CN119415365A 一种多设备能耗优化的智能化在线学习系统及方法 （优课达(杭州)网络有限公司）

一种多设备能耗优化的智能化在线学习系本发明公开了一种多设备能耗优化的智能互关系；结合聚类分析和强化学习优化分类边2S1，对于具有协同运行任务且通过物理或逻辑联系共；其中设备对其他设备的总输出影3为设备总数；第k类中设备i对设备j的反馈路径权重，反映模式内设备间的直接关联；k类模式内设备的平均作用链特征；opx(t)：第k类模式内设备的平均能耗波动率聚类内的设备数量；功率调整幅度以反馈强度的变化率为依据，通过对反馈强度7.一种多设备能耗优化的智能化在线学习系统，用于实现权利要求1_6任一项所述的行为捕捉模块：对于具有协同运行任务且通过物理或逻辑联系共享45准标注高风险反馈模式并生成优化模板，为反馈路径调整和设备策略优化提供明确依据；[0007]S1，对于具有协同运行任务且通过物理或逻辑联系共享和预测行为的多设备系6；其中设备对其他设备的总输出影常强度指标Em，综合评估反馈路径强度、作用链特征和能耗波动率的综合异常性：为设备总数；第k类中设备i对设备j的反馈路径权重，反映模式内设备间的直接关联；7k类模式内设备的平均作用链特征；opx(t)：第k类模式内设备的平均能耗波动率聚类内的设备数量。8反馈交互矩阵并提取反馈路径权重和作用链特征，实现设备间动态交互关系的深入解析，行中反馈路径未优化导致的能耗累积效应和响应[0045]S1，对于具有协同运行任务且通过物理或逻辑联系共享和预测行为的多设备系9据能够揭示设备与外部环境或任务变化的交互效应，是其他分析模块计算特征的重要前;[0065]能耗波动率op的计算是基于功率输出的方差定义功率波动的稳定性指标，通过在时间窗口内计算功率偏离其均值的均方根值，反映设备功率输出的稳定性与调节平滑间依赖的特性。设备运行状态的变化可能通过反馈路径影响其他设备的能耗和运行效率，特征数据包的多维特征（如负载变化率、功率响应延迟和能耗波动率定义设备i对设备j[0071]公式通过导数形式捕捉设备i的负载变化对设备j状态调整的敏感性，结合时间元素表示设备i对设备j的反馈路径权重，其计算公式为其为设备i对设备j的因果影响强度。i对设备j的反馈路径权重；各反馈路径对系统整体性能的影响。公式如下其i*j）。该[0080]在多设备协同运行中，设备间复杂的反馈交互可能导致系统进入高风险运行模；其中设备对其他设备的总输出影为设备总数；第k类中设备i对设备j的反馈路径权重，反映模式内设备间的直接关联；k类模式内设备的平均作用链特征；opx(t)：第k类模式内设备的平均能耗波联。（如反馈路径权重集中度过高于对应标准或作用链特征异常超出标准范围则进一步确认别了多设备协同运行中的高风险反馈模式，提取了这些模式的关键特征并生成优化模板，实现高风险路径的抑制和系统反馈网络的整体均衡，例如，调整后的反馈路径权重功率调整幅度表达式可以为其中系统总反馈强度，由步骤S2的反馈矩阵计算功率输出对系统反馈强度的影响程度比例因子，控制调i的作用链特征。设备的自反馈路径权重防止分母为零的小量。化、功率输出调整和系统能耗波动。例如，优化模板的自适应更新公式可以为：原优化模板学习率，用于平衡更新速率优