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！

龙图腾网获悉武汉理工大学申请的专利一种考虑PUE的数据中心算力负荷需求组合预测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：CN115186803B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210907072.9，技术领域涉及：H02J3/00；该发明授权一种考虑PUE的数据中心算力负荷需求组合预测方法和系统是由陈冬林;邹安琪;吴天昊;马一帆设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种考虑PUE的数据中心算力负荷需求组合预测方法和系统在说明书摘要公布了：本发明公开了一种基于神经网络考虑PUE的数据中心算力负荷需求组合预测方法和系统，该系统包括数据中心算力负荷需求预测模型构建模块、BP神经网络优化模块、模型训练模块和预测模块；本发明采用BP‑GRU组合预测模型对传统预测方法作出改进，并采用改进的GA‑PSO算法改善了BP神经网络对初始权重敏感，易陷入局部最优、收敛速度慢，泛化能力较差的缺陷并结合GRU模型进行组合预测，弥补了BP神经网络的缺乏时序状态缺陷。该预测方法基于需求侧角度，考虑了数据中心内能耗指标以及内外部各影响因素之间的联动性，为数据中心企业的算力负荷需求预测提供了可行性方案，以期进行科学有效的跨域调度。

本发明授权一种考虑PUE的数据中心算力负荷需求组合预测方法和系统在权利要求书中公布了：1.一种考虑PUE的数据中心算力负荷需求组合预测方法，其特征在于，包括如下步骤： S1、根据预设时间段内的由GPU集群产生的工作负载的历史数据建立数据中心算力负荷需求预测模型，所述数据中心算力负荷需求预测模型是基于GA-PSO优化算法优化的BP神经网络和GRU神经网络的组合预测模型，用于根据当前时刻的工作负载数据预测未来时刻的算力负荷需求； S2、采用GA-PSO优化算法优化BP神经网络每个维度的权值和阈值，得到GA-PSO-BP网络模型，其优化目标为样本误差平方和的倒数，以使得上述数据中心算力负荷需求预测模型的拟合误差最小； S3、将GPU集群产生的工作负载的历史数据划分为训练集和测试集，利用训练集对所述数据中心算力负荷需求预测模型进行训练，得到训练完毕的数据中心算力负荷需求预测模型，在测试阶段，将测试集输入GA-PSO-BP网络模型；达到最大迭代次数后，输出预测的算力负荷需求A；再将所述算力负荷需求A输入GRU神经网络，得到预测的算力负荷需求数据集B；达到最大迭代次数后，将数据集A与GA-PSO-BP网络模型的输出结果的权重相乘得到乘积A’，将所述数据集B与GRU神经网络的输出结果的权重相乘得到乘积B’，将A’与B’之和作为预测的算力负荷需求输出，对预测的算力负荷需求输出进行评价，从而确定训练完毕的数据中心算力负荷需求预测模型是否满足要求； S4、将当前时刻的工作负载数据输入步骤S3中训练完毕的数据中心算力负荷需求预测模型，数据中心算力负荷需求预测模型输出数据中心未来时刻的算力负荷需求。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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”。