CN1696847A - 电子设备的电源管理方法 - Google Patents
电子设备的电源管理方法 Download PDFInfo
- Publication number
- CN1696847A CN1696847A CNA200510026730XA CN200510026730A CN1696847A CN 1696847 A CN1696847 A CN 1696847A CN A200510026730X A CNA200510026730X A CN A200510026730XA CN 200510026730 A CN200510026730 A CN 200510026730A CN 1696847 A CN1696847 A CN 1696847A
- Authority
- CN
- China
- Prior art keywords
- equipment
- user
- time
- fuzzy
- duty
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 230000006870 function Effects 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004134 energy conservation Methods 0.000 claims description 12
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 17
- 230000008859 change Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 239000000725 suspension Substances 0.000 description 5
- 206010027476 Metastases Diseases 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000009401 metastasis Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电子设备的电源管理方法,第一步使用智能技术动态贝叶斯网络的概率推理来预测用户的工作状态;第二步通过操作系统获得关于设备的电池电量百分比数值;第三步将所得到的用户使用设备的工作状态概率数值和计算机电池电量百分比数值输入到模糊控制器中,计算得出各用电设备的等待关闭时间;第四步累计用户持续未响应时间,当所持续的未响应时间超过了模糊控制器所求得的设备等待关闭时间时,则关闭该设备电源,实施设备节能。本发明将电源节能控制适应于用户的工作变化情况和设备的电池电量,能够在现代化的电子设备的电源管理中被广泛应用,尤其是针对便携式计算机的电池电源管理,应用本发明可以达到节能和提高电池使用性能的效果。
Description
技术领域
本发明涉及一种电子设备的电源管理方法,更具体的说是涉及一种用于节能的电子设备电源管理方法。
背景技术
电源节能管理是电子设备进行节能控制的一种有效手段。现有的电子设备电源管理仅依据用户设定各个用电设备等待关闭时间值来制定电源管理方案,以达到节能省电的目的。实际使用中,由用户根据电源模式预设选项进行设定,如用户在电源模式中选择便携式电脑、等待15分钟进入省电状态等等。现有的电子设备电源管理方法节能效果并不明显,存在如下的不足:一、现有的电源管理方法是凭用户设定各个用电设备等待关闭时间值来制定电源管理方案,而没有考虑用户使用设备的工作状态过程中的实际情况。二、电源管理方法机械、单一,不能适应用户变化着的工作状态。三、用户在使用过程中通常不会关心电源管理的运作,无法根据需要及时调整电源方案,使初始设定的多种电源管理模式不能发挥其作用,达不到节能的效果。四、若用户所设定的时间较长,那么在用户使用设备频率较低的情况下,设备空闲等待时间过长,造成无谓的电能浪费。五、若用户所设定的时间较短,当用户处于一个较高的设备使用频率中时,设备被频繁的重复启动,增加了电能的消耗,也容易引起设备的损坏。
发明内容
本发明所要解决的技术问题是提供一种新型的电子设备电源管理方法,采用智能技术中的动态贝叶斯网络概率推理技术和模糊控制技术,由系统结合用户当前的工作状态和当前设备的电池电量,预测并自动地根据用户所设定的时间范围调整设备的等待关闭时间,尽可能减少用户在不经意间所造成的电能浪费,从而达到节能,和电池条件下延长电子设备工作时间的目的。
本发明采用的技术方案:一种电子设备的电源管理方法,包括下列步骤:
第一步,运用动态贝叶斯网络概率推理技术推测用户使用设备的工作状态,总算式为:
所述P(Wt|r1:t)为所要计算的反映当前时刻用户使用设备的工作状态的概率数值、所述P(rt|Wt)为传感器数学计算模型、所述P(Wt|wt-1)为转移数学计算模型、所述P(wt-1|r1:t-1)为前一时刻的用户使用设备的工作状态概率数值、所述α为将转移数学计算模型、传感器数学计算模型和前一时刻的用户使用设备的工作状态概率数值计算所得的结果折算到0-1范围内的归一化常数、所述1:t表示从1到t的整数序列,包含1和t,S型曲线函数算式为:
