找到 2 条结果
考虑计算资源动态聚合的算力中心微电网协调调度优化
Coordinated scheduling optimization for Computility center microgrid considering computing resources dynamic pooling
Jian Zhaoa · Keran Huang · Yuan Gaoa · Xiaoyan Biana 等7人 · Applied Energy · 2025年1月 · Vol.393
摘要 算力中心（CC）是一种通过工作负载调度调节其电力需求的灵活负荷。算力中心微电网可利用CC负荷的灵活性，与光伏发电（PV）的波动性进行协调。然而，算力中心的计算资源存在严重的碎片化问题，该状况限制了工作负载的分配，进而导致算力中心负荷难以与微电网实现有效协调。为解决上述问题，本文提出了一种基于计算资源动态聚合（CRDP）的算力中心微电网协调调度方法。具体而言，首先提出一种工作负载-核心映射模型，通过构建处理器核心状态矩阵，将工作负载转化为电力负荷；随后，提出CRDP方法，根据核心的实时状态对...
解读: 该算力中心微电网协调调度技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。通过计算资源动态池化实现负荷柔性调节,可与我司PowerTitan储能系统协同优化光伏消纳。该工作负载-功率映射模型可启发iSolarCloud平台开发数据中心等柔性负荷接入功能,结合GFM控制技术提升微电...
适应光伏波动的动态网络剪枝在低压配电网边缘计算中的应用
Photovoltaic fluctuation-adapted dynamic network pruning for low-voltage distribution network edge computing
Jian Zhaoa · Kai Denga · Xianjun Shaob · Zhibin Zhoub 等7人 · Applied Energy · 2025年1月 · Vol.397
摘要 光伏（PV）出力的固有波动性 necessitates 使用高复杂度的深度学习（DL）模型以实现准确预测。然而，此类模型即使在光伏出力稳定期间也以满容量运行，消耗了冗余的计算资源，并加重了低压配电网（LVDN）中资源受限的边缘设备的负担。为解决上述问题，本文提出了一种动态网络剪枝框架，能够根据光伏出力的波动情况自适应地调整深度学习模型的复杂度。首先，提出一种对光伏波动敏感的通道重要性评估方法，用于识别深度学习模型中的冗余结构。随后，构建了一个包含光伏运行约束的轻量化优化框架，根据光伏出力的...
解读: 该动态网络剪枝技术对阳光电源边缘计算场景具有重要应用价值。针对iSolarCloud平台的边缘侧设备,可将该方法集成至SG系列逆变器和ST储能变流器的本地控制器中,根据光伏波动自适应调整深度学习模型复杂度,在平稳期压缩72%计算量,显著降低边缘设备算力需求。该技术可优化PowerTitan储能系统的...