基于GPU加速的电力系统静态安全校验算法实现
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第9-17页 |
1.1 研究背景 | 第9-10页 |
1.2 国内外研究现状 | 第10-15页 |
1.2.1 GPU软硬件架构发展 | 第10-13页 |
1.2.2 GPU通用科学计算 | 第13-14页 |
1.2.3 并行静态安全分析 | 第14-15页 |
1.3 论文研究内容及意义 | 第15-17页 |
第二章 批量潮流的GPU加速模式 | 第17-27页 |
2.1 GPU加速单潮流的性能分析 | 第17-18页 |
2.2 GPU批处理加速模式设计 | 第18-21页 |
2.3 GPU批处理潮流算法的框架设计 | 第21-24页 |
2.3.1 总体流程设计 | 第21-22页 |
2.3.2 稀疏存储格式设计 | 第22-23页 |
2.3.3 求解器选择 | 第23-24页 |
2.4 本章小结 | 第24-27页 |
第三章 GPU加速的批处理QR算法 | 第27-41页 |
3.1 QR分解算法的数值稳定性 | 第27页 |
3.2 稠密QR分解算法 | 第27-30页 |
3.2.1 QR分解定理 | 第27-28页 |
3.2.2 Householder变换法 | 第28-29页 |
3.2.3 Left-looking算法 | 第29-30页 |
3.3 稀疏QR分解算法 | 第30-33页 |
3.3.1 符号分解 | 第30-31页 |
3.3.2 数值分解 | 第31-32页 |
3.3.3 重排序算法 | 第32页 |
3.3.4 存储格式 | 第32-33页 |
3.4 并行QR分解算法 | 第33-35页 |
3.4.1 依赖关系和并行度分层 | 第33-34页 |
3.4.2 并行QR分解算法 | 第34-35页 |
3.5 GPU加速的批处理QR算法设计 | 第35-37页 |
3.5.1 单个QR分解的并行策略 | 第35-36页 |
3.5.2 批量QR分解并行策略 | 第36-37页 |
3.6 算例研究 | 第37-39页 |
3.6.1 单个QR分解性能分析 | 第37-38页 |
3.6.2 批处理QR分解性能分析 | 第38-39页 |
3.7 本章小结 | 第39-41页 |
第四章 GPU加速的批处理雅可比矩阵生成算法 | 第41-47页 |
4.1 GPU加速的单个雅克比矩阵生成算法 | 第41-44页 |
4.1.1 映射关系分析 | 第42页 |
4.1.2 子矩阵计算 | 第42-44页 |
4.2 批处理雅克比矩阵生成算法设计 | 第44-45页 |
4.3 本章小结 | 第45-47页 |
第五章 静态安全校验的GPU加速算法 | 第47-53页 |
5.1 故障筛选算法 | 第47-48页 |
5.2 越限判断算法 | 第48-49页 |
5.3 数据交互分析 | 第49-50页 |
5.4 算例研究 | 第50-52页 |
5.5 本章小结 | 第52-53页 |
第六章 总结与展望 | 第53-55页 |
6.1 结论 | 第53页 |
6.2 展望 | 第53-55页 |
致谢 | 第55-57页 |
参考文献 | 第57-61页 |
作者简介 | 第61页 |