公开(公告)号：CN119273412B

公开(公告)日：2025-03-04

申请号：CN202411789856.1

申请日：2024-12-06

Applicant: 湘江实验室

Inventor： 陈晓红 ,  郑博文 ,  唐湘博

IPC: G06Q30/0283 ,  G06N3/0442 ,  G06N3/086 ,  G06Q50/06 ,  G06F18/241

Abstract: 本发明公开了基于深度学习的算力基础设施能源成本预测方法，方法包括数据采集、子模型训练、建立算力基础设施能源成本预测模型和算力基础设施能源成本预测。本发明属于成本预测技术领域，具体是指基于深度学习的算力基础设施能源成本预测方法，本方案采用动态特征选择、基于LSTM的子模型训练、数据集距离设计和欠采样策略，能够更好地适应不断变化的能源模式，提高对复杂设施能源数据特征的捕捉能力，进而保证最终能源成本预测的准确性；通过评估每个基分类器的错误预测数量，动态调整基分类器的权重，最终集成预测结果，进而提高预测结果准确性；通过独特的初始参数调整策略实现模型快速收敛，进而提高成本预测的效率。

公开(公告)号：CN118963531A

公开(公告)日：2024-11-15

申请号：CN202411437440.3

申请日：2024-10-15

Applicant: 湘江实验室

Inventor： 陈晓红 ,  郑博文 ,  唐湘博

IPC: G06F1/329 ,  G06F9/50

Abstract: 本发明实施例中提供了一种数据中心算力任务与能耗匹配系统及方法，属于数据处理技术领域，具体包括：算力信息获取单元将算力资源信息传输到算力资源分析单元；算力资源分析单元将服务器效能与预设值比较将服务器分类得到高效服务器信息和低效服务器信息；服务器任务分析单元对高效服务器和低效服务器中对应的执行任务的算力值进行计算；任务分配分析单元对高耗执行任务和低耗执行任务进行分析；二次分配处理单元对二次待分配任务进行分析，同时将匹配信息传输到信息管理输出单元；信息管理输出单元，用于将匹配信息传输到系统对应的执行模块，通过执行模块对匹配信息执行。通过本发明的方案，提高了能源利用效率、降低能耗损失。

公开(公告)号：CN119273412A

公开(公告)日：2025-01-07

申请号：CN202411789856.1

申请日：2024-12-06

Applicant: 湘江实验室

Inventor： 陈晓红 ,  郑博文 ,  唐湘博

IPC: G06Q30/0283 ,  G06N3/0442 ,  G06N3/086 ,  G06Q50/06 ,  G06F18/241

Abstract: 本发明公开了基于深度学习的算力基础设施能源成本预测方法，方法包括数据采集、子模型训练、建立算力基础设施能源成本预测模型和算力基础设施能源成本预测。本发明属于成本预测技术领域，具体是指基于深度学习的算力基础设施能源成本预测方法，本方案采用动态特征选择、基于LSTM的子模型训练、数据集距离设计和欠采样策略，能够更好地适应不断变化的能源模式，提高对复杂设施能源数据特征的捕捉能力，进而保证最终能源成本预测的准确性；通过评估每个基分类器的错误预测数量，动态调整基分类器的权重，最终集成预测结果，进而提高预测结果准确性；通过独特的初始参数调整策略实现模型快速收敛，进而提高成本预测的效率。