郭 健, 周京陽, 李 強(qiáng), Yousu CHEN, 羅雅迪, 郎燕生

(1. 中國電力科學(xué)研究院有限公司, 北京市 100085; 2. Pacific Northwest National Laboratory, Seattle 99352, 美國)

0 引言

能源領(lǐng)域變革、電力工業(yè)進(jìn)步和信息通信技術(shù)(ICT)發(fā)展進(jìn)一步推動著能源生成轉(zhuǎn)化效率、電網(wǎng)互聯(lián)控制模式和高速通信網(wǎng)的深度融合[1],未來會逐漸形成一個超大規(guī)模物理信息混合網(wǎng)絡(luò)即能源互聯(lián)網(wǎng)[2]。能量流、信息流、業(yè)務(wù)資金流的多元、多向、實時流動使得電網(wǎng)調(diào)度和控制形態(tài)也相應(yīng)地會發(fā)生重大變化[3],源—網(wǎng)—荷互動運(yùn)行形態(tài)需要對一張電網(wǎng)的一套模型進(jìn)行一體化協(xié)同計算分析,以實現(xiàn)廣域級優(yōu)化調(diào)度和實時閉環(huán)控制決策。

目前調(diào)度技術(shù)支持系統(tǒng)獨(dú)立地配置在各級調(diào)度中心,雖然實現(xiàn)了信息共享和分層控制,但本地局部計算分析和獨(dú)自決策的調(diào)度模式不能很好地滿足控制決策對邏輯上一體化計算分析的要求,而提高監(jiān)控信息的綜合應(yīng)用水平和全網(wǎng)態(tài)勢感知能力需要實現(xiàn)對暫態(tài)穩(wěn)定、電壓穩(wěn)定分析和繼電保護(hù)校核等計算量較大的傳統(tǒng)離線計算的在線化應(yīng)用[4]。過去在指定運(yùn)行方式和預(yù)想故障集下的離線計算方式,也難以適應(yīng)隨機(jī)性事件發(fā)生概率越來越高的未來電網(wǎng)實際運(yùn)行狀況[5-6],實時獲取整個電網(wǎng)狀態(tài)信息、安全運(yùn)行裕度和定值校核都給在線分析帶來了新的計算挑戰(zhàn)。

并行計算、分布式計算和云計算等高性能計算模式為實現(xiàn)精確、快速的一體化計算分析提供了必要的技術(shù)手段,在不改變分層分區(qū)管理模式下能夠?qū)崿F(xiàn)多級調(diào)度中心間任務(wù)分發(fā)、數(shù)據(jù)交互和計算協(xié)同[7],但其應(yīng)用與研究側(cè)重點(diǎn)不同,并行計算側(cè)重于計算實時性,分布式計算側(cè)重于可靠性,而云計算則是在平臺虛擬化、分布式存儲、并行計算的基礎(chǔ)上實現(xiàn)計算服務(wù)化和在線分析終端化。電力系統(tǒng)各類業(yè)務(wù)功能對計算需求千差萬別,在實時性和可靠性的前提下如何實現(xiàn)一體化協(xié)同計算,以適應(yīng)新一代調(diào)度控制系統(tǒng)對在線分析提出的新要求是亟須深入研究和解決的問題。

本文總結(jié)了電力系統(tǒng)高性能計算模式以往的相關(guān)研究內(nèi)容,從計算級的分解協(xié)調(diào)方法與數(shù)值并行,平臺級的硬計算架構(gòu)與軟計算模式,不同層面的不同方向?qū)陙韲鴥?nèi)外學(xué)者在狀態(tài)估計、潮流計算和在線動態(tài)安全分析的研究現(xiàn)狀進(jìn)行分析提煉,提出調(diào)度云模式下實現(xiàn)一體化協(xié)同計算技術(shù)路線圖的三個演進(jìn)階段和關(guān)鍵技術(shù),在云計算服務(wù)環(huán)境下設(shè)計高性能在線分析協(xié)同計算場景,為后續(xù)研究與開發(fā)提供參考。

