大规模电力系统调度决策的粗粒度并行计算

发布时间：2017-12-03 17:22

  本文关键词：大规模电力系统调度决策的粗粒度并行计算

  更多相关文章： 粗粒度并行计算 Open MP MPI 蒙特卡罗模拟 概率潮流 机组组合 日内滚动发电计划 动态最优潮流 遗传算法 双层并行

【摘要】：随着电网规模的逐渐扩大,电力系统调度决策相关研究领域不断涌现出复杂的大规模分析计算问题。虽然这些问题的串行求解方法都已经有深入研究,但工程化应用时对计算时间的苛刻要求与串行求解方法耗时过长之间的矛盾近几年来越发突显。因此,迫切需要研究提高大规模分析计算问题求解效率的方法以满足工程化应用的要求。近些年来,处理器的功率密度飙升揭示了单处理器的性能提升已基本达到物理极限。本文基于集中式对称多处理器的并行计算机,研究了大规模电力系统调度决策的多核粗粒度并行计算问题,主要针对电力系统稳态分析中的蒙特卡罗模拟概率潮流、日前电力系统机组组合和日内滚动发电计划动态最优潮流问题进行了粗粒度并行计算方法研究。首先,介绍了并行计算相关的基本概念,并重点阐述了OpenMP(Open Multi-Processing,创建多线程)和MPI(Message Passing Interface,消息传递接口)两种典型并行编程模型以及“MPI+OpenMP”双层并行编程模型。针对并行化处理过程中可能出现的各线程负载不均衡、数据冲突问题进行了研究并给出了相应的解决办法。给出了考虑并行开销的并行算法评价指标计算方法,结合集中式对称多处理器的并行计算机探讨了对称并行这一典型粗粒度并行模型所适合的最佳并行线程数。基于OpenMP并行模型,提出了蒙特卡罗模拟概率潮流的粗粒度并行计算方法。本文简要介绍了Newton法潮流计算的基本原理、蒙特卡罗模拟的抽样原理和实现方法。在此基础上基于风电有功功率和负荷有功功率的概率模型给出了模拟法概率潮流的实现方法。然后对并行化处理中的随机数问题和变量作用域问题进行了研究并给出了解决办法。算例仿真结果显示所提出的大规模电力系统蒙特卡罗模拟概率潮流并行计算方法能明显提高计算效率。基于MPI并行模型,提出了考虑网络约束的日前电力系统机组组合问题的并行求解方法。本文建立了机组组合问题的数学模型,模型中同时考虑了火电机组的阀点效应和网络约束,采用双层遗传算法求解所构建的机组组合模型。其中,外层遗传算法用于求解机组启停计划,内层遗传算法用于负荷的最优经济分配。针对双层遗传算法计算耗时较长的问题,提出了机组组合问题的粗粒度并行求解方法,即先不考虑各时段之间的耦合约束,通过MPI并行求解各时段的机组启停计划并保留多组可行解作为备选方案,最后通过遗传算法在可行解中搜索满足耦合约束的机组组合方案。在各时段解耦之后,双层遗传算法的内层约束条件对可行解空间的压缩程度远大于外层约束条件。为了进一步提高内层遗传算法的解的质量,对内层遗传算法的种群初始化过程进行了改进,提出了一种基于数学期望的种群初始化方法。同时,为了提高双层遗传算法的种群多样性以提高整体解的质量,将交叉概率和变异概率设置为一定范围内的变量。IEEE118系统的仿真结果表明本文所提出的机组组合粗粒度并行求解方法能够明显提高计算效率,获得可观的加速比。在日前机组组合和经济出力曲线确定的基础上,基于“MPI+OpenMP”双层并行模型,提出了日内滚动发电计划动态最优潮流的双层并行计算方法。本文建立了日内滚动发电计划的数学模型,由于同样考虑了火电机组的阀点效应,采用遗传算法求解各滚动周期内的动态最优潮流问题。为了提高日内滚动发电计划动态最优潮流的计算效率,对滚动周期内各时段的最优潮流问题并行求解。同时,为了最大化并行计算效率,在多时段并行的基础上对遗传算法进行了并行化处理,提出了基于种群分解的并行遗传算法,即“MPI+OpenMP”双层并行模型,外层多时段之间并行通过MPI实现,内层遗传算法的并行通过OpenMP实现。IEEE118系统仿真结果表明,在内、外层并行线程数设置合理的情形下,采用双层并行模型能够实现算法的“二次加速”,进一步提高日内滚动发电计划动态最优潮流的计算效率。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM73;TM744

