本發明涉及電子信息，具體而言，涉及一種預測算力的方法、裝置、非易失性存儲介質及電子設備。

背景技術：

1、隨著云計算、邊緣計算飛速發展，移動設備、物聯網終端以及新興應用也在迅速增加，數據需求呈現出動態性和多樣化的特征，給網絡管理帶來了巨大的挑戰。算力網絡通過在網絡中部署分布式計算和存儲資源，實現了計算和網絡資源的深度融合，為終端用戶提供低時延、高帶寬、以及靈活計算的服務支持。然而，隨著用戶數量的增長和計算任務的復雜性增加，網絡資源需求的波動性和突發性更加顯著，導致資源分配壓力加大，可能引發網絡擁塞和服務質量下降的問題。算力網絡中的流量和業務需求具有顯著的時空特性，這些變化不僅受到時間因素(如日夜周期、高峰期波動)的影響，還與空間因素(如熱點區域資源需求集中)密切相關。傳統的網絡管理方法未能有效利用這些時空特性進行算力預測，進而導致在流量高峰期或突發需求情況下，擁塞問題難以得到有效的解決。

2、針對上述的問題，目前尚未提出有效的解決方案。

技術實現思路

1、本發明實施例提供了一種預測算力的方法、裝置、非易失性存儲介質及電子設備，以至少解決現有技術無法準確的預測算力網絡的設備擁堵情況的技術問題。

2、根據本發明實施例的一個方面，提供了一種預測算力的方法，包括：獲取在預定歷史時間段內目標節點的歷史算力數據，其中，目標節點為算力網絡中的設備節點；目標節點的歷史算力數據進行特征提取，得到目標節點的歷史算力數據的空間特征，以及目標節點的歷史算力數據的時間特征；將目標節點的空間特征和目標節點的時間特征融合為目標節點的時空特征；根據目標節點的時空特征，預測算力網絡在目標節點的擁堵情況。

3、可選地，對目標節點的歷史算力數據進行特征提取，得到目標節點的歷史算力數據的空間特征，包括：獲取算力網絡內的設備節點之間的連接關系；根據連接關系，確定與目標節點相鄰的多個鄰居節點；獲取在歷史時間段內多個鄰居節點各自的歷史算力數據；將目標節點的歷史算力數據和多個鄰居節點各自的歷史算力數據輸入至目標空間注意力模型中，由目標空間注意力模型輸出目標節點的空間特征，其中，目標空間注意力模型通過第一訓練樣本訓練得到，第一訓練樣本為算力網絡中的節點的歷史算力數據，以及算力網絡中的節點對應的空間特征。

4、可選地，將目標節點的歷史算力數據和多個鄰居節點各自的歷史算力數據輸入至目標空間注意力模型中，由目標空間注意力模型輸出目標節點的空間特征，包括：將目標節點的歷史算力數據和多個鄰居節點各自的歷史算力數據輸入至目標空間注意力模型中，由目標空間注意力模型確定多個鄰居節點各自的注意力權重，其中，注意力權重表示鄰居節點對目標節點的算力的影響程度；根據多個鄰居節點各自的注意力權重，結合多個鄰居節點各自的歷史算力數據與目標節點的歷史算力數據，確定目標節點的空間特征。

5、可選地，對目標節點的歷史算力數據進行特征提取，得到目標節點的歷史算力數據的時間特征，包括：將目標節點的歷史算力數據輸入到目標長短期記憶網絡中，由目標長短期記憶網絡輸出目標節點的歷史算力數據的時間特征，其中，目標卷積長短期記憶網絡通過第二訓練樣本訓練得到，第二訓練樣本為算力網絡中的節點隨時間變化的歷史算力數據，以及算力網絡中的節點對應的時間特征。

6、可選地，將目標節點的空間特征和目標節點的時間特征融合為目標節點的時空特征，包括：將目標節點的空間特征和目標節點的時間特征輸入到目標融合模型中，由目標融合模型將目標節點的空間特征劃分為多個子空間，得到多個子空間各自的子空間特征；將目標節點的時間特征映射到多個子空間中，得到多個子空間各自的子時間特征；將多個子空間各自的子空間特征和多個子空間各自的子時間特征融合，得到目標節點的時空特征。

7、可選地，將多個子空間各自的子空間特征和多個子空間各自的子時間特征融合，得到目標節點的時空特征，包括：分別在多個子空間內，將多個子空間各自的子空間特征和子時間特征相乘，得到多個子空間各自的子時空特征；將多個子空間各自的子時空特征融合，得到目標節點的時空特征。

