CN107003922B - 针对能量需求的预测 - Google Patents

针对能量需求的预测 Download PDF

Info

Publication number
CN107003922B
CN107003922B CN201580065120.2A CN201580065120A CN107003922B CN 107003922 B CN107003922 B CN 107003922B CN 201580065120 A CN201580065120 A CN 201580065120A CN 107003922 B CN107003922 B CN 107003922B
Authority
CN
China
Prior art keywords
power
distributed computing
energy
facility
job
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
Application number
CN201580065120.2A
Other languages
English (en)
Other versions
CN107003922A (zh
Inventor
D·V·博达斯
M·拉加帕
J·J·宋
A·霍夫曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN107003922A publication Critical patent/CN107003922A/zh
Application granted granted Critical
Publication of CN107003922B publication Critical patent/CN107003922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3442—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for planning or managing the needed capacity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/86—Event-based monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种用于对设施处的电力消耗进行预测的系统和方法，所述设施具有用于执行计算作业的计算单元的系统。电力预测包括随着时间的推移预测节点系统上的作业执行序列、估计用于所述系统的所述作业的电力、以及开展系统级电力预测。

Description

针对能量需求的预测
相关申请的交叉引用
本申请要求于2014年12月24日提交的第14/582,988号美国专利申请的申请日的权益，所述美国专利申请通过引用结合于此。
技术领域
本技术总体上涉及分布式计算。更具体地，本技术涉及分布式计算的电力预测。
背景技术
高性能计算(HPC)和分布式计算可以帮助科学家和工程师使用受益于高带宽、低延迟网络和非常高计算能力的应用来解决复杂的科学、工程和业务问题。这样的HPC系统也可以执行数据存储和检索，执行更直接的任务等。不幸的是，HPC系统(通常具有数千个执行任务的计算节点)通常消耗大量电力。这在“大数据”时代可能尤其成问题。此外，电力消耗的变化和电力分配的问题也可能成为问题。
数据和计算服务的竞争性业务驱动制造商不断改进其工艺和产品，以降低生产成本并交付可靠的服务。的确，随着在数据、计算和电信服务方面的技术进步，存在竞争需求以不断提高服务一致性和电力利用效率。
附图说明
图1是根据本技术的多个实施例的示例性分布式计算设施的图解表示。
图2是描绘根据本技术的多个实施例的随着时间推移在节点系统上运行的作业的作业序列图。
图3是根据本技术的多个实施例的图2的随着时间推移执行作业序列的系统的电力消耗的电力图表。
图4是根据本技术的多个实施例的图2和图3的随着时间推移执行作业序列的系统的电力消耗(包括使用本地能量产生)的电力图表。
图5是描绘根据本技术的多个实施例的可以促进电力预测的有形非瞬态计算机可读介质的示例的框图。
图6是根据本技术的多个实施例的对分布式计算设施处的电力消耗进行预测的方法的方框流程图。
图7是根据本技术的多个实施例的用于预测诸如分布式计算设施等设施的电力消耗的方法。
图8是根据本技术的多个实施例的具有用于计算的多个HPC节点系统的分布式计算的示例性设施的图表。
贯穿本公开和附图使用相同的数字来引用相似的部件和特征。100系列的数字指代最初见于图1的特征；200系列的数字指代最初见于图2的特征；以此类推。
具体实施方式
图1是分布式计算设施100(例如HPC设施、大数据分析设施、数据中心、电信中心等)的图解表示。计算设施100的描述可以表示单个设施或跨地理位置的多个设施。在所示实施例中，分布式计算设施100具有多个节点102。在多个示例中，节点102的数量可以多达2、4、16、300、1,000、2,000、5,000、 10,000、20,000、40,000、60,000、100,000和1,000,000、或更多。在某些实施例中，节点102一般可以是计算节点，并且还包括操作系统(OS)节点、输入 /输出(I/O)节点等。
每个计算节点102典型地包括一个或多个处理器103，如中央处理单元 (CPU)。实际上，每个节点102可以具有包括多个处理器103的CPU处理器包。进一步地，每个处理器103具有一个或多个处理核103A。例如，处理器103可以具有十个核103A。此外，每个节点102可以具有存储器105，所述存储器存储可由处理器103或其他处理器执行的代码107(即，逻辑、模块、指令等)。代码107可以包括节点管理器、作业管理器等，以便于执行任务并且相对于电力和性能调整任务。节点102可以包括其他硬件、软件和固件，例如可以被容纳在机架中，并且可以被分组成节点系统或节点组102等。
设施110接收如用附图标记104所指示的电力。电力可以是从诸如公用事业公司的一个或多个电力提供方接收的电力。可以理解，计算节点102和设施 100中的其他计算装置一般在计算和执行任务中同电子装置一样需要电力或电力。进一步地，分别用框106和108表示的诸如照明和冷却系统的其他系统可能消耗电力。此外，在某些实施例中，设施100可以包括替代或本地电力发生系统110(例如，柴油发电机等)和/或电池或能量存储系统112。
另外，设施100一般包括可设置在设施100本地内和/或远离设施100的一个或多个计算装置114(例如，服务器)。(多个)计算装置114可以包括一个或多个处理器116(例如，CPU)和存储器118。各种管理器模块或代码 120可以存储在存储器118中并且可由(多个)处理器116执行。例如，节点 102上的可执行代码120和/或上述可执行代码107可以包括可在计算节点102 上分配和管理任务(包括关于电力消耗)的作业管理器。服务器可执行代码120 和/或节点可执行代码107中的管理器模块的其他示例包括设施电力管理器、资源管理器、系统电力性能管理器(例如，用于节点组)、机架管理器、节点管理器等。此外，计算节点可以是服务器或板，和/或若干个计算节点可以在一个板上。
