摘 要

随着经济社会的不断发展，作为电力系统终端但相对薄弱的配电网的地位日益突显，同时随着网络结构的日益复杂，配电网潮流的不确定性增大，大规模配电网的潮流计算面临着严峻的挑战，传统的串行计算方法在大型配电网络的运行中已无法满足其速度要求。近几年来，可编程、高度并行化、多线程、多核的图形处理器GPU的快速发展为我们提供了一种切实可行的低成本方法，将并行计算技术和配电网潮流算法相结合必能有效提高配电网潮流计算的规模和速度，因而研究基于GPU 的配电网潮流并行计算有着十分重要的意义。

本文以前推回代潮流算法作为基础，采用的软件环境是Win7 VS2013 CUDA7.5，深入分析了基于CUDA架构的配电网前推回代法潮流算法，编写了前推回代法的C程序、CUDA C程序、以及批量潮流的GPU程序，并通过两个测试算例对单个配电网潮流在CPU和GPU两种平台上的运行结果进行了比较，证明GPU对单个潮流呈现负加速效果。本文还对蒙特卡罗法配电网概率潮流展开了一定的的研究，针对该算法的核心步骤批量潮流的计算设计了GPU并行化加速方案，当优化目标改为大批量相同的配电网潮流时，GPU的加速效果十分明显，且随着潮流数量的增加呈指数增加。基于GPU的批量潮流加速结果对于蒙特卡罗法概率潮流的后续研究具有重要的指导意义。

关键词：配电网潮流计算；前推回代法；GPU；CUDA

Abstract

With the on-going development of social economy, distribution network which is the terminal system and relatively weak becomes more and more important. At the same time with the increasingcomplexity of network structure, the uncertainty of the power flow of the distribution network increase, large-scale distribution network power flow calculation is facing severe challenge. Traditional serial calculation method in the operation of the large-scale distribution network has been unable to meet the speed requirements, in recent years, programmable, highly parallel, multithreaded, the rapid development of multi-core GPU graphics processor for us provides a feasible method of low cost. The parallel computing technology and the power system power flow calculation combination will be able to effectively improve the distribution network power flow Calculation of the speed and efficiency. Therefore, the study of GPU distribution network power flow based on parallel computing has a very important significance. This paper also on probabilistic load flow of the Monte Carlo method of distribution network launched a certain research, aiming at the key steps of the algorithm - batch computing trend designed GPU parallelization scheme.

The ladder iterative method for power flow is the basis for this article, the software environment is Win7 VS2013 CUDA7.5, in-depth analysis based on CUDA architecture distribution network forward and backward substitution method of load flow algorithm, the preparation of the forward and backward substitution method of C program, CUDA for C programs, and mass flow of GPU programs, and through two test examples of single distribution network power flow in the CPU and GPU platform of the comparison, it is proved that GPU for single power flow has a negative acceleration effect. But when the objective optimization for large quantities of the same distribution network power flow and GPU acceleration effect is very obvious, and with the increase of the number of power flow, the acceleration of the mass flow based on GPU has an important guiding significance for the follow-up study of the probability flow of Monte Carlo method.