1 電力系統(tǒng)高性能計算模式

電力系統(tǒng)高性能計算模式是對涉及電力系統(tǒng)分析問題的數(shù)學(xué)物理建模與求解問題而采用的計算機(jī)軟/硬件架構(gòu)、數(shù)值求解、編程模型和數(shù)據(jù)同步機(jī)制,最終實現(xiàn)結(jié)果輸出與展示的一系列方法的綜合。它屬于數(shù)據(jù)、計算和通信密集型科學(xué)計算類應(yīng)用,包括本地并行和以網(wǎng)格、對等式(P2P)為主的廣域分布式計算兩類,而云計算則是在分布式并行的基礎(chǔ)上提供高性能計算服務(wù)。

1)本地并行

并行作為高性能的代名詞,研究最早[8-9],學(xué)術(shù)成果最豐富,集群/多核/眾核計算是本地并行的主要形式,其硬件與網(wǎng)絡(luò)架構(gòu)如圖1所示。

圖1 集群并行架構(gòu)Fig.1 Cluster parallel architecture

多核/眾核計算是在單機(jī)單服務(wù)器上基于共享存儲的多線程并行計算模式,對應(yīng)編程模型有共享存儲并行編程(OpenMP)、POSIX線程(Pthreads)、統(tǒng)一計算設(shè)備架構(gòu)(CUDA)等,適用于計算同步性要求較高的細(xì)粒度級線性方程組、局部因子修正等并行求解。集群計算則通過高速以太網(wǎng)或定制網(wǎng)絡(luò)實現(xiàn)多機(jī)多服務(wù)的互聯(lián)互通,消息傳遞接口(MPI)是在數(shù)據(jù)分布存儲方式下實現(xiàn)多進(jìn)程并行的編程模型,適用于計算同步性要求較低的粗粒度級N-1、連續(xù)潮流等并行求解。隨著硬件性能提升,使得結(jié)合CPU側(cè)重邏輯判斷和圖形處理器/通用計算圖形處理器(GPU/GPGPU)側(cè)重數(shù)據(jù)并行處理的計算優(yōu)勢能進(jìn)一步提高潮流和暫態(tài)穩(wěn)定的計算速度[10-14],是目前的應(yīng)用研究熱點(diǎn)。

2)廣域分布式計算

廣域分布式計算是相對于本地并行在物理空間維度的廣域化擴(kuò)充,它與電網(wǎng)和調(diào)度管理自身的分布式特點(diǎn)一致,各級調(diào)度系統(tǒng)在一定程度上也具備了分布式系統(tǒng)的特征。與本地并行不同,它需要考慮通信延遲或失效對計算性能的影響,這限制了其在計算同步實時性和可靠性要求較高的細(xì)粒度并行計算的應(yīng)用,分布式計算適合計算量很大、計算過程相對獨(dú)立的粗粒度批處理類計算,“分解聚合、異步獨(dú)立可隨機(jī)重復(fù)計算”是其計算特征。

網(wǎng)格計算和P2P計算是廣域分布式計算的兩種類型[15-16]。網(wǎng)格計算側(cè)重計算資源的整合和動態(tài)分配,集成度高、實現(xiàn)復(fù)雜;P2P計算側(cè)重文件共享存儲和搜索,更強(qiáng)調(diào)計算的獨(dú)立性,耦合度較低,只需接入P2P網(wǎng)絡(luò)即可實現(xiàn)P2P計算,兩種方式互為補(bǔ)充能進(jìn)一步提高計算可靠性[17]。針對它們的研究成果較多,由于實現(xiàn)復(fù)雜,計算可靠性得不到保障加上技術(shù)和管理條件限制,使得它們都沒能獲得大范圍的工程應(yīng)用。

3)云計算

云計算技術(shù)是廣域分布式和本地并行計算的發(fā)展,在系統(tǒng)規(guī)模上實現(xiàn)了廣域范圍內(nèi)計算存儲資源的互聯(lián)互通,在軟技術(shù)積累維度,它是客戶/服務(wù)機(jī)(C/S)計算架構(gòu),標(biāo)準(zhǔn)化協(xié)議和編程語言,企業(yè)服務(wù)總線(ESB)中間件技術(shù),瀏覽器/服務(wù)器(B/S)架構(gòu)和面向服務(wù)架構(gòu)(SOA)的綜合,為終端用戶提供按“需”數(shù)據(jù)存儲和計算服務(wù),如圖2所示。

