基于GPU加速的电力系统最优潮流算法研究

【摘要】：随着现代电力系统趋向于规模化、多元化、复杂化方向发展,人们对电力系统安全稳定运行的需求也日益增加。最优潮流(Optimal Power Flow,OPF)是同时考虑电力系统安全性和经济性的重要分析工具,在经济调度、安全运行、电网规划、可靠性分析等方面得到了广泛的应用。在全网统一分析的背景下,为了满足电力系统在调控运行等实时场景中对计算速度的需求,开发一个高效、准确的最优潮流计算方案成为了重要的研究课题。近年来,图形处理器(Graphics Processing Unit,GPU)因其在浮点计算速度和存储带宽方面的优势而成为高性能计算方向的研究热点,也被成功应用在电力系统领域,使得更大规模、更高效率的电力系统分析与计算应用成为可能。本文通过GPU对最优潮流算法进行并行加速,具体研究内容如下:首先,研究了基于原对偶内点法的最优潮流并行算法。考虑到算法流程中KKT系统的求解是主要的计算瓶颈,提出了利用GPU强大的并行计算能力去加速稀疏线性方程组求解的计算方案,采用消去树跨层并行的优化策略实现了GPU加速的稀疏直接求解算法。相比KLU求解器和cu SOLVER算法库,本文设计的GPU算法具有更好的计算性能。GPU算法在9241节点系统上的经典最优潮流计算时间相较于CPU算法可取得2.86倍的加速比。然后,在基础的最优潮流模型上进行拓展,讨论了更复杂的安全约束最优潮流(Security Constrained Optimal Power Flow,SCOPF)计算问题,通过对问题的解耦重构挖掘了KKT系统潜在的特殊结构,研究了基于对角加边模型的SCOPF并行算法。根据CPU和GPU各自的计算特点,提出了SCOPF算法在异构计算平台上的总体流程,对混合架构中的流程控制和数据传输等任务分配方式作了具体优化,对多GPU并行计算的调度机制进行了详细阐述。进一步,在SCOPF算法流程并行化的基础上研究了GPU加速的分块消元法,通过对GPU内核函数的优化设计挖掘了细粒度的并行计算模式。在耗时较长的局部Schur补计算上,采用规则化建模方法实现了批量三角方程组的求解,采用高效访问共享内存的线程分配策略实现了稀疏矩阵乘法。在边界稠密线性方程组求解上,通过GPU算法减少了这一串行组件的计算时间,进一步提高了算法的整体效率。最后,在不同规模的电力系统算例上对GPU加速的SCOPF算法进行了性能测试。测试结果表明,基于分块消元法的GPU计算方案在求解大规模电力系统优化问题时表现出更高的计算效率。以2869节点系统的SCOPF计算为例,相比传统的CPU计算方案,GPU方案在求解KKT系统上取得了21.77倍的加速比,并在全流程上总共取得了8.52倍的加速比。算例结果验证了所提方法的高效性与适用性。