应当注意，虽然本公开中的讨论可能有时集中在数据中心上，但是应当理解，本文所使用的术语“数据中心”可以指代各种各样的分布式计算设施和配置。例如，分布式计算设施或数据中心可以是高性能计算(HPC)、大数据分析、搜索引擎设施、电信中心、网络服务中心、云计算设施、数据处理设施等。
数据中心的能量需求正在增长。许多能量生产者或公用事业提供方无法满足这种不断增长的需求。这个问题在世界各地都在经历。数据中心一般建成使用十年以上。传统上，数据中心对电力分配的需求可能受到数据中心在2-3年的最大电力需求的限制。其结果是，数据中心处的实际电力使用可能会明显低于分配。
公用事业公司可以依靠包括核能、水电、煤炭、柴油、地热、风能、太阳能等几种不同的发电方式。大多数高容量发电机一般都具有较长启动和关闭时间。一般在产生电能时必定消耗电能。这些限制可能要求公用事业公司对能量需求进行良好的预测，以管理多个能量产生源。通常情况下，这些需求是手动通信的，并且预测是在提前几个月完成的。这两个因素推动了保守和不准确的预测。
一个问题是较高运营成本。数据中心的能量成本可以分为至少两部分：电表费用和需求费用。当数据中心不使用所分配的电力时，公用事业需求费用可能变得很大。另一问题是电力提供方的能量效率低。换句话说，由于上述预测和分配的问题，公用事业公司根据计划不会转移所产生的电力。因此，电力或电力网的效率可能很差。公用事业提供方的又一问题(和用户设施的问题和可能的机会)是能量定价的大幅波动。公用事业公司和供应方试图在能量市场上销售多余能量。通常，他们必须以显著的贴现率出售多余能量。另一方面，当用户需求超过预测时，用户因此以高价购买稀少的能量。总的来说，能量定价的变化一般非常宽，例如从每兆瓦时(MWh)125美元到有时接近零。这一般会对价格控制造成巨大的挑战。
便于用户(例如，数据中心)改变其指定需求并利用能量现货定价的界面对于用户可能是有益的。如果用户可以每天、每几个小时或每几分钟协商这种指定需求的变化，这对用户来说尤其有益。总的来说，上述电力供应、分配和定价问题需要更好的预测和自动化，以促进能量的及时供应。
在一些实施例中，诸如数据中心或其他分布式计算设施等设施可以使用包括自动化机制的机制来与能量生产者和公用事业公司或提供方协商需求和分配。可以实现的示例技术包括用于以下各项的方法和系统：(1)定期(即频繁) 地开展能量预测，(2)基于激励方案和能量的现货定价来调整需求水平(包括经协商的指定需求)以及能量来源，以及(3)基于变化的需求和定价调整本地能量产生和储存的利用。
传统上，用于电力的预测是基于数据中心的电力和冷却能力。例如，具有 20,000个节点(例如，计算节点)的系统和7.5兆瓦(MW)的电力需求容量 (计算、冷却、照明等)的数据中心可以要求7.5MW的分配。然而，在所述示例中数据中心处的实际电力消耗可以在2.5MW至7.3MW之间变化，导致未使用的、浪费的和/或搁置的电力。进一步地，数据中心可以具有产生电力的能力。在所述示例中，生产能力是用柴油发电机产生4MW和来自太阳能的0.5MW。通常，这些发电资源和投资可能有利于防止电力供应故障，但不能有助于降低能量成本。
图2是描绘随着时间204推移在节点系统(例如，HPC系统)上运行(执行)的作业202(例如，HPC作业)的作业序列图200。在所示示例中，HPC 系统具有20,000个节点，并且HPC系统作业200包括作业#1、作业#2、作业 #3、作业#4、作业#5、作业#6和作业#7。在初始时间204，作业#1、作业#2 和作业#3开始或已经运行。随着时间204推移，作业#4、作业#5、作业#6、作业#7开始，并且作业#1、作业#2、作业#3、作业#4完成。再次，图表200示出了具有20,000个节点的HPC系统上作业的示例性作业执行序列。作业框中指出了每个作业的节点(作业在所述节点处执行)的数量。
箭头206指示作业#1结束、作业#4开始和作业#5开始的时间204，并且其中HPC系统中执行作业的节点数量从19,500个节点变为20,000个节点。因此，在这个时间点，HPC系统的所有节点正在执行作业、执行计算。然后，箭头208指示作业#2结束和作业#6开始的时间204，并且其中执行作业的节点数量从20,000个节点变为17,000个节点。箭头210指出作业#5结束的时间204，并且执行作业的节点数量从17,000个节点变为13,000个节点。最后，作业#3 结束和作业#7开始的时间204用箭头212指示。在这个时间点204，HPC系统的执行节点的数量从13,000个节点增加到19,000个节点。
图3是随着时间204推移执行作业系列的图2的系统的单位为千瓦(kW) 电力消耗302的电力图表300(例如，预测)。图3中给出了来自图2的指出作业的开始和结束时间的箭头206、208、210、212。
电力曲线304指出了随着时间204推移HPC系统的电力消耗。列出了所述示例中的电力消耗的数值。例如，在时间204开始并在其之后的时间段内的系统电力消耗为6,080KW，如所列出的。在用箭头206指出的时间204点实现电力变化，其中设施或HPC系统电力增加到7,310KW。然后，电力通过作业的排序进一步改变。电力曲线304可以是所执行的作业的实际实现的电力消耗和/或可以是在作业的实际执行之前预测的HPC系统的电力消耗。
例如，与公用事业提供方协商的用于HPC系统的指定分配需求306随着所描绘的时间204推移而不改变。在所示示例中，指定分配需求为7,500KW。分配需求306线与电力曲线304之间的差可以表示已分配但未使用的能量。在这种所指定或分配的需求306保持相同并且在更短的时间段内不重新协商的意义上，所描述的分配需求306可以是传统的。
本技术的实施例的一个方面可以使用来自作业排序的电力曲线304以将需求预测通信到公用事业提供方。预测可以比指定的分配给予所述设施或HPC 系统所需的更准确的电力。例如，这种预测的一些实施例不考虑或添加任何本地电力存储或产生的使用。总的来说，例如，这些类型的电力预测基于作业排序，并且与公用事业提供方或供应方的相关沟通的进一步行动可以有助于数据中心将其需求费用保持在较低水平。
另外，在某些实施例中，可以采用本地能量来保持低需求。使用本地能量可以降低能量的需求费用和电表费用。此外，使用本地能量可以有助于调整实际需求和/或指定需求，以利用由公用事业提供方提供的激励方案，并且例如在供电定价方面追求其他商机。本地能量产生可以包括不可再生的能量产生，例如用柴油发电机，并且还包括可再生的能量产生，例如用太阳能、风能、地热能等。图4表示包含了本地能量产生的需求。
