任务电量协同调控的移动智能网络存储控制方法与流程

本发明涉及电能存储系统，更具体地，涉及任务电量协同调控的移动智能网络存储控制方法。

背景技术：

1、在电能存储系统领域，通过电池管理单元实时监测电池电量与温度，在市电不足时动态补偿大功耗需求、在市电中断时应急供电以保障缓存数据不丢失，同时集成太阳能充电模块并支持移动电源模式，实现多源电能输入与设备任务负载的智能协同调度，从而优化供电可靠性与能源利用率。该方法不仅使ainas设备（网络附加存储，networkattached storage）在电网不稳时仍能持续工作，并能为摄像头等外设同步数据，还显著提升了断电场景下的数据安全性及户外续航能力。该技术突破了传统存储设备对固定电网的依赖，将电能。

2、在现有的电能存储系统技术中，常规方案普遍采用先监测，后响应的被动管理架构，储能单元、供电电路与负载设备在功能上相互割裂，系统通常仅依据电压进行简单的充放电管理，缺乏对负载端实时的感知能力。这种情况下，经常会出现如下问题:(1)长时间启用某个或某几个nas设备，导致在某些情况下，资源的供需不平衡；（2）因为，相互之间无法惊喜教辅，导致存储资源在一个池子中，而电能资源出现明显不均衡；（3）网络存储过程与电力电量的使用无关联，导致仅能考虑存储的共享性，而缺乏对负荷输出能力的约束。因此，必须将任务负载作为主动调控变量引入能量管理环路，通过协同分析与动态功率补偿机制，从根本上解决储能调控的瓶颈。

技术实现思路

1、鉴于上述问题，本发明提出了任务电量协同调控的移动智能网络存储控制方法，通过构建储能与存储双资源池视图，分层计算供电功率约束、任务调度权重与全局联合调度指令，同步联动供电补偿与 nas 任务管控并持续闭环迭代，实现储能供电与网络存储任务双向协同优化，兼顾供电时长与高优先级任务完成率。

2、根据本发明实施例第一方面，提供任务电量协同调控的移动智能网络存储控制方法。

3、在一个或多个实施例中，优选地，所述任务电量协同调控的移动智能网络存储控制方法包括：

4、分别构建储能资源池状态视图和网络存储资源池状态视图；

5、根据所述储能资源池状态视图，计算在当前及预测时间段内可用于支撑网络存储子系统的供电能力曲线和动态功率上限约束，作为供电能力约束信息；

6、根据所述供电能力约束信息中的所述动态功率上限约束，结合所述网络存储资源池状态视图中的各任务优先级与截止时间，对当前运行任务队列进行重规划，生成在所述动态功率上限约束下的优化任务执行计划及对应的可释放功率潜力；

7、将所述优化任务执行计划及其对应的可释放功率潜力返回至储能子系统；储能子系统根据接收到的信息，结合当前储能资源池的剩余电量与供电输入源状态，以全局供电时长与高优先级任务完成率的联合优化为目标，生成联合调度指令；

8、根据所述联合调度指令，同时执行供电功率补偿控制和各nas设备的任务执行控制；

9、实时采集储能资源池的状态变化数据，实时采集网络存储资源池的各nas设备任务执行进度数据，根据更新后的所述储能资源池状态视图和所述网络存储资源池状态视图闭环迭代，直至系统达到稳定运行状态。

10、在一个或多个实施例中，优选地，所述分别构建储能资源池状态视图和网络存储资源池状态视图，具体包括：

11、所述储能资源池状态视图包括：储能模块预设基准输出功率参数，预先存储在储能控制器本地参数列表内；储能模块的可用总电量，通过对各电芯单元的荷电状态与额定容量加权求和获得；各电芯单元的荷电状态、剩余容量与温度分布数据，通过电池管理单元实时采集获得；储能模块整体健康状态数据，由电池管理单元周期性采集更新；市电接入通断与功率状态，通过市电检测电路实时获取；太阳能实时输出功率，通过太阳能控制器输出端实时采集，并依托实时采集数据结合光照时序预测模型，生成未来预测时段内的太阳能预估输入功率；

12、所述网络存储资源池状态视图包括：各nas设备的存储容量占用率，通过各设备的文件系统实时读取获得；当前运行任务队列及其各任务的优先级与截止时间，通过各设备的任务调度器实时获取；各设备的历史功耗特征，通过对各设备的历史运行功耗数据进行统计记录获得。

