用于大规模电力系统机电暂态实时仿真的并行网络拓扑算法

为在大规模电力系统机电暂态实时仿真中模拟厂站任意开关操作,提出了一种并行网络拓扑算法。算法首先定义一种电网主拓扑结构,并在此结构上应用基于优化边界表的网络分割算法,使得大量含有开关/刀闸的厂站主接线能完整地分配在子网中;然后在此基础上实现了一种基于消息传递接口(MPI)的电网并行拓扑算法,并定义了拓扑开关变位和断线故障之间的转换逻辑,以实现与机电暂态并行仿真程序集成。此算法没有增加已有机电暂态并行算法联络系统的复杂性,而是使厂站拓扑分析并行分布在子网中;同时为了加快拓扑分析与电网求解效率,使用了局部变化拓扑、导纳矩阵局部修改、部分因子分解技术。对被划分为14个子网的17984母线大电网案例测试表明:在Intel至强处理器E5450计算机上,并行拓扑算法能够获得超过19倍的超线性加速效果,实时模拟变电站运行而无需修改电网模型,总体效率能够满足实时仿真要求。     

面向整定计算的电网路由信息储存单元研究

电力系统运行中,绝大部分整定计算软件都是以元件为单位对电网拓扑信息进行存储.按这种传统方法.每次都要涉及元件拓扑关系的计算,都必须对所存储的电网元件进行全搜索才能获取整定计算所需要的信息.针对整定计算软件的效率问题,提出以路由存储单元为单位对电网拓扑信息进行存储的思想,并对其数据结构以及工作原理进行了详细的分析,以开关为索引存储包括相邻开关、支路在内的整定计算相关信息,避免在整定计算过程中对电网拓扑信息进行重复搜索,从而提高了电网整定计算信息提取及程序计算的效率.     

CPU+GPU架构下节点阻抗矩阵生成及节点编号优化方法

随着电网规模不断扩大,快速形成大电网节点阻抗矩阵具有重要实用价值。为了加速阻抗矩阵的生成,针对中央处理器(CPU)+图形处理器(GPU)协同计算架构设计了基于GPU的并行支路追加法。通过分析电网拓扑结构与链支的关系,基于图论最小环设计了节点编号优化算法;通过厂站连接关系,提取厂站级别最小环,利用拓扑排序,确定群追加顺序。在群基础上确定厂站追加顺序,进而进行节点编号顺序优化。试验结果表明,相比串行计算方法,所提方法在计算效率方面有显著提高,在大电网计算中,可获得数十倍的加速比,追加链支的加速比达百倍。     

基于分治策略的分布式调度自动化系统 稳态监控网络拓扑分析

电网拓扑分析是电网调度自动化系统的一项基础性工作,是联通电网模型和电网分析的桥梁,为电网调度员潮流计算、防误操作等等提供必要的基础数据。随着电网建设,网架结构逐步扩大,亟需一种方法在充分利用计算机资源的基础上实现高效率的网络拓扑分析。提出了一种基于分治思想的电网网络拓扑分析算法,通过结合电网模型的特点以及成熟的图论算法予以实现。同时将面向高级应用服务和面向监控服务的拓扑功能解耦,在不影响电力潮流计算等应用功能的基础上提高调度自动化系统集成效率,最后应用该算法编写并行的分布式电网拓扑分析程序,并展望了其应用前景。     

基于分治策略的分布式调度自动化系统稳态监控网络拓扑分析

电网拓扑分析是电网调度自动化系统的一项基础性工作,是联通电网模型和电网分析的桥梁,为电网调度员潮流计算、防误操作等等提供必要的基础数据。随着电网建设,网架结构逐步扩大,亟需一种方法在充分利用计算机资源的基础上实现高效率的网络拓扑分析。提出了一种基于分治思想的电网网络拓扑分析算法,通过结合电网模型的特点以及成熟的图论算法予以实现。同时将面向高级应用服务和面向监控服务的拓扑功能解耦,在不影响电力潮流计算等应用功能的基础上提高调度自动化系统集成效率,最后应用该算法编写并行的分布式电网拓扑分析程序,并展望了其应用前景。     

基于关联矩阵化简的电网拓扑辨识新方法

电力网络拓扑分析是电力系统各种分析计算的基础.针对传统矩阵法计算量大,计算速度慢的缺点,提出一种基于矩阵化简的电网拓扑新方法.该方法用节点一支路关联矩阵表述电网的拓扑结构,根据布尔向量的“与”和“或”运算规则以及节点合并原理,对关联矩阵进行修正和化简,以实现电网的拓扑辨识;将母线分析与系统分析的数据及算法进行统一化处理,可通过局部拓扑实现网络状态变化后的快速动态拓扑.通过算例分析,以及该方法在某省实际电网拓扑分析中的应用,验证了所提方法的特点和有效性.与传统矩阵法相比,该方法不需进行复杂的矩阵运算,算法简单,计算量极小,适合于复杂电网的快速拓扑分析.     

