CN111259561B - 一种基于时间间隔的温度感知的处理器能耗计算方法 - Google Patents

一种基于时间间隔的温度感知的处理器能耗计算方法 Download PDF

Info

Publication number
CN111259561B
CN111259561B CN202010082936.9A CN202010082936A CN111259561B CN 111259561 B CN111259561 B CN 111259561B CN 202010082936 A CN202010082936 A CN 202010082936A CN 111259561 B CN111259561 B CN 111259561B
Authority
CN
China
Prior art keywords
processor
time
energy consumption
temperature
interval
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
CN202010082936.9A
Other languages
English (en)
Other versions
CN111259561A (zh
Inventor
张忆文
王田
高振国
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN202010082936.9A priority Critical patent/CN111259561B/zh
Publication of CN111259561A publication Critical patent/CN111259561A/zh
Application granted granted Critical
Publication of CN111259561B publication Critical patent/CN111259561B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明涉及一种基于时间间隔的温度感知的处理器能耗计算方法，步骤为：1)根据周期任务的参数确定时间间隔；2)根据热传导方程，计算处理器在时刻t的温度T(t)；3)计算周期任务在单个时间间隔[t0,t1]的能耗E(t0,t1)；4)计算周期任务的总能耗Esum。本发明通过划分时间间隔，根据热传导方程，计算任务在各时间间隔的能耗，考虑系统温度对能耗的影响，提高了能耗计算的准确性。