圖2 云計算演進(jìn)Fig.2 Evolution of cloud computation

云計算將硬件、存儲和網(wǎng)絡(luò)資源虛擬化成一個實時可靠運(yùn)行的“網(wǎng)絡(luò)版”操作系統(tǒng),降低了高性能計算實現(xiàn)的門檻,使得用戶無需關(guān)心數(shù)據(jù)存儲位置和詳細(xì)計算過程,只要一個終端即可按“需”及時地獲取計算和存儲服務(wù)。云計算為新一代調(diào)控系統(tǒng)下分布式數(shù)據(jù)存儲和一體化在線協(xié)同計算帶來了成熟的理念和技術(shù)手段,從而實現(xiàn)了電網(wǎng)調(diào)度運(yùn)行的“云計算化”即調(diào)度云,它一方面要對不同電壓等級電網(wǎng)模型和數(shù)據(jù)進(jìn)行統(tǒng)一存儲管理,并根據(jù)請求/響應(yīng)提供按需訪問服務(wù),另一方面還能夠整合調(diào)用各級調(diào)度中心的網(wǎng)絡(luò)計算硬件資源,提供統(tǒng)一的在線分析計算服務(wù)。

2 高性能在線分析計算應(yīng)用研究現(xiàn)狀

在線分析計算是實現(xiàn)電網(wǎng)智能化安全分析和調(diào)度計劃的基礎(chǔ),狀態(tài)估計和潮流計算為后續(xù)分析提供基態(tài)斷面數(shù)據(jù),暫態(tài)穩(wěn)定計算則是在毫秒級仿真時間尺度下求解電網(wǎng)電氣量變化值,它們都是對稀疏線性方程組的連續(xù)求解[18],靜態(tài)安全分析本質(zhì)上則是N-1情況下的重復(fù)潮流計算[19-20]。針對它們的高性能研究集中于分解協(xié)調(diào)方法、數(shù)值并行求解和負(fù)載均衡策略上,分解協(xié)調(diào)從物理連接關(guān)系圖劃分和邊界數(shù)據(jù)交互優(yōu)化策略來考慮,數(shù)值并行求解則是從稀疏方程組并行求解入手,N-1分析則更多關(guān)注負(fù)載均衡策略研究[21]。據(jù)此對國內(nèi)外參考文獻(xiàn)研究分類如表1所示,自上而下的研究層次關(guān)系如圖3所示。

表1 國內(nèi)外參考文獻(xiàn)分類Table 1 Classification of references at home and abroad

圖3 研究層次關(guān)系圖Fig.3 Hierarchy of research summary

將關(guān)于高性能在線分析應(yīng)用的研究分為三個層次,即功能級、計算級和平臺級。功能級對應(yīng)于各個具體的在線分析業(yè)務(wù),針對平臺級的應(yīng)用研究是計算級實現(xiàn)的基礎(chǔ),主要包括硬計算架構(gòu)和軟計算模式,其中硬計算架構(gòu)是不同軟計算模式實現(xiàn)的前提條件,它提供設(shè)備、網(wǎng)絡(luò)、多核/眾核/集群編程模型等不同硬件之間互聯(lián)互通和高性能使用的手段和方法,軟計算模式是對硬計算架構(gòu)的進(jìn)一步封裝,能對各類資源進(jìn)行動態(tài)管理和監(jiān)控,為計算級的各類計算問題提供分布式或并行的求解方案。