S型曲线函数的变量为t、曲线下限为a、曲线上限为b、中心值为μ、误差为ρ,转移数学计算模型和传感器数学计算模型的数值在一定的范围内调节以拟合用户使用设备的工作状态;
第二步,调用电子设备操作系统底层函数,监测设备的电池电量百分比数值;
第三步,运用模糊控制将步骤一、二获得的用户使用设备的工作状态和设备的电池电量百分比数值相结合制定设备的等待关闭时间,所述模糊控制由模糊器数学计算模型,模糊推理机数学计算模型,模糊规则库和解模糊器数学计算模型四部分所构成:所述模糊器数学计算模型采用四边形模糊器来构造隶属度函数μ(x)来计算两个语言变量,即用户使用设备的工作状态的概率数值和设备的电池电量百分比数值的模糊值,所述模糊推理机数学计算模型中模糊推理机使用乘积推理机作为计算方式,首先建立所述模糊规则库,其规则形式为:If S=s1 and B=b1 Then W=wl,If部分称为规则的前件,Then部分称为后件,S,B,W都是模糊量,模糊规则库中的规则数量取决于所述两个语言变量所分别对应的语言值数量的乘积,然后将用户使用设备的工作状态的概率数值和设备的电池电量百分比数值的模糊值依据构造的模糊规则库对应求出相应的关于设备等待关闭时间的模糊值,所述解模糊器计算模型采用中心平均解模糊的计算方法在所构造的论域范围内将多个模糊值加权平均,求出其唯一的一个设备等待关闭时间值,加权平均算式为:
加权平均算式中,yl为第L个模糊集的中心值,wl为设备等待关闭时间值所对应的一个模糊值;
第四步,电源管理的执行:每经过一个转移时间间隔所设定的时间,就重复第一步和第二步并根据用户使用设备的工作状态刷新前一时刻所保存的各个设备等待关闭时间数据,将当前时刻计算所得的数据作为新的判断标准,与此同时统计用户最后一次响应设备至今的时间,即未响应时间,当未响应时间超过了系统所求得的设备等待关闭时间时,则启动对于该设备的节能管理,通过电路关闭该设备的电源实施节能,直至用户再次响应电子设备,通过电路打开设备电源,恢复到用户使用设备的工作状态。
本发明的有益效果:本发明运用智能技术中的动态贝叶斯网络的概率推理技术和模糊控制技术结合用户当前对于设备的工作状态和当前设备的电池电量,预测并自动地调整各设备的等待关闭时间。本发明参考当前电量情况,当设备处于持续使用状态时,适时地延长设备的等待时间;当用户工作频率较低时就自动缩短挂起时间。这样,即消除了在使用频率较低时设备等待关闭时间过长而造成浪费电能的现象,节约了设备电能,又解决了在过短的时间设定情况下,可能导致设备被多次启动的问题,提高了设备的使用寿命。本发明能够在现代化的电子设备的电源管理中被广泛应用,尤其是针对便携式计算机的电池电源管理应用本发明可以大大提高设备的节能程度和使用性能。具体的说,在高工作状态和高电量下,本发明始终将电源方案设置在一个较高的等待挂起时间内,偶尔的空闲间隔并不会影响系统判断用户仍在工作,不会出现高频率地关闭和开启用电设备的现象,达到了较好的使用性能;在高工作状态和较低的电量水平下,相比前一种情况,本发明所配置的等待挂起时间就较为适中,这是因为电池电量的因素成为了本发明评价的一个重要指标,以尽可能地将时间缩短,从而节约电能。与此相对应的是,在较低工作状态和高电量下,本发明在多数时间将电源方案配置在一个中等偏下的时间范围内,即等待挂起时间较短,这样,就做到了在空闲状态下避免不必要的电能浪费,起到电源管理的功效;和第二种情况相似,当本发明探测到低工作状态和低电量时,系统自然而然的会将设备等待挂起时间缩短到最短,使电能的浪费程度降低到最低,以延长电池的使用时间。可以看出,通过本发明的电子设备电源自动管理,将电源节能控制适应于用户的工作变化情况和设备的电池电量,兼顾了设备节能和使用性能。
附图说明
图1是转移数学计算模型数值变化范围所对应的S型函数曲线图;
图2是传感器数学计算模型数值变化范围所对应的S型函数曲线图;
图3是所述模糊器中用户使用设备的工作状态概率数值所对应的各语言值范围折线图(隶属度函数图);
图4是所述模糊器中电池电量百分比数值所对应的各语言值范围折线图(隶属度函数图);
图5是所述解模糊器中设备等待关闭时间(短)所对应的各语言值范围折线图(隶属度函数图);
图6是所述解模糊器中设备等待关闭时间(较短)所对应的各语言值范围折线图(隶属度函数图);
图7是所述解模糊器中设备等待关闭时间(一般)所对应的各语言值范围折线图(隶属度函数图);
图8是所述解模糊器中设备等待关闭时间(较长)所对应的各语言值范围折线图(隶属度函数图);
图9是所述解模糊器中设备等待关闭时间(长)所对应的各语言值范围折线图(隶属度函数图);
图10是本发明流程图;
图11是动态贝叶斯网络概率推理结构图;
图12模糊控制过程图。
图13是基于本发明的电源管理软件的工作界面图一;
图14是基于本发明的电源管理软件的工作界面图二。
具体实施方式
下面通过附图对本发明进一步详细描述:
第一步,运用动态贝叶斯网络的概率推理技术来推测用户使用设备的工作状态。