Description

一种基于时间间隔的温度感知的处理器能耗计算方法
技术领域
本发明涉及嵌入式系统能耗管理技术领域，更具体地说，涉及一种基于时间间隔的温度感知的处理器能耗计算方法。
背景技术
嵌入式系统不仅要求输出结果的正确性，而且对时限有着严格的要求。随着嵌入式系统的发展，其已经广泛地应用在生产、生活的各个方面，常见的嵌入式系统有汽车驾驶系统、无人机控制系统、数控系统、智能手机操作系统、路由器控制系统等。
随着处理器技术的快速发展，处理器运行速度越快，导致系统的功耗越来越高。过高的功耗不仅增加系统的温度，提高冷却成本；而且对系统的可靠性造成负面。
因此，能耗成为设计嵌入式系统的一个重要目标。
动态电压频率调节和动态功耗管理是降低嵌入式系统能耗的两种有效技术。现有技术中，针对嵌入式系统能耗的问题的技术方案，通常假设处理器的功耗不变，而忽略了处理器温度对功耗产生的影响，导致最终所计算的能耗不够精确。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于时间间隔的温度感知的处理器能耗计算方法，利用动态电压频率调节技术，研究处理器温度对功耗产生的影响，能够更准确地计算能耗。
本发明的技术方案如下：
一种基于时间间隔的温度感知的处理器能耗计算方法，步骤如下：
1)根据周期任务的参数确定时间间隔；
2)根据热传导方程，计算处理器在时刻t的温度T(t)；
3)计算周期任务在单个时间间隔[t0,t1]的能耗E(t0,t1)；
4)计算周期任务的总能耗Esum。
作为优选，步骤1)具体为：
计算时间间隔的个数w：
Figure BDA0002380945770000021
其中，e和p分别代表周期任务在最大处理器频率下的最坏情况下执行时间和周期，周期任务通过参数(e,p)进行表示；
根据时间间隔的个数，周期任务可以在区间[t0,t1],[t1,t2],…,[tm-1,tm],[tm,tm+1],…,[tw-1,tw]执行，其中，t0为周期任务的开始执行时间，t1,t2,…tm,tm+1,…,tw是相应区间的结束时间；
Figure BDA0002380945770000022
作为优选，周期任务在区间[t0,t1],[t1,t2],…,[tm-1,tm]以处理器提供的第一归一化频率f′执行，在区间[tm,tm+1],…,[tw-1,tw]以处理器提供的第二归一化频率f″执行；
其中，f′＝fL,f″＝fH，fL和fH是处理器提供的频率，满足fL≤e/p≤fH，且要求fL和fH的值与e/p的值最相近。
作为优选，时间间隔ti由下式计算：
Figure BDA0002380945770000023
Figure BDA0002380945770000024
Figure BDA0002380945770000025
作为优选，步骤2)具体为：
热传导方程如下：
Figure BDA0002380945770000026
其中，T(t)是在时刻t的处理器温度，a、b是与处理器相关的常数，P(t)是在时刻t的处理器功耗；
P(t)＝Pleak(k)+Pdyn(k)；
其中，Pleak(k)和Pdyn(k)分别是在时刻t处理器以归一化频率fk执行时的漏电流功耗和动态功耗，具体如下：
Pleak(k)＝C1fk+C2fkT(t)；
Figure BDA0002380945770000031
其中，C1和C2是与处理器相关的常数，C3是处理器的有效负载电容；
通过热传导方程求解出处理器在时刻t的温度T(t)，具体如下：
Figure BDA0002380945770000032
Figure BDA0002380945770000033
B(k)＝b-aC1fk；
其中，t0为周期任务的开始执行时间，T(t0)是处理器的初始温度。
作为优选，步骤3)具体为：
对热传导方程两端积分，得到如下：
Figure BDA0002380945770000034
进而得到如下：
Figure BDA0002380945770000035
其中，T(t1)和T(t)是在时刻t1和t的处理器温度。
作为优选，步骤4)具体为：
Figure BDA0002380945770000036
Figure BDA0002380945770000037
Figure BDA0002380945770000038
其中，M1、M2、M3、M4是常数。
作为优选，常数M1、M2、M3、M4具体如下：
Figure BDA0002380945770000041
M2＝b-aC1f′；
Figure BDA0002380945770000042
M4＝b-aC1f″。
作为优选，常数a、b具体如下：
Figure BDA0002380945770000043
Figure BDA0002380945770000044
其中，R是处理器的热阻，C是处理器的电容。
本发明的有益效果如下：
本发明所述的基于时间间隔的温度感知的处理器能耗计算方法，通过划分时间间隔，根据热传导方程，计算任务在各时间间隔的能耗，考虑系统温度对能耗的影响，提高了能耗计算的准确性。
附图说明
图1是本发明的流程示意图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
为了克服现有技术存在的因忽略处理器温度对功耗产生的影响而导致最终所计算的能耗不够精确的不足，提供一种基于时间间隔的温度感知的处理器能耗计算方法，如图1所示，包括如下步骤：
步骤1)根据周期任务的参数确定时间间隔。