在計算級層面,由狀態(tài)估計和潮流高性能計算研究現(xiàn)狀分析,狀態(tài)估計可以看作廣義潮流計算,目的都是為了求解系統(tǒng)狀態(tài)量和線路潮流,在計算級能相互借鑒共享分解協(xié)調(diào)方法上的相關(guān)研究成果。由于狀態(tài)估計形成的是量測方程組,潮流計算形成的是PV和PQ節(jié)點(diǎn)方程組,這導(dǎo)致求解潮流形成的雅可比系數(shù)矩陣是稀疏方陣,而求解狀態(tài)估計的是稀疏型“長條”矩陣。因此在數(shù)值并行直接法求解方面,基于LU分解的前推回代的并行化是潮流高性能計算的主要研究內(nèi)容,考慮到計算存儲性能和數(shù)值穩(wěn)定性,QR并行化分解是高性能狀態(tài)估計的研究難點(diǎn)。迭代法不用考慮計算過程中復(fù)雜的依賴關(guān)系,只需要矩陣向量乘運(yùn)算,具有天然的并行性,預(yù)處理共軛梯度(PCG)方法和Krylov子空間法在求解大規(guī)模電網(wǎng)潮流和狀態(tài)估計計算上體現(xiàn)了性能優(yōu)勢,是目前的研究熱點(diǎn)?？紤]到迭代法的收斂性問題,結(jié)合直接法的預(yù)條件處理是進(jìn)一步提高迭代法收斂速度的有效手段。

暫態(tài)穩(wěn)定計算是涉及動態(tài)模型對應(yīng)微分方程組差分化與網(wǎng)絡(luò)方程組的聯(lián)立求解過程,計算量更大,對高性能計算的需求更明顯,其在計算級分解協(xié)調(diào)方面主要從靜態(tài)空間分解協(xié)調(diào)、動態(tài)時間分解協(xié)調(diào)及它們之間的結(jié)合為主要研究內(nèi)容,在數(shù)值并行求解方面的研究與狀態(tài)估計和潮流計算是共通的。當(dāng)前暫態(tài)穩(wěn)定在線化分析還是通過對預(yù)想故障集的快速計算以獲取電網(wǎng)運(yùn)行穩(wěn)定裕度和薄弱區(qū)域,與N-1靜態(tài)安全分析類似,可以通過粗粒度進(jìn)程級和細(xì)粒度線程級負(fù)載均衡加快計算速度。

綜合來說,當(dāng)前在線分析高性能計算還處于功能級、計算級、平臺級緊密依賴的各自獨(dú)立計算階段,層級耦合度較高,計算同質(zhì)化傾向明顯,平臺級硬計算架構(gòu)資源重復(fù)建設(shè),軟計算模式適用范圍有限,而計算級通用的分解協(xié)調(diào)和數(shù)值并行方法也沒有實現(xiàn)模塊化、服務(wù)接口化以便統(tǒng)一調(diào)用。

3 高性能在線一體化協(xié)同計算技術(shù)路線圖

協(xié)同計算即在空間和時序上相對獨(dú)立的計算主體,按照預(yù)先設(shè)定的互聯(lián)互通模式、交互方法與技術(shù)、計算策略步驟,共同完成某項計算任務(wù)的一種計算行為。根據(jù)計算顆粒度,將協(xié)同計算分為業(yè)務(wù)級、流程級和服務(wù)指令級三類協(xié)同計算模式,其中業(yè)務(wù)級是完成某類在線分析業(yè)務(wù)所包含的各計算功能間的協(xié)同計算,流程級是實現(xiàn)某一在線分析功能的協(xié)同計算,而服務(wù)指令級協(xié)同則是在將各功能原子級模塊封裝成服務(wù)模塊后,通過編寫流程指令完成在線分析計算服務(wù)的協(xié)同計算。現(xiàn)有調(diào)控系統(tǒng)為實現(xiàn)在線計算協(xié)同化提供了統(tǒng)一的基礎(chǔ)數(shù)據(jù)交換平臺[3,46]。在此基礎(chǔ)上實現(xiàn)在線一體化協(xié)同計算需經(jīng)歷三個階段,如圖4所示。

圖4 高性能在線計算協(xié)同化技術(shù)路線圖Fig.4 Technical roadmap of high-performance on-line computing cooperation

1)數(shù)據(jù)/文件轉(zhuǎn)發(fā)的本地協(xié)同計算。計算特征以集群并行為主,通過請求響應(yīng)和周期性數(shù)據(jù)/文件轉(zhuǎn)發(fā),為在線計算分析提供模型和實時數(shù)據(jù),由本地系統(tǒng)獨(dú)立完成求解過程,是業(yè)務(wù)級協(xié)同計算模式。