基于补偿法的电网图形化开断分析

电网开断分析在整定计算及运行方式设定具有重要意义,该文通过电网图形局部拓扑分析,采用后补偿模式只对部分支路进行修正,大大提高了整定效率,并根据此原理在整定计算程序中对各种电网开断方式进行了研究.     

分布式并行网络拓扑计算关键技术研究

为解决由于不断扩大的电网规模和不断复杂的网络拓扑复杂程度,导致传统拓扑着色分析方法速度慢、效率低,无法适应电力系统应用软件高时效性要求的问题,研究了分布式并行网络拓扑计算关键技术。通过研究合理的网络拓扑模型划分算法,首先对拓扑计算程序改造成多线程并行处理的方式;再充分利用集群和网络的资源,将整个网络拓扑进行划分,由不同的服务器进行并行的分析与计算;最后每台并行的服务器再采用高效率的网络拓扑分析算法。经过以上几个步骤,分布式并行的网络拓扑计算可以提高可扩展性和可靠性,并且可以充分提高拓扑计算和程序运行的效率。     

一种基于关联集合和规则匹配的厂站间网络拓扑分析新算法

为了进一步提高电网拓扑分析的快速性,提出了一种基于关联集合和规则匹配加速的厂站间网络拓扑分析新算法,该方法通过搜索树支—母线关联集合并直接判断支路开断事件的影响,进一步提出了基于规则匹配的搜索加速算法,该算法能够提高连支搜索效率,实现电气岛的快速跟踪分析。同时,将在线分析过程和离线处理过程有机结合,保障在线跟踪厂站间拓扑分析时的实时性。仿真算例表明,新算法能够明显地降低厂站间拓扑分析的运算量,可满足电力系统对网络拓扑实时性和准确性的要求。     

基于补偿法的电网图形化开断分析

电网开断分析在整定计算及运行方式设定具有重要意义,该文通过电网图形局部拓扑分析,采用后补偿模式只对部分支路进行修正,大大提高了整定效率,并根据此原理在整定计算程序中对各种电网开断方式进行了研究。     

基于图数据库的电网CIM/E模型构建及网络拓扑

电力系统规模日益庞大、运行调整更加频繁,对分析计算实时性提出了更高要求。图数据库是近年来兴起的一种源于互联网海量数据并行处理的新型数据库,其数据模型可直观表达电网拓扑结构并易实现并行化遍历查询。首先,从数据模型和数据查询等方面介绍了图数据库的特点,分析了将其应用于大规模电力系统分析计算的潜在优势;其次,面向完整性、一致性以及高效性等准则,提出了基于图数据库并遵循CIM/E标准的电网数据模型设计方法,研发了数据模型装载工具。最后,在电网图数据库模型基础上,实现了一种并行化的电力网络拓扑分析算法。对实际大规模省级电网的计算结果表明,所提方法可显著提高拓扑搜索效率。     

基于道路树分层的大电网潮流并行算法及其GPU优化实现

针对大规模电网分析及能量管理系统对快速潮流计算的需求,提出了一种适于图形处理器(GPU)的基于道路树分层的稀疏矩阵直接分解算法,并结合该算法在GPU上实现了基于牛顿-拉夫逊法的潮流计算.为提高基于GPU的计算效率,首先在GPU上实现了潮流方程式右端项生成、雅可比矩阵生成、LU分解以及前推回代求解,减少了CPU和GPU之间的数据传输时间.其次,针对GPU中寄存器-缓存-显存多级存储架构,改进数据存储方式,减少了读取延迟.进一步,考虑GPU线程组织特点,优化任务分配,增加了计算并行度.最后,对比基于CPU的电力系统分析综合程序(PSASP)潮流计算模块,进行了数值仿真测试.结果表明,随着节点数的增加,所提出的程序计算优势越来越显著,算例规模达到43 602个节点时可获得5.172倍的加速比,验证了算法的有效性和实用性.     