周期任务由参数(e,p)表示，其中，e和p分别代表周期任务在最大处理器频率下的最坏情况下执行时间和周期；处理器提供n个归一化的离散频率[f1,f2,…,1]，其中，f1代表处理器提供的归一化最低频率；所述的归一化频率是指将处理器的频率除以处理器的最大频率所得到的值；周期任务的开始执行时间为t0，时间间隔的个数w由下式计算：
Figure BDA0002380945770000051
根据时间间隔的个数，周期任务可以在区间[t0,t1],[t1,t2],…,[tm-1,tm],[tm,tm+1],…,[tw-1,tw]执行，其中，m的值由下式计算：
Figure BDA0002380945770000052
其中，t1,t2,…tm,tm+1,…,tw是相应区间的结束时间；为了减少处理器的频率切换开销，周期任务在区间[t0,t1],[t1,t2],…,[tm-1,tm]以归一化频率f′执行，在区间[tm,tm+1],…,[tw-1,tw]以归一化频率f″执行；时间间隔ti由下式计算：
Figure BDA0002380945770000053
其中，K1由下式计算：
Figure BDA0002380945770000054
其中，e是周期任务在最大处理器频率下的最坏情况下执行时间；w是时间间隔的个数；f′是此时的周期任务执行的归一化频率；
Figure BDA0002380945770000055
其中，e是周期任务在最大处理器频率下的最坏情况下执行时间；w是时间间隔的个数；f″是此时的周期任务执行的归一化频率；归一化频率f′和f″可以通过下式计算：
f′＝fL,f″＝fH；
其中，fL和fH是处理器提供的频率，满足fL≤e/p≤fH，且要求fL和fH的值与e/p的值最相近。
步骤2)所述根据热传导方程，计算处理器在时刻t的温度T(t)。
热传导方程由下式给出：
Figure BDA0002380945770000061
其中，T(t)是在时刻t的处理器温度，a、b是与处理器相关的常数，a、b的值分别由下式计算：
Figure BDA0002380945770000062
Figure BDA0002380945770000063
其中，R和C是常数，分别代表处理器的热阻与电容；P(t)是在时刻t的处理器功耗，其中，由下式计算：
P(t)＝Pleak(k)+Pdyn(k)；
其中，Pleak(k)和Pdyn(k)分别是在时刻t处理器以归一化频率fk执行时的漏电流功耗和动态功耗；Pleak(k)由下式计算：
Pleak(k)＝C1fk+C2fkT(t)；
其中，C1和C2是与处理器相关的常数，T(t)是在时刻t的处理器温度；Pdyn(k)由下式计算：
Figure BDA0002380945770000064
其中，C3是处理器的有效负载电容；由热传导方程可以求解出处理器在时刻t的温度T(t)，其值由下式计算：
Figure BDA0002380945770000065
其中，t0是处理器刚开始执行任务的初始时刻，T(t0)是处理器的初始温度；D(k)由下式计算：
Figure BDA0002380945770000066
其中，B(k)由下式计算：
B(k)＝b-aC1fk。
步骤3)计算周期任务在单个时间间隔[t0,t1]的能耗E(t0,t1)。
对热传导方程两端积分，得到下式：
Figure BDA0002380945770000071
进而得到下式：
Figure BDA0002380945770000072
其中，T(t1)和T(t)是在时刻t1和t的处理器温度。
步骤4)计算周期任务的总能耗Esum。
周期任务的总能耗Esum由下式计算：
Figure BDA0002380945770000073
其中，x,y为正整数，T(tw)是在时刻tw的处理器温度，T(t0)是处理器的初始温度；
Figure BDA0002380945770000074
由下式计算：
Figure BDA0002380945770000075
Figure BDA0002380945770000076
由下式计算：
Figure BDA0002380945770000077
其中，M1是常数，其值由下式计算：
Figure BDA0002380945770000078
M2是常数，其值由下式计算：
M2＝b-aC1f′；
M3是常数，其值由下式计算：
Figure BDA0002380945770000079
M4是常数，其值由下式计算：
M4＝b-aC1f″。
实施例
本实施例中使用ARMA9处理器，所述的处理器的温度传感器的精度可达到0.4℃，热阻R为22，电容C为0.0454，且可以提供3个离散的归一化频率即[0.4，0.8，1.0]，参数C1、C2和C3分别为0.0435，611和1。周期任务的最坏情况下的执行时间e和周期p分别为2.5和6。
假设周期任务是时刻0开始执行，此时的处理器初始温度T(t0)＝25℃，可知在区间[0，2.08]，[2.08，4.16]，周期任务以归一化频率fL＝0.4执行；在区间[4.16，5.20]周期任务以归一化频率fH＝0.8执行。
通过计算可知，w＝3，m＝2，
Figure BDA0002380945770000081
fL＝0.4＝f1，fH＝0.8＝f2，t1＝2.08，t2＝4.16，t3＝5.20，a＝22.03，b＝1.00，B(1)＝0.62，D(1)＝2.90，T(t1)＝9.01℃，T(t2)＝4.59℃，B(2)＝0.23，D(2)＝51.32，T(t3)＝14.71℃，M2＝0.62，M1＝2.90，M3＝51.32，M4＝0.23，
Figure BDA0002380945770000082
Esum＝108.39。
上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (3)

