CN114301058A - 功率智能分配方法、系统和计算机设备 - Google Patents

功率智能分配方法、系统和计算机设备 Download PDF

Info

Publication number
CN114301058A
CN114301058A CN202111413172.8A CN202111413172A CN114301058A CN 114301058 A CN114301058 A CN 114301058A CN 202111413172 A CN202111413172 A CN 202111413172A CN 114301058 A CN114301058 A CN 114301058A
Authority
CN
China
Prior art keywords
power
power source
output
power consumption
module
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.)
Granted
Application number
CN202111413172.8A
Other languages
English (en)
Other versions
CN114301058B (zh
Inventor
马文超
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.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
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 Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202111413172.8A priority Critical patent/CN114301058B/zh
Publication of CN114301058A publication Critical patent/CN114301058A/zh
Application granted granted Critical
Publication of CN114301058B publication Critical patent/CN114301058B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Power Sources (AREA)

Abstract

本申请涉及一种功率智能分配方法、系统和计算机设备。所述方法包括：采集获取所述功率源的输出功率；基于所述功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。采用本方法能够在不增加开发成本、不增大系统尺寸、不改变原有系统结构布局的情况下，最大程度地提升功率的利用效率，确保系统运行的稳定性。

Description

功率智能分配方法、系统和计算机设备
技术领域
本申请涉及资源调度技术领域，特别是涉及一种功率智能分配方法、系统和计算机设备。
背景技术
随着人工智能技术的快速发展，人们需要对更多的图像图形进行处理运算，导致大功率图形处理器(全称：Graphic Processing Unit；简称：GPU)的应用越来越广泛。伴随着需求的提升，对图像图形的处理速度要求也越来越高，GPU服务器的性能越来越强，导致GPU服务器的功率在逐步提升，对电源供电器(全称：Power Supply Unit；简称：PSU)的功率与宫殿数值峰值处理(全称：electrical date peak processing；简称：EDPp)性能要求越来越高。
目前大功率AI服务器供电设计一般采用54V电源模块并联的模式，具体如图1所示：PSU0、PSU1、PSU2、PSU3为54V电源模块。其中关键GPU板、风扇、硬盘、内存主板等板卡与部件都是直接或间接通过54V电源模块供电。GPU服务器在进行图像处理运算的时候会运行EDPp，稳态时GPU板需要功率为4000W，而运行EDPp时峰值功率可达7500W，但是此事件的持续时间是极短的，仅有200us。
因此，现有的大功率GPU服务器的供电设计不仅要考虑系统所有部件稳态功率还要考虑GPU运行EDPp的峰值功率需求，如果PSU功率不够，很容易导致GPU在运行EDPp时宕机。为满足这一需求，导致需要开发更大功率的PSU或者牺牲PSU冗余来实现。但是，如果通过将原来的2+2冗余改为3+1冗余的方式达到牺牲PSU冗余的目的，则导致无法实现交流-直流(AC-DC)切换，不能保证电力系统异常时数据中心的稳定性，会降低产品的竞争力；如果开发更大功率的PSU，除了增加开发成本外，还会导致PSU的尺寸越来越大，不利于系统整体设计；并且因为受输入端子的影响，需要客户更换协议数据单元(全称：Protocol DataUnit；简称：PDU)，对已经布局好的数据中心很难操作。