图4是随着时间204推移执行作业系列的图2和图3的系统的单位为千瓦 (kW)电力消耗302的电力图表400(例如，预测)。图4中给出了来自图2 和图3的指出作业的开始和结束时间的箭头206、208、210、212。在所示实施例中，电力曲线304受如由区域404所指示的本地能量产生的使用的影响。虽然设施或HPC系统消耗的实际电力可以从6,080KW升至7,310KW，但由于使用本地产生的能量，从公用事业提供方消耗的电力需求仍为6,080KW。因此，分配需求406可以是6,080KW，而不招致需求费用。此外，电表费用将更少。随后的需求408和410(2,560KW和4,940KW)匹配电力曲线304。
一些实施例可以采用估计器模块来估计分布式计算作业的电力和完成时间。可以采用这样的估计作业电力的估计工具，以便开展用于数据中心的电力预测。估计器可以利用由校准器提供的数据，例如所述校准器校准数据中心的节点。估计器可以部分地依赖于这样的校准器来开展用于作业所需的最大电力和平均电力的电力估计。对于输出，估计器还可以提供作业可能需要多长(时间)来完成的估计。
本文的多个实施例还可以依赖于或适应作业执行序列的估计。特别地，例如，软件工具或作业预测器可以帮助系统资源管理器开展序列。通常，资源管理器可以基于诸如作业的优先级、可用节点、所需节点等的多个因素来调度和启动作业。然而，作业预测器可以另外对这些动作和行为者建模以开展序列。上面讨论的图3可以是来自作业预测器的示例输出。
在一些实施例中，可以在每次(或几乎每次)发生作业相关事件(即作业事件)或能量事件时开展新的电力预测(能量预测)。作业相关事件的示例包括：当运行的作业完成、崩溃或暂停时，用户提交作业，作业优先级的改组，或作业开始。能量事件包括本地能量产生的状态或容量的变化、本地能量存储的容量的变化、或超过多个预定阈值的能量的定价的变化。
总而言之，作业事件、能量事件或其他事件可能触发用于设施的能量预测的产生和重新评估。在实施方式中，在作业事件或能量事件发生时，所存储的可执行代码(例如，设施电力管理器)可以启动和更新设施能量预测。作为这种预测的产生的一部分，设施电力管理器可以要求来自位于设施中的每个系统的最新的能量预测。在一些示例中，能量预测的更新是响应于作业事件或能量事件加上附加因素或标准而启动的。
一般地，实施例涉及预测数据中心的电力需求。确定作业的电力估计的估计器和进一步考虑作业排序和其他因素的作业预测器可以提供输入，以开展对用于数据中心的需求的预测。这种预测一般还可以包含数据中心处的其他能量消耗者，如关于电力转换效率、冷却系统、建筑照明等。所开展的预测可以是基线预测，可以修改所述基线预测以包含以下各项来降低能量成本：(1)考虑公用事业激励方案(如关于当天时间)；(2)使用可再生的能量；(3)使用本地能量储存和产生；(4)能量的现货定价等。
托管HPC系统的数据中心将继续增加能量消耗。公用事业提供方指定的分配电力需求可以达到40MW-45MW以上。然而，在这样高的分配期间，数据中心处的实际能量需求或消耗通常可能低于所指定的需求分配。因此，如所讨论的，用于开展电力预测和自动调整指定需求的技术可能是有益的。
图5是描绘根据本技术的多个实施例的可以促进关于分布式计算系统和设施的电力预测和管理的有形非瞬态计算机可读介质的示例的框图。计算机可读介质500可以由处理器502在计算机互连504上访问。处理器502可以是一个或多个计算节点处理器(例如，103)、服务器处理器(例如，116)、或另一处理器。有形非瞬态计算机可读介质500可以包括用于指导处理器502执行本文描述的技术的操作的可执行指令或代码。
本文中讨论的不同软件部件可以存储在有形非瞬态计算机可读介质500 上，如在图5中所表明的。例如，电力预测模块506(可执行代码/指令)可以指导处理器502确定用于分布式计算系统的和分布式计算设施处的电力消耗和需求。代码或模块506可以与图1中的上述可执行代码107、120相似或相同。应当理解，根据应用，图5中未示出的任何数量的附加软件组件可以被包括在有形非瞬态计算机可读介质500内。
图6是用于预测分布式计算装置的电力消耗的方法600。分布式计算设施可以具有用于执行分布式计算作业的多个节点。方法600可以由计算机、处理器、节点等执行。
为了预测设施处的电力消耗，可以估计节点系统上的作业执行序列(框 602)。进一步地，可以估计系统上的作业的电力(框604)。为了估计作业的电力以便在节点系统上运行，可以采用或考虑以下各项：(1)使用基于节点衡量的历史数据；(2)包括平均和最大电力的节点电力；(3)与网络化、文件系统等相关联的共享电力；(4)电力和能量效率的损失。当然，针对作业和系统级，还可以考虑其他因素。
方法600包括开展(框606)节点系统的电力曲线或电力预测。(多个) 电力曲线或电力预测可以是最大电力曲线、平均电力曲线等。如以上所讨论的，系统级的电力曲线或电力预测可以基于所预测的作业执行序列和用于作业的所估计的电力或与其相关。进一步地，对于设施级电力估计，除了系统级电力估计或预测之外，方法600可以进一步考虑(框608)能量的本地产生和/或本地存储、以及设施级能量消耗者(例如，共享资源，如照明和冷却)。应当指出的是，考虑(框608)可以涉及主动地调整本地产生或存储的操作。
最后，所述方法包括由分布式计算设施确定(框610)总实际电力需求。例如，对(多个)公用事业提供方的总实际电力需求可以是设施的预测电力消耗减去任何本地产生的电力。总实际需求可以部分地基于分布式计算设施处的一个或多个节点系统的电力消耗之和。此外，总实际电力需求的确定(框610) 可以涉及实际电力需求的主动调整，例如通过本地能量产生或存储的实现。
关于电力或能量预测的系统级，开展(框606)系统电力预测的估计器可以估计用于作业的电力需求。例如，系统电力性能管理器(SPPM)(例如，参见图8)可以生成用于节点或计算单元的系统的电力需求的估计预测，执行多个作业。为了开展这样的系统级预测，除了系统计算电力需求之外，SPPM 还可以包含系统级开销(如共享电力和冷却基础设施的损耗)、以及系统级共享资源(如存储系统、网络化基础设施)的电力需求等。
至于设施级，例如，设施电力管理器(FPM)可以使用设施或数据中心中的所有系统的电力预测来生成能量或电力预测。FPM可能需要考虑到没有能力开展系统预测的系统。对于这样的系统，FPM可以使用电力使用的历史信息或使用最坏情况电力需求的传统途径。例如，FPM将典型地还包含设施级电力转换和冷却中的损耗。进一步地，FPM一般将以通过设施级处的共享资源来计算电力使用。这样的共享资源的示例是办公区域和建筑物管理系统的照明和冷却。
图7是预测设施(如分布式计算设施)的电力消耗的方法700。电力预测的开展、重新评估或更新可以例如由作业事件或能量事件启动(框702)。例如，对于HPC节点系统，可以估计系统作业队列中的大部分或全部作业的电力和完成时间(框704)。因此，可以开展用于在X小时的持续时间内执行作业的能量或电力预测(框706)。然后，可以开展对系统的电力需求的预测(框 708)。这可以包括通过系统级的共享资源的能量消耗。
在设施级，可以确定设施的电力需求的初步预测(框710)。这种需求可以是基于设施中大多数或所有系统的电力预测。用于设施的这种初步预测可以由设施需求预测器712(模块或可执行代码)开展或馈送到设施需求预测器。然后，设施需求预测器712可以考虑其他因素。例如，预测器712可以考虑能量的激励方案和现货定价(框714)、本地能量产生的容量(框716)、以及存储的能量的量和存储更多能量的容量(718)。当然，设施需求预测器712可以考虑附加信息和其他因素。
