能,比如,功率大小、速度等方面会存在一定的区别,就比如,在使用电风扇的时候,会存在不同的换风挡位,且不同的挡位对应的运转功率是不一样的,进而,可以确当不同挡位下对应芯片的工作模式。
且,如果存在风扇定时以及风扇挡位,此时,定时和吹风与单独的吹风用到的芯片是不一样的,此时,定时对应的设备与吹风用到的设备虽然都是风扇中的,但是,该定时与吹风是两种功能,又比如定时,在定时的时候,定时芯片在不同的定时时间下,都可以视为对应的工作模式不同。
上述技术方案的有益效果是:通过获取历史执行功能,并从日志中捕捉参与信息,可以有效获取同个芯片的多个工作模式,进而构建得到历史工作模式集合,为实现芯片的最优损耗提供基础。
本发明提供一种用于电力能源的芯片损耗优化方法,按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,包括:
基于设备功能匹配机制,确定每个工作设备的预设执行功能;
建立每个预设执行功能与不同工作芯片的映射关系,并对同个映射关系中包含的第一芯片进行预分析,来确定每个第一芯片的可工作模式;
基于同个映射关系对应的预设执行功能以及对应的每个第一芯片的可工作模式进行组合分析,得到同个工作设备基于对应预设执行功能的若干个初始工作模型;
按照每个初始工作模型对应的工作能力,筛选得到允许工作模型。
该实施例中,设备功能匹配机制是预先设置好的,且根据不同的设备型号,可以明确的的匹配到对应出厂设置的预设执行功能。
该实施例中,比如,存在预设执行功能1和2,且预设执行功能1与芯片1、2、3存在映射关系,预设执行功能2与芯片4、5存在映射关系,且映射关系都是出厂设置好的,且每个芯片在不同的功能下会采用什么样的模式工作也都是预先设置好的,因此,预分析也就是为了从已设置好的信息中来获取对应芯片的可工作模式。
该实施例中,预设执行功能就比如是风扇吹风,且存在同个芯片在不同挡位下的工作模式,也就是,在工作过程中同个工作设备对应的吹风功能会存在若干个工作模型,比如:该预设执行功能对应芯片1、2、3,此时,芯片1采用模式10工作,芯片2采用模式20工作,芯片3采用模式30工作,会使得风扇正常吹风,芯片1采用模式10工作,芯片2采用模式20工作,芯片3采用模式31工作也会使得风扇正常吹风,进而来获取对应的初始工作模型。
该实施例中,工作能力是为了计算初始工作模型的工作可靠性,越可靠作为允许工作模型的参考价值越大。
上述技术方案的有益效果是:通过根据设备功能匹配机制,便于获取预设执行功能,进而通过映射关系以及可工作模式,在进行组合分析之后,得到初始工作模型,进而筛选得允许工作模型,为后续实现芯片的最优损耗提供基础。
本发明提供一种用于电力能源的芯片损耗优化方法,按照每个初始工作模型对应的工作能力,筛选得到允许工作模型,包括:
分析每个初始工作模型包含的第一工作芯片的第一工作模式,并确定对应的工作能力;
其中,表示对应初始工作模型的工作能力;表示对应初始工作模型包含第一工作芯片的个数;表示对应的第i1个第一工作芯片所处第一工作模式基于对应预设执行功能的当下贡献因子;表示对应预设执行功能下的第i1个第一工作芯片包含的所有工作模式中的最大贡献因子;表示指数函数的符号;表示对应的第i1个第一工作芯片所处第一工作模式与剩余第一工作芯片所处对应第一工作模式之间的衔接因子,且取值范围为[0,1];
对所述工作能力进行大小排序,并判断所筛选的最大工作能力对应的初始工作模型的数量;
当所述数量仅为一个时,将其视为允许工作模型;
该实施例中,第一工作芯片的个数至少大于2及以上,且当下贡献因子的取值范围为[0,1]。
该实施例中,比如:存在两个初始工作模型,此时,分别获取每个初始工作模型对应的工作芯片的数量,由于是针对的同个功能,所以会用到的芯片的数量一般来说是一样的,但是也不排除,在可以执行相同功能的情况下,其他也工作的芯片对其不会造成影响。
上述技术方案的有益效果是:通过计算初始模型的工作能力,并判断筛选模型的数量,进而来根据不同的方式来确定允许工作模型,保证后续分析的合理性。
本发明提供一种用于电力能源的芯片损耗优化方法对所述允许工作模型进行损耗分析,确定电能损耗信息,包括:
确定所述允许工作模型包含的第二工作芯片以及每个第二工作芯片的第二工作模式,并确定每个第二工作芯片的内部损耗信息;
根据所述允许工作模型的芯片工作结构图,确定相邻第二工作芯片之间的连通关系,并确定每个第二工作芯片对应的外部损耗信息;
基于所有内部损耗信息以及所有外部损耗信息,得到所述允许工作模型的电能损耗信息。
该实施例中,允许工作模型包含芯片1、2、3,此时,芯片1处于工作模式1,芯片2处于工作模式2,芯片3处于工作模式3,进而可以确定出不同芯片的内部损耗信息,也就是通过对处于对应工作模式的芯片进行日志监测,来确定对电能的损耗等。