(1)用户使用状态的推测方法
动态贝叶斯网络的概率推理就是利用用户在过去一阶段的活动情况(即用户对于电子设备的响应),动态地预测用户当前处于工作状态的可能性程度,并用概率数值表示,由转移数学计算模型,传感器数学计算模型和转移时间间隔值组成整个计算过程。
计算公式:
(式1)中P(Wt|r1:t)为所要计算的反映当前时刻用户使用设备的工作状态的概率数值;P(rt|Wt)为传感器数学计算模型;P(Wt|wt-1)为转移数学计算模型;P(wt-1|r1:t-1)为前一时刻的用户使用设备的工作状态概率数值。α为归一化常数,即将转移数学计算模型、传感器数学计算模型和前一时刻的用户使用设备的工作状态概率数值计算所得的结果折算到0-1范围内的概率数值;1:t表示从1到t的整数序列,包含1和t,即从第一次计算至今的所有数列。(式1)为转移数学计算模型,传感器数学计算模型和前一时刻计算结果的条件概率分布所共同组成的一个递归计算过程,系统每间隔相同的转移时间间隔计算一次用户的使用状态,并将这个计算结果作为下一次计算的一个计算因子,这样就能利用(式1)形成一个实时的、检测并计算用户使用状态的概率推理过程。
(2)转移数学计算模型、传感器数学计算模型、转移时间间隔值的确定。
(式1)中的转移数学计算模型和传感器数学计算模型是两个关键的数据项,会直接影响着最终的推理结果。因此,根据模型所在环境的实际情况来构造这两个模型,将有助于概率推理更符合实际情况,达到能反映真实使用状态的预测效果。在本发明中,采用了一种S型曲线数学模型,根据计算的要求经过变形来构造一个关于时间t的S型函数曲线作为一个软阀值,见(式2),使得转移数学计算模型和传感器数学计算模型的数值能在一定的范围内调节,以拟合用户在使用设备时的情况。
S型函数:变量t;曲线下限a;曲线上限b;中心值μ;误差ρ
1).转移数学计算模型:
转移数学计算模型是描述用户使用设备的工作状态如何随时间演化的规律,即用户在前一个状态是否工作的情况下,当前状态存在工作的可能性。如果前一状态用户响应了设备,那么当前时刻用户会继续响应以表明在工作的可能性就比较高,反之亦然。随着工作时间的演化,系统会逐步认为用户在较长时间使用的情况下,再继续维持这个状态的可能性会有所降低,即较高的概率数值会有所降低。相反,在较长时间不使用的情况下,以后使用设备的概率会渐渐地提高,即较低的概率数值会有所提高,见表1。
表1.转移数学计算模型数值变化表
Wt-1 | P(Wt=t) | P(Wt=f) |
t | 0.9-0.7 | 0.1-0.3 |
f | 0.1-0.3 | 0.9-0.7 |
整个过程可以用一个S型曲线表示数值变化的情况,见图1。每次执行关闭设备电源后,转移模型数值将被恢复,以表明用户这一阶段工作的结束,进入了一个休息的时间段。有了这样一个关于使用总时间的函数因子的作用下,对于预测用户的使用状态会较为精确。
2)传感器数学计算模型:
传感器数学计算模型是描述用户响应设备的情况如何受到用户使用设备的工作状态的影响,即用户对于设备的响应可以视为用户使用设备的工作状态的一种表现。当系统检测到用户持续的一种响应状态(用户一直在响应设备或用户一直没有响应设备)变为另一种状态时,系统对于该变化所获得的传感器模型数值的置信度是较低的,随着这个状态的延续,即相同的状态持续几次出现,则系统会逐步提升这种信度,认为传感器模型所得到的值是较正确的,所以相应的概率也会渐渐提升,见表2。
表2.传感器数学计算模型数值变化
Wt | P(Rt=t) | P(Rt=f) |
t | 0.6-0.9 | 0.4-0.1 |
f | 0.4-0.1 | 0.6-0.9 |
整个过程也用一个S型曲线表示数值变化情况,见图2。这样做可以更好的符合用户真实的使用情况,排除一些偶然的因素所带来的干扰,提高对于用户使用设备的工作状态预测的准确率。
3)转移时间间隔值
转移时间间隔值是表示系统每两次对于用户使用设备的工作状态进行判断之间的时间间隔,由于各电子设备使用特性的不同,所取值也可以不同,一般在一个较短的时间内。
第二步,调用电子设备操作系统底层函数,监测设备的电池电量百分比数值;
第三步,运用模糊控制技术将用户使用设备的工作状态和设备电池电量信息结合,制定出设备的等待关闭时间。模糊控制是一种基于规则的控制系统,用于处理用户使用状态、设备电池电量与设备等待关闭时间之间非线性的关系。模糊控制由模糊器数学计算模型,模糊推理机数学计算模型,模糊规则库和解模糊器数学计算模型四部分所构成。由于系统是结合用户使用状态和设备电池电量来计算决定设备的等待关闭时间值,所以对于用户使用状态的概率数值和设备电池电量的百分比都需要进行模糊计算才能得出相应的设备等待关闭时间。
1)模糊器的计算:
