-
公开(公告)号:CN111553040A
公开(公告)日:2020-08-18
申请号:CN202010271849.8
申请日:2020-04-08
申请人: 国电南瑞科技股份有限公司 , 东南大学 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司 , 南瑞集团有限公司
摘要: 本发明公开了一种基于GPU加速的电网拓扑分析高性能计算方法及装置,根据电网模型分层分区的特点,以及电网计算需求的抽象特性,对电网中各类元器件进行抽象建模,并将电网信息保存到系统内存中,在使CPU和GPU能够共享使用数据的同时,保持了CPU与GPU不同设备间数据格式的一致性,保证了并行网络拓扑分析的执行效率和稳定性。本发明提供的一种基于GPU加速的电网拓扑分析高性能计算方法及装置,将GPU通用并行计算技术应用到电网网络拓扑分析中,提高了电网网络拓扑分析的执行效率,为大规模并联电网的在线分析计算提供了实时性的支持,以便在后续计算应用时能更及时地得到电网结构的实时状态。
-
公开(公告)号:CN111553040B
公开(公告)日:2022-11-04
申请号:CN202010271849.8
申请日:2020-04-08
申请人: 国电南瑞科技股份有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司 , 南瑞集团有限公司
摘要: 本发明公开了一种基于GPU加速的电网拓扑分析高性能计算方法及装置,根据电网模型分层分区的特点,以及电网计算需求的抽象特性,对电网中各类元器件进行抽象建模,并将电网信息保存到系统内存中,在使CPU和GPU能够共享使用数据的同时,保持了CPU与GPU不同设备间数据格式的一致性,保证了并行网络拓扑分析的执行效率和稳定性。本发明提供的一种基于GPU加速的电网拓扑分析高性能计算方法及装置,将GPU通用并行计算技术应用到电网网络拓扑分析中,提高了电网网络拓扑分析的执行效率,为大规模并联电网的在线分析计算提供了实时性的支持,以便在后续计算应用时能更及时地得到电网结构的实时状态。
-
公开(公告)号:CN109597691A
公开(公告)日:2019-04-09
申请号:CN201811464467.6
申请日:2018-12-03
申请人: 东南大学 , 国网辽宁省电力有限公司鞍山供电公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
摘要: 本发明公开了一种大型稀疏矩阵乘以其转置矩阵的GPU加速方法,包括如下步骤:CPU中将大型稀疏矩阵A以CSR稀疏存储格式存储;CPU中调用cuSPARSE函数cusparseDcsrgemm2执行A×AT,得到稀疏矩阵C的CSR稀疏存储格式,并生成COO稀疏存储格式;CPU将GPU内核函数计算所需数据传输给GPU;GPU中执行稀疏矩阵乘以其转置矩阵的内核函数SparseMM:C=A×AT。本发明利用CPU控制程序的流程并处理基础数据和GPU处理密集的浮点运算相结合的模式提高了大型稀疏矩阵乘以其转置的效率,解决了电力系统状态估计中信息矩阵计算耗时大的问题。
-
公开(公告)号:CN111988796A
公开(公告)日:2020-11-24
申请号:CN202010674504.7
申请日:2020-07-14
申请人: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 东南大学
摘要: 本发明公开基于双模通信的台区信息采集业务带宽优化系统及方法,该系统包括:配置双模模块的智能电表及其第一通信节点、配置双模模块的集中器及其第二通信节点、主站系统,所述第一通信节点包括中继电表通信节点、末端电表通信节点,所述第二通信节点包括集中器通信节点;所述末端电表通信节点将数据上传至所述中继电表通信节点,所述中继电表通信节点转发数据至所述集中器通信节点,所述集中器通信节点缓存数据,并定时上送至主站系统支撑海量用电数据的分析和应用。本发明还提出基于双模通信的台区信息采集业务带宽优化方法,考虑时延和丢包率Qos指标构造代价函数,以综合代价最小化为目标,优化台区通信链路质量,实现台区业务带宽的优化。
-
公开(公告)号:CN109873501B
公开(公告)日:2020-09-11
申请号:CN201910297607.3
申请日:2019-04-15
申请人: 东南大学
IPC分类号: H02J13/00
摘要: 本发明公开了一种低压配电网拓扑自动识别方法,包括如下步骤:从若干个智能电表中分别获取用户侧表箱和分支箱的电表功率数据,并对数据进行预处理得到数据组D;通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配,形成用户侧表箱和分支箱一对一匹配关系;利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构;利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验。本发明利用用户侧表箱和分支箱的用电数据计算功率阶跃,利用聚类处理进行分支箱和用户侧表箱匹配,通过分支箱和用户侧表箱的匹配关系作出相对应的台区拓扑图结构解决现阶段低压台区拓扑结构的混乱关系。
