-
公开(公告)号：CN111553040A
公开(公告)日：2020-08-18
申请号：CN202010271849.8
申请日：2020-04-08
申请人： 国电南瑞科技股份有限公司 , 东南大学 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司 , 南瑞集团有限公司
摘要： 本发明公开了一种基于GPU加速的电网拓扑分析高性能计算方法及装置，根据电网模型分层分区的特点，以及电网计算需求的抽象特性，对电网中各类元器件进行抽象建模，并将电网信息保存到系统内存中，在使CPU和GPU能够共享使用数据的同时，保持了CPU与GPU不同设备间数据格式的一致性，保证了并行网络拓扑分析的执行效率和稳定性。本发明提供的一种基于GPU加速的电网拓扑分析高性能计算方法及装置，将GPU通用并行计算技术应用到电网网络拓扑分析中，提高了电网网络拓扑分析的执行效率，为大规模并联电网的在线分析计算提供了实时性的支持，以便在后续计算应用时能更及时地得到电网结构的实时状态。
-
公开(公告)号：CN111553040B
公开(公告)日：2022-11-04
申请号：CN202010271849.8
申请日：2020-04-08
申请人： 国电南瑞科技股份有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司 , 南瑞集团有限公司
摘要： 本发明公开了一种基于GPU加速的电网拓扑分析高性能计算方法及装置，根据电网模型分层分区的特点，以及电网计算需求的抽象特性，对电网中各类元器件进行抽象建模，并将电网信息保存到系统内存中，在使CPU和GPU能够共享使用数据的同时，保持了CPU与GPU不同设备间数据格式的一致性，保证了并行网络拓扑分析的执行效率和稳定性。本发明提供的一种基于GPU加速的电网拓扑分析高性能计算方法及装置，将GPU通用并行计算技术应用到电网网络拓扑分析中，提高了电网网络拓扑分析的执行效率，为大规模并联电网的在线分析计算提供了实时性的支持，以便在后续计算应用时能更及时地得到电网结构的实时状态。
-
公开(公告)号：CN111416441B
公开(公告)日：2021-08-10
申请号：CN202010272094.3
申请日：2020-04-09
申请人： 东南大学
IPC分类号： H02J13/00
摘要： 本发明公开了一种基于GPU分层加速的电网拓扑分析方法，包括如下步骤：CPU中读入实际电网断面文件，提取电网模型为电网物理模型，进行无向图的编制，并对拓扑分析所需信息进行压缩存储并传递到GPU；GPU中调用分厂站并行拓扑分析内核函数StationBus_kernel，生成d_Visited并传递给h_Visited；将全网计算节点划分结果整理成为计算节点，编制计算节点邻接链表形成全网计算节点的邻接数组并以压缩形式储存和传递；GPU中调用系统拓扑分析函数System_Kernel_new，形成拓扑分析结果。本发明采用并行潜能较高的GPU进行大规模电网的拓扑分析，提高电网拓扑分析的实时性和稳定性。
-
公开(公告)号：CN113723844A
公开(公告)日：2021-11-30
申请号：CN202111037192.X
申请日：2021-09-06
申请人： 东南大学
摘要： 本发明公开了一种基于集成学习的低压台区理论线损计算方法，包括如下步骤：从多源生数据中计算线损相关因子，并基于XGBoost进行因子贡献度评价，形成理论线损多维度影响因子集；利用网格搜索法对多机器学习模型进行超参数寻优，得到基学习器集与元学习器集；以基学习器集中的全部模型和元学习器集中的各模型分别作为第一、二层训练模型进行循环优选，构建集成学习框架下的低压台区理论线损计算的最优模型；基于测试集的计算结果进行模型的性能评估。本发明基于XGBoost进行理论线损影响因子贡献度评价，提高了理论线损与相关影响因子之间关联的可解释性；其次通过模型融合的方式有效提升了理论线损的计算精度，弥补了传统单一模型的不足。
-
公开(公告)号：CN113723844B
公开(公告)日：2024-04-19
申请号：CN202111037192.X
申请日：2021-09-06
申请人： 东南大学
IPC分类号： G06Q10/0639 , G06F18/214 , G06V10/40 , G06Q50/06
摘要： 本发明公开了一种基于集成学习的低压台区理论线损计算方法，包括如下步骤：从多源生数据中计算线损相关因子，并基于XGBoost进行因子贡献度评价，形成理论线损多维度影响因子集；利用网格搜索法对多机器学习模型进行超参数寻优，得到基学习器集与元学习器集；以基学习器集中的全部模型和元学习器集中的各模型分别作为第一、二层训练模型进行循环优选，构建集成学习框架下的低压台区理论线损计算的最优模型；基于测试集的计算结果进行模型的性能评估。本发明基于XGBoost进行理论线损影响因子贡献度评价，提高了理论线损与相关影响因子之间关联的可解释性；其次通过模型融合的方式有效提升了理论线损的计算精度，弥补了传统单一模型的不足。
-
公开(公告)号：CN113746094B
公开(公告)日：2024-04-12
申请号：CN202111037177.5
申请日：2021-09-06
申请人： 东南大学
摘要： 本发明公开基于高密度数据序列匹配的低压台区户变关系识别方法，适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区。本发明利用低压台区配电网的结构特点和能量传递方向，提取用户侧和台变侧功率阶跃序列，通过比对用户侧和台变侧功率阶跃，寻找最优阶跃匹配序列，从而确定台区户变关系；能够适用于具备新型智能电表和高量测密度的台区，大大提高低压台区户变关系识别的准确性，并且为智能电表在低压配电网中的推广提供实时性的支持；充分利用非介入式负荷辨识终端采集的高密度低压台区量测数据，进一步提高低压台区户变关系识别的准确性和置信度，大幅降低台区拓扑识别的运算分析时间。
-
公开(公告)号：CN113746094A
公开(公告)日：2021-12-03
申请号：CN202111037177.5
申请日：2021-09-06
申请人： 东南大学
摘要： 本发明公开基于高密度数据序列匹配的低压台区户变关系识别方法，适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区。本发明利用低压台区配电网的结构特点和能量传递方向，提取用户侧和台变侧功率阶跃序列，通过比对用户侧和台变侧功率阶跃，寻找最优阶跃匹配序列，从而确定台区户变关系；能够适用于具备新型智能电表和高量测密度的台区，大大提高低压台区户变关系识别的准确性，并且为智能电表在低压配电网中的推广提供实时性的支持；充分利用非介入式负荷辨识终端采集的高密度低压台区量测数据，进一步提高低压台区户变关系识别的准确性和置信度，大幅降低台区拓扑识别的运算分析时间。
-
公开(公告)号：CN111416441A
公开(公告)日：2020-07-14
申请号：CN202010272094.3
申请日：2020-04-09
申请人： 东南大学
IPC分类号： H02J13/00
摘要： 本发明公开了一种基于GPU分层加速的电网拓扑分析方法，包括如下步骤：CPU中读入实际电网断面文件，提取电网模型为电网物理模型，进行无向图的编制，并对拓扑分析所需信息进行压缩存储并传递到GPU；GPU中调用分厂站并行拓扑分析内核函数StationBus_kernel，生成d_Visited并传递给h_Visited；将全网计算节点划分结果整理成为计算节点，编制计算节点邻接链表形成全网计算节点的邻接数组并以压缩形式储存和传递；GPU中调用系统拓扑分析函数System_Kernel_new，形成拓扑分析结果。本发明采用并行潜能较高的GPU进行大规模电网的拓扑分析，提高电网拓扑分析的实时性和稳定性。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.105 秒)
