基于GPU加速的一體化電網(wǎng)高性能基礎(chǔ)算法研究.pdf

1、隨著智能電網(wǎng)的不斷發(fā)展，電力系統(tǒng)的維數(shù)越來越高，對(duì)計(jì)算精度的要求越來越高，同時(shí)還要求要有足夠快的速度來滿足實(shí)時(shí)計(jì)算的要求。電力系統(tǒng)的計(jì)算遇到了越來越大的挑戰(zhàn)。與此同時(shí)，GPU通用計(jì)算的發(fā)展十分迅速，特別是在并行計(jì)算領(lǐng)域，計(jì)算速度遠(yuǎn)勝于CPU，應(yīng)當(dāng)考慮將GPU通用計(jì)算運(yùn)用到電力系統(tǒng)的計(jì)算中。本文主要介紹了一整套基于GPU的高性能電力系統(tǒng)的基礎(chǔ)算法工具的算法及其實(shí)現(xiàn)。
　　本文首先對(duì)電力系統(tǒng)一些常見的算法進(jìn)行了并行化分析，找出其中適合

2、并行化的部分，并對(duì)算法進(jìn)行加速。發(fā)現(xiàn)其中大規(guī)模稀疏線性方程組的求解是其中的關(guān)鍵。于是對(duì)大規(guī)模線性方程組的求解并行化進(jìn)行了分析。大規(guī)模線性方程組的求解主要有直接法和迭代法兩種，其中直接法主要有LU分解法。對(duì)于LU分解，主要的難點(diǎn)是如何減少分解過程中注入元的產(chǎn)生。為了解決這個(gè)問題。文提出了基于圖分割方法的電力系統(tǒng)潮流計(jì)算節(jié)點(diǎn)優(yōu)化編號(hào)。該方法你能夠在保證節(jié)點(diǎn)優(yōu)化編號(hào)效果的同時(shí)，以極快的速度得到優(yōu)化結(jié)果。對(duì)于大規(guī)模系統(tǒng)，采用LU分解將耗費(fèi)大量時(shí)

3、間，這時(shí)應(yīng)該考慮采用迭代法求解，在迭代法中Krylov子空間法是目前效果最好的方法。Krylov子空間法是一系列方法的集合，其中雙共軛梯度法是適合于電力系統(tǒng)牛拉法潮流計(jì)算的方法。但是Krylov子空間法在系數(shù)矩陣條件數(shù)較大，譜分布分散時(shí)存在不收斂的現(xiàn)象。這時(shí)，需要預(yù)處理方法來改善系數(shù)矩陣的譜分布。對(duì)于一個(gè)好的預(yù)處理子，要在優(yōu)化時(shí)間和優(yōu)化效果上取得平衡，并且適合并行。在目前的預(yù)處理子中，只有通用的預(yù)處理子，而沒有針對(duì)于電力系統(tǒng)進(jìn)行優(yōu)化。本

4、文提出了適用于電力系統(tǒng)潮流計(jì)算的迭代法預(yù)處理方法，能夠在保證優(yōu)化效果的同時(shí)，快速完成優(yōu)化，并且能夠在GPU上完成并行。在完成基礎(chǔ)算法后，如何與外界系統(tǒng)進(jìn)行通信仍然是一個(gè)值得研究的問題。如果采用離線計(jì)算，會(huì)在拷貝數(shù)據(jù)上浪費(fèi)大量人力物力，讓改善算法帶來的速度優(yōu)勢當(dāng)然無存。由此看來，采用在線運(yùn)算十分重要。本文采采用ActiveMQ以及Protobuf來完成數(shù)據(jù)序列化和數(shù)據(jù)傳輸，實(shí)現(xiàn)了高效而安全的數(shù)據(jù)傳輸。在完成單元測試和集成測試后，整個(gè)基于G