公开(公告)号：CN118233997A

公开(公告)日：2024-06-21

申请号：CN202410295847.0

申请日：2024-03-15

Applicant: 南京大学

Inventor： 周海波 ,  孙宇 ,  许云霆 ,  余凯 ,  于全

IPC: H04W52/14 ,  H04W52/24 ,  H04W52/34 ,  H04W52/52

Abstract: 本发明公开了一种面向绿色全解耦网络的全维功耗建模方法及系统，得到了全解耦网络的全面功耗模型，包括全解耦网络基站功耗模型、基站与边缘云之间的前传链路的功耗模型、边缘云的功耗模型以及用户的功耗模型；基站功耗模型中考虑功率放大器、射频和BBU功耗，并考虑架构功耗，其中上行基站不考虑功率放大器功耗；前传链路的功耗模型包括与负载无关的固定功耗，以及与负载相关的功耗；边缘云的功耗模型根据全解耦网络中的中心化等级，以及BBU在基站中功耗的百分比计算；用户的功耗模型包括电路功耗和发送功耗型。本发明为全解耦网络的能效研究提供了准确和实际的能耗评估标准，为进一步研究全解耦网络上行和/或下行能效优化提供了基础。

公开(公告)号：CN117313351A

公开(公告)日：2023-12-29

申请号：CN202311239203.1

申请日：2023-09-25

Applicant: 南京大学

Inventor： 周海波 ,  孙宇 ,  程博 ,  姜高翔 ,  王衍毅

IPC: G06F30/20 ,  G06F30/27 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/092 ,  G06N3/09 ,  F25B49/00 ,  G06F119/08 ,  G06F119/02 ,  G06F111/04

Abstract: 本发明公开了一种安全的数据中心优化冷量预测方法与系统，本发明针对数据中心提出一种具有安全性保障的PUE优化框架，通过优化水冷系统设备的可控参数最小化数据中心的PUE，并满足设备的实际物理约束、安全运行的约束、机房温度的约束和理论的冷量需求以保障安全性；根据拟合或学习到的IT负载与冷量的对应关系，获得保障安全性所需的理论冷量，借助基于监督自编码器的冷量预测模型，以及PUE预测模型，使用全局优化方法获得一组满足冷量需求并实现PUE最小化的水冷机组控制参数。本发明能够实现数据中心中PUE、冷量的预测，具有低复杂度、高准确性的优点，为PUE优化算法提供准确的PUE估计和实际冷量估计，从而有效保障数据中心PUE优化过程中的安全性。

公开(公告)号：CN120011523A

公开(公告)日：2025-05-16

申请号：CN202510480917.4

申请日：2025-04-17

Applicant: 南京大学

Inventor： 周海波 ,  黄瑾 ,  孙宇 ,  程博

IPC: G06F16/3329 ,  G06F16/334 ,  G06F16/338 ,  G06F16/36 ,  G06N5/04 ,  G06N5/043 ,  G06N5/025

Abstract: 本发明公开了一种基于ME‑RAG的数据中心大模型智能运维方法及系统，本发明将数据中心资料分为多个领域，每个领域创建一个专家代理，通过非结构化文档，构建包括文本、图片和表格的多模态数据库，作为专家代理的外嵌知识库；基于ME‑RAG框架，经理代理结合专家技能列表与用户问题动态选择涉及到的专家领域，并分派给相关专家代理进行回答；收到回答指令的各专家代理，根据问题检索自身知识库，用文字对问题进行回答，若有相关的图片及表格则一并返回，最后由汇报专员将所有专家代理的答案进行总结。本发明通过多专家运维机制，有效提高针对用户问题回答的正确性和全面性，并通过多模态数据库检索机制，为用户提供更加直观的多模态信息。

