基于GPU的电能表健康状态评估与预测

发布时间：2021-03-05 23:13

　　随着智能电网快速发展,用电信息采集系统中智能电能表规模日渐庞大,给海量数据实时分析及电能表运维带来巨大挑战。近年来,图形处理器（Graphics Processing Unit,GPU）超高速并行计算及快速训练大规模神经网络特性已经成为国内外高性能计算领域一个新的研究热点。但是,到目前为止,还没有看到GPU在用电信息采集系统中的应用。文章着重研究如何在用电信息采集系统中运用GPU实现电能表健康状态在线评估及预测,以提升统计性能,为电能表精益化运维提供有力依据。 

【文章来源】：电测与仪表. 2020,57(11)北大核心

【文章页数】：7 页

【部分图文】：

GPU-CUDA计量异常实时分析模型

因此，文中考虑在GPU中采用熵权法确定影响电能表运行状态的各指标权重，实现电能表“批次+厂商”健康度评估。熵权法的计算步骤主要有:构建各评价指标的判断矩阵;将判断矩阵归一化;求各指标的信息熵;确定各指标权重;依据评价矩阵计算综合得分。因此，利用GPU进行电能表健康度评估时需要设计三个内核函数:求各指标和内核函数;求各指标的信息熵内核函数;计算综合评价内核函数。

因此，本文考虑在GPU中选用RBF进行电能表健康状态值预测。由于每个批次的电能表的健康状态趋势均不相同，因此，本文为每个批次建立一个RBF神经网络。建立单个批次电能表健康值状态预测的RBF神经网络模型流程如图4所示。对网络初始值进行设置后，采用批处理式调整参数方式，计算所有样本的误差之和，在误差小于限值之前，反复迭代更新网络参数，直至收敛或是迭代次数达到限值。


本文编号：3066020