因此，急需提出一种功率智能方法、系统和计算机设备。
发明内容
基于此，有必要针对上述技术问题，提供一种能够在不牺牲冗余和不开发更大功率的PSU的前提下，提升了功率调度的能力，提升了工作效率，减少了资源浪费的智能功率分配方法、系统和计算机设备。
一方面，提供一种功率智能分配方法，包括功率源和功率消耗模块，所述方法包括：采集获取所述功率源的输出功率；基于所述功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。
在其中一个实施例中，所述实现对输出功率的智能分配包括：所述功率源向任一所述功率消耗模块供给满足任一所述功率消耗模块工作需求的功率消耗量；若所述功率源的输出功率超过所述功率源的峰值功率，则按照所述功率消耗模块的优先级实现对所述输出功率的智能分配。
在其中一个实施例中，所述对所述输出功率的智能分配包括：确定造成所述功率源的输出功率超过所述功率源的峰值功率的功率消耗模块，定义所述功率消耗模块为第一功率消耗模块；获取优先级低于所述第一功率消耗模块的功率消耗模块；按照优先级从低到高的顺序，依次降低所述功率消耗模块的功率消耗量，直至所述功率源的输出功率不超过所述功率源的峰值功率。
在其中一个实施例中，所述采集获取所述功率源的输出功率包括：获取所述功率源的输出电流；基于所述功率源的输出电流，获取得到所述功率源的输出电压；基于所述功率源的输出电压和输出电流，确定所述功率源的输出功率。
在其中一个实施例中，所述功率源的输出电流和输出电压的计算公式为：
Viout＝R3/R1*Iout*RIout
Iout＝Viout*R1/R3/RIout
所述功率源的输出功率的计算公式为：
P＝Viout*Iout
其中：Viout表示功率源的输出电压；Iout表示功率源的输出电流；P表示功率源的输出功率；R1、R3和RIout均表示电阻阻值
在其中一个实施例中，所述功率消耗模块包括：GPU、中央处理器(全称：CentralProcessing Unit；简称：CPU)和风扇；优先级包括：模块优先级和事件优先级；其中，所述功率消耗模块的模块优先级从高到低依次为：GPU、CPU及风扇。
又一方面，提供一种功率智能分配系统，所述系统包括功率源与若干个功率消耗模块，还包括：信号采集单元，所述信号采集单元与所述功率源通信连接，以用于采集所述功率源的输出功率；功率分配单元，所述功率分配单元分别与所述信号采集单元和任一功率消耗单元通信连接，以用于根据所述功率源的输出功率，实现功率智能分配。
在其中一个实施例中，所述信号采集单元包括：一级差分电路，所述一级差分电路串联在所述功率源的功率输出端，以用于采集所述功率源的输出电流、并基于所述输出电流获取得到所述功率源的输出电压。
在其中一个实施例中，所述功率分配单元包括：计算模块：所述计算模块配置为计算需要补偿给第一功率消耗模块的功率消耗量；控制模块，所述控制模块配置为接收所述计算模块计算得到的所述功率消耗量、并将所述功率消耗量补充至第一功率消耗模块。
另一方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤A，采集获取所述功率源的输出功率；
步骤B，基于所述功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。
上述功率智能分配方法、系统和计算机设备，通过采集获取所述AI服务器供电架构中的功率源的输出功率；基于所述AI服务器供电架构中的功率消耗模块的优先级及所述功率源的输出功率，能够在不增加开发成本、不增大系统尺寸、不改变原有系统结构布局的情况下，最大程度地提升功率的利用效率，确保系统运行的稳定性，实现对所述输出功率的智能分配利用。
附图说明
图1为现有技术中AI服务器供电结构的结构示意图；
图2为一个实施例中功率智能分配方法的流程示意图；
图3为一个实施例中功率智能分配步骤的流程示意图；
图4为一个实施例中功率智能分配系统的结构框图；
图5为一个实施例中信号采集单元的电路示意图；
图6为一个实施例中功率智能分配系统的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种功率智能分配方法，应用于AI服务器供电架构中，包括功率源和功率消耗模块，如图2所示，包括以下步骤：
步骤S1，采集获取所述AI服务器供电架构中的功率源的输出功率；
步骤S2，基于所述AI服务器供电架构中的功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。