该实施例中,芯片工作结构图指的是该允许工作模型包含的芯片之间的电路连接图,根据该电路连接图可以有效的确定连通关系以及相邻芯片之间对应的连接电路的电能损耗,也就是外部损耗。
该实施例中,基于内部损耗以及外部损耗,可以得到该允许工作模型的总损耗。
上述技术方案的有益效果是:通过确定内部损耗以及外部损耗,便于有效确定模型的最终损耗,为后续实现最优损耗提供有效基础。
本发明提供一种用于电力能源的芯片损耗优化方法,按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略,包括:
确定同个允许工作模型对应的第一设备以及与同个允许工作模型对应预设执行功能存在关联关系的第二设备;
获取第一设备以及第二设备分别对应的允许工作模型的电能损耗信息;
按照多设备联合工作的最小损耗原则,分别确定在对应预设执行功能下的第一设备的第一最小损耗约束范围以及存在关联关系的每个第二设备的第二最小损耗约束范围;
将第一设备的电能损耗信息对应的第一损耗电能与第一最小损耗约束范围进行比较,同时,将每个第二设备的电能损耗信息对应的第二损耗电能与对应的第二最小损耗约束范围进行比较;
若都在对应约束范围内,保持所述同个允许工作模型中的工作芯片的芯片模式不变;
否则,确定不在约束范围内的第三设备,并按照第三设备中每个工作芯片的芯片损耗以及每个工作芯片的芯片功能辅助,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略。
该实施例中,比如在一个工作环境下存在两个设备共同工作来完成一个任务,此时,同个允许工作模型对应设备1、与同个允许工作模型对应预设执行功能存在关联关系为设备2。
该实施例中,设备1对应允许工作模型01,设备2对应允许工作模型02,此时,获取允许工作模型01和02的电能损耗信息。
该实施例中,多设备联合工作的最小损耗原则是预先设置好的,比如设备1和设备2在共同完成任务1的时候,就确定设备1的损耗约束以及设备2的损耗约束。
该实施例中,比如第一损耗电能为a1,对应的第一最小约束范围为a0-a2,此时,a1在a0-a2之间,就视为满足约束范围。
该实施例中,假如a1不在a0-a2之间,就视为设备1为第三设备。
该实施例中,第三设备的芯片损耗也就是与内部损耗有关,芯片功能辅助指的是芯片1在实现该功能上存在缺陷,比如功率不足,但是芯片2可以为芯片1提供辅助,此时,在芯片2可以执行且不影响功能执行的过程中,可以降低芯片2的功率提供,来向芯片1提供功率补充,来生成调配向量,[1不足 2足]。
该实施例中,策略生成模型是预先训练好的,由于不同的权重以及不同设备对应的调配向量以及对应的调配策略为样本训练得到的,主要是针对芯片的模式的调节。
比如,在执行功能1的过程中,将芯片1从工作模式1调整到工作模式2。
上述技术方案的有益效果是:通过按照最小损耗原则,并结合多设备的损耗信息,来生成调配向量,并基于模型,生成对应的策略,实现对某些芯片的模式调节,降低电能损耗。
本发明提供一种用于电力能源的芯片损耗优化方法,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略,包括:
当所述第三设备中存在第一设备时,向第一设备对应的调配向量设置主要权重,向剩余设备对应的调配向量设置次要权重,输入到策略生成模型,生成对应的调配策略;
当所述第三设备中不存在第一设备时,向每个第三设备的调配向量设置均匀权重,并输入到策略生成模型,生成对应的第二调配策略;
当所述第三设备中不存在第二设备时,向所述第一设备的调配向量中的每个工作芯片设置工作权重,并输入到策略生成模型中,生成对应的第三调配策略;
其中,所述第一设备的数量为一个,所述第二设备的数量为至少一个。
该实施例中,主要权重要大于次要权重,且存在第一设备中芯片之间的辅助,以及第二设备对第一设备的辅助。
比如,第一设备中的芯片2向芯片1提供多余功率,且通过对芯片2的功率进行减少调节,对芯片1的功率按照减少结果进行增大调节等,且基于第二设备中的芯片3的功率减少调节,来向芯片1的功率进行再次增大调节,可以通过设置电阻等的方式调节。
该实施例中,策略生成模式是由于不同的权重以及不同设备对应的调配向量以及对应的调配策略为样本训练得到的。
该实施例中,均匀权重指的是涉及到的第二设备中的具备辅助功能芯片的平均权重值,比如具备辅助功能芯片的总权重为0.9,且具备辅助功能芯片的个数为9,对应的均匀权重为0.1,因为调配向量是由于芯片对应的辅助情况构成的,因此,来获取均匀权重,便于向存在辅助功能的芯片配置均匀权重,来生成调配策略。
该实施例中,工作设备指的是该第一设备执行该任务时的权重,且该权重作为每个工作芯片的工作权重,进而生成对应的调配策略,保证调配的合理性。
