论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 方睿,董树锋,唐坤杰,朱承治,裴湉,宋永华
关键词: 数据辨识,状态估计,测点正常率,图形处理器,并行计算
来源: 电力系统自动化 2019年16期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业
单位: 浙江大学电气工程学院,国网浙江省电力有限公司,澳门大学电机及电脑工程系
基金: 国家电网公司科技项目(52110418000M)~~
分类号: TM73
页码: 86-94+115
总页数: 10
文件大小: 1586K
下载量: 184