摘要：为应对未来算力需求爆炸性增长所带来的挑战,将计算重用技术引入算力网络中,通过重用计算任务结果,来缩短服务时延并减少计算资源消耗。在此基础上,提出基于服务联盟的上下文感知在线学习算法。首先,设计重用指数来减少额外查找时延;然后,基于服务联盟机制进行在线学习,根据上下文信息及历史经验做出计算任务调度决策。仿真实验结果表明,所提算法在服务时延、计算资源消耗等方面均优于基准算法。

摘要：随着风能发电规模的不断扩大,风机变桨电机温升故障频发。传统风机变桨电机温升故障预警方法由于故障预警限值计算能力较差,导致在故障预警时及时性较差且无法确定故障位置。针对上述问题,设计基于TF-IDF模型的风机变桨电机温升故障预警方法。使用历史数据库以及小数缩放技术,完成风机变桨电机温度趋势监测。对数据进行预处理,使用TF-IDF模型捕捉故障数据并提取特征值。采用风速-温度曲线结合区间温度划分结果设定风机变桨电机温升故障预警限值。至此,基于TF-IDF模型的风机变桨电机温升故障预警方法设计完成。构建实验环节,选定电机退化情况以及故障位置确定能力作为对比指标。通过与传统方法对比可知,此方法在电机退化情况以及故障位置确定能力实验中所得结果优于传统方法。综上可知,此方法的故障预警能力优于传统方法。