大规模电力系统调度决策的粗粒度并行计算

《大规模电力系统调度决策的粗粒度并行计算》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号M201271363学校代码10487密级硕士学位论文大规模电力系统调度决策的粗粒度并行计算学位申请人：代晓康学科专业：电力系统及其自动化指导教师：潘垣教授张步涵教授答辩日期：2015年5月22日AThesisSubmittedinPartialofFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringCoarse-grainedParallelComputingoftheSchedulingDecisioninLargeScalePower

2、SystemCandidate:DaiXiaokangMajor:PowerSystemandItsAutomationSupervisor:Prof.PanYuanProf.ZhangBuhanHuazhongUniversityofScienceandTechnologyWuhan,Hubei430074,P.R.ChinaMay2015独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果

3、。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。(请在以上方框内打“√”)学位论文作者签名

4、：指导教师签名：日期：年月日日期：年月日华中科技大学硕士学位论文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

5、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（OpenMulti-Processing，创建多线程）和MPI（MessagePassingInterface，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

6、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

7、，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I华中科技大学硕士学位论文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

8、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