一种基于静态电压调度的DVS系统的能量优化方法

摘要

本发明提供一种基于静态电压调度的DVS系统的能量优化方法，属于电源管理技术领域，该方法包括产生可调度的任务序列、分配松弛时间；该方法通过计算单位时间内降低的能量的最大值来选择降低的任务的电压来实现能量的优化，充分考虑任务集的空闲时间和能量消耗之间的关系来达到能量优化；并利用松弛时间的调度方法，在短松弛时间内降低了系统的能量损耗，本发明可以广泛应用于各种移动电子设备。

说明书

技术领域

本发明属于电源管理技术领域，特别涉及一种考虑电压放电特性的针对于动态电压调节系统(DVS system)的能量优化方法。

背景技术

现代移动电子设备随着其性能不断提高而需要消耗更多的能量。但是，在过去的十多年中电池技术的发展远跟不上移动设备对能量需求的增长速度。移动设备能量需求的快速增长和电池容量缓慢提高之间的矛盾日益突出。因此有效地降低移动设备的能量消耗变得越来越重要。动态电压调节(DVS，Dynamic Voltage Scaling)技术是降低移动设备能量消耗的有效方法之一。

实时DVS任务调度(RTDVS，real-time task DVS)可以分为静态电压调度和动态电压调度两种。其中静态电压调度是在假设任务的所有信息，像周期、执行时间、截止时间等已知的情况下，通过减慢处理器的速度来利用松弛时间(slack time)从而降低能量消耗。动态电压调节则是任务的所有信息在任务执行的时刻之前都是未知的。近几年来，电池的特性被越来越多的人研究为了获得最有效的放电模式。目前，在众多的电池模型中，具有解析表达式的电池模型主要有Peukert公式和Rakhmaotv电池模型。利用Peukert公式有人提出了考虑电池放电特性的DVS(BADVS)策略，但Peukert公式对电池特性的建模不够精确，这直接影响了BADVS策略的电池容量消耗减少效果。而Rakhmaotv模型精确度很高，但求解该模型表达式和DVS调度结合后的优化问题比较困难，因此多个现有的利用该电池模型来考虑电池放电特性的BADVS策略，根据由Rakhmaotv模型得到的放电原则来指导形成考虑电池特性的任务调度。

对于一个给定的n个任务的系统在观察时间T时的能力消耗可用下面函数来计算：

${\sigma }_T=\underset{k=0}{\overset{n-1}{\Sigma }}{I}_{k}F(T,t_k,t_k+{\Delta }_k,\beta )---\left(1\right)$

其中：

$F(T,t_k,t_k+{\Delta }_k,\beta )={\Delta }_k+2\underset{m=1}{\overset{10}{\Sigma }}\frac{e^{-{\beta }^2{m}^2(T-t_k-{\Delta }_k)}-e^{-{\beta }^2{m}^2(T-t_k)}}{{\beta }^2{m}^2}---\left(2\right)$

其中：

T：观察时间；

σ_T：观察时间T时电池消耗的能量；

t_k：第k个任务的开始时间；

Δ_k：第k个任务的执行时间；

I_k：第k个任务执行时的电流；

β：电池的放电系数。

考虑到利用松弛时间可以减少能量消耗，在最短的松弛时间内降低最大的能量是最理想的调度。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于静态电压调度的DVS系统的能量优化方法，该方法通过计算单位时间内降低的能量的最大值来选择降低的任务的电压来实现能量的优化，充分考虑任务集的空闲时间和能量消耗之间的关系来达到能量优化。

为了实现上述目的，本发明的基于静态电压调度的DVS系统的能量优化方法，包括如下步骤：

步骤1、产生可调度的任务序列：

步骤1.1：用EDF(Earliest Deadline First，最早截止优先)算法产生一个初始的任务序列，即在已知每个任务的截止时间的前提下，按截止时间的升序排列任务，以满足实时性；

步骤1.2：判断时间限制：如果所有任务的执行时间之和小于等于所有任务中的最大的截止时间，继续执行步骤1.3，否则，退出结束；

步骤1.3：判断是否有失败任务：某一任务的执行时间如果大于该任务的截止时间或在执行该任务时电池的电量不足，此任务为失败任务；如果没有失败任务，跳到步骤2；如果有失败任务，继续执行步骤1.4；

步骤1.4：失败修复：先计算最有效任务：最有效任务则是选择使得下式 的绝对值取得最大值的任务：

$\bar{\sigma }=\frac{{\sigma }^{\prime }-\sigma }{{\Delta }^{\prime }-\Delta }---\left(3\right)$