上述技术方案的有益效果是:通过对第三设备的可能性进行三种分析,可以针对不同的情况进行不同方式的策略获取,进而保证获取的策略对调配更加合理,为最优损耗提供基础,避免通过对芯片增加功率,来提高对电能的损耗。
本发明提供一种用于电力能源的芯片损耗优化方法,按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗,包括:
解析所述芯片调配策略,确定待调配芯片以及待调配芯片的调配指令;
按照所述调配指令对对应待调配芯片的模式进行调整,实现最优损耗。
该实施例中,芯片调配策略时包括需要调配的芯片以及对应芯片的调配情况在内的。
上述技术方案的有益效果是:通过解析策略确定芯片和指令,进而实现对对应芯片的有效调整,实现最优损耗。
本发明提供一种用于电力能源的芯片损耗优化方法,基于所有内部损耗信息以及所有外部损耗信息,得到所述允许工作模型的电能损耗信息,包括:
统计所述允许工作模型中每个第二工作芯片的损耗信息,其中,表示对应第二工作芯片的内部损耗信息;表示与对应第二工作芯片存在连通关系的第1个相邻工作芯片的外部损耗信息;表示与对应第二工作芯片存在连通关系的第n个相邻工作芯片的外部损耗信息;
该实施例中,修正信息的存在是因为相邻芯片之间的连接电路会存在重叠计算损耗的情况或者是由于线路损害等的实际因素,会增加耗电情况。
且修正信息的获取如下:
其中,表示对应第二工作芯片所对应的外部损耗信息的修正信息;表示对应第二工作芯片与存在连通关系的第j01个相邻工作芯片之间的线路折损系数,且取值范围为[0.8,1];表示对应第二工作芯片与存在连通关系的第j01个相邻工作芯片之间的线路长度;表示对应第二工作芯片与存在连通关系的第j01个相邻工作芯片之间的单位线路损耗电能;表示对应的重叠系数,且重叠系数的取值范围为[1/3,2/3];表示与对应第二工作芯片存在双向连通关系的相邻工作芯片的个数;表示对应第二工作芯片与存在双向连通关系的第j11个相邻工作芯片之间的线路长度;表示对应第二工作芯片与存在双向连通关系的第j11个相邻工作芯片之间的单位线路损耗电能;表示对应第二工作芯片与存在双向连通关系的第j11个相邻工作芯片之间的线路折损系数,且取值范围为[0.8,1];
上述技术方案的有益效果是:通过统计内部损耗以及外部损耗,并结合修正信息,可以得到有效的电能损耗,为芯片模式调配提供精准基础。
本发明提供一种用于电力能源的芯片损耗优化***,如图2所示,包括:
集合确定模块,用于确定不同工作设备中的每个工作芯片的历史工作模式集合;
损耗分析模块,用于按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对所述允许工作模型进行损耗分析,确定电能损耗信息;
调配策略获取模块,用于按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;
模式调整模块,用于按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗。
上述技术方案的有益效果是:通过确定不同设备中芯片的历史工作模式,进而通过机制匹配,来获取允许工作模型,进而通过电能损耗分析以及按照最小损耗原则,可以有效实现对不同工作芯片的模式的策略调配,实现芯片的最优损耗,可以有效保证对电能的合理利用,降低能源浪费的可能性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种用于电力能源的芯片损耗优化方法,其特征在于,包括:
步骤1:确定不同工作设备中的每个工作芯片的历史工作模式集合;
步骤2:按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对所述允许工作模型进行损耗分析,确定电能损耗信息;
步骤3:按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;
步骤4:按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗;
其中,按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,包括:
基于设备功能匹配机制,确定每个工作设备的预设执行功能;
建立每个预设执行功能与不同工作芯片的映射关系,并对同个映射关系中包含的第一芯片进行预分析,来确定每个第一芯片的可工作模式;
基于同个映射关系对应的预设执行功能以及对应的每个第一芯片的可工作模式进行组合分析,得到同个工作设备基于对应预设执行功能的若干个初始工作模型;
按照每个初始工作模型对应的工作能力,筛选得到允许工作模型;