模糊器系统采用四边形模糊器来构造隶属度函数μ(x),其优点是四边形模糊器能够克服输入变量中包含的噪声,同时也能简化计算过程,见图3、图4,用户使用状态概率数值所对应的模糊语言变量,共有7个语言值,由这7个语言值构成一组四边形隶属度函数,模糊语言变量和语言值的数值范围,称为论域。同样,电池电量百分比数值也对应着5个语言值。模糊器的整个计算过程就是将用户使用状态的概率数值和设备的电池电量百分比数值,分别对应于所构造的语言变量中各个语言值的隶属程度,即根据输入变量的隶属度函数,求出精确的输入值对应于输入变量各语言值的隶属度,则整个模糊计算中模糊化的过程也就完成了,两个语言变量(用户使用状态的概率数值和设备的电池电量百分比数值)的模糊值被模糊器求出。
2)模糊推理机的计算:
首先要根据实际情况,凭借专家的经验和知识建立起模糊规则库。它是模糊计算的核心,其一条规则的形式为:If S=s1 and B=b1 Then W=w1其中If部分称为规则的前件,Then部分称为后件,S,B,W都是模糊量。规则库中的规则数量取决于各输入变量所含语言值的数量,即用户使用状态概率数值和设备电池电量百分比数值所分别对应的语言变量中语言值数量的乘积,见表3。
表3.模糊规则库
等待时间Waiting Time | 使用状态Using State | ||||||
电池电量Battery Level | 很低 | 低 | 稍低 | 中等 | 稍高 | 高 | 很高 |
非常低 | 极短 | 极短 | 短 | 短 | 略短 | 略短 | 适中 |
低 | 极短 | 短 | 短 | 略短 | 略短 | 适中 | 适中 |
一般 | 极短 | 短 | 略短 | 略短 | 适中 | 适中 | 略长 |
高 | 极短 | 短 | 略短 | 适中 | 适中 | 略长 | 长 |
非常高 | 极短 | 短 | 略短 | 适中 | 略长 | 长 | 极长 |
然后,将前一步所求得的用户使用状态的概率数值和设备的电池电量百分比数值的模糊值,依据构造的模糊规则库对应求出相应的关于设备等待关闭时间的模糊值。模糊推理机使用乘积推理机作为计算方式,即分别将每条规则的两个前件部分的模糊值相乘,所得的数值作为规则库中各条规则的强度,再将具有相同后件的规则取其强度的最大值作为该种后件的模糊值。这样,根据有效规则中后件数的不同,即输出语言变量的语言值的不同,模糊推理机将输出关于设备等待关闭时间的多个模糊值,完成通过模糊规则库来反映的用户使用设备的工作状态概率数值与设备电池电量数值和设备等待关闭时间的对应关系。
3)解模糊器的计算:
解模糊计算采用中心平均解模糊的计算方法。由于在模糊推理机中所获得的关于设备等待关闭时间的模糊输出值有多个模糊值,因此需利用中心平均解模糊,在所构造的论域范围内将多个模糊值加权平均,求出其唯一的一个设备等待关闭时间值,见图5、图6、图7、图8、图9,设备等待关闭时间所对应的各语言值范围(隶属度函数),共5种设备等待关闭时间范围,短、较短、一般、较长、长。
加权平均公式为:
(式3)中,yl为第L个模糊集的中心值,wl为设备等待关闭时间值所对应的一个模糊值。通过解模糊器计算求出根据用户使用状态的概率数值和设备的电池电量百分比数值所对应设备等待关闭时间值之后,整个模糊计算过程也就完成,即电子设备的电源管理方案就能被自动地制定出来。
第四步,电源管理的执行:系统每经过一个转移时间间隔所设定的时间,就重复第一、第二、第三步的预测用户使用设备的工作状态和在所设定的等待关闭时间范围内制定设备等待关闭时间的过程,根据用户的响应情况刷新前一时刻所保存的各个设备等待关闭时间数据,将当前时刻计算所得的数据作为新的判断标准。当用户在转移时间间隔所设定的时间内响应了设备,系统中所保存的设备等待关闭时间就会被不断更新,以符合用户当前状态所对应的电源管理方案。若用户在该时间内没有响应设备,则系统中所保存的设备等待关闭时间就不会被替换,现有的数据即为用户最后一次响应时的状态所对应的电源管理方案,是用于判断用户持续未响应时间是否超过设备等待关闭时间的依据。与此同时,系统统计用户最后一次响应设备至今的时间,即未响应时间。当所持续的未响应时间超过了系统所求得的设备等待关闭时间时,则启动对于该设备的节能管理,通过电路关闭该设备的电源,实施节能。直至用户再次响应电子设备,唤醒设备,通过电路打开设备电源,恢复工作状态。
实施例:
本发明已经能够应用于移动计算机和台式计算机的电源管理软件中。由于采用了动态贝叶斯网络概率推理技术和模糊控制技术,使得电源管理原本较单一和机械的管理模式变为了较智能化和人性化的灵活管理方式,尤其突出的是其节能程度和使用性能都比传统的电源管理要有所提高,使得如今在移动电子设备较高电池电量需求的形势中,通过电源管理的手段,在不失设备的使用性能情况下,将电源节能控制适应于用户的工作变化情况和设备的电池电量,尽可能减少用户在不经意间所造成的电能浪费,从而提高电池的供电效率,延长设备的工作时间。针对移动计算机和台式计算机的使用特定,应用本发明制作出智能化电源管理软件,通过电源管理软件来进行计算机设备的节能控制。启动电源管理软件,在转移时间间隔内(本实例设定的时间值为1分钟)由软件获得用户是否有响应设备的信息,即为用户移动鼠标或敲击键盘等输入设备,然后由软件根据传感器数学计算模型选择一个能够表示这种响应情况的计算数值作为整个预测的一个计算因子,即根据用户一种设备响应所持续的时间,利用S型曲线函数所求出对应的概率数值,见表2、图2。