其中：

：降低能量消耗的速率；

σ′：调节第k个任务之后DVS系统总的能量消耗；

σ：调节第k个任务之前DVS系统总的能量消耗；

Δ′：调节第k个任务之后所有任务的执行时间之和；

Δ：调节第k个任务之前所有任务的执行时间之和；

然后把失败任务或是出现在该失败任务之前的最有效任务的电压降低一级，跳到步骤1.2；

步骤2、分配松弛时间

步骤2.1：把最有效的任务的电压降低一级；

步骤2.2：判断时间限制：如果所有任务的执行时间之和小于等于所有任务中的最大的截止时间，继续执行步骤2.3，否则，输出结果；

步骤2.3：依次交换所有任务的排列顺序，找到所有的可能排列中的最小能量消耗的任务排列，最小的能量消耗的序列即是在该序列时的σ取得最小值的任务序列；

步骤2.4：判断是否有松弛时间：如果所有任务的执行时间之和小于所有任务中的最大截止时间，即为有松弛时间，继续执行步骤2.5，否则，输出结果；

步骤2.5：判断是否有任务能被调节：如果降低任意一个任务的电压一级，此时有松弛时间，跳到步骤2.1，否则，输出结果。

本发明的有益效果：利用松弛时间的调度方法，在最短松弛时间内降低了最大的系统能量损耗。

附图说明

图1为本发明的基于静态电压调度的DVS系统的能量优化方法；

图2为DVS系统结构图。

具体实施方式

下面结合附图对本发明的基于静态电压调度的DVS系统的能量优化方法做进一步详细描述。

如图2所示，电池的电压为Vdd，Vdd经过DC-DC转换器转换为电压V为系统供电，从而降低DVS系统的能量消耗；

实施例：

DVS系统芯片采用Intel公司的StrongARM SA1110，支持WinCE3.0-PocketPC系统的RISC(精简指令集)处理器；StrongARM SA1110采用ARM体系结构高度集成的32位RISC微处理器；它融合了Intel公司的设计和处理技术及ARM体系结构的电源效率，采用在软件上兼容ARMV4T体系结构，同时采用具有Intel技术优点的体系结构。

DC-DC芯片采用MAXIM公司的MAX763AMJA；

电池型号为Polymer632996；

本发明的基于静态电压调度的DVS系统的能量优化方法，包括如下步骤：

步骤1、产生可调度的任务序列：

表一初始的任务参数

  任务号   执行时间(分钟)   截止时间(分钟)   电流(毫安)   1   7   18   650   2   5   10   800   3   8   26   400   4   10   38   380

步骤1.1：用EDF(Earliest Deadline First，最早截止优先)算法产生一个初始的任务序列，即在已知每个任务的截止时间的前提下，按截止时间的升序排列任务，以满足实时性；如表一中所示，为给定的4个任务的初始执行时间，初始截止时间和初始电流值。用EDF算法排序后的任务的顺序为2、1、3、4；

步骤1.2：判断时间限制：如果所有任务的执行时间之和小于等于所有任务中的最大的截止时间，继续执行步骤1.3，否则，退出结束；如图1中所示4个任务的执行时间之和为30min，所有4个任务中的最大截止时间为38min，可见如果所有任务的执行时间之和小于等于所有任务中的最大的截止时间，因此满足时间限制，继续执行步骤1.3；

步骤1.3：判断是否有失败任务：某一任务的执行时间如果大于该任务的截止时间或在执行该任务时电池的电量不足，此任务为失败任务；如果没有失败任务，跳到步骤2；如果有失败任务，继续执行步骤1.4；如表一中所示，所有任务的执行时间均小于其各自的截止时间，且此时的任务的电池的能量消耗为21595mA·min，小于所选用的电池模型的电池的电量40375mA·min，因此没有失败的任务，跳至步骤2继续执行；

步骤1.4：失败修复：先计算最有效任务：最有效任务则是选择使得下式 的绝对值取得最大值的任务：

$\bar{\sigma }=\frac{{\sigma }^{\prime }-\sigma }{{\Delta }^{\prime }-\Delta }---\left(3\right)$

其中：

：降低能量消耗的速率；

σ′：调节第k个任务之后DVS系统总的能量消耗；

σ：调节第k个任务之前DVS系统总的能量消耗；

Δ′：调节第k个任务之后所有任务的执行时间之和；

Δ：调节第k个任务之前所有任务的执行时间之和；

然后把失败任务或是出现在该失败任务之前的最有效任务的电压降低一级，跳到步骤1.2；

步骤2、分配松弛时间

步骤2.1：把最有效的任务的电压降低一级；最有效任务的计算利用公式(3)，在表一中所示的任务中，对于任务1而言，降低任务1的电压一级之后，DVS系统总的能量消耗σ′为21233mA·min，所有任务的执行时间之和Δ′约为30.7min，未降低任务1的电压一级之前的DVS系统的总的能量消耗σ为21595mA·min，所有任务的执行时间之和Δ为30min，因此可得降低任务1的电压一级的效率为517mA。同理，有降低任务2、任务3、任务4的电压一级的效率分别为474mA、287mA、647mA。即最有效的任务是任务4，因此，在此步骤选择降低任务4的电压一级；

步骤2.2：判断时间限制：如果所有任务的执行时间之和小于等于所有任务中的最大的截止时间，继续执行步骤2.3，否则，输出结果；这里由于降低任务4电压一级之后的所有的任务执行时间之和为31.3min小于所有任务中的最大截止时间38min，因此满足时间限制，继续执行步骤2.3；

步骤2.3：依次交换所有任务的排列顺序，找到所有的可能排列中的最小能量消耗的任务排列，最小的能量消耗的序列即是在该序列时的σ取得最小值的任务序列；在此步骤中如表一中所示的任务，经过交换后得到的最小能量消耗的任务排列顺序为2、1、3、4；

步骤2.4：判断是否有松弛时间：如果所有任务的执行时间之和小于所有任务中的最大截止时间，即为有松弛时间，继续执行步骤2.5，否则，输出结果；由于所有任务的执行时间之和为31.3min小于所有任务中最大的截止时间38min，可以判断仍然有松弛时间，因此，继续执行步骤2.5；

步骤2.5：判断是否有任务能被调节：如果降低任意一个任务的电压一级，此时有松弛时间，跳到步骤2.1，否则，输出结果；在这里，如果降低任务1、任务2、任务3、任务4的电压一级之后，松弛时间分别为6.0min、5.8min、5.7min、5.0min。所以降低任意一个任务的电压一级时仍然有松弛时间，因此，跳到步骤2.1继续执行，重复以上步骤的方法。