1.一种基于时间间隔的温度感知的处理器能耗计算方法，其特征在于，步骤如下：
1)根据周期任务的参数确定时间间隔；
2)根据热传导方程，计算处理器在时刻t的温度T(t)；
3)计算周期任务在单个时间间隔[t0,t1]的能耗E(t0,t1)；
4)计算周期任务的总能耗Esum；
步骤1)具体为：
计算时间间隔的个数w：
Figure FDA0003643067900000011
其中，Q和p分别代表周期任务在最大处理器频率下的最坏情况下执行时间和周期，周期任务通过参数(Q,p)进行表示；
根据时间间隔的个数，周期任务在区间[t0,t1],[t1,t2],…,[tm-1,tm],[tm,tm+1],…,[tw-1,tw]执行，其中，t0为周期任务的开始执行时间，t1,t2,…tm,tm+1,…,tw是相应区间的结束时间；
Figure FDA0003643067900000012
步骤2)具体为：
热传导方程如下：
Figure FDA0003643067900000013
其中，T(t)是在时刻t的处理器温度，a、b是常数，P(t)是在时刻t的处理器功耗；
常数a、b具体如下：
Figure FDA0003643067900000014
Figure FDA0003643067900000015
其中，R是处理器的热阻，C是处理器的电容；
P(t)＝Pleak(k)+Pdyn(k)；
其中，Pleak(k)和Pdyn(k)分别是在时刻t处理器以归一化频率fk执行时的漏电流功耗和动态功耗，具体如下：
Pleak(k)＝C1fk+C2fkT(t)；
Figure FDA0003643067900000021
其中，C1和C2是与处理器相关的常数，C3是处理器的有效负载电容；
通过热传导方程求解出处理器在时刻t的温度T(t)，具体如下：
Figure FDA0003643067900000022
Figure FDA0003643067900000023
B(k)＝b-aC1fk；
其中，t0为周期任务的开始执行时间，T(t0)是处理器的初始温度；
步骤3)具体为：
对热传导方程两端积分，得到如下：
Figure FDA0003643067900000024
进而得到如下：
Figure FDA0003643067900000025
其中，T(t1)和T(t)是在时刻t1和t的处理器温度；
步骤4)具体为：
Figure FDA0003643067900000026
Figure FDA0003643067900000027
Figure FDA0003643067900000028
其中，M1、M2、M3、M4是常数；
常数M1、M2、M3、M4具体如下：
Figure FDA0003643067900000031
M2＝b-aC1f′；
Figure FDA0003643067900000032
M4＝b-aC1f″；
其中，f′为第一归一化频率，f″第二归一化频率。
2.根据权利要求1所述的基于时间间隔的温度感知的处理器能耗计算方法，其特征在于，周期任务在区间[t0,t1],[t1,t2],…,[tm-1,tm]以处理器提供的第一归一化频率f′执行，在区间[tm,tm+1],…,[tw-1,tw]以处理器提供的第二归一化频率f″执行；
其中，f′＝fL,f″＝fH，fL和fH是处理器提供的频率，满足fL≤Q/p≤fH，且要求fL和fH的值与Q/p的值最相近。
3.根据权利要求2所述的基于时间间隔的温度感知的处理器能耗计算方法，其特征在于，时间间隔区间点ti由下式计算：
Figure FDA0003643067900000033
Figure FDA0003643067900000034
Figure FDA0003643067900000035
CN202010082936.9A 2020-02-07 2020-02-07 一种基于时间间隔的温度感知的处理器能耗计算方法 Active CN111259561B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010082936.9A CN111259561B (zh) 2020-02-07 2020-02-07 一种基于时间间隔的温度感知的处理器能耗计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010082936.9A CN111259561B (zh) 2020-02-07 2020-02-07 一种基于时间间隔的温度感知的处理器能耗计算方法

