导读:本文包含了并行潮流算法论文开题报告文献综述及选题提纲参考文献，主要关键词:回路电流法,列选主元LU分解法,配电网潮流计算,多线程
并行潮流算法论文文献综述
方睿,董树锋,朱炳铨,徐奇锋,宋永华[1]（2019）在《基于并行加速LU分解改进回路电流法的配电网潮流算法》一文中研究指出随着电力系统规模的不断扩大,配电网节点数越来越多,对配电网潮流算法的计算速度和收敛性提出了更高的要求。为此,提出一种基于并行加速LU分解改进回路电流法的配电网潮流算法,该算法采用回路电流法进行建模求解,利用列选主元LU分解法求解病态线性方程组,并根据列消去树、关联列修正关系和多线程计算原理设计了潮流算法,实现了潮流计算的多线程的并行加速。通过对不同规模的配电网算例进行分析,结果表明所提算法计算速度快、适用性强、内存占用低,在大规模配电网潮流计算中有良好的计算效果,能够满足大型配电网在线潮流计算的要求。(本文来源于《电网技术》期刊2019年06期）
郑宝敏,余涛,瞿凯平,张孝顺,殷林飞[2]（2018）在《多区域并行协同的多目标分布式帕累托最优潮流算法》一文中研究指出在开放电力市场的环境下,各区域电网合作与利益博弈共存,区域电网之间的信息保密问题显得愈发重要。现有的帕累托最优潮流求解方法均属于集中式算法,在优化时需要获知全网的信息,无法满足高私密性以及高可靠性的要求。在该背景下,寻求一种去中心化的分布式优化方法以保障系统内各区域电网的信息安全显得尤为重要。基于此,文中提出了一种多区域并行协同的多目标分布式帕累托最优潮流求解算法。该算法以法线边界交叉法为基础,将整个系统的多目标潮流优化问题分解为与多个子区域对应的子优化问题。每个子区域采用独立的优化器完成子问题的优化,区域之间仅交换联络线上的边界变量以及虚拟目标因子进行全局调整,不断逼近原问题的帕累托最优解集。IEEE 118节点算例仿真结果表明:所提算法可在有效实现多目标帕累托最优潮流分布式并行求解的同时,还可提高求解精度和减小计算内存,从而适用于在开放电力市场背景下各区域电网合作与利益博弈共存的运营模式。(本文来源于《电力系统自动化》期刊2018年20期）
秦成明[3]（2017）在《基于多核CPU加速的电力系统并行潮流算法研究》一文中研究指出随着现代电网规模的不断变大,电力系统潮流的计算复杂度也随之变高,传统串行潮流算法的性能已经难以满足实际生产要求,需要采用并行计算技术来加速潮流的计算过程。多核CPU是一种主流的并行计算硬件,本文研究采用多核CPU来加速牛顿-拉夫逊潮流计算,由于牛顿-拉夫逊潮流计算中核心部分是雅克比矩阵生成和潮流修正方程组求解,所以本文着重研究对雅克比矩阵生成和潮流修正方程组求解的并行加速策略,具体研究内容如下:首先,研究归纳了并行算法的设计原则,接着对稀疏雅克比矩阵生成算法和left-looking稀疏LU分解算法进行了并行度挖掘,提出了并行稀疏雅克比矩阵生成算法和并行left-looking稀疏LU分解算法。然后,基于PosixPthread并行算法库,在多核CPU上实现了并行稀疏雅克比矩阵生成算法和并行left-looking稀疏LU分解算法。算法研究表明,电网规模越大,加速效果越明显。在2.0 GHZ的6核心CPU上,相对于单核CPU雅克比矩阵生成算法在维数约为2000时取得加速,当维数为12664时,取得4.61倍加速比;相对于串行KLU算法在维数约为5000时取得加速,当维数为12664时,取得1.79倍加速比。另外,在多核CPU上对多米诺和分层两种并行策略进行了对比分析,结果表明多米诺并行的LU分解法在方程组维数大于500时开始体现性能优势,当维数为12664时,可取得1.31倍加速比。最后,比较分析了多核CPU和GPU加速潮流计算的性能差异,GPU并行算法采用和多核CPU并行算法相同的并行度挖掘策略,在CUDA 7.0编程环境和K20C GPU上,GPU并行雅克比矩阵生成性能良好,但GPU并行潮流修正方程组求解相对于串行KLU算法始终没有加速,在方程组维度较大时性能不及多核CPU并行算法。(本文来源于《东南大学》期刊2017-06-01）
