一种电力专用芯片能耗预测方法、装置和计算机设备制造方法及图纸

本发明专利技术公开了一种电力专用芯片能耗预测方法，其特征在于：所述方法包括：确定电力专用芯片的目标能耗数据；以引入非线性收敛因子α的鲸鱼算法为基础，构建与电力专用芯片的架构相适应的能耗预测模型；非线性收敛因子α的表达式为：α＝α

【技术实现步骤摘要】
一种电力专用芯片能耗预测方法、装置和计算机设备


[0001]本专利技术属于智能电网领域
，尤其涉及一种电力专用芯片能耗预测方法、装置和计算机设备。

技术介绍

[0002]电力专用芯片被广泛应用于电力企业的核心处理器以及微控制中，其是电力系统的核心硬件设备之一，发挥这至关重要的处理作用和控制作用。对电力专用芯片能耗的预测，主要是通过采集历史能耗数据，并结合相关算法来对能耗进行科学预测。近年来，新型硬件设备的使用导致了电力系统的工作异常，传统的能耗预测方法将不能有效预测芯片的能耗，这也使得电力企业不能有效应对芯片的突发能耗问题，无法保证电力系统的稳定运行。

技术实现思路

[0003]本专利技术要解决的技术问题：提供一种电力专用芯片能耗预测方法、装置和计算机设备，以解决对电力专用芯片能耗的预测方法不能有效预测芯片的能耗，使得电力企业不能有效应对芯片的突发能耗问题，无法保证电力系统的稳定运行等技术问题。
[0004]本专利技术技术方案：
[0005]一种电力专用芯片能耗预测方法，其特征在于：所述方法包括：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力专用芯片能耗预测方法，其特征在于：所述方法包括：S1、确定电力专用芯片的目标能耗数据；S2、以引入非线性收敛因子α的鲸鱼算法为基础，构建与电力专用芯片的架构相适应的能耗预测模型；非线性收敛因子α的表达式为：α＝α
int
‑
(α
int
‑
α
out
)t2；
ꢀꢀ
(1)式(1)中，α
int
为α的预设初始值；α
out
为α的预设最终值；t为能耗预测模型的预计运行时间；S3、根据能耗预测模型对目标能耗数据进行处理，得到相应的能耗预测结果。2.根据权利要求1所述的一种电力专用芯片能耗预测方法，其特征在于：所述确定电力专用芯片的目标能耗数据，包括：S11、获取电力专用芯片的初始能耗数据，并按照预设的预处理方式对初始能耗数据进行处理，得到相应的预处理数据；预处理方式包括纵横对比方式、统一化处理方式、以及降噪处理方式中的至少一种；S12、基于得到的预处理数据，确定目标能耗数据。3.据权利要求1所述的一种电力专用芯片能耗预测方法，其特征在于：所述电力专用芯片包括三层架构，第一层架构包括AXI总线；AXI总线上设有动态存储器、以及数字信号处理器中的至少一种；第二层架构包括连接到所述AXI总线的AHB总线；AHB总线上设有指令接口、以及中断控制器中的至少一种；第三层架构包括连接到AHB总线的APB总线；APB总线上设有计时器、串口、控制器以及执行模块中的至少一种。4.据权利要求1所述的一种电力专用芯片能耗预测方法，其特征在于：所述根据能耗预测模型对目标能耗数据进行处理，得到相应的能耗预测结果，包括：S31、当前迭代过程中，在根据能耗预测模型对目标能耗数据进行处理时，基于鲸群的最优寻解方式，通过下述公式对电力专用芯片的能耗进行预测，得到相应的第一能耗预测值：式(2)中，f为得到的能耗预测值，N为目标能耗数据的采集样本数量，x
i
为根据目标能耗数据所确定的实际能耗值；x
i
'为预设的平均预测能耗值；S32、在进入下次迭代时，根据模型的最大适应性权重、以及最小适应性权重，更新能耗预测模型的权重、以及重新分配鲸群的位置信息，并基于对应更新得到的能耗预测模型重新进行能耗预测，得到相应的第二能耗预测值；S33、当确定第一能耗预测值和第二能耗预测值相匹配时，输出相应的能耗预测结果。5.据权利要求4所述的一种电力专用芯片能耗预测方法，其特征在于：步...

【专利技术属性】
技术研发人员：徐长宝，辛明勇，金学军，李鹏，习伟，高吉普，王宇，姚浩，祝健杨，何雨旻，张历，陈军健，向柏澄，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：