2)計算流程分解協(xié)調(diào)的分布式協(xié)同計算。計算特征以分布式并行為主,將計算流程分解,其中分布式負(fù)責(zé)協(xié)調(diào)計算同步/異步過程,包括數(shù)據(jù)準(zhǔn)備、計算啟動、數(shù)據(jù)交互和計算過程監(jiān)視等。具體數(shù)值求解則根據(jù)電網(wǎng)規(guī)模以本地并行/串行計算為主,是流程級協(xié)同計算模式。

3)模型數(shù)據(jù)存儲與計算協(xié)同的調(diào)度云協(xié)同計算。計算特征同樣以分布式并行為主,在對全網(wǎng)模型和數(shù)據(jù)實現(xiàn)分布式存儲和集中統(tǒng)一管理的基礎(chǔ)上,建立在線分析業(yè)務(wù)功能計算工作流引擎和分解協(xié)調(diào)消息服務(wù)總線,形成邏輯上通過模型云、數(shù)據(jù)云和計算云深度耦合的服務(wù)指令級協(xié)同計算模式,實現(xiàn)一張電網(wǎng)只需一次計算,各調(diào)度機(jī)構(gòu)依據(jù)管理權(quán)限的訂閱機(jī)制獲取各自電網(wǎng)的運(yùn)行信息。

在線計算協(xié)同化路線圖的三個階段是逐漸遞進(jìn)升級的關(guān)系。階段1是粗放的協(xié)同計算形式,實現(xiàn)各級調(diào)度中心間廣域分布式數(shù)據(jù)通信;階段2進(jìn)一步完善數(shù)據(jù)交互通道的服務(wù)質(zhì)量(QoS)機(jī)制[47-48],保證通信實時性可靠性,通過在線計算功能流程分解,降低數(shù)據(jù)重復(fù)傳輸和拼接整合的通信量,從而實現(xiàn)跨調(diào)度中心的多級協(xié)同計算;階段3則在階段1和階段2的基礎(chǔ)上,將在線計算功能模塊化、服務(wù)化、接口化,狀態(tài)估計、N-1、潮流和暫態(tài)穩(wěn)定計算等功能與相應(yīng)業(yè)務(wù)配置文件對應(yīng),由計算工作流引擎驅(qū)動在線分析計算請求響應(yīng)的一體化協(xié)同計算。分配映射機(jī)制、分解協(xié)調(diào)計算服務(wù)、模塊服務(wù)化和數(shù)據(jù)交換規(guī)范是實現(xiàn)高性能計算協(xié)同化的關(guān)鍵技術(shù),下文將詳細(xì)闡述。

4 協(xié)同計算關(guān)鍵技術(shù)

4.1 分配映射機(jī)制

分配映射機(jī)制用以實現(xiàn)電網(wǎng)模型和實時數(shù)據(jù)存儲與在線計算的動態(tài)綁定,是實現(xiàn)高性能在線計算的關(guān)鍵和難點(diǎn)。根據(jù)計算顆粒度和計算過程依賴程度分為任務(wù)級粗粒度和流程級細(xì)粒度分配映射兩類,如圖5所示。

圖5 分配映射機(jī)制Fig.5 Assignment and mapping mechanism

任務(wù)級粗粒度分配映射用于有批處理計算內(nèi)容的在線應(yīng)用,如在狀態(tài)估計和潮流輸出結(jié)果上,基于故障集的動態(tài)/暫態(tài)穩(wěn)定和N-1分析的高性能計算,它通過將大的計算任務(wù)分解為可被計算進(jìn)程獨(dú)立執(zhí)行的子任務(wù),而完成子任務(wù)只需若干計算進(jìn)程的線性疊加。為減小數(shù)據(jù)通信量,啟動計算進(jìn)程應(yīng)與數(shù)據(jù)的存儲位置盡量一致,最后只需對計算結(jié)果進(jìn)行匯總得到最終結(jié)果。以N-1情況為例,選取某地區(qū)電網(wǎng)物理母線1 772條,線路673條,發(fā)電機(jī)556臺,進(jìn)行多進(jìn)程計算模式下的N-1分析,計算時間與加速比值如表2所示。

