公开(公告)号：CN119482894A

公开(公告)日：2025-02-18

申请号：CN202411572943.1

申请日：2024-11-06

Applicant: 济南大学

Inventor： 叶桂森 ,  李岳炀 ,  高峰 ,  王楠

IPC: H02J9/06 ,  H02J9/08 ,  G06N3/126

Abstract: 本发明涉及一种数据中心不间断电源模块和计算负载协同调度运行方法及系统，方法步骤如下：(1)采集数据中心内的实时运行数据，形成UPS模块的能耗特性曲线；(2)构建UPS模块启停与计算负载协同调度的优化问题模型，包括上层优化问题和下层优化问题，将UPS模块的启停状态设定为上层优化问题的决策变量，将计算任务的分配方式、储能设备的充放电计划、发电机的启停状态和输出功率设定为下层优化问题的决策变量，优化目标是最小化数据中心在特定时间内的整体能耗和运行成本；(3)将步骤(2)输出的策略应用于数据中心的运行控制。本发明解决了现有技术中数据中心计算负载和UPS模块调度未能协调运行导致能耗增加、运行成本升高的技术问题。

公开(公告)号：CN119009203A

公开(公告)日：2024-11-22

申请号：CN202411049071.0

申请日：2024-08-01

Applicant: 济南大学

Inventor： 王楠 ,  申涛 ,  崔忠瑞 ,  张云 ,  叶桂森

IPC: H01M10/44 ,  G01R31/378 ,  G01R31/396 ,  G01R31/392 ,  G01R31/388 ,  H02J7/00 ,  H01M10/615 ,  H01M10/633 ,  G06F30/27 ,  G06N3/092 ,  G06F119/08 ,  G06F111/04

Abstract: 本发明涉及基于强化学习的锂离子电池低温加热与充电协同优化控制方法及系统，包括：建立锂离子电池的电热耦合模型；初始化强化学习模型的动作空间、状态空间，初始化强化学习模型的策略网络和价值网络的网络参数；多状态感知：实时获取锂离子电池的状态信息；目标函数、奖励函数与约束设计：设置奖励函数，并设计动作和状态变量的上下限，目标包括充电速度和升温产热；根据当前状态信息，通过训练好的强化学习模型通过学习算法计算出最优的加热交流电流和充电直流电流；根据优化结果即计算出的最优的加热交流电流和充电直流电流，控制加热器和充电器工作，调整电池温度和充电速度。本发明实现了安全、高效、快速的充电效果，具有显著的应用前景和技术优势。