设施需求预测器712的输出可以用于开展和实现能量的本地产生和存储的计划(框720)、市场上购买和销售能量的计划(框724)以及其他计划。进一步地，如框722所指出的，预测器712可以分配电力预算、可以将用于电力波动的规则通信到多个系统。实际上，预测器712输出可以包括各种通信。例如，输出可以用于将用于设施的需求预测通信到公用事业(即公用事业公司或提供方)(框426)。最后，应当指出的是，设施需求预测器712可以由设施电力管理器(FPM)指导或者是其一部分。
图8是用于具有用于计算的HPC节点系统800的分布式计算的示例设施 102。可以理解，这样的计算消耗电力。设施102处的其他电力消耗者可以是共享资源804，例如冷却、照明、以及其他共享资源和其他消耗者。例如，额外的设施电力消耗还可以包括关于电力转换的效率损失、和设施处的其他用户或消耗者的电力消耗。对于能量的接收，从公用事业公司或分销商供应给设施 102的电力可以通过产生和/或存储本地能量802来补充。本地能量802的产生可以出于多种原因来执行，包括电力斜坡和带控制，减少能量需求(从设施通信到公用事业公司的需求)的变化，当公用事业成本高时通过本地产生能量来降低能量成本，当公用事业公司或市场上的能量成本高时通过销售本地产生的能量来产生收入等。应当指出的是，关于电力斜坡控制，公用事业提供方可以指定电力消耗的波动受控制并且以慢的速率发生。电力斜坡控制参考用于抑制电力消耗的突然变化的技术，例如用于可接受的水平或更多的逐渐变化。关于电力带控制，公用事业提供方可以期望设施将电力消耗维持在一定分配范围内。也就是说，如果分配电力为10MW，则公用事业提供方可以预期设施的电力消耗在8至10MW之间。这些最小和最大电力水平可以被称为电力带。
设施电力管理器(FPM)806可以开展用于设施的电力预测。为了开展、重新评估或更新设施电力预测，FPM 806可以在每个节点系统800处与系统电力性能管理器(SPPM)808进行通信，以包含系统级计算电力需求和系统级共享资源电力需求。如以上所讨论的，SPPM808一般将确定或更新用于分布式计算作业的排序和电力估计的系统级电力预测/曲线。当然，SPPM 808可以涉及或指导系统级的各种电力性能问题和控制。
为了开展或更新设施电力预测，FPM 806还将考虑设施级的设施级消耗者，包括共享资源804(照明等)和本地能量802产生/存储。FPM 806可以开展或确定用于设施102的总电力需求的值。所述电力需求值可以从FPM 806 通信到给设施102供应电力(电力)的公用事业公司810(提供方、分销商、供应方等)。当然，关于其他问题，FPM 806可以与公用事业公司810进行通信。此外，在所示实施例中，例如，FPM 806可以与设施管理器或管理员812 进行通信。这种通信可以涉及例如设施规则和策略，包括关于电力的。
除了预测电力和开展或更新需求之外，FPM 806可以涉及各种其他设施控制。FPM806给出了对用于节点系统800的多个系统管理器SPPM 808的指导。进一步地，再次，FPM806可以与人类管理员812、公用事业公司或提供方810 等进行通信并且具有策略/规则集。在多个示例中，FPM 806可以是或使用到公用事业提供方810的需求/响应接口。此外，FPM806可以执行设施102处的电力和冷却等的计算，包括通信容量和要求。FPM 806可以考虑(804的)冷却系统，管理本地能量802的产生，向所述一个或多个SPPM 808分配电力预算等。
FPM 806可以使用各种机制来满足数据中心运营商关于电力消耗变化的要求，例如对于每分钟的德耳塔瓦特(ΔW/min)和ΔW/小时。数据中心运营商还可以使FPM 806将设施级电力消耗维持在或稍低于公用事业提供方810 的电力分配。为了保持能量效率高的目标，FPM 806可以尝试在采取非绿色机制之前采用绿色机制。
对于具有多个本地能量802的产生器的设施102，FPM 808可以使用本地能量802。根据具体设施102，可以存在各种类型的本地能量产生器。本地产生器的示例是柴油发动机、太阳能电力等。在特定示例中，如果与公用事业提供方810协商的设施102电力需求被设置为12MW，并且设施102产生例如2 MW的本地电力802，则设施102可以替代地重新协商从公用事业提供方810 需求10MW。如果是这样的话，公用事业提供方810可以要求设施102从公用事业提供方810汲取8.5MW到10MW(例如，15％的允许变化)之间的电力。在这个数字示例中，2MW本地能量802的产生可以促进数据中心设施102 级波动在8.5至12MW(～30％变化)之间。因此，本地电力的产生可以增加灵活性或电力水平，并且有助于满足长期有限变化(例如，ΔW/小时)的目标。
对于具有本地电力802存储的设施102，FPM 808可以使用电力802存储 (例如，电池、本地制冷等)。当设施102级实际功耗可能低于最低需求(在上述数值示例中为8.5MW)时，FPM 808可以引导能量以对本地能量802的一部分的电池140充电。稍后在设施102实际电力需求增长时可以使用所产生的电池充电。能量802存储的另一途径是使用多余能量(例如，当设施的实际电力消耗下降到低于协商需求时)来冷却液体或产生冰。稍后当实际电力消耗超过需求时，可以储存和使用冰或冷液体，以节省(例如804的)冷却系统的能量。FPM808可以采用的其他机制示例是FPM 808指定冷却系统(例如，共享资源804)的环境，例如调整冷却系统中的冷却剂、空气或水的温度或温度设定点。这样的控制可能影响系统800的冷却系统和计算架构所消耗的电力。
一些实施例可以在硬件、固件和软件之一或其组合中被实现。一些实施例还可以实现为存储在机器可读介质上的指令，这些指令可以由计算平台读取并执行以便执行在此描述的操作。机器可读介质可以包括用于以可由机器(例如，计算机)读取的形式存储或传输信息的任何机制。例如，机器可读介质可以包括只读内存(ROM)；随机存取内存(RAM)；磁盘存储介质；光存储介质；闪速存储装置；或者电气、光学、声学或其他形式的传播信号(例如，载波、红外信号、数字信号)、或传输和/或接收信号的接口、以及其他。
实施例是实现方式或示例。说明书中对“实施例”、“一个实施例”、“一些实施例”、“各种实施例”或“其他实施例”的引用意味着结合实施例描述的特定特征、构造或特性包括在本技术的至少一些实施例中，但不必是全部实施例。“实施例”、“一个实施例”或“一些实施例”的多处出现不必全部指代相同的实施例。来自一个实施例的元素或方面可与另一实施例的元素或方面组合。
并非在此描述和展示的所有组件、特征、构造、特性等都需要包括在特定实施例或多个实施例中。例如，如果说明书陈述组件、特征、构造或特性“可以”、“可能”、“可”或“能够”被包括，则那个特定组件、特征、构造或特性不要求被包括。如果说明书或权利要求书提及“一个(a)”或“一个(an)”要素，则那并非意味着仅存在一个要素。如果说明书或权利要求书提及“附加”要素，则那并不排除存在多于一个的附加要素。