张俊[4]（2016）在《基于Spark平台的电力系统潮流算法的并行实现》一文中研究指出随着电力需求的持续增长及电网互联规模不断扩大,电力系统运行与控制不仅要处理更大量的数据,而且提出了更高的实时性要求,即使利用传统的高性能计算机来求解多方程的高阶电力系统问题,也需要花费很多时间。电力系统潮流计算的传统串行方式在可处理规模与求解速度上已经无法满足大型电力网络的在线分析及实时控制等仿真要求,因此提出了可行的支持复杂问题快速求解的并行计算方案,这样既确保了潮流结果的准确性,又避免了潮流问题规模增大引起的计算时间消耗的增多。作为当下流行的大数据处理平台,Spark被广泛应用于工业领域特别是互联网领域中,但在电力系统中的研究与应用尚处于探索阶段。本文是将Spark用于电力系统潮流计算分析的一种尝试。考虑节点编号的优化及因子表,编写了基于牛拉法的串行潮流程序。结合Spark提供的语言支持与潮流程序特点,选取Python对基于牛拉法的潮流程序做初步改写,然后按照Spark API规范修改进一步修改程序并在搭建的Spark平台下运行,实现了潮流问题的并行处理,分析结果表明并行运行的确能提高计算速度,且并行加速比随着系统节点的增多而上升,即大规模下并行计算的优越性更突出。完成了基于分块坐标下降的串行及并行算法程序设计,通过求解一个可分解的数学优化问题比较串、并行算法各自的收敛速度,测试结果表明串行算法总体较优,并行算法需要进行迭代的次数可能更多,但可通过减小罚参数c的值提升其收敛性,更适用于各控制中心的独立分散计算。(本文来源于《西南石油大学》期刊2016-06-01）
黄玲[5]（2008）在《Y_BUS并行潮流算法研究及应用》一文中研究指出随着电力系统自动化的不断进展,大规模网络下的潮流计算成为需求。通过并行计算提高潮流计算的性能,将有利于大电网系统的实时分析计算。本文基于配电网Y_(BUS)算法,充分利用了并行计算方法的思想,分析了网络节点的收敛特性,按收敛特性作为网络分割的条件,在探索中提出了Y_(BUS)并行潮流算法。研究了主从网络异步迭代次数比例对网络收敛性的影响。该算法原理清楚,程序实现简单直观,计算速度快,不受R/X比值的影响,在配网算例中能可靠收敛。并在此基础上减少了潮流计算量,提高了收敛速度。应用该算法计算了IEEE等系统,并通过与Y_(BUS)算法比较证明了上述结论。以鞍山配网自动化项目为背景,提出了应用方案,并实现了对鞍山电网网络拓扑,潮流分析,远程监控和管理等功能工作。(本文来源于《华北电力大学（北京）》期刊2008-12-01）
李传栋,房大中,杨金刚,袁世强,鄂志君[6]（2008）在《大规模电网并行潮流算法》一文中研究指出提出了一种大规模电力系统并行潮流算法。该算法将电力网络划分成若干个子网,以子网为计算节点、联络线为支路构造浓缩网格,进行潮流计算时通过双向迭代方法交替实现对网格和网格中计算节点的牛顿法线性增量方程的求解。该算法有效提高了电力系统潮流方程联立求解的效率,为大规模电力系统并行潮流计算提供了方法。在新英格兰测试系统和我国东北电网上进行了验算,结果验证了算法的有效性和合理性。(本文来源于《电网技术》期刊2008年07期）
朱小军,陈刚,蒋燕[7]（2007）在《基于电网分区的并行最优潮流算法实用化研究》一文中研究指出在电网分区的基础上,利用“Δ-变量”的特点,研究分析了其与辅助问题原理的结合应用,不仅成功将电网分离为多个计算上完全独立的区域,还通过中间变量解决了由分区计算所引起的多平衡节点问题。电网分区是电力系统的一个重要特征,各个分区进行独立并行优化,充分利用了网络资源,大大缩短了总的运算时间,对电网实时无功优化具有很大的推动作用。同时在分区优化中运用罚函数机制来处理离散变量,避免了简单归整法易出现不可行解的情况,提高了算法的收敛可靠性。文中还通过IEEE118节点算例对研究内容进行了测试,得到了比较满意的效果。(本文来源于《继电器》期刊2007年06期）