表2 多進(jìn)程N(yùn)-1分析計算結(jié)果比較Table 2 Results comparison of multi-processN-1 computation

流程級細(xì)粒度分配映射則用于單一完整的在線計算應(yīng)用,如狀態(tài)估計、潮流計算等。通過將計算功能流程模塊化,每一模塊的輸入是上一模塊的輸出,同時也是下一模塊的輸入,由進(jìn)程/線程來完成每一模塊的具體計算功能,啟動模塊運(yùn)行同樣根據(jù)數(shù)據(jù)的存儲位置或依靠配置文件獲取輸入輸出,模塊間的依賴關(guān)系使得完成一次計算需要各功能模塊的線性組合。以某9 241節(jié)點(diǎn)的牛頓—拉夫遜法潮流計算為例,采用多線程模式對雅可比系數(shù)矩陣作并行三角分解,計算時間和加速比值如表3所示。

表3 多線程潮流計算結(jié)果比較Table 3 Results comparison of multi-threadpower flow computation

電力系統(tǒng)在線分析所涉及的計算內(nèi)容,本質(zhì)上都是對高維稀疏矩陣方程組的連續(xù)重復(fù)/部分修正后的求解。在完成任務(wù)級粗粒度的分配映射后,還可以進(jìn)一步對矩陣求解的流程級細(xì)粒度分配映射機(jī)制進(jìn)行細(xì)化,從而進(jìn)一步提高計算效率。

4.2 分解協(xié)調(diào)計算服務(wù)總線

分解協(xié)調(diào)計算服務(wù)是在消息總線基礎(chǔ)上,實現(xiàn)在線分析的分布式并行計算服務(wù)封裝,采用主/從式計算架構(gòu),其中主控節(jié)點(diǎn)解析搭建在線計算流程模型,并交由計算驅(qū)動引擎跟蹤處理。同時,根據(jù)計算顆粒度選擇任務(wù)級或流程級映射分配機(jī)制及對應(yīng)的負(fù)載均衡策略,生成與各從計算節(jié)點(diǎn)交互數(shù)據(jù)的消息路由配置信息,并將從節(jié)點(diǎn)間數(shù)據(jù)交互配置信息通過監(jiān)控通信適配器發(fā)送給其他從節(jié)點(diǎn),監(jiān)控整體計算過程、統(tǒng)計日志信息、啟動計算,通過消息傳輸通道完成分解協(xié)調(diào)計算服務(wù)功能,如圖6所示。

圖6 分解協(xié)調(diào)計算服務(wù)總線結(jié)構(gòu)Fig.6 Framework of decomposition-coordination computing service

從計算節(jié)點(diǎn)負(fù)責(zé)完成具體計算的數(shù)據(jù)預(yù)處理準(zhǔn)備和數(shù)值計算功能,包括網(wǎng)絡(luò)拓?fù)浞治觥?dǎo)納陣和雅可比矩陣生成與存儲,發(fā)電機(jī)、負(fù)荷等動態(tài)模型的差分線性化處理與存儲,節(jié)點(diǎn)排序向量生成,基于迭代法和直接法的線性方程組高性能求解。通過消息路由配置和計算管理功能實現(xiàn)與主控節(jié)點(diǎn)和其他從計算節(jié)點(diǎn)的數(shù)據(jù)交互,并上傳計算日志到主控節(jié)點(diǎn)。

為提高可靠性,在計算、存儲、網(wǎng)絡(luò)等基礎(chǔ)資源虛擬化的前提下,采用P2P對等機(jī)制的虛擬化硬計算架構(gòu),當(dāng)主節(jié)點(diǎn)或從節(jié)點(diǎn)通信失效情況下,能夠?qū)崿F(xiàn)主/從節(jié)點(diǎn)的遞補(bǔ)和功能自動切換,保證計算順利執(zhí)行。

4.3 模塊服務(wù)接口化

模塊服務(wù)接口化是實現(xiàn)高性能在線計算協(xié)同的基礎(chǔ)[49]。將在線應(yīng)用分析歸類后的計算流程封裝成標(biāo)準(zhǔn)的功能模塊,通過各功能模塊的排列組合即可完成某一類應(yīng)用計算,主要功能模塊如圖7所示。