应注意的是，尽管已经参考特定实现方式对一些实施例进行了描述，但根据一些实施例其他实现方式是可能的。另外，在附图中展示和/或在此描述的电路元素或其他特征的安排和/或顺序不需要以所展示和描述的特定方式安排。根据一些实施例，许多其他安排是可能的。
在图中示出的每个系统中，一些情况中的元素可以各自都具有相同的参考号或不同的参考号以表明所表示的元素可以是不同和/或类似的。然而，元素可以足够灵活到具有不同的实现方式并与在此示出或描述的系统的一些或全部一起作业。图中示出的各种元素可以是相同的或不同的。哪个称为第一元素和哪个称为第二元素是任意的。
提供了多个示例。示例1是一种分布式计算设施，包括节点，所述节点被配置为用于执行分布式计算作业。所述分布式计算设施包括存储器，所述存储器存储可由所述节点或处理器执行以预测所述分布式计算设施的电力消耗的代码，预测电力消耗包括：随着时间的推移预测所述节点的系统上的作业执行序列；估计用于所述系统的所述作业的电力；以及开展所述系统的系统级电力预测。
示例2结合了如示例1所述的主题。在所述示例中，所述系统级电力预测包括与所述作业执行序列以及用于所述作业的所述电力相关的所预测的电力曲线。
示例3结合了如示例1和2的任一组合所述的主题。在所述示例中，所述代码可执行用于响应于预测到所述电力消耗超过指定需求而激活或增加本地能量产生。
示例4结合了如示例1-3的任一组合所述的主题。在所述示例中，预测电力消耗包括开展对所述分布式计算设施的总实际需求的预测。
示例5结合了如示例1-4的任一组合所述的主题。在所述示例中，开展所述总实际需求的预测包括将所述分布式计算设施处的本地电力产生考虑在内。
示例6结合了如示例1-5的任一组合所述的主题。在所述示例中，所述总实际需求包括所述电力消耗减去在所述分布式计算设施处产生的本地电力的量。
示例7结合了如示例1-6的任一组合所述的主题。在所述示例中，预测电力消耗包括响应于作业事件或能量事件或其组合而预测电力消耗。
示例8结合了如示例1-7的任一组合所述的主题。在所述示例中，所述作业事件包括将供执行的作业提交到所述系统、在所述系统上完成作业、在所述系统上暂停作业、或其任何组合。
示例9结合了如示例1-8的任一组合所述的主题。在所述示例中，所述能量事件包括本地能量产生的状态或容量的变化、本地能量存储的容量的变化、或超过多个预定阈值的能量的定价的变化、或其任何组合。
示例10结合了如示例1-9的任一组合所述的主题。在所述示例中，所述代码可执行用于通过调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用来调整所述分布式计算设施的总实际电力需求。
示例11结合了如示例1-10的任一组合所述的主题。在所述示例中，所述代码可执行用于响应于改变电力需求或改变能量定价或二者而调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用。
示例12结合了如示例1-11的任一组合所述的主题。在所述示例中，所述代码可执行用于响应于公用事业提供方的激励方案或响应于能量的现货定价或其组合而调整所述分布式计算设施的总实际电力需求。
示例13结合了如示例1-12的任一组合所述的主题。在所述示例中，所述分布式计算设施包括高性能计算(HPC)设施或大数据分析设施、或其组合，并且其中，预测电力消耗包括响应于作业事件或能量事件或其组合而预测电力消耗。
示例14是一种操作分布式计算设施的方法，所述方法包括：在所述分布式计算设施的节点系统上执行分布式计算作业。进一步地，所述方法包括通过处理器预测所述分布式计算设施的电力消耗，其中，预测所述电力消耗包括：随着时间的推移通过所述处理器预测所述节点的系统上的作业执行序列；通过所述处理器估计用于所述系统的所述作业的电力；以及通过所述处理器开展所述系统的系统级电力预测。
示例15结合了如示例14所述的主题。在所述示例中，所述系统级电力预测包括与所述作业执行序列以及用于所述作业的所述电力相关的所预测的电力曲线。
示例16结合了如示例14和15的任一组合所述的主题。在所述示例中，所述方法包括：响应于预测到所述电力消耗超过指定需求而激活或增加所述分布式计算设施处的本地能量产生。
示例17结合了如示例14-16的任一组合所述的主题。在所述示例中，预测电力消耗包括预测所述分布式计算设施对公用事业提供方的总实际需求。
示例18结合了如示例14-17的任一组合所述的主题。在所述示例中，所述预测总实际需求包括将所述分布式计算设施处的本地电力产生考虑在内。
示例19结合了如示例14-18的任一组合所述的主题。在所述示例中，预测电力消耗包括响应于作业事件或能量事件而预测电力消耗。
示例20结合了如示例14-19的任一组合所述的主题。在所述示例中，所述方法包括：通过经由所述处理器调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用来调整所述分布式计算设施的总实际电力需求。
示例21结合了如示例14-20的任一组合所述的主题。在所述示例中，所述方法包括：通过所述处理器响应于改变需求或改变能量定价或其组合而调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用。
示例22结合了如示例14-21的任一组合所述的主题。在所述示例中，所述方法包括：通过所述处理器响应于激励方案或能量的现货定价或其组合而调整总实际电力需求。
示例23是一种非瞬态计算机可读介质，其包括指令，所述指令可由处理器执行用于预测分布式计算设施的电力消耗，预测电力消耗包括：随着时间的推移预测所述节点的系统上的作业执行序列；估计用于所述系统的所述作业的电力；以及开展所述系统的系统级电力预测，其中，所述系统级预测与所述作业执行序列以及用于所述作业的所述电力相关。
示例24结合了如示例24所述的主题。在所述示例中，预测电力消耗包括响应于作业事件或能量事件而预测电力消耗，其中，所述作业事件包括将供执行的作业提交到所述系统、在所述系统上完成作业、在所述系统上暂停作业、或其任何组合。
示例25结合了如示例23-24的任一组合所述的主题。在所述示例中，所述非瞬态计算机可读介质包括可由所述处理器执行以用于响应于改变所述分布式计算设施处的电力需求或改变能量定价或二者而调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用的代码，并且其中，预测电力消耗包括开展对所述分布式计算设施的总实际需求的预测。
示例26是一种设施处的设备，所述设备包括用于预测所述设施的电力消耗的装置，其中所述设施包括具有多个计算节点系统的分布式计算设施。所述设备包括：用于随着时间的推移预测节点系统上的作业执行序列的装置；以及用于估计用于所述系统的所述作业的电力的装置。所述设备还包括用于开展所述系统的系统级电力预测的装置，其中，所述系统级预测与所述作业执行序列以及用于所述作业的所述电力相关。
示例27结合了如示例26所述的主题。在所述示例中，用于开展系统级电力预测的装置包括用于响应于作业事件或能量事件而开展系统级电力预测的装置，其中，所述作业事件包括将供执行的作业提交到所述系统、在所述系统上完成作业、在所述系统上暂停作业、或其任何组合。