在一个实施例中，通过在功率源即由多个Psu并联构成的功率源的功率输出端口设置一个采样电路，实时监测功率源的输出电流，然后基于采集得到的功率源的输出电流计算得到功率源的输出电压，基于输出电压和输出电流计算得到功率源的输出功率。需要理解的是，因为功率消耗模块的输出电流值与功率消耗模块的输出功率值之间呈正相关的关系，因为当功率消耗模块的输出电流值最大的时候即为功率消耗模块的输出功率的输出功率的峰值。因此，在实际应用场景中，本领域的技术人员可以通过直接监测功率源的输出电流确保功率的智能分配，也可以通过监测功率源的输出功率确保功率在多个功率消耗模块之间可以智能分配。
在一个具体地实施例中，基于获取得到的功率源的输出电流，将实时采集到的功率源的输出电流与功率源的输出电流峰值进行比较。当功率源的输出电流超出功率源的输出电流峰值时，则按照功率消耗模块的优先级实现对输出功率的智能分配。需要理解的是，当功率源的输出电流超出功率源的输出电流峰值时，即表示整个AI服务架构中某一个或者某几个功率消耗模块在短时间内的功率消耗量过大，超出了功率源的功率供给能力。比如：当GPU在运行EDPp时，会造成GPU的瞬时功率消耗量增大，但是因为持续时间很短，在短时间内通过降低其他功率消耗模块的功率消耗量的方式来确保GPU顺利运行EDPp的方案是可行的。
在一个实施例中，只有在GPU运行EDPp时，功率源的实时输出电流才会超过功率源的输出电流峰值。即当实时监测获取得到的功率源的实时输出电流超过其输出电流峰值时，就表示GPU运行了EDPp，此时就需要通过降低其他功率消耗模块的功率，实现对GPU的功率消耗量补给。
在一个实施例中，功率消耗模块包括GPU、CPU和风扇；并按照优先级的高低对上述功率消耗模块进行优先级排序，其中，优先级可以包括但是不限于模块优先级和事件优先级。其中，模块优先级是指将功率消耗模块本身按照优先级进行排序。即不论上述功率消耗模块处理怎样的事件，只要功率源提供给高级别的功率消耗模块的功率消耗能量无法满足其工作需求，即可通过降低比其优先级更低的功率消耗模块的功率消耗量供给，实现对高级别的功率消耗模块的功率消耗量补给。事件优先级是指将各功率消耗模块所处理的事件进行优先级排序。即表示只有当功率消耗模块处理特定事件的时候，该功率消耗模块的优先级才高于其他功率消耗模块。也就是说，当功率消耗模块在处理特定事件时功率消耗量过大，则会通过降低其他功率消耗模块的功率消耗量的方式，实现对该功率消耗模块的功率消耗量补给。需要理解是，上述模块优先级和事件优先级的具体要求不作限定，本领域的技术人员可以根据工程的实际需要进行合理选择。
在一个具体地实施例中，当GPU运行EDPp时，此时功率消耗模块的优先级从高至低依次为：GPU、CPU和风扇。即当GPU运行EDPp时，会造成功率源的输出电流的瞬间增高超出其输出电流峰值，此时首先调整风扇转速；如果对风扇转速进行调整之后，功率源的输出电流仍高于其输出电流峰值，则继续降低功率源给风扇的功率消耗量补给；如若此时功率源的输出电流仍高于其输出电流峰值，则继续降低功率源给CPU的功率消耗量补给；直至确保GPU顺利稳定运行EDPp，功率源的输出电流不超过其输出电流峰值即可。需要理解的是，在本实施例中，AI服务架构作为一个成熟的技术架构，在研发的过程中，本领域的技术人员会考虑到GPU运行EDPp的实际情况。即如果由于GPU运行EDPp而造成的功率源的输出电流增大时，只需要适当降低其他功率消耗元件的功率消耗量，即在AI服务架构内的各功率消耗元件之间进行功率智能分配即可。也就是说，在AI服务架构的研发过程中，本领域的技术人员会考虑到任一功率消耗模块处理某些事件时瞬间造成的功率源输出电流激增的问题，即在不增加功率源负载的情况下，通过功率消耗模块间的功率智能分配的方式确保系统正常运行。
在一个具体的实施例中，如图3所示，即为功率智能分配步骤的流程示意图。功率源向任一所述功率消耗模块供给满足任一所述功率消耗模块工作需求的功率消耗量；若功率源的输出功率超过功率源的峰值功率，则按照功率消耗模块的优先级实现对所述输出功率的智能分配。其中，功率消耗模块的优先级从高至低依次为：GPU、CPU和风扇。当GPU运行EDPp造成功率源的输出电流(Iout)的瞬间增高超出其输出电流峰值(Ipeak)时，首先调节风扇转速，CPLD控制风扇瞬间降低风扇转速(FAN降速)来实现系统降功耗，因为GPU运行EDPp的时间较短，短时间调控风扇转速既不会对系统性能造成影响，同时也不会严重影响系统散热；其次是调节CPU降频，如果降低风扇仍不能满足功率需求，则降低CPU工作频率，CPU降频后会使CPU功耗大大降低，在不影响GPU性能的前提下进一步降低系统功耗；最后是GPU降频，如果风扇降速与CPU降频都不能满足功率需求，则进行GPU降频，GPU降频会降低GPU性能，但能保证系统不宕机。需要理解地是:图3中所示的Iout即为GPU运行EDPp时功率源的输出电流值,图3中所示的Ipeak即为功率源的输出电流峰值；图3中所示的FAN降速即表示降低风扇转速。