Publications (2)

Publication Number Publication Date
CN111259561A CN111259561A (zh) 2020-06-09
CN111259561B true CN111259561B (zh) 2022-08-26

Family

ID=70943039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010082936.9A Active CN111259561B (zh) 2020-02-07 2020-02-07 一种基于时间间隔的温度感知的处理器能耗计算方法

Country Status (1)

Country Link
CN (1) CN111259561B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114138095B (zh) * 2022-01-29 2022-05-10 阿里巴巴（中国）有限公司 互联网数据中心idc的功耗处理方法、设备和可读介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106199175A (zh) * 2016-09-18 2016-12-07 武汉大学 基于温度场的能耗测试与分析方法
CN106610873A (zh) * 2016-11-17 2017-05-03 北京大学（天津滨海）新代信息技术研究院 一种Android设备上应用程序能耗预测方法
CN106708242A (zh) * 2016-12-08 2017-05-24 华侨大学 一种硬实时系统能耗最优方法
CN107728466A (zh) * 2017-09-28 2018-02-23 华侨大学 一种适用于数控系统固定优先级可靠性感知能耗优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8032889B2 (en) * 2006-04-05 2011-10-04 Maxwell Technologies, Inc. Methods and apparatus for managing and controlling power consumption and heat generation in computer systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106199175A (zh) * 2016-09-18 2016-12-07 武汉大学 基于温度场的能耗测试与分析方法
CN106610873A (zh) * 2016-11-17 2017-05-03 北京大学（天津滨海）新代信息技术研究院 一种Android设备上应用程序能耗预测方法
CN106708242A (zh) * 2016-12-08 2017-05-24 华侨大学 一种硬实时系统能耗最优方法
CN107728466A (zh) * 2017-09-28 2018-02-23 华侨大学 一种适用于数控系统固定优先级可靠性感知能耗优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于RM策略的资源受限偶发任务调度算法;张忆文;《华中科技大学学报(自然科学版)》;20170731;第45卷(第7期);115-121 *

Also Published As

Publication number Publication date
CN111259561A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
EP3369604B1 (en) Method and system for estimating remaining range of electric car, and electric car
US7881830B2 (en) Electronic control system for controlling plant temperature
CN102654130B (zh) 一种对计算机进行温度控制的方法和计算机
CN110690533B (zh) 一种锂离子电池正弦交流电低温加热策略
CN111259561B (zh) 一种基于时间间隔的温度感知的处理器能耗计算方法
CN111060828A (zh) 一种电池状态监控方法和装置
CN113139338B (zh) 温度预测方法、温度预测装置和车辆
CN108691797B (zh) 一种散热风扇调速控制装置及方法
KR20160058017A (ko) 연료 전지 시스템 및 에어 컴프레서의 회전수 제어 방법
US20200072146A1 (en) Control device and control method
CN105629720A (zh) 宽域氧传感器温度控制方法
CN111090017A (zh) 一种预估变频器电容寿命的方法
CN113071373B (zh) 一种基于云端智能互联大数据的温度预测和装置
CN108321939B (zh) 动态无线电能传输系统及其预测控制方法
CN109412500A (zh) 一种eps电机过热保护方法及相关关系模型的建立方法
CN103557206B (zh) 液压系统中冷却风机的转速控制方法及装置
CN104779842A (zh) 马达控制装置及马达控制方法
CN111339623B (zh) 一种功率模块温度估算方法
WO2023184870A1 (zh) 动力电池的热管理方法、装置、电子设备和存储介质
CN113685258B (zh) 发动机电子水泵的控制方法及终端设备
KR20140045207A (ko) 경제형 배터리 센서를 이용한 ｉｓｇ 장치 및 방법
CN111078401B (zh) 一种周期任务温度感知能耗优化方法
CN115033988A (zh) 一种动力总成温度估算方法、装置、整车控制器及介质
CN117287288A (zh) 发动机冷却系统温度预测方法、装置、设备、介质和车辆
CN115221682B (zh) 车辆机油寿命的计算方法、装置、可读介质及电子设备

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