针对通信机房不间断电源(Uninterruptible Power Supply,UPS)系统在传统运行模式下存在的能耗高、负载率常偏离高效区间的问题,提出基于多策略改进麻雀搜索算法的动态节能优化方法。构建以系统总能耗最小化为目标的优化模型,并通过引入...针对通信机房不间断电源(Uninterruptible Power Supply,UPS)系统在传统运行模式下存在的能耗高、负载率常偏离高效区间的问题,提出基于多策略改进麻雀搜索算法的动态节能优化方法。构建以系统总能耗最小化为目标的优化模型,并通过引入混沌映射初始化、非线性递减惯性权重及动态步长调整等多种策略改进麻雀搜索算法,以高效求解最优的UPS运行参数。基于求解结果,设计动态调控策略,根据实时负载智能切换UPS工作模式并调整关键参数。测试结果表明,经所提方法优化后,机房核心设备群能耗有明显下降,且所有设备能耗均低于80 kW·h的预设阈值;在模拟多种负载工况的4个测试小组中,UPS负载率稳定在60%~80%的高效区间,保障了供电可靠性,为通信机房的绿色低碳运维提供了有效的解决方案。展开更多
针对5G通信基站负载预测精度不足与能耗过高的问题,研究提出将深度学习与改进灰狼优化(Grey Wolf Optimizer,GWO)算法相结合的方法。通过构建基于生成对抗网络(Generative Adversarial Network,GAN)的负载预测模型,利用改进GWO算法优化...针对5G通信基站负载预测精度不足与能耗过高的问题,研究提出将深度学习与改进灰狼优化(Grey Wolf Optimizer,GWO)算法相结合的方法。通过构建基于生成对抗网络(Generative Adversarial Network,GAN)的负载预测模型,利用改进GWO算法优化网络参数,并设计智能节能控制策略。实验结果表明,该模型短期误差均值为0.015,长期误差均值为0.052,均低于对比模型。在节能控制方面,实验组低负载平均功率为35.2 W,较对照组显著降低,且通信质量无明显下降。研究表明,该方法有效提升了负载预测准确性,降低了基站能耗,为5G基站高效运营提供了可行方案。展开更多
文摘针对通信机房不间断电源(Uninterruptible Power Supply,UPS)系统在传统运行模式下存在的能耗高、负载率常偏离高效区间的问题,提出基于多策略改进麻雀搜索算法的动态节能优化方法。构建以系统总能耗最小化为目标的优化模型,并通过引入混沌映射初始化、非线性递减惯性权重及动态步长调整等多种策略改进麻雀搜索算法,以高效求解最优的UPS运行参数。基于求解结果,设计动态调控策略,根据实时负载智能切换UPS工作模式并调整关键参数。测试结果表明,经所提方法优化后,机房核心设备群能耗有明显下降,且所有设备能耗均低于80 kW·h的预设阈值;在模拟多种负载工况的4个测试小组中,UPS负载率稳定在60%~80%的高效区间,保障了供电可靠性,为通信机房的绿色低碳运维提供了有效的解决方案。