-
公开(公告)号:CN106294022B
公开(公告)日:2019-03-29
申请号:CN201610662283.5
申请日:2016-08-12
申请人: 东南大学
摘要: 本发明公开了一种用于静态安全分析的雅可比矩阵冗余存储方法,该方法包括如下步骤:(1)根据电网基础数据生成电网元件故障前基态电网的导纳矩阵Y,按稀疏格式存储;(2)根据基态电网的导纳矩阵Y的稀疏结构,生成稀疏格式的雅可比矩阵J,将电网中所有节点按PQ节点处理,为PV节点在雅可比矩阵J中冗余预留非零元的储存空间和电压幅值增量ΔV2的储存空间,即形成PV节点对应的冗余无功功率不平衡方程;(3)在生成基态电网的任意一个具体故障潮流的修正方程组时,雅可比矩阵J按照故障电网的实际节点类型进行解耦处理。本发明解决了批处理潮流雅可比矩阵结构不一致的问题,为批处理潮流并行计算提供了数据结构基础。
-
公开(公告)号:CN106021943B
公开(公告)日:2018-07-20
申请号:CN201610365460.3
申请日:2016-05-27
申请人: 东南大学
IPC分类号: G06F17/50
摘要: 本发明公开了一种结合GPU软硬件架构特点设计的直流故障筛选方法,包括:根据GPU的软硬件参数对GPU的内核函数的任务分配进行优化设计:使用一个线程块计算一个开断;CPU读取电网数据,将所需的数据传送给GPU;采用两个CUDA流,使GPU在执行内核函数的同时,实现支路开断故障筛选与发电机开断故障筛选的异步执行;CUDA流1:GPU中的内核函数1和内核函数2筛选支路开断故障集S1并回传CPU中;CUDA流2:GPU中的内核函数3和内核函数4筛选发电机开断故障集S2并回传CPU中。本发明使用一个线程块来计算一个开断,所用的线程总数量增加,单个线程的计算量减少,充分利用了GPU的硬件资源和计算能力。
-
公开(公告)号:CN107390020A
公开(公告)日:2017-11-24
申请号:CN201710433630.1
申请日:2017-06-09
申请人: 东南大学
IPC分类号: G01R21/06
摘要: 本发明公开了一种基于功率及电流特性的电吹风非侵入辨识方法,包括如下步骤:(1)在一定采样频率范围内,对总电源进线的电压和电流信号进行采样;(2)计算实时平均有功功率序列P(i)和实时平均无功功率序列Q(i);(3)提取第j个时间窗口的电流最大值Imax(j)、电流最小值Imin(j),构造新的电流信号序列I(j)=Imax(j)+Imin(j);(4)判定电吹风运行状态,并计算该档位电吹风的额定功率。本发明解决了目前家用电器中间断运行的负荷较多,电吹风的稳态特性与其他电器相似,无明显的暂态特性等难题,可准确感知电吹风的运行及所处状态,并提供电吹风的近似额定功率,为实现电吹风的非侵入辨识。
-
公开(公告)号:CN107368368A
公开(公告)日:2017-11-21
申请号:CN201710478830.9
申请日:2017-06-22
申请人: 东南大学
摘要: 本发明公开了一种大量同构稀疏上三角方程组的GPU加速回代方法,所述方法包括如下步骤:根据线性方程组系数矩阵的LU符号分解结果,即上三角变换矩阵U1的稀疏结构,对矩阵U1各行进行并行化分层,U1~UN具有相同的稀疏结构和并行化分层结果;CPU将LU回代运算所需数据传输给GPU;任务分配和设备内存优化:将对矩阵U1~UN的回代运算任务分配到GPU上的大量线程中执行,并根据合并访问原则优化内存使用;GPU中按层次递增的顺序启动分层LU回代运算内核函数Batch_LUbackward。本发明提高了电力潮流线性方程组的LU回代运算效率,解决了电力系统运行分析中潮流计算耗时大的问题。
-
公开(公告)号:CN106354479A
公开(公告)日:2017-01-25
申请号:CN201610664905.8
申请日:2016-08-12
申请人: 东南大学
IPC分类号: G06F9/38
CPC分类号: G06F9/3877
摘要: 本发明公开了一种大量同构稀疏矩阵的GPU加速QR分解方法,所述方法包括如下步骤:在CPU上对稀疏矩阵A1进行QR符号分解,得到Household变换矩阵V1和上三角矩阵R1的稀疏结构;对矩阵A1各列进行并行化分层,且A1~AN具有相同的稀疏结构V1、上三角矩阵稀疏结构R1和并行化分层结果;CPU将QR分解所需数据传输给GPU;任务分配和设备内存优化:将对矩阵A1~AN的QR分解任务分配到GPU上的大量线程中执行,并根据合并访问原则优化内存使用;GPU中计算分层QR分解内核函数Batch_QR。该方法利用CPU控制程序的流程,GPU处理密集浮点运算,可以大幅提高大量同构稀疏矩阵的QR分解速度。
-
-
-
-
-
-
-
-
-