其中,按照每个初始工作模型对应的工作能力,筛选得到允许工作模型,包括:
分析每个初始工作模型包含的第一工作芯片的第一工作模式,并确定对应的工作能力;
其中,表示对应初始工作模型的工作能力;表示对应初始工作模型包含第一工作芯片的个数;表示对应的第i1个第一工作芯片所处第一工作模式基于对应预设执行功能的当下贡献因子;表示对应预设执行功能下的第i1个第一工作芯片包含的所有工作模式中的最大贡献因子;表示指数函数的符号;表示对应的第i1个第一工作芯片所处第一工作模式与剩余第一工作芯片所处对应第一工作模式之间的衔接因子,且取值范围为[0,1];
对所述工作能力进行大小排序,并判断所筛选的最大工作能力对应的初始工作模型的数量;
当所述数量仅为一个时,将其视为允许工作模型;
其中,按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略,包括:
确定同个允许工作模型对应的第一设备以及与同个允许工作模型对应预设执行功能存在关联关系的第二设备;
获取第一设备以及第二设备分别对应的允许工作模型的电能损耗信息;
按照多设备联合工作的最小损耗原则,分别确定在对应预设执行功能下的第一设备的第一最小损耗约束范围以及存在关联关系的每个第二设备的第二最小损耗约束范围;
将第一设备的电能损耗信息对应的第一损耗电能与第一最小损耗约束范围进行比较,同时,将每个第二设备的电能损耗信息对应的第二损耗电能与对应的第二最小损耗约束范围进行比较;
若都在对应约束范围内,保持所述同个允许工作模型中的工作芯片的芯片模式不变;
否则,确定不在约束范围内的第三设备,并按照第三设备中每个工作芯片的芯片损耗以及每个工作芯片的芯片功能辅助,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略。
2.如权利要求1所述的用于电力能源的芯片损耗优化方法,其特征在于,
确定不同工作设备中的每个工作芯片的历史工作模式集合,包括:
确定不同工作设备的历史执行功能,并确定参与每个历史执行功能的工作芯片;
从历史功能日志中,捕捉参与的工作芯片的历史参与信息,并获取同个参与的工作芯片在同个历史执行功能下的多个工作模式,来构建得到同个工作芯片的历史工作模式集合。
3.如权利要求1所述的用于电力能源的芯片损耗优化方法,其特征在于,对所述允许工作模型进行损耗分析,确定电能损耗信息,包括:
确定所述允许工作模型包含的第二工作芯片以及每个第二工作芯片的第二工作模式,并确定每个第二工作芯片的内部损耗信息;
根据所述允许工作模型的芯片工作结构图,确定相邻第二工作芯片之间的连通关系,并确定每个第二工作芯片对应的外部损耗信息;
基于所有内部损耗信息以及所有外部损耗信息,得到所述允许工作模型的电能损耗信息。
4.如权利要求1所述的用于电力能源的芯片损耗优化方法,其特征在于,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略,包括:
当所述第三设备中存在第一设备时,向第一设备对应的调配向量设置主要权重,向剩余设备对应的调配向量设置次要权重,输入到策略生成模型,生成对应的调配策略;
当所述第三设备中不存在第一设备时,向每个第三设备的调配向量设置均匀权重,并输入到策略生成模型,生成对应的第二调配策略;
当所述第三设备中不存在第二设备时,向所述第一设备的调配向量中的每个工作芯片设置工作权重,并输入到策略生成模型中,生成对应的第三调配策略;
其中,所述第一设备的数量为一个,所述第二设备的数量为至少一个。
5.如权利要求1所述的用于电力能源的芯片损耗优化方法,其特征在于,按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗,包括:
解析所述芯片模式调配策略,确定待调配芯片以及待调配芯片的调配指令;
按照所述调配指令对对应待调配芯片的模式进行调整,实现最优损耗。
7.一种用于电力能源的芯片损耗优化***,其特征在于,包括:
集合确定模块,用于确定不同工作设备中的每个工作芯片的历史工作模式集合;
损耗分析模块,用于按照设备功能匹配机制,并结合所述历史工作模式集合,获取得到同个工作设备中可组合工作芯片的允许工作模型,并对所述允许工作模型进行损耗分析,确定电能损耗信息;
调配策略获取模块,用于按照多设备联合工作的最小损耗原则并结合多设备对应的电能损耗信息,得到同个允许工作模型中工作芯片的芯片模式调配策略;
模式调整模块,用于按照所述芯片模式调配策略对对应工作芯片进行模式调整,实现最优损耗;
所述损耗分析模块,用于:
基于设备功能匹配机制,确定每个工作设备的预设执行功能;
建立每个预设执行功能与不同工作芯片的映射关系,并对同个映射关系中包含的第一芯片进行预分析,来确定每个第一芯片的可工作模式;
