买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利一种基于深度学习的服务器集群能耗优化调整方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120994043B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511512943.7，技术领域涉及：G06F1/3234；该发明授权一种基于深度学习的服务器集群能耗优化调整方法和系统是由饶睿祺;姜峰;查曦设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于深度学习的服务器集群能耗优化调整方法和系统在说明书摘要公布了：本发明公开了服务器集群能耗优化调整技术领域的一种基于深度学习的服务器集群能耗优化调整方法和系统。方法包括：根据获取到的冷却管路的红外热成像数据、当前流量、压差传感器数据和服务器集群运行状态数据，生成气泡位置矩阵、流动阻力系数、服务器热负荷矩阵与热负荷变化率矩阵，利用训练好的气泡运动预测模型获取未来预设时长的气泡聚集风险区域坐标，计算散热效率下降预测值R；若R超过预设下降阈值：根据热负荷变化率矩阵的方向性特征选择休眠服务器，生成休眠指令，并基于热负荷变化率绝对值所处的预设区间生成流量控制指令。本发明预测性强、调控精细且自适应性高，显著提升了太空计算平台在复杂热控工况下的能效比与系统稳定性。

本发明授权一种基于深度学习的服务器集群能耗优化调整方法和系统在权利要求书中公布了：1.一种基于深度学习的服务器集群能耗优化调整方法，其特征在于，包括： 根据获取到的冷却管路的红外热成像数据，生成气泡位置矩阵； 根据获取到的冷却管路当前流量和压差传感器数据计算流动阻力系数； 根据获取到的服务器集群运行状态数据，生成服务器热负荷矩阵与热负荷变化率矩阵； 根据所述气泡位置矩阵、流动阻力系数和服务器热负荷矩阵，利用训练好的气泡运动预测模型获取未来预设时长的气泡聚集风险区域坐标； 根据所述气泡聚集风险区域坐标、服务器热负荷矩阵及热负荷变化率矩阵，计算散热效率下降预测值； 若所述散热效率下降预测值超过预设下降阈值： 根据所述热负荷变化率矩阵的方向性特征选择休眠服务器，生成休眠指令； 若所述热负荷变化率矩阵绝对值处于第一预设区间，设置与所述散热效率下降预测值成比例的流量基础补偿值，生成流量控制指令； 若所述热负荷变化率矩阵绝对值处于第二预设区间，在所述流量基础补偿值上叠加随热负荷变化率矩阵绝对值非线性增长的流量补偿增量，生成流量控制指令； 所述气泡运动预测模型采用图神经网络模型； 所述图神经网络模型以气泡位置矩阵中的每个气泡为节点，根据气泡位置矩阵、流动阻力系数和服务器热负荷矩阵生成节点特征向量，并根据气泡间的欧氏距离生成节点的边，构建服务器集群的拓扑图结构； 所述根据气泡间的欧氏距离生成节点的边，包括： 计算任意两个气泡之间的欧氏距离，若所述欧氏距离小于预设的欧氏距离阈值，则在两个气泡对应的两个节点间生成边；其中，边的权重通过冷却管路中的冷却液流体黏度系数与表面张力参数的乘积除以相对速度得到； 所述根据所述气泡聚集风险区域坐标、服务器热负荷矩阵及热负荷变化率矩阵，计算散热效率下降预测值，包括： 提取所述气泡聚集风险区域坐标对应的服务器区域编号，在所述服务器热负荷矩阵中检索服务器区域编号对应的热功率值，以及在所述热负荷变化率矩阵中检索服务器区域编号对应的热负荷变化率； 将所述热功率值和热负荷变化率按预设权重进行加权平均，生成区域热负荷敏感度； 根据所述气泡聚集风险区域坐标，计算气泡聚集风险区域在服务器集群中的覆盖比例； 根据所述覆盖比例与区域热负荷敏感度，计算散热效率下降预测值； 所述设置与所述散热效率下降预测值成比例的流量基础补偿值，生成流量控制指令，包括： 根据当前高利用率服务器的数量与服务器集群中服务器总量的比值确定补偿比例系数；其中，利用率高于预设阈值为高利用率； 获取服务器集群在历史M小时内的实际散热效率，并计算散热效率下降平均值； 计算所述散热效率下降预测值与散热效率下降平均值的平均偏差，并基于平均偏差计算补偿校正因子； 根据所述流动阻力系数生成阻力补偿因子； 将补偿比例系数、补偿校正因子、阻力补偿因子与散热效率下降预测值的乘积，作为流量基础补偿值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。