论文部分内容阅读
本文受到教育部211工程项目“大电力系统可靠性并行分析系统研究”课题的资助。论文对电力系统并行处理技术,特别是当前尚未取得实质性进展的前沿性课题——大电力系统可靠性并行计算模型,进行了深入的研究。论文以Linux+MPI和COTS模式构建高性能价格比的Beowulf集群平台处理电力系统并行求解问题。接着基于Krylov子空间方法理论,提出一种新的适应电力网络矩阵求解的预条件处理技术,结合PCG迭代有效降低了大规模电力系统高维稀疏线性方程求解的计算复杂度,并基于Beowulf集群和MPI编程模型将其运用到并行求解大规模电力潮流、状态估计以及电力系统静态安全分析问题中。然后,针对大电力系统可靠性评估问题,提出两种Monte-Carlo并行仿真模型,建立配合收敛控制的异步化模拟过程,设计消息传递编程模型下的粗粒度算法,并对算法近似线性的加速性能作出理论分析,通过MPI编程在Beowulf集群上实现了大电力系统可靠性评估的快速并行计算,利用并行处理技术成功缓解了大电力系统可靠性评估的“计算灾”。最后,以大电力系统可靠性评估并行程序为核心,建立基于B/S三层模型的Web计算系统基本结构,提出对应的网络数据库设计和计算模块装载模型,开发出大电力系统可靠性评估Web计算系统,以Web Service的形式实现了大电力系统可靠性评估的Internet在线计算。论文研究的具体内容如下:(1)以OpenSource的Linux+MPI和COTS模式构建了高性能价格比的Beowulf集群平台处理电力系统并行求解问题。基于最新的IT技术,以实际的构建过程为例,详细分析了电力系统Beowulf计算集群的基本体系结构,从硬件、网络和软件三个方面解析其高性价比的构建技术。同时,运用基准测试程序(LinPACK、NPB和PMB)对这一高性能计算平台进行测试,显示该平台高效的并行计算性能,以及对程序可移植性的良好支持。论文介绍的基于集群技术构建的电力系统高性能计算平台为进行大规模电力系统快速、详细的并行仿真计算奠定了基础。(2)研究了预条件处理的Krylov子空间方法求解大规模电力系统方程的问题。采用PCG迭代法代替传统的LU直接法对高维稀疏潮流方程进行求解,并详细比较各种预条件处理技术对CG法潮流方程求解的效果。结合电网络矩阵求解的特点,提出一种新的节点优化排序的Incomplete Cholesky预处理方法,通过对电网络矩阵条件数的明显改变,有效降低了CG迭代次数。实验分析证明它是CG法快速求解潮流的一种高效的预处理方法。对IEEE30、IEEE118和多个合成的大规模电力系统进行潮流计算,结果表明这种预处理比其它的预处理需要更少的迭代次