13、在一个或多个实施例中，优选地，所述根据所述储能资源池状态视图，计算在当前及预测时间段内可用于支撑网络存储子系统的供电能力曲线和动态功率上限约束，作为供电能力约束信息，具体包括：

14、利用第一计算公式计算动态功率上限约束；

15、设置所述供电能力曲线为所述动态功率上限约束在预测时间窗口内随时间变化的连续曲线；

16、所述第一计算公式为：

17、

18、其中，为在预测时间窗口内的动态功率上限，为储能模块的基准输出功率，为基于当前荷电状态soc的功率修正系数，为基于当前电芯温度的功率修正系数，为基于当前健康状态soh的老化修正系数，为预测时间窗口内的太阳能预测输入功率。

19、在一个或多个实施例中，优选地，所述根据所述供电能力约束信息中的所述动态功率上限约束，结合所述网络存储资源池状态视图中的各任务优先级与截止时间，对当前运行任务队列进行重规划，生成在所述动态功率上限约束下的优化任务执行计划及对应的可释放功率潜力，具体包括：

20、根据各任务的紧迫度指数、当前运行功耗及剩余执行时间，计算各任务在功率上限约束下的综合调度优先级权重，并按照综合调度优先级权重从高到低进行任务排序，优先保障高权重任务的连续执行；

21、在总功耗需求超过所述动态功率上限约束时，按照综合调度优先级权重由低到高的顺序，依次对相应任务执行降频、延迟或迁移操作，直至总功耗需求不超过所述动态功率上限约束；

22、根据被执行降频、延迟或迁移操作的任务的功耗值，计算所述可释放功率潜力，所述可释放功率潜力为被延迟任务的功耗、被迁移任务的功耗与被降频任务降频前后的功耗差之和。

23、在一个或多个实施例中，优选地，所述将所述优化任务执行计划及其对应的可释放功率潜力返回至储能子系统；储能子系统根据接收到的信息，结合当前储能资源池的剩余电量与供电输入源状态，以全局供电时长与高优先级任务完成率的联合优化为目标，生成联合调度指令，具体包括：

24、根据所述优化任务执行计划中的各任务执行时段与执行速率，计算网络存储子系统在预测时间窗口内各时刻的预估总功耗需求曲线，并将所述预估总功耗需求曲线与供电能力曲线进行逐时比对：

25、当时，判定供需平衡；

26、当时，判定存在供电缺口，利用第四计算公式计算各时刻的缺口功率值；

27、所述第四计算公式为：

28、

29、根据所述可释放功率潜力，计算在紧急情况下通过任务降频、延迟或迁移操作能够释放的最大功率储备值，并将所述缺口功率值与所述最大功率储备值进行比对：若，则调用功率储备填补缺口，无需调整高优先级任务的执行状态；若，则以全局供电时长最大化与高优先级任务完成率最大化为联合优化目标，利用第五计算公式求解各高优先级任务的最终执行状态；

30、所述第五计算公式为：

31、

32、其中，为联合优化目标函数值，为当前储能资源池在考虑太阳能补充条件下的预估可持续供电时长，为完成当前所有高优先级任务所需的预估总时长，为高优先级任务集合，为第个高优先级任务的最终执行状态，表示执行，表示不执行，为第个高优先级任务的综合调度优先级权重，和为优化权重系数且；

33、根据各高优先级任务的最终执行状态的求解结果，确定各供电输入源的功率分配方案、储能模块的充放电时序以及各nas设备的最终任务执行策略，所述功率分配方案、所述充放电时序及所述最终任务执行策略共同构成所述联合调度指令。

34、在一个或多个实施例中，优选地，所述根据所述联合调度指令，同时执行供电功率补偿控制和各nas设备的任务执行控制，具体包括：

35、根据所述联合调度指令中的功率分配方案，实时采集供电补充单元的实际输出功率，将其与所述联合调度指令中的目标功率分配值进行比对并计算偏差，利用比例-积分-微分控制计算动态功率补偿量：当动态功率补偿量为正时，控制供电补充单元增加对应功率输出，优先调用太阳能输入源，不足部分由储能模块补充；当动态功率补偿量为负时，控制供电补充单元减少对应功率输出，并将多余功率用于储能模块充电；当动态功率补偿量为零时维持当前供电状态；