上述功率智能分配方法中，通过采集获取所述AI服务器供电架构中的功率源的输出功率；基于所述AI服务器供电架构中的功率消耗模块的优先级及所述功率源的输出功率，在不增加成本和破坏已经布局好的数据中心的前提下，实现对所述输出功率的智能分配，提升了AI服务器供电结构的效率，减少了资源浪费。并且通过智能调度功率消耗模块的功率来实现GPU的EDPp性能，在不需要牺牲冗余与不开发更大功率的PSU的前提下，提升了产品竞争力，有效降低了成本。
实施例二
一种功率智能分配方法，包括功率源和功率消耗模块，所述方法包括：采集获取功率源的输出功率；基于所述功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。
在一个实施例中，所述实现对输出功率的智能分配包括：所述功率源向任一所述功率消耗模块供给满足任一所述功率消耗模块工作需求的功率消耗量；若所述功率源的输出功率超过所述功率源的峰值功率，则按照所述功率消耗模块的优先级实现对所述输出功率的智能分配。
在一个实施例中，所述对所述输出功率的智能分配包括：确定造成所述功率源的输出功率超过所述功率源的峰值功率的功率消耗模块，定义所述功率消耗模块为第一功率消耗模块；获取优先级低于所述第一功率消耗模块的功率消耗模块；按照优先级从低到高的顺序，依次降低所述功率消耗模块的功率消耗量，直至所述功率源的输出功率不超过所述功率源的峰值功率。
在一个实施例中，所述采集获取所述功率源的输出功率包括：获取所述功率源的输出电流；基于所述功率源的输出电流，获取得到所述功率源的输出电压；基于所述功率源的输出电压和输出电流，确定所述功率源的输出功率。
在一个实施例中，所述功率源的输出电流和输出电压的计算公式为：
Viout＝R3/R1*Iout*RIout
Iout＝Viout*R1/R3/RIout
所述功率源的输出功率的计算公式为：
P＝Viout*Iout
其中：Viout表示功率源的输出电压；Iout表示功率源的输出电流；P表示功率源的输出功率；R1、R3和RIout均表示电阻阻值
在一个实施例中，所述功率消耗模块包括：GPU、CPU和风扇；优先级包括：模块优先级和事件优先级；其中，所述功率消耗模块的模块优先级从高到低依次为：GPU、CPU及风扇。
应该理解的是，虽然图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例三
一种功率智能分配系统，如图4所示，可以内嵌于GPU服务器架构，所述系统包括功率源与若干个功率消耗模块，还包括：信号采集单元，所述信号采集单元与所述功率源通信连接，以用于采集所述功率源的输出功率；功率分配单元，所述功率分配单元分别与所述信号采集单元和任一功率消耗单元通信连接，以用于根据所述功率消耗模块的优先级及所述功率源的输出功率，实现输出功率的智能分配。
在一个实施例中，如图5所示，所述信号采集单元包括：一级差分电路，所述一级差分电路串联在所述功率源的功率输出端，以用于采集所述功率源的输出电流、并基于所述输出电流获取得到所述功率源的输出电压。
在一个实施例中，所述功率分配单元包括：计算模块：所述计算模块配置为计算GPU服务器中需要补偿给第一功率消耗模块的功率消耗量；控制模块，所述控制模块配置为接收所述计算模块计算得到的所述功率消耗量、并将所述功率消耗量补充至第一功率消耗模块。需要理解的是，本申请文件中所述的计算模块和功率消耗模块可以由CPLD控制器代替，以完成功率的智能分配。具体地，将上述功率智能分配系统应用于AI服务器供电结构的示意图如图6所示。
关于功率智能分配系统的具体限定可以参见上文中对于功率智能分配方法的限定，在此不再赘述。上述功率智能分配系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
实施例四
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
步骤A、采集获取所述功率源的输出功率；
步骤B、基于所述功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：实现对输出功率的智能分配；具体地，所述功率源向任一所述功率消耗模块供给满足任一所述功率消耗模块工作需求的功率消耗量；若所述功率源的输出功率超过所述功率源的峰值功率，则按照所述功率消耗模块的优先级实现对所述输出功率的智能分配。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对所述输出功率的智能分配；具体地，确定造成所述功率源的输出功率超过所述功率源的峰值功率的功率消耗模块，定义所述功率消耗模块为第一功率消耗模块；获取优先级低于所述第一功率消耗模块的功率消耗模块；按照优先级从低到高的顺序，依次降低所述功率消耗模块的功率消耗量，直至所述功率源的输出功率不超过所述功率源的峰值功率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集获取所述功率源的输出功率；具体地，获取所述功率源的输出电流；基于所述功率源的输出电流，获取得到所述功率源的输出电压；基于所述功率源的输出电压和输出电流，确定所述功率源的输出功率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：计算功率源的输出电流、输出电压和输出功率；具体地，功率源的输出电流和输出电压的计算公式为：
