| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 批量潮流求解 | 第11-13页 |
| 1.2.2 GPU求解稀疏线性方程组 | 第13-14页 |
| 1.3 GPU架构与CUDA模型 | 第14-16页 |
| 1.3.1 GPU体系架构 | 第15-16页 |
| 1.3.2 CUDA运行模式 | 第16页 |
| 1.4 本文主要研究内容 | 第16-19页 |
| 第二章 GPU加速的MCPLF算法总体设计 | 第19-31页 |
| 2.1 蒙特卡罗模拟 | 第19页 |
| 2.2 元件概率模型与随机抽样 | 第19-23页 |
| 2.2.1 元件概率模型 | 第20-22页 |
| 2.2.2 随机抽样 | 第22-23页 |
| 2.3 核密度估计法 | 第23-24页 |
| 2.4 算法总体设计 | 第24-29页 |
| 2.4.1 总体流程 | 第25-26页 |
| 2.4.2 并行化策略 | 第26-29页 |
| 2.5 小结 | 第29-31页 |
| 第三章 GPU内核函数的算法设计 | 第31-43页 |
| 3.1 随机数生成 | 第31页 |
| 3.2 核密度估计 | 第31-33页 |
| 3.3 LU分解 | 第33-39页 |
| 3.3.1 稀疏left-looking LU分解方法 | 第33-35页 |
| 3.3.2 单个LU分解算法设计 | 第35-38页 |
| 3.3.3 批处理LU分解的算法设计 | 第38-39页 |
| 3.4 批处理三角方程组求解的算法设计 | 第39-41页 |
| 3.5 小结 | 第41-43页 |
| 第四章 MCPLF算法的优化设计 | 第43-51页 |
| 4.1 稀疏格式的统一化设计 | 第43-44页 |
| 4.2 算法流程控制设计 | 第44-45页 |
| 4.3 任务分配策略设计 | 第45-50页 |
| 4.3.1 GPU上的任务分配策略 | 第45-47页 |
| 4.3.2 混合架构上的任务分配策略 | 第47-50页 |
| 4.4 小结 | 第50-51页 |
| 第五章 算例研究 | 第51-61页 |
| 5.1 算例和计算平台 | 第51-52页 |
| 5.2 随机数生成与KDE算法测试 | 第52-54页 |
| 5.3 LU分解算法测试 | 第54-56页 |
| 5.4 概率潮流算法测试 | 第56-59页 |
| 5.5 小结 | 第59-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 后续研究方向 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间发表的成果 | 第69页 |