36、向各nas设备下发所述联合调度指令中的最终任务执行策略：对于需要降频的任务，根据目标功耗值与当前功耗值的比例关系计算降频后的运行频率并执行降频操作；对于需要延迟的任务，根据该任务的剩余预估能耗需求、当前功耗、执行效率系数及截止时间计算最大可延迟时间并执行延迟操作；对于需要迁移的任务，将任务及其关联数据从当前nas设备迁移至所述联合调度指令中指定的目标nas设备继续执行；

37、所述供电功率补偿控制与所述任务执行控制在时序上同步执行：在执行各任务降频、延迟或迁移后，根据各nas设备的实际功耗值重新计算网络存储子系统的实时总功耗需求，并将该实时总功耗需求作为所述供电功率补偿控制的输入，确保供电功率补偿与任务执行控制形成实时联动；当所述供电功率补偿控制检测到供电能力瞬时下降时，在供电功率补偿响应之前，预先向所述任务执行控制发送功率预警信号，触发任务执行控制提前执行降频或延迟操作，实现供电侧与存储侧的快速协同响应。

38、在一个或多个实施例中，优选地，所述实时采集储能资源池的状态变化数据，实时采集网络存储资源池的各nas设备任务执行进度数据，根据更新后的所述储能资源池状态视图和所述网络存储资源池状态视图闭环迭代，直至系统达到稳定运行状态，具体包括：

39、在所述联合调度指令执行过程中，以预设采样周期实时采集储能资源池的实际荷电状态与实际电芯温度，将其与预测时间窗口内的预测荷电状态和预测电芯温度分别进行比对，若任一参数的偏差超过预设阈值，则触发所述供电能力曲线的重新计算，并根据更新后的供电能力曲线重新生成供电能力约束信息；

40、同时，以预设采样周期实时采集各nas设备当前执行任务的实际完成进度，将其与所述优化任务执行计划中的计划完成进度进行比对，若任一任务的实际完成进度与计划完成进度之间的偏差超过预设阈值，则触发所述优化任务执行计划的重新计算，并根据更新后的优化任务执行计划重新生成对应的可释放功率潜力；

41、当所述储能状态偏差与所述任务执行进度偏差均持续低于各自预设阈值，且持续时间超过预设稳定判定时长时，判定系统达到稳定运行状态，停止闭环迭代。

42、根据本发明实施例第二方面，提供任务电量协同调控的移动智能网络存储控制系统。

43、在一个或多个实施例中，优选地，所述任务电量协同调控的移动智能网络存储控制系统包括：

44、双池状态视图模块，用于分别构建储能资源池状态视图和网络存储资源池状态视图；

45、电能力约束模块，用于根据所述储能资源池状态视图，计算在当前及预测时间段内可用于支撑网络存储子系统的供电能力曲线和动态功率上限约束，作为供电能力约束信息；

46、重规划模块，用于根据所述供电能力约束信息中的所述动态功率上限约束，结合所述网络存储资源池状态视图中的各任务优先级与截止时间，对当前运行任务队列进行重规划，生成在所述动态功率上限约束下的优化任务执行计划及对应的可释放功率潜力；

47、联合决策模块，用于将所述优化任务执行计划及其对应的可释放功率潜力返回至储能子系统；储能子系统根据接收到的信息，结合当前储能资源池的剩余电量与供电输入源状态，以全局供电时长与高优先级任务完成率的联合优化为目标，生成联合调度指令；

48、联合调度模块，用于根据所述联合调度指令，同时执行供电功率补偿控制和各nas设备的任务执行控制；

49、闭环迭代调控模块，用于实时采集储能资源池的状态变化数据，实时采集网络存储资源池的各nas设备任务执行进度数据，根据更新后的所述储能资源池状态视图和所述网络存储资源池状态视图闭环迭代，直至系统达到稳定运行状态。

50、根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。

51、根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。

52、本发明的实施例提供的技术方案可以包括以下有益效果：

53、本发明方案中，通过搭建储能、网络存储双池状态视图并配套分层计算公式量化供电上限与任务调度权重，实现供电能力与任务负载的精准量化匹配。

54、本发明方案中，通过供需功率比对、全局联合优化目标求解及实时闭环迭代调控，实现供电时长最大化与高优先级任务高完成率的双重优化。

55、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

56、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。