基于GPU加速的一體化電網高性能基礎算法研究.pdf

1、隨著智能電網的不斷發(fā)展，電力系統(tǒng)的維數越來越高，對計算精度的要求越來越高，同時還要求要有足夠快的速度來滿足實時計算的要求。電力系統(tǒng)的計算遇到了越來越大的挑戰(zhàn)。與此同時，GPU通用計算的發(fā)展十分迅速，特別是在并行計算領域，計算速度遠勝于CPU，應當考慮將GPU通用計算運用到電力系統(tǒng)的計算中。本文主要介紹了一整套基于GPU的高性能電力系統(tǒng)的基礎算法工具的算法及其實現。
　　本文首先對電力系統(tǒng)一些常見的算法進行了并行化分析，找出其中適合

2、并行化的部分，并對算法進行加速。發(fā)現其中大規(guī)模稀疏線性方程組的求解是其中的關鍵。于是對大規(guī)模線性方程組的求解并行化進行了分析。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。對于LU分解，主要的難點是如何減少分解過程中注入元的產生。為了解決這個問題。文提出了基于圖分割方法的電力系統(tǒng)潮流計算節(jié)點優(yōu)化編號。該方法你能夠在保證節(jié)點優(yōu)化編號效果的同時，以極快的速度得到優(yōu)化結果。對于大規(guī)模系統(tǒng)，采用LU分解將耗費大量時

3、間，這時應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)牛拉法潮流計算的方法。但是Krylov子空間法在系數矩陣條件數較大，譜分布分散時存在不收斂的現象。這時，需要預處理方法來改善系數矩陣的譜分布。對于一個好的預處理子，要在優(yōu)化時間和優(yōu)化效果上取得平衡，并且適合并行。在目前的預處理子中，只有通用的預處理子，而沒有針對于電力系統(tǒng)進行優(yōu)化。本

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