圖7 計算功能模塊組合Fig.7 Combination of functional computing modules

其中網(wǎng)絡(luò)拓?fù)浞治瞿K通過開關(guān)/母線物理模型信息生成節(jié)點(diǎn)/母線計算模型,為后續(xù)生成導(dǎo)納陣和雅可比矩陣提供拓?fù)溥B接關(guān)系,其實現(xiàn)方式分為統(tǒng)一全網(wǎng)和分布式局部拓?fù)鋬深?。統(tǒng)一全網(wǎng)拓?fù)涫腔谕暾奈锢砟Ｐ托畔⑸扇W(wǎng)節(jié)點(diǎn)/支路計算模型;分布式局部拓?fù)鋭t是通過分布式的物理模型信息,先進(jìn)行局部拓?fù)?然后通過相鄰節(jié)點(diǎn)和支路連接關(guān)系組合成全網(wǎng)模型。

節(jié)點(diǎn)排序模塊根據(jù)系數(shù)矩陣的非零元素分布特征生成排序向量,以減小其在基于高斯消元法的三角分解中非零元素填充度和前推回代的稀疏向量高度。針對3 120節(jié)點(diǎn)和9 240節(jié)點(diǎn)電網(wǎng)數(shù)據(jù)潮流計算雅可比矩陣,進(jìn)行Tinney1,Tinney2和AMD排序,其性能比較如表4所示。

表4 排序方法性能比較Table 4 Performance comparison of differentsorting methods

其中填充度大小表征三角分解計算效率,其值越大,計算效率越低;而高度則反映了前推回代的計算過程,其值越小,前推回代計算過程越快。

數(shù)值求解模塊則實現(xiàn)對以電網(wǎng)雅可比矩陣為常數(shù)項的稀疏線性方程組的求解,包括直接法和迭代法兩類。以牛頓—拉夫遜法潮流計算時形成的不同維數(shù)系數(shù)矩陣為例,求解時間如表5所示。

表5 直接法和迭代法計算時間比較Table 5 Calculation time comparison between directand iterative methods

在省級及以下規(guī)模電網(wǎng)數(shù)值求解時,直接法有計算優(yōu)勢,迭代法的并行效率較高,在網(wǎng)級以上規(guī)模計算中才能顯出優(yōu)勢。采用基于高斯消元的類直接法的預(yù)處理技術(shù)能保證迭代法求解的數(shù)值穩(wěn)定性。

其他基礎(chǔ)功能模塊如稀疏矩陣存儲與訪問模塊實現(xiàn)按列/行稀疏存儲和訪問修改功能,矩陣分析與處理模塊包括矩陣的奇異性和可觀性分析,條件數(shù)計算和局部因子修正功能,數(shù)據(jù)請求與回傳則負(fù)責(zé)計算前的數(shù)據(jù)準(zhǔn)備和計算結(jié)果回傳。

4.4 數(shù)據(jù)交互規(guī)范

分解協(xié)調(diào)計算服務(wù)總線需要統(tǒng)一數(shù)據(jù)交換格式，以便分解協(xié)調(diào)計算過程中數(shù)據(jù)的交互與通信,基于已有消息總線傳輸?shù)臄?shù)據(jù)規(guī)范如表6所示。

表6 數(shù)據(jù)交互規(guī)范Table 6 Data interactive format

消息分為消息頭和消息體兩部分,其中消息頭按順序排列為標(biāo)志位、應(yīng)用編號和流程編號。根據(jù)標(biāo)志位將消息體內(nèi)容分為配置消息、數(shù)據(jù)消息和監(jiān)控消息三類結(jié)構(gòu)體：監(jiān)控消息包括對分解協(xié)調(diào)計算當(dāng)前環(huán)境的網(wǎng)絡(luò)連接情況、設(shè)備利用率評估后生成可利用的計算資源信息,計算過程的啟動、結(jié)束、成功和失敗信息,負(fù)載信息和計算日志;數(shù)據(jù)消息則是計算過程所需的故障集、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、計算矩陣和稀疏向量等消息結(jié)構(gòu)體;配置消息用于實現(xiàn)任務(wù)級/流程級分配映射路由配置消息數(shù)據(jù)映射存儲消息的下發(fā)。