Key Words：distribution power flow；forward-backward mathed；GPU；CUDA

目 录

第1章 绪论 1

1.1 课题研究的背景及意义 1

1.2 国内外研究现状 2

1.2.1 电力系统并行计算的研究现状 2

1.2.2 批量潮流加速的研究现状 3

1.3 课题研究内容 3

第2章 GPU并行计算技术及CUDA架构 5

2.1 GPU并行计算 5

2.1.1 GPU的发展阶段 5

2.1.2 GPU结构 6

2.1.3 GPU和CPU的比较 7

2.1.4 GPU通用计算 8

2.2 CUDA架构 9

2.2.1 CUDA编程模型 9

2.2.2 CUDA程序执行流程 10

2.2.3 CUDA C语言编程 11

2.3 本章小结 12

第3章 配电网潮流计算 13

3.1 配电网潮流计算概述 13

3.2 前推回代法原理 13

3.3 CPU潮流计算程序 14

3.4 本章小结 16

第4章 概率潮流及基于GPU的批量潮流加速 17

4.1 蒙特卡罗法概率潮流概述 17

4.2 GPU加速单个潮流 18

4.3 GPU加速批量潮流 20

4.4 本章小结 22

第5章 实验结果与分析 23

5.1 测试环境 23

5.2 测试算例 23

5.3 实验结果分析 23

5.3.1 单个配电网潮流运行结果 23

5.3.2 批量潮流GPU加速效果 24

第6章 结论 25

参考文献 26

致谢 27

附录 28

第1章 绪论

1.1课题研究的背景及意义

随着社会的发展、经济水平的提升，用户对供电可靠性及电压质量的要求不断提高，作为电力系统终端、与用户直接相连但相对薄弱的配电网络得到越来越多的重视。配电网进行网络运行分析的基础是潮流计算，潮流计算的数据在配电网重构网络、处理故障、优化无功以及状态估计等多方面得以应用，配网潮流在整个电力系统的运行分析、模拟操作和调度规划中都发挥着非常重要的作用。
鉴于潮流计算的重大应用价值，很多国内外的科研人员对其展开了深入研究。早期的潮流计算研究对象是高压输电网，直到90年代后才对与输电网大不相同的配电网的潮流计算展开讨论。配电网的特殊之处在于结构闭环而运行开环，同时配电线路的电阻电抗比值R/X较大，网络的PQ节点数量远多于PV节点等使得在输电网中传统的牛顿拉夫逊算法以及快速解耦法在这里不再适用，它们都以高压输电网为研究对象，而配电网电压等级较低，其负荷和线路都与高压输电网有很大区别。近年来的研究表明，基于前推回代法的配电网潮流算法中没有复杂的矩阵运算，易于编程，同时拥有求解速度快、收敛精度高、内存占用少等优点，适合用于本文中讨论的辐射状配电网的潮流计算。
与此同时，计算平台的表现力在过去几十年间迅猛发展，计算机的计算能力、存储带宽等方面发展速度几乎达到了指数级，在传统的串行计算无法达到各个学科对高性能计算要求的情况下并行计算技术的提出意义重大。并行计算（Parallel Computing）是相对串行计算（Serial Computing）提出的概念，串行计算是指在只有一个处理器的条件下按流水线顺序依次执行给定的计算任务，而并行计算则是在多个处理器的条件下将大规模问题分解为多个子任务并分配给不同的处理单元，多个处理单元通过配合协作共同完成任务，从而提高处理大规模密集型计算任务的速度。随着并行计算技术的不断发展和完善，并行计算已成为通用计算领域中不可或缺的一项关键技术，下面介绍下三种主流的并行计算技术：

1. 分布式计算

分布式计算是利用两台或以上能联网通信的计算机，通过网络分配共享计算任务和信息协作解决问题的计算方式。分布式计算研究的主要内容是把大规模的计算问题分配给分布式系统中联网通信的处理器进行并行计算，综合各个处理器的结果完成问题的求解。由于其主要利用分布式系统中处理器的闲置处理能力，所以组织较为松散，无法实现并行计算想要提高同一个问题的求解速度和规模的目的。

1. CPU并行计算

CPU并行计算是中央处理器（Central Processing Unit）在其单核心基础上的进一步发展，通过在单个芯片上集成多个处理器核心从而实现多处理器并行运算，依靠的关键技术是CPU多核并行技术。目前CPU按照摩尔定律的速度发展，即每18-24个月在芯片上可集成的晶体管数量和性能翻倍，数据处理能力和计算速度都得到了很大的提高，市场上主流的CPU普遍是双核、4核、8核的，甚至最多达到16个核心，标志着计算机已全面迈入多核时代。在多核架构为CPU并行计算提供的良好平台下，未来CPU的核心数量仍然保持着增长的趋势。

1. GPU并行计算

GPU是指图形处理器（Graphic Processing Unit），设计初衷是为了加速应用程序中图形渲染的相关计算^[1]。但近年来在游戏市场及大规模科学计算需求的牵引下，GPU天生具有的强大并行计算能力、高带宽、低成本等优点愈加凸显，各方面性能和功能都得到了巨大的扩展，发展速度甚至超过了按照摩尔定律速度增长的CPU。尤其是Intel公司为GPU计算专门设计的CUDA编程模式，其采用统一处理架构和引入片内共享存储器这两点关键技术改进使得GPU应用成功得到进一步推广^[2]，开启了高性能计算平台的新篇章。

目前，并行计算技术已在现代科学研究和工程计算中得以广泛应用。随着电网规模和设备数的增长，电力系统的发展不断趋向大规模、复杂化、多元化，电力系统潮流计算的复杂程度急剧增加，具有计算量大、不确定性大等特点。在大型配电网络的运行分析中采用传统的串行潮流计算算法已无法满足其容量要求，此时若能将并行计算技术和电力系统潮流计算相结合，必能有效提高配电网潮流计算的规模和效率，为电力系统潮流计算带来巨大的改变。上述介绍的3种并行计算技术中GPU功耗低、成本低、计算能力高，因此本文将研究利用GPU加速配电网潮流计算的方法。