基于最大测点正常率与GPU并行加速的不良数据辨识方法

• 作者: 唐坤杰 宋永华 方睿 朱承治 董树锋 裴湉
• 来源期刊: 电力系统自动化
• 关键词: 数据辨识 状态估计 测点正常率 图形处理器 并行计算
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 学术研究
• 页码范围: 86-93,115
• 页数: 9页
• 字数: 7923字
• 语种: 中文
• DOI: 10.7500/AEPS20181029003

摘要

基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力.然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题.为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法.该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略.算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董树锋	浙江大学电气工程学院	46	215	8.0	12.0
2	朱承治		43	275	8.0	16.0
3	宋永华	澳门大学电机及电脑工程系	13	25	3.0	4.0
4	唐坤杰	浙江大学电气工程学院	7	16	3.0	3.0
5	方睿	浙江大学电气工程学院	1	4	1.0	1.0
6	裴湉		1	4	1.0	1.0