【相似文献】

中国期刊全文数据库 前10条

1 孙安香,张理论,宋君强;并行计算的数据重分配[J];国防科技大学学报;2002年04期

2 曹卫;并行计算——计算科学与工程的核心[J];上海城市管理职业技术学院学报;2004年S1期

3 程球;几种并行计算模型的分析[J];安徽电气工程职业技术学院学报;2005年01期

4 张军;谭俊杰;任登凤;;二维含动边界流场的并行计算[J];河海大学学报(自然科学版);2007年04期

5 胡晓力;田有先;;多粒度并行计算集群研究与应用[J];电力学报;2007年04期

6 谷照升;;基于多核CPU的并行计算设计[J];长春工程学院学报(自然科学版);2009年03期

7 刘鲁源,王欣东,刘畅;机器人反向动力学并行计算及实现[J];天津大学学报;1992年04期

8 张伟林;网络并行计算及在计算力学中的应用[J];安徽建筑工业学院学报(自然科学版);2003年01期

9 孙宏元;谢维信;杨勋;陆克中;;基于并行计算熵的同构集群负载均衡算法[J];深圳大学学报(理工版);2007年01期

10 王皓;傅旭东;孙其诚;马宏博;高洁;;大尺度流域水文并行计算的方法改进[J];应用基础与工程科学学报;2009年S1期

中国重要会议论文全文数据库 前10条

1 黄宇光;;整体同步并行计算方法的现状与发展[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

2 罗文彩;陈小前;;并行计算的多方法优化协作[A];第二十四届中国控制会议论文集（上册）[C];2005年

3 左风丽;莫则尧;叶文华;;计算流体三维分裂格式的高效并行计算[A];中国工程物理研究院科技年报（2003）[C];2003年

4 王欣;李志山;张志远;;并行计算在弹塑性时程分析中的应用[A];信息化推动工程建设工业化——第四届工程建设计算机应用创新论坛论文集[C];2013年

5 张理涛;黄廷祝;谷同祥;左宪禹;;一种适合于分布式并行计算改进的平方共轭残差法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

6 胡金初;;并行计算中的任务分配算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

7 宋庭新;李慧;;面向服务的有限元并行计算网格系统设计[A];湖北省机械工程学会设计与传动学会、武汉机械设计与传动学会2008年学术年会论文集（2）[C];2008年

8 裘懿勇;徐斌;刘晓明;;并行计算作业调度系统的架构及应用[A];第十四届中国科协年会第5分会场：绿色船舶与海洋装备创新发展及产业化论坛论文集[C];2012年

9 裘懿勇;徐斌;刘晓明;;并行计算作业调度系统的架构及应用[A];2012年MIS/S&A学术交流会议论文集[C];2012年

10 肖保国;杨顺华;邢建文;赵慧勇;;当地自适应建表方法在煤油超燃发动机并行计算中的应用[A];第十四届全国激波与激波管学术会议论文集（下册）[C];2010年

中国重要报纸全文数据库 前10条

1 轶嘉;英特尔全球首个并行计算中心落户无锡[N];人民邮电;2009年

2 曙光信息产业有限公司研发中心 温鑫;并行计算任重道远[N];中国计算机报;2007年

3 英特尔并行计算实验室研究员 TimothyMattson;并行计算:减少串行软件[N];中国计算机报;2007年

4 曙光信息产业有限公司研发中心 温鑫;并行计算软件开发概述[N];中国计算机报;2007年

5 刘霞;计算能力的提升需要一场革命[N];科技日报;2010年

6 安世亚太 雷先华;ANSYS高性能并行计算[N];中国航空报;2005年

7 张云泉;并行计算：迎接多核时代的挑战[N];计算机世界;2006年

8 本报记者 马文方;英特尔为何要牵头并行计算[N];中国计算机报;2009年

9 英特尔 赵军(Jun Zhao);PC机并行计算革命尚未成功[N];中国计算机报;2009年

10 ;Linux下的网络并行计算[N];计算机世界;2000年

中国博士学位论文全文数据库 前10条

1 张雨新;改进的MPS方法及其三维并行计算研究[D];上海交通大学;2014年

2 李维山;面向领域应用的空间域和频域分解模式并行计算[D];吉林大学;2016年

3 孙安香;数值气象预报变分同化的伴随模式并行计算[D];中国人民解放军国防科学技术大学;2002年

4 张理论;面向气象预报数值模式的高效并行计算研究[D];中国人民解放军国防科学技术大学;2002年

5 龙柏;并行计算平台上的数据索引技术研究[D];中国科学技术大学;2011年

6 管建和;电磁场有限元法解释分布式并行计算的研究[D];中国地质大学（北京）;2006年

7 刘耀儒;三维有限元并行计算及其在水利工程中的应用[D];清华大学;2003年

8 金晶;并行计算普适编程模型及系统架构研究[D];北京邮电大学;2012年

9 盛艳秀;多核异构环境下通用并行计算框架关键技术研究[D];中国海洋大学;2013年

10 张帆;过程系统优化的分布式并行计算[D];浙江大学;2002年

中国硕士学位论文全文数据库 前10条

1 胡荣华;并行计算在临近天气预报系统中的应用研究[D];华南理工大学;2015年

2 严善楷;异构系统中并行计算的动态负载均衡技术研究[D];华南理工大学;2015年

3 刘健健;基于云平台下嵌入GPU并行计算框架的人脸检测系统研究[D];中国海洋大学;2015年

4 张玉洁;基于多GPGPU并行计算的虚拟化技术研究[D];南京航空航天大学;2015年

5 郑伟;Spark下MPI/GPU并行计算处理机制的研究[D];中国海洋大学;2015年

6 程金龙;NCS成像算法的并行模型设计和优化[D];南京大学;2014年

7 郭立帅;POI简化并行计算方法研究[D];南京师范大学;2013年

8 冯海云;高光谱辐射传输模拟及基于GPU的并行计算研究[D];南京大学;2014年

9 王刚;基于GPU集群的MapReduce并行计算框架的研究与实现[D];南京大学;2013年

10 王昌帅;并行卫星云导风算法研究[D];吉林大学;2016年

，

本文编号：1249459