8、根據本發明實施例的另一方面，提供了一種預測算力的裝置，包括：獲取模塊，用于獲取在預定歷史時間段內目標節點的歷史算力數據，其中，目標節點為算力網絡中的設備節點；提取模塊，用于對目標節點的歷史算力數據進行特征提取，得到目標節點的歷史算力數據的空間特征，以及目標節點的歷史算力數據的時間特征；融合模塊，用于將目標節點的空間特征和目標節點的時間特征融合為目標節點的時空特征；預測模塊，用于根據目標節點的時空特征，預測算力網絡在目標節點的擁堵情況。

9、根據本發明實施例的另一方面，提供了一種非易失性存儲介質，非易失性存儲介質存儲有多條指令，指令適于由處理器加載并執行任意一項的預測算力的方法。

10、根據本發明實施例的另一方面，提供了一種電子設備，包括：一個或多個處理器和存儲器，存儲器用于存儲一個或多個程序，其中，當一個或多個程序被一個或多個處理器執行時，使得一個或多個處理器實現任意一項的預測算力的方法。

11、根據本發明實施例的再一方面，還提供了一種計算機程序產品，包括計算機程序，計算機程序被處理器執行時實現上述中任意一項的預測算力的方法。

12、在本發明實施例中，通過獲取在預定歷史時間段內目標節點的歷史算力數據，其中，目標節點為算力網絡中的設備節點；目標節點的歷史算力數據進行特征提取，得到目標節點的歷史算力數據的空間特征，以及目標節點的歷史算力數據的時間特征；將目標節點的空間特征和目標節點的時間特征融合為目標節點的時空特征；根據目標節點的時空特征，預測算力網絡在目標節點的擁堵情況，解決了現有技術無法準確的預測算力網絡的設備擁堵情況的技術問題，達到了綜合考慮算力網絡在空間維度和時間維度的因素，進而對算力網絡的設備節點的擁堵情況進行預測的目的，進而實現了提高對算例網絡的設備節點的擁堵情況預測的準確率的技術效果。

技術特征：

1.一種預測算力的方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述對所述目標節點的歷史算力數據進行特征提取，得到所述目標節點的歷史算力數據的空間特征，包括：

3.根據權利要求2所述的方法，將所述目標節點的歷史算力數據和所述多個鄰居節點各自的歷史算力數據輸入至目標空間注意力模型中，由所述目標空間注意力模型輸出所述目標節點的空間特征，包括：

4.根據權利要求1所述的方法，其特征在于，所述對所述目標節點的歷史算力數據進行特征提取，得到所述目標節點的歷史算力數據的時間特征，包括：

5.根據權利要求1所述的方法，其特征在于，所述將所述目標節點的空間特征和所述目標節點的時間特征融合為所述目標節點的時空特征，包括：

6.根據權利要求5所述的方法，其特征在于，所述將所述多個子空間各自的子空間特征和所述多個子空間各自的子時間特征融合，得到所述目標節點的時空特征，包括：

7.一種預測算力的裝置，其特征在于，包括：

8.一種非易失性存儲介質，其特征在于，所述非易失性存儲介質存儲有多條指令，所述指令適于由處理器加載并執行權利要求1至6中任意一項所述的預測算力的方法。

9.一種電子設備，其特征在于，包括：一個或多個處理器和存儲器，所述存儲器用于存儲一個或多個程序，其中，當所述一個或多個程序被所述一個或多個處理器執行時，使得所述一個或多個處理器實現權利要求1至6中任意一項所述的預測算力的方法。

10.一種計算機程序產品，包括計算機指令，其特征在于，所述計算機指令被處理器執行權利要求1至6中任意一項所述的預測算力的方法。

技術總結
本發明公開了一種預測算力的方法、裝置、非易失性存儲介質及電子設備。其中，該方法包括：獲取在預定歷史時間段內目標節點的歷史算力數據，其中，目標節點為算力網絡中的設備節點；目標節點的歷史算力數據進行特征提取，得到目標節點的歷史算力數據的空間特征，以及目標節點的歷史算力數據的時間特征；將目標節點的空間特征和目標節點的時間特征融合為目標節點的時空特征；根據目標節點的時空特征，預測算力網絡在目標節點的擁堵情況。本發明解決了現有技術無法準確的預測算力網絡的設備擁堵情況的技術問題。

技術研發人員：郝佳愷,高鵬,金明,姚曉明,王雷,王新宇,任殷林,郭少勇,楊靜,董崢,董旭,趙廣懷,付澤,胡建亞,郭佩姍
受保護的技術使用者：國網北京市電力公司
技術研發日：
技術公布日：2025/4/24