基于数据的嵌入式设备软件驱动式功率估算

《IEEE Transactions on Sustainable Computing》：Data-Driven Software-Based Power Estimation for Embedded Devices

针对物联网设备能量测量的难题，提出基于数据驱动的软件能量估计模型，结合外部低端功率计验证，实验显示92%准确率，并开发了内核模块实现实时预测。

　　

摘要：

在物联网（IoT）中广泛使用的计算机设备的能耗测量是一项重要且具有挑战性的任务。大多数这些IoT设备缺乏用于能耗测量的现成硬件或软件。在本文中，我们提出了一种基于数据驱动分析的、易于使用的软件能耗估算方法，该方法利用外部低端功率表来实现。我们使用Jetson Nano板和Ruideng UM25C USB功率表对这一方法进行了演示。我们探索了多种机器学习方法，并结合了智能数据采集与分析技术以及物理测量方法。实验中采用了周期性长时间测量来建立和验证功率模型，从而能够从低端功率表中获得更准确的功率读数。我们使用基准测试来评估针对Jetson Nano板和Raspberry Pi的软件功率模型的性能。结果表明，与直接测量相比，基于软件的功率估算方法的准确率可达92%。我们还开发了一个内核模块，该模块可以收集程序的运行轨迹和所需频率信息，以便对实际环境中运行的程序进行功率预测。我们的这种成本效益高的方法能够实现精确的瞬时功率估算，而这正是低端功率表无法直接提供的。

引言

测量计算机系统的能耗一直是一项重要的任务，因为：

能耗是系统性能的重要指标[1]、[2]、[3]。在头戴式增强现实（AR）[4]和边缘计算[5]领域，

能源效率直接影响系统的运行能力和可持续性。

•

一些注重能源效率的系统设计方法基于能耗反馈来进行控制[6]、[7]、[8]。