示例28结合了如示例26-27的任一组合所述的主题。在所述示例中，所述设备包括用于响应于改变所述分布式计算设施处的电力需求或改变能量定价或二者而调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用的装置，并且其中，用于预测电力的装置包括用于开展对所述分布式计算设施的总实际需求的预测的装置。
示例29是一种分布式计算设施，包括节点，所述节点被配置为用于执行分布式计算作业。所述设施包括存储器，所述存储器存储可由所述节点或处理器执行以预测所述分布式计算设施的电力消耗的代码，预测电力消耗包括：随着时间的推移预测所述节点的系统上的作业执行序列；估计用于所述系统的所述作业的电力；以及开展所述系统的系统级电力预测，其中，所述系统级电力预测与所述作业执行序列以及用于所述作业的所述电力相关。
示例30结合了如示例29所述的主题。在所述示例中，所述代码可执行用于响应于预测到所述电力消耗超过指定需求而激活或增加本地能量产生，并且其中，所述系统级预测包括所述系统的所预测的电力曲线。
示例31结合了如示例29-30的任一组合所述的主题。在所述示例中，预测电力消耗包括开展对所述分布式计算设施的总实际需求的预测。
示例32结合了如示例29-31的任一组合所述的主题。在所述示例中，开展所述总实际需求的预测包括将所述分布式计算设施处的本地电力产生考虑在内，并且其中，所述总实际需求包括所述电力消耗减去在所述分布式计算设施处产生的本地电力的量。
示例33结合了如示例29-32的任一组合所述的主题。在所述示例中，预测电力消耗包括响应于作业事件或能量事件或其组合而预测电力消耗。
示例34结合了如示例29-33的任一组合所述的主题。在所述示例中，所述代码可执行用于响应于改变电力需求或改变能量定价或二者而调整所述分布式计算设施处的本地能量产生或能量存储或两者的使用。
示例35结合了如示例29-34的任一组合所述的主题。在所述示例中，所述代码可执行用于响应于公用事业提供方的激励方案或响应于能量的现货定价或其组合而调整所述分布式计算设施的总实际电力需求。
示例36结合了如示例29-35的任一组合所述的主题。在所述示例中，所述分布式计算设施包括高性能计算(HPC)设施或大数据分析设施、或其组合。
示例37是一种操作分布式计算设施的方法，所述方法包括：在所述分布式计算设施的节点系统上执行分布式计算作业。所述方法包括通过处理器预测所述分布式计算设施的电力消耗，其中，预测所述电力消耗包括：随着时间的推移通过所述处理器预测所述节点的系统上的作业执行序列；通过所述处理器估计用于所述系统的所述作业的电力；以及通过所述处理器开展所述系统的系统级电力预测。所述系统级电力预测与所述作业执行序列以及用于所述作业的所述电力相关。
示例38结合了如示例37所述的主题。在所述示例中，所述方法包括：响应于预测到所述电力消耗超过指定需求而激活或增加所述分布式计算设施处的本地能量产生，并且其中，所述系统级预测包括所预测的电力曲线。
示例39结合了如示例37和38的任一组合所述的主题。在所述示例中，预测电力消耗包括预测所述分布式计算设施对公用事业提供方的总实际需求。
示例40结合了如示例37-39的任一组合所述的主题。在所述示例中，所述预测电力消耗包括响应于作业事件或能量事件、或两者而预测电力消耗。
示例41结合了如示例37-40的任一组合所述的主题。在所述示例中，所述方法包括：通过所述处理器响应于激励方案或能量的现货定价或其组合而调整总实际电力需求。
示例42是一种非瞬态计算机可读介质，其包括指令，所述指令可由处理器执行用于预测分布式计算设施的电力消耗，预测电力消耗包括：随着时间的推移预测所述节点的系统上的作业执行序列；估计用于所述系统的所述作业的电力；以及开展所述系统的系统级电力预测。所述系统级预测与所述作业执行序列以及用于所述作业的所述电力相关。
示例43结合了如示例42所述的主题。在所述示例中，预测电力消耗包括响应于作业事件而预测电力消耗，其中，所述作业事件包括将供执行的作业提交到所述系统、在所述系统上完成作业、在所述系统上暂停作业、或其任何组合。
示例44是一种分布式计算设施，其具有节点和存储器，所述节点被配置为用于执行分布式计算作业，所述存储器存储可由所述节点或处理器执行以预测所述分布式计算设施的电力消耗的代码。预测设施电力消耗包括随着时间的推移预测节点系统上的分布式计算作业的作业序列、对用于所述系统的作业的电力进行估计；以及开展所述系统的系统级电力预测。
示例45结合了如示例44所述的主题。在所述示例中，所述系统级电力预测包括与所述作业序列以及用于所述作业的所述电力相关的所预测的电力曲线。
示例46结合了如示例44-45的任一组合所述的主题。在所述示例中，预测电力消耗包括开展对所述分布式计算设施的总实际需求的预测。
示例47结合了如示例44-46的任一组合所述的主题。在所述示例中，开展所述总实际需求的预测考虑了所述分布式计算设施处的本地电力产生。
示例48结合了如示例44-47的任一组合所述的主题。在所述示例中，所述总实际需求是所述电力消耗减去在所述分布式计算设施处产生的本地电力的量。
示例49结合了如示例44-48的任一组合所述的主题。在所述示例中，预测电力消耗包括响应于作业事件或能量事件或其组合而预测电力消耗。
示例50是一种非瞬态计算机可读介质，其具有可由处理器执行以用于预测分布式计算设施的电力消耗的代码。预测设施电力消耗包括：随着时间的推移预测计算节点系统上执行的分布式计算作业的作业执行序列、估计用于所述系统的所述作业的电力、以及开展所述系统的系统级电力预测。
示例51结合了如示例50所述的主题。在所述示例中，所述系统级电力预测包括与所述作业序列以及用于所述作业的所述电力相关的所预测的电力曲线。
示例52结合了如示例50-51的任一组合所述的主题。在所述示例中，预测电力消耗包括开展所述分布式计算设施的总实际需求的预测。
示例53结合了如示例50-52的任一组合所述的主题。在所述示例中，开展所述总实际需求的预测包括将所述分布式计算设施处的本地电力产生考虑在内。
示例54结合了如示例50-53的任一组合所述的主题。在所述示例中，所述总实际需求包括所述电力消耗减去在所述分布式计算设施处产生的本地电力的量。
示例55结合了如示例50-54的任一组合所述的主题。在所述示例中，预测电力消耗包括响应于作业事件或能量事件或其组合而预测电力消耗。
应理解的是，前述示例中的细节可以用在一个或多个实施例中的任何地方。例如，以上描述的计算装置的所有可选特征还可以关于在此描述的方法或计算机可读介质中的任何一个来实现。而且，尽管在此可能使用了流程图和/ 或状态图来描述实施例，但本技术不限于那些图或在此的相应描述。例如，流程不需要移动通过每个展示的框或状态或者按与在此展示和描述的完全相同的顺序。
本技术不限于在此列出的特定细节。实际上，受益于此公开的本领域技术人员将理解，许多来自前述描述和附图的其他变型可以在本技术的范围内进行。从而，是包括其任何修改的以下权利要求书定义了本技术的范围。