Viout＝R3/R1*Iout*RIout
Iout＝Viout*R1/R3/RIout
所述功率源的输出功率的计算公式为：
P＝Viout*Iout
其中：Viout表示功率源的输出电压；Iout表示功率源的输出电流；P表示功率源的输出功率；R1、R3和RIout均表示电阻阻值
在一个实施例中，处理器执行计算机程序时还实现以下步骤：实现对功率消耗模块的优先级排序；具体地，所述功率消耗模块包括：GPU、CPU和风扇；优先级包括：模块优先级和事件优先级；其中，所述功率消耗模块的模块优先级从高到低依次为：GPU、CPU及风扇。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种功率智能分配方法，包括功率源和功率消耗模块，其特征在于，所述方法包括：
采集获取所述功率源的输出功率；
基于所述功率消耗模块的优先级及所述功率源的输出功率，实现对所述输出功率的智能分配。
2.根据权利要求1所述的功率智能分配方法，其特征在于，所述实现对输出功率的智能分配包括：
所述功率源向任一所述功率消耗模块供给满足任一所述功率消耗模块工作需求的功率消耗量；
若所述功率源的输出功率超过所述功率源的峰值功率，则按照所述功率消耗模块的优先级实现对所述输出功率的智能分配。
3.根据权利要求2所述的功率智能分配方法，其特征在于，所述对所述输出功率的智能分配包括：
确定造成所述功率源的输出功率超过所述功率源的峰值功率的功率消耗模块，定义所述功率消耗模块为第一功率消耗模块；
获取优先级低于所述第一功率消耗模块的功率消耗模块；
按照优先级从低到高的顺序，依次降低所述功率消耗模块的功率消耗量，直至所述功率源的输出功率不超过所述功率源的峰值功率。
4.根据权利要求2所述的功率智能分配方法，其特征在于，所述采集获取所述功率源的输出功率包括：
获取所述功率源的输出电流；
基于所述功率源的输出电流，获取得到所述功率源的输出电压；
基于所述功率源的输出电压和输出电流，确定所述功率源的输出功率。
5.根据权利要求4所述的功率智能分配方法，其特征在于，所述功率源的输出电流和输出电压的计算公式为：
Viout＝R3/R1*Iout*RIout
Iout＝Viout*R1/R3/RIout
所述功率源的输出功率的计算公式为：
P＝Viout*Iout
其中：Viout表示功率源的输出电压；
Iout表示功率源的输出电流；
P表示功率源的输出功率；
R1、R3和RIout均表示电阻阻值。
6.根据权利要求1所述的功率智能分配方法，其特征在于，
所述功率消耗模块包括：图形处理器、中央处理器和风扇；
优先级包括：模块优先级和事件优先级；
其中，
所述功率消耗模块的模块优先级从高到低依次为：图形处理器、中央处理器及风扇。
7.一种功率智能分配系统，其特征在于，所述系统包括功率源与若干个功率消耗模块，还包括：
信号采集单元，所述信号采集单元与所述功率源通信连接，以用于采集所述功率源的输出功率；
功率分配单元，所述功率分配单元分别与所述信号采集单元和任一功率消耗单元通信连接，以用于根据所述功率源的输出功率，实现功率智能分配。
8.根据权利要求7所述的功率智能分配系统，其特征在于，所述信号采集单元包括：
一级差分电路，所述一级差分电路串联在所述功率源的功率输出端，以用于采集所述功率源的输出电流、并基于所述输出电流获取得到所述功率源的输出电压。
9.根据权利要求7所述的功率智能分配系统，其特征在于，所述功率分配单元包括：
计算模块：所述计算模块配置为计算需要补偿给第一功率消耗模块的功率消耗量；
控制模块，所述控制模块配置为接收所述计算模块计算得到的所述功率消耗量、并将所述功率消耗量补充至第一功率消耗模块。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
CN202111413172.8A 2021-11-25 2021-11-25 功率智能分配方法、系统和计算机设备 Active CN114301058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111413172.8A CN114301058B (zh) 2021-11-25 2021-11-25 功率智能分配方法、系统和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111413172.8A CN114301058B (zh) 2021-11-25 2021-11-25 功率智能分配方法、系统和计算机设备

