摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第10-16页 |
1.1 论文研究背景及意义 | 第10-11页 |
1.2 国内外研究现状与发展趋势 | 第11-13页 |
1.3 论文的主要研究内容及工作 | 第13-14页 |
1.4 论文的组织结构 | 第14-16页 |
第2章 相关理论与技术 | 第16-24页 |
2.1 电力系统状态估计介绍 | 第16页 |
2.2 状态估计与常规潮流的比较 | 第16-17页 |
2.3 电力系统状态估计问题中的数学模型 | 第17-19页 |
2.3.1 量测系统的数学模型 | 第17-18页 |
2.3.2 最小二乘估计的数学模型 | 第18-19页 |
2.4 牛顿法解加权最小二乘估计问题 | 第19-22页 |
2.4.1 加权最小二乘法的基础理论概述 | 第19-21页 |
2.4.2 量测雅可比矩阵的求解方法 | 第21-22页 |
2.5 加权最小二乘法状态估计程序流程图 | 第22-23页 |
2.6 本章小结 | 第23-24页 |
第3章 基于预处理共轭梯度法的电力系统状态估计算法改进(PCG-WLS) | 第24-32页 |
3.1 当前状态估计算法的问题及分析 | 第24-25页 |
3.1.1 基于LU分解法的状态估计计算方法 | 第24页 |
3.1.2 LU分解法求解存在的问题 | 第24-25页 |
3.2 状态估计算法的改进方法 | 第25-28页 |
3.2.1 Krylov子空间法的优势 | 第25页 |
3.2.2 基于共轭梯度法的状态估计算法 | 第25-26页 |
3.2.3 预处理的共轭梯度法 | 第26-28页 |
3.3 预处理方法的选取 | 第28-30页 |
3.3.1 对角线预处理法 | 第28页 |
3.3.2 不完全LU分解预处理法 | 第28-29页 |
3.3.3 不完全Cholesky分解预处理法 | 第29-30页 |
3.4 PCG-WLS法状态估计算流程图 | 第30-31页 |
3.5 本章小结 | 第31-32页 |
第4章 基于改进算法(PCG-WLS)的电力系统状态估计并行设计与分析 | 第32-40页 |
4.1 状态估计算法并行设计基本思路 | 第32-33页 |
4.2 状态估计中稀疏矩阵优化并行 | 第33-34页 |
4.2.1 量测雅可比矩阵的稀疏存储优化方案 | 第33-34页 |
4.2.2 信息矩阵的稀疏存储优化方案 | 第34页 |
4.3 预处理共轭梯度法的并行化设计 | 第34-35页 |
4.3.1 共轭梯度法的并行化 | 第34-35页 |
4.3.2 预处理方法的并行化 | 第35页 |
4.4 信息矩阵的分块及并行实现 | 第35-38页 |
4.4.1 分布式阵列并行方案 | 第36-37页 |
4.4.2 联合分布式阵列并行方案 | 第37-38页 |
4.5 并行计算程序设计与分析 | 第38-39页 |
4.5.1 CPU多核并行计算平台 | 第38-39页 |
4.5.2 并行计算复杂度分析 | 第39页 |
4.5.3 并行计算数据通信分析 | 第39页 |
4.6 本章小结 | 第39-40页 |
第5章 基于图形处理器(GPU)的PCG-WLS状态估计并行计算 | 第40-58页 |
5.1 基于统一计算设备架构(CUDA)的GPU并行 | 第40-43页 |
5.1.1 CUDA技术 | 第40页 |
5.1.2 CUDA编程模型 | 第40-41页 |
5.1.3 CUDA软件体系 | 第41-42页 |
5.1.4 CUDA并行环境搭建 | 第42-43页 |
5.2 CUDA平台下的状态估计并行计算设计 | 第43页 |
5.3 基于CUDA的状态估计并行计算程序流程 | 第43-44页 |
5.4 电力系统状态估计的并行模拟实验 | 第44-46页 |
5.4.1 常规潮流模拟电力系统的运行 | 第44页 |
5.4.2 遥测系统的模拟 | 第44-45页 |
5.4.3 状态估计结果的统计分析 | 第45-46页 |
5.5 实验与分析 | 第46-57页 |
5.5.1 不同预处理方法下的状态估计计算与分析 | 第46-52页 |
5.5.2 CPU多核下的并行计算结果与分析 | 第52-55页 |
5.5.3 基于GPU的并行结果与分析 | 第55-57页 |
5.6 本章小结 | 第57-58页 |
第6章 结论与展望 | 第58-60页 |
6.1 全文总结 | 第58-59页 |
6.2 未来的工作展望 | 第59-60页 |
参考文献 | 第60-64页 |
攻读硕士学位期间发表的学术论文及其它成果 | 第64-65页 |
致谢 | 第65页 |