公开(公告)号：CN118158784A

公开(公告)日：2024-06-07

申请号：CN202410295855.5

申请日：2024-03-15

Applicant: 南京大学

Inventor： 周海波 ,  孙宇 ,  许云霆 ,  余凯 ,  于全

IPC: H04W52/02 ,  H04W52/26 ,  H04W52/14 ,  H04W52/28 ,  H04W52/36

Abstract: 本发明公开了一种面向绿色全解耦网络的灵活基站休眠和资源协作方法及系统，本发明首先构建了用户‑上行基站关联矩阵、上行基站运行状态向量和用户功率向量的联合优化问题，在满足用户QoS约束的情况下，最大化上行全解耦网络能效；然后将优化问题分解为等效的联合优化用户‑上行基站关联矩阵和上行基站运行状态向量的上层问题，以及优化用户功率向量的下层问题；再使用基于Dinkelbach的连续下界最大化算法求解下层问题；使用多对多交换匹配算法求解上层问题；其中多对多交换匹配算法中用户偏好能效更高且上行基站下所有用户均可达到最小QoS速率的上行基站。仿真结果表明本发明实现了全解耦网络的高能效和所提出算法的有效性。

公开(公告)号：CN117236180A

公开(公告)日：2023-12-15

申请号：CN202311239195.0

申请日：2023-09-25

Applicant: 南京大学

Inventor： 周海波 ,  姜高翔 ,  孙宇 ,  程博 ,  王衍毅

IPC: G06F30/27 ,  G06Q10/04 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0455 ,  G06F119/12 ,  G06F119/06 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明公开了一种多任务学习的数据中心水冷系统能耗预测方法与装置，为基于水冷散热系统的数据中心的冷却系统的能耗建模预测提供了一个准确率高、可泛化性强、可解释性强的解决方案。本发明包括：获得时序性的来自于物联网传感模块采集的数据中心运行真实工况数据，并将真实工况数据转化为模型可用的数据集；使用多任务学习的方法，结合水冷系统的物理模型和用于实时预测时序数据的多任务深度学习网络模型，对水冷数据中心能耗进行时序性精准预测。相比于传统方法，本发明能够通过物联网设备测点的实时数据，使用创新的多任务学习的数据中心水冷系统能耗预测方法，对数据中心水冷系统能耗进行更精准、有更强可解释性的实时预测。

公开(公告)号：CN117236181A

公开(公告)日：2023-12-15

申请号：CN202311239197.X

申请日：2023-09-25

Applicant: 南京大学

Inventor： 周海波 ,  王衍毅 ,  孙宇 ,  程博 ,  姜高翔

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/048 ,  G06F119/14 ,  G06F119/08 ,  G06F119/06 ,  G06F119/12

Abstract: 本发明公开了一种基于DQN的数据中心水冷机组能耗优化方法与系统，为水冷数据中心的PUE优化提出了一种高效的解决方案。本发明主要包括：借助物联网设备收集的海量数据，基于神经网络对水冷机组能耗进行建模；考虑水冷机组的正常工况和安全边界条件，将水冷机组能耗优化过程转化为马尔可夫决策过程，并基于水冷机组能耗模型，设计水冷机组能耗优化算法，在保障数据中心安全运行的前提下实现能耗的降低。本发明能够在保障水冷机组正常工作、数据中心正常运转的前提下显著降低水冷机组能耗，具有收敛速度快、优化效果显著的优点，并能够在未来更加复杂的优化场景中展现更大潜能。

公开(公告)号：CN109840537A

公开(公告)日：2019-06-04

申请号：CN201711254627.X

申请日：2017-11-29

Applicant: 南京大学

Inventor： 孙宇 ,  陈颖 ,  葛云 ,  黄晓林

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于交叉对比神经网络的图像多任务分类方法。本发明将深度神经网络与IBS理论相结合，提出了交叉对比神经网络，包括训练部分和测试部分。训练部分步骤：(1)按序选取图像组成集合，使用网络对任两幅进行特征提取；(2)对提取的特征进行概率统计，使用修改的IBS公式得到标准化后的MIBS值；(3)将MIBS值与标签结合，计算损失值；(4)重复以上步骤，使用算法优化损失值；(5)重复4，直至模型训练结束。测试部分步骤：(6)将测试图像与训练集图像两两输入训练好的模型中计算MIBS值，确定测试图像类别。本方法将图像以组合方式两两输入网络，对IBS理论修改加入网络中，解决了样本量少，准确率难以保证和统计特征无法寻找的问题。