Publications (2)

Publication Number Publication Date
CN114301058A true CN114301058A (zh) 2022-04-08
CN114301058B CN114301058B (zh) 2024-06-07

Family

ID=80965894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111413172.8A Active CN114301058B (zh) 2021-11-25 2021-11-25 功率智能分配方法、系统和计算机设备

Country Status (1)

Country Link
CN (1) CN114301058B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107111350A (zh) * 2014-12-21 2017-08-29 高通股份有限公司 用于便携式计算设备中的峰值动态功率管理的系统和方法
CN110568899A (zh) * 2019-07-24 2019-12-13 浙江大华技术股份有限公司 功率调整方法、装置、计算机设备和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107111350A (zh) * 2014-12-21 2017-08-29 高通股份有限公司 用于便携式计算设备中的峰值动态功率管理的系统和方法
CN110568899A (zh) * 2019-07-24 2019-12-13 浙江大华技术股份有限公司 功率调整方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN114301058B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
US8473768B2 (en) Power control apparatus and method for cluster system
CN111625080B (zh) 一种服务器节能方法、装置及电子设备和存储介质
CN102624546B (zh) 功耗封顶的控制方法、设备和系统
CN103023802B (zh) 一种面向web集群的低能耗调度系统和方法
Shi et al. Wind power integration through stochastic unit commitment with topology control recourse
CN113983543B (zh) 用于热力站循环泵控制的方法、装置、终端及存储介质
CN116702516B (zh) 一种电源预算分配方法及装置
CN110794949A (zh) 一种基于部件温度自动分配计算资源的降功耗方法和系统
CN111290560B (zh) 一种防止服务器过流掉电的方法及系统
CN114301058B (zh) 功率智能分配方法、系统和计算机设备
CN117713249A (zh) 具备灵活组网功能的微电网控制方法、装置和计算机设备
CN105159815A (zh) 高性能计算集群系统故障预测方法和装置
CN117332005A (zh) 一种智慧能源服务信息交互方法、系统及存储介质
CN112564094A (zh) 一种机房电力控制方法、装置及系统
CN115115133B (zh) 发电机的并机控制方法、装置及计算机程序产品
CN116743825A (zh) 服务器管理方法、装置、计算机设备和存储介质
CN104423528A (zh) 数据中心电源调配方法及系统
CN111969876A (zh) 一种高频逆变电源网络化控制方法及系统
CN112260328A (zh) 一种直流受端电网系统保护控制策略模拟方法及系统
Haverkort et al. Towards simple models for energy-performance trade-offs in data centers
CN112686548B (zh) 一种储能系统运行方法、装置、电子设备及存储介质
CN117972401B (zh) 电网全局拓扑的控制方法、装置、设备以及存储介质
CN117666750B (zh) 电源能耗的调整方法及装置
CN109391027B (zh) 数据中心供电系统节能控制方法及终端设备
CN115390609A (zh) 一种电压调整方法、装置、电子设备及可读存储介质

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