同时,随着用户使用设备时间的增加,软件在转移数学计算模型中也选择一个能够表示当前用户使用情况变化的数值作为整个预测的另一个计算因子,即根据用户使用设备的工作状态所持续的时间,利用S型曲线函数所求出对应的概率数值,见表1、图1。最后,软件将所确定的转移模型数值和传感器模型数值同前一时刻的概率推理值相乘,得出当前时刻用于量化预测用户使用设备的工作状态这一状态的概率值,见图11,图11是动态贝叶斯网络概率推理结构图,1.用户使用设备的工作状态随着时间的演化而变化的过程。2.转移数学计算模型,描述用户使用设备的工作状态如何随时间演化的规律。3.用户对于输入设备的响应情况。4.传感器数学计算模型,描述用户响应设备的情况如何受用户工作情况的影响。当软件通过动态贝叶斯网络的概率推理获得了当前时刻用户使用设备的工作状态的概率值之后,由软件监测移动计算机当前的电池电量,并获得相应的电池电量百分比数值。将用户使用设备的工作状态的概率值与计算机电池电量百分比数值输入到模糊计算模型中去,作为两个精确的输入量,经过模糊器计算模型(所设定的隶属度函数见图3、图4),模糊推理机计算模型(所设定的模糊规则库见表3)和解模糊器计算模型(所设定的隶属度函数和5种设备等待关闭时间范围见图5、图6、图7、图8、图9),最终得出计算机某一设备的等待关闭时间值,如显示器、硬盘等。为了提高软件的适用性,增强用户的选择余地,软件针对各种用电设备预设5种不同的设备等待关闭时间范围可供用户选择,即软件在计算过程中根据用户所选择的设备等待关闭时间范围,将模糊推理机所求出的模糊值输入到解模糊器数学计算模型,求得用户所选范围内的设备等待关闭时间,并将所得数据保存,见图12。图12是模糊控制过程图,1.由动态贝叶斯网络概率推理和侦测设备电池电量所获得的关于用户使用设备的工作状态概率数值和设备电池电量数值。2.模糊器,将所输入的精确量通过四边形函数模糊化,输出相应的模糊值作为推理机计算的数据。3.模糊推理机,采用乘积推理机计算模糊规则。4.模糊规则库,反映用户使用设备的工作状态概率数值与设备电池电量数值所相对应的设备等待关闭时间。5.解模糊器,根据四边形函数解模糊,求解出设备等待关闭时间。6.依据用户所设定的等待关闭时间范围,确定各设备的等待关闭时间,配置电源管理方案。软件统计用户最后一次响应设备至今的时间,即未响应时间。当所持续的未响应时间超过了模糊控制计算模型所求得的设备等待关闭时间时,则软件启动对于该设备的节能管理,通过电路关闭该设备的电源,实施节能。直至用户再次响应电子设备,唤醒设备,软件通过电路打开设备电源,恢复工作状态,见图10。图10是基于智能技术的电源管理软件结构图,1.使用智能技术中动态贝叶斯网络的概率推理来预测用户的工作状态。2.通过操作系统来获得关于计算机的电池电量信息。3.将所得到的用户使用设备的工作状态概率数值和计算机电池电量数值输入到模糊控制器中,经过计算得出各用电设备的等待关闭时间。4.由软件累计用户持续未响应时间,当所持续的未响应时间超过了模糊控制器所求得的设备等待关闭时间时,则软件关闭该设备电源,实施设备节能。本发明作为一个通用的电源管理方法,对系统硬件的要求较低。由于只依赖于获知用户对于设备的响应信息和设备的电池电量,即能实现动态的状态预测和电源管理,因此只需对模型中的几个关键项参数,转移时间间隔、传感器模型、转移模型、模糊量和模糊规则库,作适当修改便能应用在如掌上电脑、智能手机等其它移动电子设备中,实现该项电源管理技术的推广与应用,具有较高的商用开发利用价值。图13是基于本发明的电源管理软件的工作界面图一,图14是基于本发明的电源管理软件的工作界面图二。
以上所述内容仅为本发明构思下的基本说明,而依据本发明的技术方案所作的任何等效变换,均应属于本发明的保护范围。
Claims (1)
1.一种电子设备的电源管理方法,包括下列步骤:
第一步,运用动态贝叶斯网络概率推理技术推测用户使用设备的工作状态,总算式为:
所述P(Wt|r1:t)为所要计算的反映当前时刻用户使用设备的工作状态的概率数值、所述P(rt|Wt)为传感器数学计算模型、所述P(Wt|Wt-1)为转移数学计算模型、所述P(wt-1|r1:t-1)为前一时刻的用户使用设备的工作状态概率数值、所述α为将转移数学计算模型、传感器数学计算模型和前一时刻的用户使用设备的工作状态概率数值计算所得的结果折算到0-1范围内的归一化常数、所述1:t表示从1到t的整数序列,包含1和t,S型曲线函数算式为:
S型曲线函数的变量为t、曲线下限为a、曲线上限为b、中心值为μ、误差为ρ,转移数学计算模型和传感器数学计算模型的数值在一定的范围内调节以拟合用户使用设备的工作状态;
第二步,调用电子设备操作系统底层函数,监测设备的电池电量百分比数值;
第三步,运用模糊控制将步骤一、二获得的用户使用设备的工作状态和设备的电池电量百分比数值相结合制定设备的等待关闭时间,所述模糊控制由模糊器数学计算模型,模糊推理机数学计算模型,模糊规则库和解模糊器数学计算模型四部分所构成:所述模糊器数学计算模型采用四边形模糊器来构造隶属度函数μ(x)来计算两个语言变量,即用户使用设备的工作状态的概率数值和设备的电池电量百分比数值的模糊值,所述模糊推理机数学计算模型中模糊推理机使用乘积推理机作为计算方式,首先建立所述模糊规则库,其规则形式为:If S=s1 and B=b1 Then W=w1,If部分称为规则的前件,Then部分称为后件,S,B,W都是模糊量,模糊规则库中的规则数量取决于所述两个语言变量所分别对应的语言值数量的乘积,然后将用户使用设备的工作状态的概率数值和设备的电池电量百分比数值的模糊值依据构造的模糊规则库对应求出相应的关于设备等待关闭时间的模糊值,所述解模糊器计算模型采用中心平均解模糊的计算方法在所构造的论域范围内将多个模糊值加权平均,求出其唯一的一个设备等待关闭时间值,加权平均算式为:
加权平均算式中,yl为第L个模糊集的中心值,wl为设备等待关闭时间值所对应的一个模糊值;
第四步,电源管理的执行:每经过一个转移时间间隔所设定的时间,就重复第一步和第二步并根据用户使用设备的工作状态刷新前一时刻所保存的各个设备等待关闭时间数据,将当前时刻计算所得的数据作为新的判断标准,与此同时统计用户最后一次响应设备至今的时间,即未响应时间,当未响应时间超过了系统所求得的设备等待关闭时间时,则启动对于该设备的节能管理,通过电路关闭该设备的电源实施节能,直至用户再次响应电子设备,通过电路打开设备电源,恢复到用户使用设备的工作状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200510026730XA CN100492224C (zh) | 2005-06-14 | 2005-06-14 | 电子设备的电源管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200510026730XA CN100492224C (zh) | 2005-06-14 | 2005-06-14 | 电子设备的电源管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1696847A true CN1696847A (zh) | 2005-11-16 |
CN100492224C CN100492224C (zh) | 2009-05-27 |
Family
ID=35349602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200510026730XA Expired - Fee Related CN100492224C (zh) | 2005-06-14 | 2005-06-14 | 电子设备的电源管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100492224C (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128427A1 (fr) * | 2007-04-20 | 2008-10-30 | Hangzhou Gold Electronic Equipment Co., Ltd | Procédé pour analyser les performances d'une batterie d'accumulateurs au plomb-acide de type commande de soupape |
US7962441B2 (en) | 2006-09-22 | 2011-06-14 | Denso Corporation | Air conditioner for vehicle and controlling method thereof |
CN101495936B (zh) * | 2006-07-31 | 2011-08-10 | 摩托罗拉解决方案公司 | 用于在多个独立供电设备之间管理电源寿命的系统和方法 |
WO2012000186A1 (en) * | 2010-06-30 | 2012-01-05 | Nokia Corporation | Methods and apparatuses for controlling invocation of a sensor |
CN101552453B (zh) * | 2008-03-31 | 2012-01-11 | 华硕电脑股份有限公司 | 可携式电子装置及其智能型电池的保护电路与方法 |
CN102662325A (zh) * | 2012-05-04 | 2012-09-12 | 重庆邮电大学 | 一种改进自适应学习树电源管理方法 |
WO2014090202A1 (zh) * | 2012-12-14 | 2014-06-19 | 华为终端有限公司 | 一种功率控制的方法、装置及终端 |
CN104503565A (zh) * | 2015-01-04 | 2015-04-08 | 华为技术有限公司 | 移动设备的功耗管理方法、装置及移动设备 |
CN107145215A (zh) * | 2017-05-06 | 2017-09-08 | 维沃移动通信有限公司 | 一种后台应用程序清理方法及移动终端 |
CN109657907A (zh) * | 2018-11-13 | 2019-04-19 | 香港理工大学深圳研究院 | 地理国情监测数据的质量控制方法、装置和终端设备 |
CN110286333A (zh) * | 2019-06-18 | 2019-09-27 | 哈尔滨理工大学 | 一种锂动力电池系统故障诊断方法 |
US10853531B2 (en) | 2011-11-02 | 2020-12-01 | Nokia Technologies Oy | Method and apparatus for context sensing inference |
CN112506334A (zh) * | 2020-11-06 | 2021-03-16 | 霸州嘉明扬科技有限公司 | 具有自主学习功能的系统功耗优化的轻量级系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4225025B2 (ja) * | 2002-09-30 | 2009-02-18 | 株式会社デンソー | 車両統合制御システム |
CN1641963A (zh) * | 2004-01-09 | 2005-07-20 | 顺德市顺达电脑厂有限公司 | 电源供应器的电源管理及控制方法及装置 |
CN100346267C (zh) * | 2004-03-22 | 2007-10-31 | 联想(北京)有限公司 | 一种电子设备的电源管理系统及方法 |
-
2005
- 2005-06-14 CN CNB200510026730XA patent/CN100492224C/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101495936B (zh) * | 2006-07-31 | 2011-08-10 | 摩托罗拉解决方案公司 | 用于在多个独立供电设备之间管理电源寿命的系统和方法 |
US7962441B2 (en) | 2006-09-22 | 2011-06-14 | Denso Corporation | Air conditioner for vehicle and controlling method thereof |
WO2008128427A1 (fr) * | 2007-04-20 | 2008-10-30 | Hangzhou Gold Electronic Equipment Co., Ltd | Procédé pour analyser les performances d'une batterie d'accumulateurs au plomb-acide de type commande de soupape |
US8340934B2 (en) | 2007-04-20 | 2012-12-25 | Hangzhou Gold Electronic Equipment Co., Ltd. | Method of performance analysis for VRLA battery |
CN101552453B (zh) * | 2008-03-31 | 2012-01-11 | 华硕电脑股份有限公司 | 可携式电子装置及其智能型电池的保护电路与方法 |
WO2012000186A1 (en) * | 2010-06-30 | 2012-01-05 | Nokia Corporation | Methods and apparatuses for controlling invocation of a sensor |
US10853531B2 (en) | 2011-11-02 | 2020-12-01 | Nokia Technologies Oy | Method and apparatus for context sensing inference |
CN102662325B (zh) * | 2012-05-04 | 2014-10-15 | 重庆邮电大学 | 一种改进自适应学习树电源管理方法 |
CN102662325A (zh) * | 2012-05-04 | 2012-09-12 | 重庆邮电大学 | 一种改进自适应学习树电源管理方法 |
WO2014090202A1 (zh) * | 2012-12-14 | 2014-06-19 | 华为终端有限公司 | 一种功率控制的方法、装置及终端 |
CN104503565A (zh) * | 2015-01-04 | 2015-04-08 | 华为技术有限公司 | 移动设备的功耗管理方法、装置及移动设备 |
CN104503565B (zh) * | 2015-01-04 | 2017-12-22 | 华为技术有限公司 | 移动设备的功耗管理方法、装置及移动设备 |
CN107145215A (zh) * | 2017-05-06 | 2017-09-08 | 维沃移动通信有限公司 | 一种后台应用程序清理方法及移动终端 |