一种基于图形处理器加速的批量LU分解算法

潮流计算是电力系统计算的基础,其核心是LU分解计算,因此电力系统潮流计算加速的关键在于LU分解加速。当前,基于中央处理器(CPU)的并行算法已经成熟,性能提升空间有限。图形处理器(GPU)作为协处理器,在科学计算方面具有强大的优越性,被广泛应用到电力系统潮流计算中。文中首先分析了GPU结构和并行运行架构,然后介绍了LU分解原理,并选择了合适的矩阵排序算法和稀疏矩阵存储模型,借助统一计算设备架构(CUDA)编程模型实现了基于GPU的单个LU分解和批量LU分解并行加速,最后在仿真设备上测试了5个不同的案例,对比分析其并行算法的加速效果。仿真测试结果表明,基于GPU的批量稀疏LU分解并行算法,平均可以获得25～50倍的加速效果。     

基于最大测点正常率与GPU并行加速的不良数据辨识方法

基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法。该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略。算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求。     

考虑网络划分优化的交直流系统并行电磁暂态仿真研究

对于大规模交直流混联电网而言,并行电磁暂态仿真在保证计算精度的同时,具有比串行电磁暂态仿真更高的计算效率,因而得到了日益广泛的应用.为进一步提高并行电磁暂态仿真的计算效率,从PSCAD并行仿真机理出发,分析了网络划分均匀程度及联络线路数对并行仿真效率的影响.在此基础上提出一种网络划分优化模型,可在保证分区均匀的同时,减...     

CPU-GPU异构计算框架下的高性能用电负荷预测

随着电网的快速发展,用电信息采集系统的数据计算业务面临着巨大挑战.近年来,图形处理器(GPU)因其在浮点计算速度和存储带宽方面的优势成为高性能计算问题中的研究热点,也被成功应用在电力系统计算分析等科学计算领域.在基于人工智能方法的电力负荷预测问题中,以往大部分研究仅考虑了使用GPU加速预测模型的训练,而并未应用在数据集的获取和计算上.提出了一种基于中央处理器-图形处理器(CPU-GPU)异构计算框架下全流程加速的高性能用电负荷预测方案.首先结合统一计算架构(CUDA)和多线程技术实现了使用多台GPU完成用电负荷的并行预处理,随后在聚类分析后基于XGBoost算法完成了多台区负荷预测,并利用GPU加速了模型的训练计算.最后通过对深圳市43254个台区用电信息的实例分析,验证了所提方法的高效性与适用性.     

基于多智能体伪并行遗传算法的小水电无功优化研究

为了解决小水电接入配电网带来的电压波动、网损增加等问题.构建了以配电网网损最小为目标函数,电压偏移量与无功补偿量为罚函数的无功优化数学模型,提出了基于多智能体和伪并行遗传算法的智能混合型求解算法,该算法通过邻集拓扑和网格环境的交换来完成全体Agent的更新,增加了进化的并行性,在优化遗传算子的基础上引入了自学习算子,该...     

面向指数积分方法的电磁暂态仿真GPU并行算法

为满足对大规模可再生能源接入的电力系统进行快速电磁暂态仿真的需求,提出了一种面向指数积分方法的电力系统电磁暂态仿真图形处理器(GPU)并行算法。首先,分析了矩阵指数积分算法求解过程所具有的高度数据并行性,进而将该特性与GPU计算资源相结合;利用GPU处理指数积分方法求解时所需的大规模矩阵运算,而将较为复杂的系统状态判别与更新保留在CPU中完成,有效提升了仿真计算速度。最后,分别针对17台和100台风机的风电场算例进行了测试,验证了所提并行算法的正确性和有效性,同时也说明了算法的加速效果会随着系统规模的增加而愈发明显。     

基于公共信息模型拓扑收缩的配电网转供能力分析

配电网转供能力是电网可靠性和自愈能力评估的重要指标,其计算的难点主要集中在故障发生或设备紧急停役时恢复非故障区域供电路径的选择上.提出基于公共信息模型(common information model, CIM)对电网进行拓扑分析,实现分支的收缩处理,寻找网络重构的关键节点,实现故障点隔离和非故障区域负荷恢复最大的转供能力算法.以某实际典型电网为例,针对 N?1故障进行配电网转供能力分析与计算,验证了所提算法的有效性