Claims (29)

1.一种分布式计算设施，包括：
节点，所述节点被配置为用于执行分布式计算作业；以及
存储器，所述存储器存储可由所述节点或处理器执行以预测所述分布式计算设施的电力消耗的代码，预测电力消耗包括：
随着时间的推移预测所述节点的系统上的作业执行序列；
估计用于所述系统的所述作业的电力；以及
开展所述系统的系统级电力预测，其中，所述系统级电力预测包括与所述作业执行序列以及用于所述作业的所述电力相关的所预测的电力曲线，
其中，所述代码可执行用于：响应于预测到所述电力消耗超过指定需求而激活或增加本地能量产生。
2.如权利要求1所述的分布式计算设施，其中，预测电力消耗包括：开展对所述分布式计算设施的总实际需求的预测。
3.如权利要求2所述的分布式计算设施，其中，开展所述总实际需求的预测包括：将所述分布式计算设施处的本地电力产生考虑在内。
4.如权利要求2所述的分布式计算设施，其中，所述总实际需求包括所述电力消耗减去在所述分布式计算设施处产生的本地电力的量。
5.如权利要求1所述的分布式计算设施，其中，预测电力消耗包括：响应于作业事件或能量事件或作业事件与能量事件的组合而预测电力消耗。
6.如权利要求5所述的分布式计算设施，其中，所述作业事件包括：将供执行的作业提交到所述系统；在所述系统上完成作业；在所述系统上暂停作业；或上述各项的任何组合。
7.如权利要求5所述的分布式计算设施，其中，所述能量事件包括：本地能量产生的状态或容量的变化；本地能量存储的容量的变化；或超过预定阈值的能量的定价的变化；或上述各项的任何组合。
8.如权利要求1所述的分布式计算设施，其中，所述代码可执行用于：通过调整所述分布式计算设施处的本地能量产生或能量存储或能量产生与能量存储两者的使用来调整所述分布式计算设施的总实际电力需求。
9.如权利要求1所述的分布式计算设施，其中，所述代码可执行用于：响应于改变电力需求或改变能量定价或改变电力需求与能量定价两者来调整所述分布式计算设施处的本地能量产生或能量存储或本地能量产生与能量存储两者的使用。
10.如权利要求1所述的分布式计算设施，其中，所述代码可执行用于：响应于公用事业提供方的激励方案或响应于能量的现货定价或公用事业提供方的激励方案与能量的现货定价的组合而调整所述分布式计算设施的总实际电力需求。
11.如权利要求1所述的设施，其中，所述分布式计算设施包括高性能计算HPC设施或大数据分析设施、或HPC设施与大数据分析设施的组合。
12.一种操作分布式计算设施的方法，所述方法包括：
在所述分布式计算设施的节点系统上执行分布式计算作业；
通过处理器预测所述分布式计算设施的电力消耗，其中，预测所述电力消耗包括：
随着时间的推移通过所述处理器预测所述节点的系统上的作业执行序列；
通过所述处理器估计用于所述系统的所述作业的电力；以及
通过所述处理器开展所述系统的系统级电力预测，其中，所述系统级电力预测包括与所述作业执行序列以及用于所述作业的所述电力相关的所预测的电力曲线；以及
响应于预测到所述电力消耗超过指定需求而激活或增加所述分布式计算设施处的本地能量产生。
13.如权利要求12所述的方法，其中，预测电力消耗包括向公用事业提供方预测用于所述分布式计算设施的总实际需求。
14.如权利要求13所述的方法，其中，预测总实际需求包括：将所述分布式计算设施处的本地电力产生考虑在内。
15.如权利要求12所述的方法，其中，预测电力消耗包括：响应于作业事件或能量事件而预测电力消耗。
16.如权利要求12所述的方法，包括：通过经由所述处理器调整所述分布式计算设施处的本地能量产生或能量存储或本地能量产生与能量存储两者的使用来调整所述分布式计算设施的总实际电力需求。
17.如权利要求12所述的方法，包括：通过所述处理器响应于改变需求或改变能量定价或改变需求与能量定价的组合而调整所述分布式计算设施处的本地能量产生或能量存储或本地能量产生与能量存储两者的使用。
18.如权利要求12所述的方法，包括：通过所述处理器响应于激励方案或能量的现货定价或激励方案与能量的现货定价的组合而调整总实际电力需求。
19.一种在设施处的设备，所述设备包括：
用于预测所述设施的电力消耗的装置，其中，所述设施包括具有计算节点的系统的分布式计算设施：
用于随着时间的推移预测所述节点的系统上的作业执行序列的装置；
用于估计用于所述系统的所述作业的电力的装置；
用于开展所述系统的系统级电力预测的装置，其中，所述系统级预测与所述作业执行序列以及用于所述作业的所述电力相关；以及
用于响应于预测到所述电力消耗超过指定需求而激活或增加所述设施处的本地能量产生的装置。
20.如权利要求19所述的设备，其中，用于开展系统级电力预测的装置包括：用于响应于作业事件或能量事件而开展系统级电力预测的装置，其中，所述作业事件包括：将供执行的作业提交到所述系统；在所述系统上完成作业；在所述系统上暂停作业；或上述各项的任何组合。
21.如权利要求19或20所述的设备，包括用于响应于改变所述分布式计算设施处的电力需求或改变能量定价或改变所述分布式计算设施处的电力需求与能量定价两者而调整所述分布式计算设施处的本地能量产生或能量存储或本地能量产生与能量存储两者的使用的装置，并且其中，用于预测电力的装置包括：用于开展对所述分布式计算设施的总实际需求的预测的装置。
22.一种机器可读介质，包括多条指令，所述多条指令当被执行时使计算设备执行如权利要求12-18中的任一项所述的方法。
23.一种用于分布式计算的设备，包括：
用于在分布式计算设施的节点系统上执行分布式计算作业的装置；
用于通过处理器预测所述分布式计算设施的电力消耗的装置，其中，用于预测所述电力消耗的装置包括：
用于随着时间的推移通过所述处理器预测所述节点的系统上的作业执行序列的装置；
用于通过所述处理器估计用于所述系统的所述作业的电力的装置；以及
用于通过所述处理器开展所述系统的系统级电力预测的装置，其中，所述系统级电力预测包括与所述作业执行序列以及用于所述作业的所述电力相关的所预测的电力曲线；以及
用于响应于预测到所述电力消耗超过指定需求而激活或增加所述分布式计算设施处的本地能量产生的装置。
24.如权利要求23所述的设备，其中，用于预测电力消耗的装置包括：用于向公用事业提供方预测用于所述分布式计算设施的总实际需求的装置。
25.如权利要求24所述的设备，其中，用于预测总实际需求的装置包括：用于将所述分布式计算设施处的本地电力产生考虑在内的装置。
26.如权利要求23所述的设备，其中，用于预测电力消耗的装置包括：用于响应于作业事件或能量事件而预测电力消耗的装置。
27.如权利要求23所述的设备，包括：用于通过经由所述处理器调整所述分布式计算设施处的本地能量产生或能量存储或本地能量产生与能量存储两者的使用来调整所述分布式计算设施的总实际电力需求的装置。
28.如权利要求23所述的设备，包括：用于通过所述处理器响应于改变需求或改变能量定价或改变需求与能量定价的组合而调整所述分布式计算设施处的本地能量产生或能量存储或本地能量产生与能量存储两者的使用的装置。
29.如权利要求23所述的设备，包括：用于通过所述处理器响应于激励方案或能量的现货定价或激励方案与能量的现货定价的组合而调整总实际电力需求的装置。
CN201580065120.2A 2014-12-24 2015-10-07 针对能量需求的预测 Active CN107003922B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/582,988 2014-12-24
US14/582,988 US20160187395A1 (en) 2014-12-24 2014-12-24 Forecast for demand of energy
PCT/US2015/054440 WO2016105626A1 (en) 2014-12-24 2015-10-07 Forecast for demand of energy

