【技术实现步骤摘要】
本专利技术涉及不间断电源，尤其涉及一种基于负载预测的微模块机房ups容量设置方法及系统。
技术介绍
1、随着数据中心和云计算技术的快速发展，微模块机房作为一种高效、灵活的数据中心解决方案越来越受到欢迎。在微模块机房中，不间断电源系统（ups）是保障设备持续稳定运行的关键组件。
2、传统的ups容量设置方法存在一些问题，通常根据峰值负载或预估最大负载来设置ups容量，造成能源浪费和设备利用率低下，缺乏灵活性，增加能耗和运营成本；同时，静态配置难以平衡可靠性和能效，威胁系统稳定性；现有的负载预测方法往往采用简单的统计模型或经验公式，导致ups容量设置不合理，缺乏智能调节，增加了运维难度和成本；多个ups模块之间缺乏协同调度机制，难以实现整体最优的容量利用和能效管理。
3、综上所述，亟需一种智能化的ups容量设置方法，以提高微模块机房的能效、可靠性和灵活性，通过精准预测、动态容量调整、多模块协同优化，从而提升ups系统的运行效率和可靠性，降低微模块机房的总体拥有成本，本专利技术能够解决现有技术中的问题。
>技术实本文档来自技高网...
【技术保护点】
1.基于负载预测的微模块机房UPS容量设置方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取微模块机房的历史负载数据，构建负载预测模型，所述负载预测模型包括回归分析子模型、时序分析子模型和深度神经网络子模型，采用自适应权重调整机制，动态调整各子模型的权重系数，通过对机房内设备进行多维度综合建模，预测未来时间段的多粒度负载变化，并引入误差补偿机制，自适应修正当前预测结果，生成包含不同时间尺度和不同空间粒度下负载需求数据的负载预测结果包括：
3.根据权利要求2所述的方法，其特征在于，将所述第一层负载预测结果作为输入特征，构建包...
【技术特征摘要】
1.基于负载预测的微模块机房ups容量设置方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取微模块机房的历史负载数据，构建负载预测模型，所述负载预测模型包括回归分析子模型、时序分析子模型和深度神经网络子模型，采用自适应权重调整机制，动态调整各子模型的权重系数，通过对机房内设备进行多维度综合建模，预测未来时间段的多粒度负载变化，并引入误差补偿机制，自适应修正当前预测结果，生成包含不同时间尺度和不同空间粒度下负载需求数据的负载预测结果包括：
3.根据权利要求2所述的方法，其特征在于，将所述第一层负载预测结果作为输入特征，构建包含元学习器的第二层负载预测模型，采用极限梯度提升算法构建所述元学习器，通过集成多棵决策树对所述第一层负载预测结果的复杂模式进行学习包括：
4.根据权利要求1所述的方法，其特征在于，基于所述负载预测结果，以ups...
【专利技术属性】
技术研发人员：高达，张洲，王玮鹏，
申请(专利权)人：常州瑞物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。