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(luò)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(yīng)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(shè)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(lǐng)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(chǔ)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(shè)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)