论文部分内容阅读
随着智能电网的不断发展,电力系统的维数越来越高,对计算精度的要求越来越高,同时还要求要有足够快的速度来满足实时计算的要求。电力系统的计算遇到了越来越大的挑战。与此同时,GPU通用计算的发展十分迅速,特别是在并行计算领域,计算速度远胜于CPU,应当考虑将GPU通用计算运用到电力系统的计算中。本文主要介绍了一整套基于GPU的高性能电力系统的基础算法工具的算法及其实现。首先,本文对电力系统一些常见的算法进行了并行化分析,试图找出其中适合并行化的部分,并对算法进行加速。发现其中大规模稀疏线性方程组的求解是其中的关键。于是对大规模线性方程组的求解并行化进行了分析。大规模线性方程组的求解主要有直接法和迭代法两种,其中直接法主要有LU分解法。对于LU分解,主要的难点是如何减少分解过程中注入元的产生。为了解决这个问题。本文提出了基于图分割方法的电力系统潮流计算节点优化编号。该方法你能够在保证节点优化编号效果的同时,以极快的速度得到优化结果。对于大规模系统,采用LU分解将耗费大量时间,这时应该考虑采用迭代法求解,在迭代法中Krylov子空间法是目前效果最好的方法。Krylov子空间法是一系列方法的集合,其中双共轭梯度法是适合于电力系统牛拉法潮流计算的方法。但是Krylov子空间法在系数矩阵条件数较大,谱分布分散时存在不收敛的现象。这时,需要预处理方法来改善系数矩阵的谱分布。对于一个好的预处理子,要在优化时间和优化效果上取得平衡,并且适合并行。在目前的预处理子中,只有通用的预处理子,而没有针对于电力系统进行优化。本文提出了适用于电力系统潮流计算的迭代法预处理方法,能够在保证优化效果的同时,快速完成优化,并且能够在GPU上完成并行。在完成基础算法后,如何与外界系统进行通信仍然是一个值得研究的问题。如果采用离线计算,会在拷贝数据上浪费大量人力物力,让改善算法带来的速度优势当然无存。由此看来,采用在线运算十分重要。本文采采用ActiveMQ以及Protobuf来完成数据序列化和数据传输,实现了高效而安全的数据传输。在完成单元测试和集成测试后,整个基于GPU加速的一体化电网高性能计算包得以完成,随后对整个系统的计算能力进行了测试。测试结果表明,该算法包能够解决数百万阶的潮流计算,远胜于传统软件。