一种基于机器学习的能耗预测与调度控制方法

本发明公开了一种基于机器学习的能耗预测与调度控制方法。该方法通过分布式传感终端采集多个设备的运行参数、能耗曲线与环境扰动数据，并将所述数据输入预先训练的机器学习模型，生成未来能耗分布的概率预测结果。在预测基础上，于设备安全边界内施加干预信号，依据干预前后的差异获取设备响应特征，并与概率预测结果结合构建能耗风险图谱。基于所述能耗风险图谱，利用数字孪生生成极端扰动场景，并在数据域和物理域对概率预测结果与调度方案进行一致性校核，结合任务可延迟性执行多级调度生成调度结果。最终，将所述调度结果下发至设备。本发明能够提升能耗预测的准确性与调度决策的可靠性，适用于数据中心、工业生产及高能耗场景的智能管理。