基于同个映射关系对应的预设执行功能以及对应的每个第一芯片的可工作模式进行组合分析,得到同个工作设备基于对应预设执行功能的若干个初始工作模型;
按照每个初始工作模型对应的工作能力,筛选得到允许工作模型;
其中,按照每个初始工作模型对应的工作能力,筛选得到允许工作模型,包括:
分析每个初始工作模型包含的第一工作芯片的第一工作模式,并确定对应的工作能力;
其中,表示对应初始工作模型的工作能力;表示对应初始工作模型包含第一工作芯片的个数;表示对应的第i1个第一工作芯片所处第一工作模式基于对应预设执行功能的当下贡献因子;表示对应预设执行功能下的第i1个第一工作芯片包含的所有工作模式中的最大贡献因子;表示指数函数的符号;表示对应的第i1个第一工作芯片所处第一工作模式与剩余第一工作芯片所处对应第一工作模式之间的衔接因子,且取值范围为[0,1];
对所述工作能力进行大小排序,并判断所筛选的最大工作能力对应的初始工作模型的数量;
当所述数量仅为一个时,将其视为允许工作模型;
所述调配策略获取模块,用于:
确定同个允许工作模型对应的第一设备以及与同个允许工作模型对应预设执行功能存在关联关系的第二设备;
获取第一设备以及第二设备分别对应的允许工作模型的电能损耗信息;
按照多设备联合工作的最小损耗原则,分别确定在对应预设执行功能下的第一设备的第一最小损耗约束范围以及存在关联关系的每个第二设备的第二最小损耗约束范围;
将第一设备的电能损耗信息对应的第一损耗电能与第一最小损耗约束范围进行比较,同时,将每个第二设备的电能损耗信息对应的第二损耗电能与对应的第二最小损耗约束范围进行比较;
若都在对应约束范围内,保持所述同个允许工作模型中的工作芯片的芯片模式不变;
否则,确定不在约束范围内的第三设备,并按照第三设备中每个工作芯片的芯片损耗以及每个工作芯片的芯片功能辅助,生成基于每个第三设备的调配向量,并基于策略生成模型,生成对应的调配策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211007459.5A CN115081257B (zh) | 2022-08-22 | 2022-08-22 | 一种用于电力能源的芯片损耗优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211007459.5A CN115081257B (zh) | 2022-08-22 | 2022-08-22 | 一种用于电力能源的芯片损耗优化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115081257A CN115081257A (zh) | 2022-09-20 |
CN115081257B true CN115081257B (zh) | 2022-11-11 |
Family
ID=83244344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211007459.5A Active CN115081257B (zh) | 2022-08-22 | 2022-08-22 | 一种用于电力能源的芯片损耗优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081257B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115237241B (zh) * | 2022-09-26 | 2022-12-09 | 张北云联数据服务有限责任公司 | 一种数据中心节能调度方法及*** |
CN115292151B (zh) * | 2022-10-09 | 2022-12-20 | 中诚华隆计算机技术有限公司 | 一种基于芯片实现的低损耗资源调取方法及*** |
CN116761306B (zh) * | 2023-08-14 | 2023-11-07 | 华能山东发电有限公司烟台发电厂 | 一种两用照明装置的照明优化方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684119A (zh) * | 2018-12-06 | 2019-04-26 | 天津津航计算技术研究所 | 应用于NAND Flash损耗均衡的优化方法 |
CN111965529A (zh) * | 2020-08-28 | 2020-11-20 | 苏州浪潮智能科技有限公司 | 芯片信号传输损耗的测试方法、测试装置及可读存储介质 |
CN113722873A (zh) * | 2020-05-26 | 2021-11-30 | 株洲中车时代电气股份有限公司 | 基于环境温度和功率损耗的芯片结温实时计算方法及*** |
