基于GPU加速的電力系統(tǒng)并行潮流的研究.pdf

1、隨著電力系統(tǒng)規(guī)模的增大、網(wǎng)絡結(jié)構(gòu)也變得越來越復雜,大規(guī)模電力系統(tǒng)的分析與仿真面臨著嚴峻的挑戰(zhàn)。傳統(tǒng)的電力系統(tǒng)計算分析都是基于中央單元處理器(Central Processing Unit,CPU)平臺上，并且在此平臺上對算法進行優(yōu)化改進,這一途徑難于從根本上對性能有大幅度的提升。因此,研究適應于其他高速計算平臺的并行算法是解決這一問題的非常重要的途徑。和傳統(tǒng)的CPU架構(gòu)相比,圖形處理器(Graphic Processing Unit,G

2、PU)在大規(guī)模數(shù)據(jù)處理上擁有絕對的優(yōu)勢,同時,統(tǒng)一設備架構(gòu)(Compute Unified Device Architecture, CUDA)的提出,也為基于GPU硬件平臺在通用計算領域的發(fā)展提供了簡潔統(tǒng)一的計算接口,降低了GPU開發(fā)的難度,擴展了GPU的可編程性,因而研究基于GPU的電力系統(tǒng)并行仿真計算對降低成本,推進電力系統(tǒng)計算向更深層次的高性能并行計算發(fā)展有著十分重要的意義。
　　本文分析了CPU/GPU混合平臺硬件架構(gòu)和

3、軟件體系,在此基礎上研究了混合平臺上的電力系統(tǒng)并行潮流算法,提出了基于混合平臺的潮流共軛梯度(Conjugate Gradient,CG)算法,以適用于電力系統(tǒng)在線分析與實時仿真。
　　結(jié)合GPU硬件結(jié)構(gòu)的特點,為了有效地解決CSR壓縮格式在GPU通用計算中的全局內(nèi)存對齊問題,提出了一種稀疏矩陣壓縮格式——改進的行格式壓縮法。設計GPU平臺上的基于該格式的稀疏矩陣向量乘法計算核,采用算例驗證表明該格式與傳統(tǒng)CSR格式相比,有效地縮

4、短了在GPU平臺上的稀疏矩陣向量乘法的計算時間。
　　深入分析了基于CPU/GPU架構(gòu)的電力系統(tǒng)潮流算法,確定出適合于GPU加速的解修正方程部分。根據(jù)共軛梯度法的內(nèi)在并行性,實現(xiàn)了基于GPU的并行共軛梯度法。由隨機算例的測試結(jié)果表明在求解大型稀疏方程時,共軛梯度法在GPU平臺上比傳統(tǒng)CPU平臺上具有顯著的加速優(yōu)勢。
　　給出了基于CPU/GPU混合平臺的直流潮流CG法和交流潮流PQ-CG法的具體實現(xiàn),通過多個IEEE測試系統(tǒng)