CN107145215B (zh) * | 2017-05-06 | 2019-09-27 | 维沃移动通信有限公司 | 一种后台应用程序清理方法及移动终端 |
CN109657907A (zh) * | 2018-11-13 | 2019-04-19 | 香港理工大学深圳研究院 | 地理国情监测数据的质量控制方法、装置和终端设备 |
CN110286333A (zh) * | 2019-06-18 | 2019-09-27 | 哈尔滨理工大学 | 一种锂动力电池系统故障诊断方法 |
CN110286333B (zh) * | 2019-06-18 | 2021-09-24 | 哈尔滨理工大学 | 一种锂动力电池系统故障诊断方法 |
CN112506334A (zh) * | 2020-11-06 | 2021-03-16 | 霸州嘉明扬科技有限公司 | 具有自主学习功能的系统功耗优化的轻量级系统及方法 |
CN112506334B (zh) * | 2020-11-06 | 2023-08-01 | 霸州嘉明扬科技有限公司 | 具有自主学习功能的系统功耗优化的轻量级系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100492224C (zh) | 2009-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1696847A (zh) | 电子设备的电源管理方法 | |
WO2021196552A1 (zh) | 一种基于互馈关系解析的梯级水库风险评估方法及系统 | |
CN110930016A (zh) | 一种基于深度q学习的梯级水库随机优化调度方法 | |
US9239994B2 (en) | Data centers task mapping | |
CN110852655B (zh) | 带有太阳能供电系统的家庭用电负荷分解系统与分解方法 | |
CN101216725B (zh) | 利用堆栈深度进行多线程预测的动态功耗控制方法 | |
You et al. | Zeus: Understanding and optimizing {GPU} energy consumption of {DNN} training | |
MX2008011653A (es) | Manejo de energia adaptable. | |
Xu et al. | Comparison between dynamic programming and genetic algorithm for hydro unit economic load dispatch | |
CN102622273A (zh) | 基于自学习负载预测的集群按需启动方法 | |
CN116974768A (zh) | 一种基于深度学习的算力调度方法 | |
CN110830560A (zh) | 一种基于强化学习的多用户移动边缘计算迁移方法 | |
CN113991151A (zh) | 一种基于功率预测的燃料电池自适应控制方法及系统 | |
CN103823544B (zh) | 一种动态电源管理方法 | |
CN115145709B (zh) | 低碳大数据人工智能方法和医康养生态系统 | |
CN116028193A (zh) | 一种混部集群的大数据任务动态高能效调度方法和系统 | |
CN104915559B (zh) | 一种用电设备确定方法及系统 | |
CN114954474A (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN113867905A (zh) | 一种应用服务器集群实时能耗优化方法 | |
Rong et al. | Determining the optimal timeout values for a power-managed system based on the theory of Markovian processes: offline and online algorithms | |
CN106598198A (zh) | 一种多时段动态功耗管理方法 | |
CN109409691B (zh) | 一种无能量存储单元的能量收集嵌入式系统作业调度方法 | |
CN113241800B (zh) | 一种基于区域电价的智能电网控制系统及其控制方法 | |
Scherrer et al. | Low complexity, real-time adjusted power management policy using golden section search | |
Jaśkiewicz et al. | On the optimality equation for zero-sum ergodic stochastic games |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090527 Termination date: 20120614 |