CN114462353A (zh) * | 2022-03-17 | 2022-05-10 | 苏州盛科通信股份有限公司 | 芯片存储器功耗优化方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101131560B1 (ko) * | 2010-07-15 | 2012-04-04 | 주식회사 하이닉스반도체 | 웨어 레벨링을 수행하는 비휘발성 메모리 장치 및 그의 제어 방법 |
-
2022
- 2022-08-22 CN CN202211007459.5A patent/CN115081257B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684119A (zh) * | 2018-12-06 | 2019-04-26 | 天津津航计算技术研究所 | 应用于NAND Flash损耗均衡的优化方法 |
CN113722873A (zh) * | 2020-05-26 | 2021-11-30 | 株洲中车时代电气股份有限公司 | 基于环境温度和功率损耗的芯片结温实时计算方法及*** |
CN111965529A (zh) * | 2020-08-28 | 2020-11-20 | 苏州浪潮智能科技有限公司 | 芯片信号传输损耗的测试方法、测试装置及可读存储介质 |
CN114462353A (zh) * | 2022-03-17 | 2022-05-10 | 苏州盛科通信股份有限公司 | 芯片存储器功耗优化方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115081257A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115081257B (zh) | 一种用于电力能源的芯片损耗优化方法及*** | |
CN102411395B (zh) | 一种基于片上监测和电压预测的动态电压调节*** | |
CN109872088A (zh) | 一种用于火电厂辅助调频的储能容量及功率规划的方法 | |
CN104049716A (zh) | 一种结合温度感知的计算机节能方法及*** | |
CN114707776A (zh) | 一种基于碳排放双控的低碳用能优化***及方法 | |
CN104021315A (zh) | 基于bp神经网络的电厂厂用电率计算方法 | |
CN117254464B (zh) | 一种储能***的控制方法及*** | |
CN101860025A (zh) | 基于预测-校正技术的电网未来运行方式网损计算方法 | |
CN116050667B (zh) | 面向分布式光伏的智能电网负荷预测管理***及管理方法 | |
CN115907138B (zh) | 一种用于对数据中心的pue值进行预测的方法、***及介质 | |
CN116137445A (zh) | 基于分布式电源的孤岛配网方法、装置、设备及介质 | |
CN116488149A (zh) | 微电网发电策略确定方法、装置以及微电网 | |
CN113964866B (zh) | 一种单元式多能互补清洁能源基地构建方法 | |
CN112737422B (zh) | 一种基于云计算的电机设备调速控制方法 | |
CN115224741B (zh) | 一种分布式光伏低压并网调节***及方法 | |
CN112564100B (zh) | 基于空预器差压实时评估火电机组最大出力的方法及*** | |
CN117439128B (zh) | 一种多元储能与新能源协同规划配置方法 | |
CN117277306A (zh) | 一种多变压器联合运行的碳排放优化方法及*** | |
CN117644794B (zh) | 一种基于充电桩的智能时段控制*** | |
CN117494952B (zh) | 一种面向电力***的机组低碳运行调度方法 | |
CN115528712B (zh) | 一种源网荷储备不同区储能容量平衡方法及*** | |
CN116760126B (zh) | 有功功率的确定方法、装置、电子设备及存储介质 | |
CN106886274A (zh) | 一种数据中心能耗的管理方法及装置 | |
CN117970009B (zh) | 填谷电路的电力采集终端及电能表 | |
CN107093755B (zh) | 液流电池***的控制方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |