申请/专利权人：广东奥飞数据科技股份有限公司

申请日：2024-01-09

公开（公告）日：2024-04-26

公开（公告）号：CN117539726B

主分类号：G06F11/30

分类号：G06F11/30;G06F9/50;G06F18/2135;G06F18/231;G06F18/23213

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明涉及能效优化技术领域，具体为绿色智算中心能效优化方法及系统，包括以下步骤：基于智算中心历史能耗记录，采用关联规则挖掘和聚类分析算法，分析能耗模式，生成能耗分析报告。本发明中，通过关联规则挖掘和聚类分析，精准识别能源消耗模式和设备效率，实现有效能耗管理，时间序列分析和神经网络提高智算中心需求预测准确性，减少资源浪费，动态资源调度策略，包括优化算法和遗传算法，高效分配服务器资源，优化能效和负载，本地处理、边缘计算和云服务路径计划优化数据流程，降低传输和延迟，能效优化负载分配策略确保任务重分配和服务质量，同时优化能耗，综合节能计划包括冷却系统和绿色能源应用，有效减少能源消耗，提升效率。

主权项：1.绿色智算中心能效优化方法，其特征在于，包括以下步骤：基于智算中心历史能耗记录，采用关联规则挖掘和聚类分析算法，分析能耗模式，生成能耗分析报告；基于所述能耗分析报告，采用时间序列分析和神经网络算法，预测智算中心未来负载需求，生成负载预测模型；基于所述负载预测模型，采用基于约束的优化算法和遗传算法，进行计算资源的动态分配，生成资源调度策略；基于所述资源调度策略，采用决策树算法和启发式算法，选定数据处理路径，生成数据处理路径计划；基于所述数据处理路径计划，采用轮询和最小连接法负载均衡算法，进行任务分配，生成能效优化负载分配；基于所述能效优化负载分配，采用深度学习和网络流量分析算法，生成优化的数据流量管理；基于所述优化的数据流量管理，采用能源管理和再生能源整合策略，实施节能措施，形成综合节能执行计划；所述能耗分析报告包括能源消耗模式、设备运行效率和异常能耗点，所述负载预测模型包括短期和长期负载波动预测，所述资源调度策略包括能效优先级、服务器资源分配和负载平衡，所述数据处理路径计划包含本地处理、边缘计算和云服务利用决策，所述能效优化负载分配包括任务重新分配和服务质量保障，所述优化的数据流量管理包括网络拥堵处理和数据传输效率提升，所述综合节能执行计划包括冷却系统优化、能源使用调整和绿色能源应用；基于所述数据处理路径计划，采用轮询和最小连接法负载均衡算法，进行任务分配，生成能效优化负载分配的步骤具体为；基于所述数据处理路径计划，采用轮询算法进行初步的任务分配，生成初步任务分配方案；基于所述初步任务分配方案，采用最小连接法进行任务分配的优化调整，生成优化后任务分配方案；基于所述优化后任务分配方案，应用能效分析方法进行迭代任务分配优化，生成能效调整后的任务分配方案；基于所述能效调整后的任务分配方案，进行任务分配确认和部署，生成能效优化负载分配；所述轮询算法包括请求队列管理、轮流选择服务器，所述最小连接法包括监测多服务器连接数、动态选择服务器，所述能效分析方法包括服务器能耗监测、任务能效评估，所述任务分配确认和部署包括资源分配检验、负载分配实施；基于所述能效优化负载分配，采用深度学习和网络流量分析算法，生成优化的数据流量管理的步骤具体为：基于所述能效优化负载分配，采用深度学习算法进行数据流量的初步优化，生成初步数据流量优化方案；基于所述初步数据流量优化方案，应用网络流量分析方法进行数据流量的迭代优化，生成迭代优化的数据流量方案；基于所述迭代优化的数据流量方案，运用负载预测技术对数据流量管理进行细化调整，生成调整后的数据流量管理方案；基于所述调整后的数据流量管理方案，进行最终优化和部署，生成优化的数据流量管理；所述深度学习算法包括多层感知机、卷积神经网络，所述网络流量分析方法包括流量捕获、数据包分析，所述负载预测技术包括历史数据分析、趋势预测，所述最终优化和部署包括策略调整实施、效果监控。

全文数据：

权利要求：

百度查询： 广东奥飞数据科技股份有限公司 绿色智算中心能效优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD