買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣東迅揚科技股份有限公司申請的專利計算機電源功耗動態分配方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120144319B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510607976.3，技術領域涉及：G06F9/50；該發明授權計算機電源功耗動態分配方法及系統是由張利新;袁振東;李劍英設計研發完成，并于2025-05-13向國家知識產權局提交的專利申請。

本計算機電源功耗動態分配方法及系統在說明書摘要公布了：本發明涉及計算機技術領域，公開了一種計算機電源功耗動態分配方法及系統，獲取來自各層級傳感器的數據，采用小波降噪算法對數據進行預處理，得到預處理后的數據；構建動態決策模型，將預處理后的數據輸入動態決策模型中輸出未來時間片的負載熱力圖；收集不同硬件配置下的能耗數據，得到能耗知識圖譜，采用DP?FedAvg算法進行聯邦學習，結合負載熱力圖、當前硬件狀態、軟件運行趨勢以及能耗歷史數據，生成動態供電曲線；采用量子化控制技術，根據供電曲線微調電源輸出，動態分配功率至各硬件組件；本發明顯著提高電源利用效率，降低計算機整體能耗。

本發明授權計算機電源功耗動態分配方法及系統在權利要求書中公布了：1.計算機電源功耗動態分配方法，其特征在于，該方法包括以下步驟： 獲取來自各層級傳感器的數據，采用小波降噪算法對數據進行預處理，得到預處理后的數據； 采用輕量化的Transformer-XL作為基礎架構，結合神經架構搜索，實時生成最優子網結構，進行超參數優化，構建動態決策模型，輸入預處理數據，預測未來負載熱力圖； 整合不同硬件配置下的能耗數據，構建能耗知識圖譜，采用DP-FedAvg算法進行聯邦學習，結合負載熱力圖、當前硬件狀態、軟件運行趨勢以及能耗歷史數據，生成動態供電曲線； 采用量子化控制技術，根據供電曲線微調電源輸出，動態分配功率至各硬件組件； 所述采用輕量化的Transformer-XL作為基礎架構，結合神經架構搜索，實時生成最優子網結構，進行超參數優化，構建動態決策模型，包括： 采用輕量級Transformer-XL架構，設定神經元數量和多頭注意力頭數為4-8； 并行集成神經架構搜索引擎至Transformer-XL模型，收集硬件和負載信息，使用強化學習算法進行搜索，并初始化參數； 將搜索空間劃分為多個子空間，獨立并行搜索，隨機生成初始子網結構作為起點； 部署子網結構至硬件環境，用負載數據訓練評估，反饋評估指標至強化學習算法，計算獎勵值，更新策略網絡，優化子網結構，篩選最優； 運用多目標貝葉斯優化算法進行模型超參數優化，將結果應用于子網結構，使用遺傳算法動態優化超參數，形成動態決策模型； 所述采用DP-FedAvg算法進行聯邦學習，結合負載熱力圖、當前硬件狀態、軟件運行趨勢以及能耗歷史數據，生成動態供電曲線，包括： 設定聯邦學習的參數，包括隱私預算、確定通信輪數，初始化服務器端的全局模型； 每一輪訓練時從服務器下載當前全局模型，將本地的負載熱力圖、當前硬件狀態、軟件運行趨勢以及能耗歷史數據作為輸入對模型進行訓練，計算模型參數的梯度； 對計算出的梯度添加符合拉普拉斯分布的噪聲，將添加噪聲后的梯度上傳至服務器，服務器根據每個客戶端的數據量占總數據量的比例，對上傳的梯度進行加權求和，在求和結果上再添加符合拉普拉斯分布的噪聲，得到最終的聚合梯度； 服務器使用聚合梯度更新全局模型，服務器將更新后的全局模型下發給各個客戶端； 經過T輪聯邦學習后，客戶端得到最終的全局模型，客戶端將本地實時的負載熱力圖、當前硬件狀態、軟件運行趨勢以及能耗歷史數據輸入到全局模型中； 通過全局模型預測未來一段時間內各個硬件組件的能耗需求，根據預測的能耗需求，以時間為橫軸，功率為縱軸，生成動態供電曲線。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東迅揚科技股份有限公司，其通訊地址為：523000 廣東省東莞市東坑鎮正崴五路5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。