Print

基于最大测点正常率与GPU并行加速的不良数据辨识方法

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

  • 0 引言
  • 1 MNMR电力系统状态估计算法
  •   1.1 数学模型
  •   1.2 模型特点
  •   1.3 求解思路
  • 2 基于杂交变异PSO算法的优化模型求解
  •   2.1 杂交变异PSO算法
  •   2.2 优化模型求解
  • 3 GPU并行加速策略
  •   3.1 CUDA并行计算
  •   3.2 并行性分析
  •   3.3 细粒度并行方法
  •   3.4 粗粒度并行方法
  • 4 本文算法求解步骤
  • 5 算例分析
  •   5.1 相同算例的多不良数据辨识度分析
  •   5.2 不同算例的不良数据辨识度分析
  •   5.3 粒子个数分析
  •   5.4 并行加速比分析
  •   5.5 内存占用测试
  • 6 结语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/fde6cf7fe209dd781685686a.html