魏鹏,唐立春[8]（2006）在《基于辅助问题和序列二次规划法的电网分区并行最优潮流算法》一文中研究指出针对传统集中式潮流计算存在的问题,建立基于电网分区的分解协调模型.采用构造辅助问题(AP)的方法进行分布式并行计算,将大型互联电网最优潮流问题分解为多个子网的并行潮流优化问题,在每个子网中,采用序列二次规划法求解子系统的的优化问题.基于地域的系统分解与协调符合电网市场的发展方向.仿真结果表明,该算法具有收敛性和快速性(本文来源于《长沙电力学院学报(自然科学版)》期刊2006年04期）
商小乐,李建华,刘锐,李夏[9]（2006）在《基于辅助问题原理及内点法的分区并行最优潮流算法》一文中研究指出针对大电网在最优化问题计算中存在计算时间长、矩阵维数高等问题,按照电力系统的实际地理分布,在某些联络线处将整个电网分解为多个相对独立的子系统,子系统间通过边界节点产生的约束条件进行协调,建立了一个基于辅助问题原理(APP)的多分区并行最优潮流计算模型.应用APP方法,将大电网最优潮流问题转化为多个规模相对较小子系统的并行协调优化问题,在每个子系统中采用跟踪中心轨迹内点法求解子系统的优化问题.测试算例的计算结果表明,该算法减少了整个问题的矩阵维数,降低了问题的求解难度,具有较强的收敛性、快速性和实用性.(本文来源于《西安交通大学学报》期刊2006年04期）
并行潮流算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在开放电力市场的环境下,各区域电网合作与利益博弈共存,区域电网之间的信息保密问题显得愈发重要。现有的帕累托最优潮流求解方法均属于集中式算法,在优化时需要获知全网的信息,无法满足高私密性以及高可靠性的要求。在该背景下,寻求一种去中心化的分布式优化方法以保障系统内各区域电网的信息安全显得尤为重要。基于此,文中提出了一种多区域并行协同的多目标分布式帕累托最优潮流求解算法。该算法以法线边界交叉法为基础,将整个系统的多目标潮流优化问题分解为与多个子区域对应的子优化问题。每个子区域采用独立的优化器完成子问题的优化,区域之间仅交换联络线上的边界变量以及虚拟目标因子进行全局调整,不断逼近原问题的帕累托最优解集。IEEE 118节点算例仿真结果表明:所提算法可在有效实现多目标帕累托最优潮流分布式并行求解的同时,还可提高求解精度和减小计算内存,从而适用于在开放电力市场背景下各区域电网合作与利益博弈共存的运营模式。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
并行潮流算法论文参考文献
[1].方睿,董树锋,朱炳铨,徐奇锋,宋永华.基于并行加速LU分解改进回路电流法的配电网潮流算法[J].电网技术.2019
[2].郑宝敏,余涛,瞿凯平,张孝顺,殷林飞.多区域并行协同的多目标分布式帕累托最优潮流算法[J].电力系统自动化.2018
[3].秦成明.基于多核CPU加速的电力系统并行潮流算法研究[D].东南大学.2017
[4].张俊.基于Spark平台的电力系统潮流算法的并行实现[D].西南石油大学.2016
[5].黄玲.Y_BUS并行潮流算法研究及应用[D].华北电力大学（北京）.2008
[6].李传栋,房大中,杨金刚,袁世强,鄂志君.大规模电网并行潮流算法[J].电网技术.2008
[7].朱小军,陈刚,蒋燕.基于电网分区的并行最优潮流算法实用化研究[J].继电器.2007
[8].魏鹏,唐立春.基于辅助问题和序列二次规划法的电网分区并行最优潮流算法[J].长沙电力学院学报(自然科学版).2006
[9].商小乐,李建华,刘锐,李夏.基于辅助问题原理及内点法的分区并行最优潮流算法[J].西安交通大学学报.2006