Publications (2)

Publication Number Publication Date
CN107003922A CN107003922A (zh) 2017-08-01
CN107003922B true CN107003922B (zh) 2021-01-26

Family

ID=56151302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580065120.2A Active CN107003922B (zh) 2014-12-24 2015-10-07 针对能量需求的预测

Country Status (5)

Country Link
US (1) US20160187395A1 (zh)
EP (1) EP3238162B1 (zh)
CN (1) CN107003922B (zh)
CA (1) CA2968076A1 (zh)
WO (1) WO2016105626A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5776487B2 (ja) * 2011-10-13 2015-09-09 ソニー株式会社 電力制御装置およびプログラム
US10254319B2 (en) * 2014-02-18 2019-04-09 Encored Technologies, Inc. Apparatus, server, system and method for energy measuring
US10554519B2 (en) * 2016-02-08 2020-02-04 Cray Inc. System and method for dampening power swings in distributed computer environments
US10599107B2 (en) * 2016-09-29 2020-03-24 Siemens Aktiengesellschaft System and method for smart grid dynamic regulation pools
US10901476B2 (en) * 2017-07-06 2021-01-26 DOOSAN Heavy Industries Construction Co., LTD Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same
US10310459B2 (en) * 2017-09-26 2019-06-04 Oracle International Corporation Electric loadshape forecasting based on smart meter signals
US10937114B2 (en) * 2018-03-26 2021-03-02 Oracle International Corporation Electric loadshape forecasting for utility systems that support dynamic power pricing
EP3726307A1 (en) * 2019-04-17 2020-10-21 Carrier Corporation Method for controlling building power consumption
CN112330017A (zh) * 2020-11-04 2021-02-05 上海博辕信息技术服务有限公司 电力负荷预测方法、装置、电子设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853017A (zh) * 2009-02-18 2010-10-06 通用电气公司 能量管理系统和方法
CN103207572A (zh) * 2012-01-13 2013-07-17 株式会社日立制作所 It 设备与冷却设备的协同控制系统以及协同控制方法
CN104040459A (zh) * 2011-12-22 2014-09-10 施耐德电气It公司 用于降低数据中心的能量存储需求的系统和方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060241880A1 (en) * 2003-07-18 2006-10-26 Forth J B Methods and apparatus for monitoring power flow in a conductor
US8494686B2 (en) * 2007-10-14 2013-07-23 Enmetric Systems, Inc. Electrical energy usage monitoring system
US20090119233A1 (en) * 2007-11-05 2009-05-07 Microsoft Corporation Power Optimization Through Datacenter Client and Workflow Resource Migration
US9405348B2 (en) * 2008-04-21 2016-08-02 Adaptive Computing Enterprises, Inc System and method for managing energy consumption in a compute environment
US9015726B2 (en) * 2009-04-03 2015-04-21 International Business Machines Corporation Scheduling jobs of a multi-node computer system based on environmental impact
US8631411B1 (en) * 2009-07-21 2014-01-14 The Research Foundation For The State University Of New York Energy aware processing load distribution system and method
US8738195B2 (en) * 2010-09-21 2014-05-27 Intel Corporation Inferencing energy usage from voltage droop
US20120191439A1 (en) * 2011-01-25 2012-07-26 Power Analytics Corporation Systems and methods for automated model-based real-time simulation of a microgrid for market-based electric power system optimization
US9311209B2 (en) * 2012-11-27 2016-04-12 International Business Machines Corporation Associating energy consumption with a virtual machine
US10162687B2 (en) * 2012-12-28 2018-12-25 Intel Corporation Selective migration of workloads between heterogeneous compute elements based on evaluation of migration performance benefit and available energy and thermal budgets
US9525728B2 (en) * 2013-09-17 2016-12-20 Bank Of America Corporation Prediction and distribution of resource demand

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853017A (zh) * 2009-02-18 2010-10-06 通用电气公司 能量管理系统和方法
CN104040459A (zh) * 2011-12-22 2014-09-10 施耐德电气It公司 用于降低数据中心的能量存储需求的系统和方法
CN103207572A (zh) * 2012-01-13 2013-07-17 株式会社日立制作所 It 设备与冷却设备的协同控制系统以及协同控制方法

Also Published As

Publication number Publication date
CN107003922A (zh) 2017-08-01
EP3238162B1 (en) 2019-11-20
EP3238162A1 (en) 2017-11-01
US20160187395A1 (en) 2016-06-30
CA2968076A1 (en) 2016-06-30
EP3238162A4 (en) 2018-08-15
WO2016105626A1 (en) 2016-06-30

Similar Documents

Publication Publication Date Title
CN107003922B (zh) 针对能量需求的预测
US11581734B2 (en) Methods and systems for adjusting power consumption based on a dynamic power option agreement
Liu et al. Renewable and cooling aware workload management for sustainable data centers
US11042948B1 (en) Computing component arrangement based on ramping capabilities
US11961151B2 (en) Modifying computing system operations based on cost and power conditions
US20160187906A1 (en) Control of power consumption
Goudarzi et al. Geographical load balancing for online service applications in distributed datacenters
Malla et al. A survey on power management techniques for oversubscription of multi-tenant data centers
US11868106B2 (en) Granular power ramping
Niu et al. JouleMR: Towards cost-effective and green-aware data processing frameworks
Adnan et al. Workload shaping to mitigate variability in renewable power use by data centers
Ahmed et al. Contract-based demand response model for high performance computing systems
WO2021132579A1 (ja) 電力管理システム及び電力管理方法
WO2021132583A1 (ja) 電力管理システム及び電力管理方法
WO2021132584A1 (ja) 電力管理システム及び電力管理方法
WO2021132580A1 (ja) 電力管理システム及び電力管理方法
Das Energy-Efficient Scheduling of Deadline-Sensitive and Budget-Constrained Workflows in the Cloud
CN116995745A (zh) 电力系统发电功率的调度方法、装置、设备及存储介质

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