5 調(diào)度云模式下高性能在線計算應(yīng)用場景

云計算通過虛擬化技術(shù)實現(xiàn)硬件、平臺和軟件資源的服務(wù)化,提供按“需”存儲訪問與計算服務(wù)[50]。它在電力系統(tǒng)分析計算中尚處于應(yīng)用研究開發(fā)階段[51-52],形成了邏輯上包含模型云、數(shù)據(jù)云的“調(diào)度云”雛形,在調(diào)度云環(huán)境下高性能在線分析應(yīng)用場景如圖8所示。

圖8 調(diào)度云模式下高性能在線計算場景Fig.8 Scenario of high-performance on-line computing under dispatching cloud mode

5.1 在線數(shù)據(jù)管理與計算協(xié)同

在具體實現(xiàn)上,將在線分析計算服務(wù)分為模型/數(shù)據(jù)存儲與管理服務(wù)和分布式/并行計算協(xié)同管理服務(wù)兩部分：前者包含對模型和實時數(shù)據(jù)的定位、查詢和調(diào)度功能；后者包括計算資源的獲取與動態(tài)調(diào)度、計算任務(wù)映射配置和算法組合選擇得到配置信息和算法接口,并能對算法庫進(jìn)行編輯和修改。最終由分解協(xié)調(diào)計算服務(wù)總線生成服務(wù)實例,實現(xiàn)在線協(xié)同計算服務(wù),如圖9所示。

圖9 在線數(shù)據(jù)管理與計算協(xié)同F(xiàn)ig.9 On-line data management and computing cooperation

當(dāng)請求在線分析計算服務(wù)時,由模型/數(shù)據(jù)存儲管理模塊根據(jù)服務(wù)請求信息,查詢定位模型/數(shù)據(jù)的存儲位置。若是第一次請求,則由計算協(xié)同管理模塊根據(jù)參數(shù)信息對計算進(jìn)行配置部署,由分解協(xié)調(diào)計算服務(wù)總線執(zhí)行,并將計算服務(wù)部署和配置信息保存,方便以后同樣的計算服務(wù)請求與訪問。

5.2 狀態(tài)估計計算服務(wù)

由在線計算服務(wù)驅(qū)動引擎響應(yīng)計算服務(wù)請求,研究態(tài)下能夠根據(jù)請求服務(wù)類型驅(qū)動相應(yīng)計算功能,具體計算實現(xiàn)則通過分解協(xié)調(diào)計算服務(wù)總線與模型云和數(shù)據(jù)云的數(shù)據(jù)交互來完成。而在實時態(tài)下,則由在線分析計算服務(wù)引擎周期性地按順序驅(qū)動各功能模塊完成計算,如完成狀態(tài)估計后則通知服務(wù)引擎啟動后續(xù)N-1和暫態(tài)穩(wěn)定計算。由于是兩類不相關(guān)業(yè)務(wù),服務(wù)引擎可以將針對它們的計算請求指令發(fā)送給分解協(xié)調(diào)計算服務(wù)總線同時計算,以提高計算速度。以狀態(tài)估計為例,其計算服務(wù)實現(xiàn)方式如圖10所示。

圖10 狀態(tài)估計計算服務(wù)Fig.10 Computing service for state estimation

狀態(tài)估計計算流程由在線分析計算服務(wù)引擎驅(qū)動,其中狀態(tài)估計啟動服務(wù)負(fù)責(zé)定位搭建計算和存儲環(huán)境,減少與數(shù)據(jù)云和模型云之間不必要的數(shù)據(jù)傳輸量,拓?fù)浞治龇?wù)和計算模型生成服務(wù)負(fù)責(zé)基于靜態(tài)電網(wǎng)模型和量測數(shù)據(jù)的實時電網(wǎng)拓?fù)浣Y(jié)構(gòu)生成校驗和電網(wǎng)計算模型,狀態(tài)估計算法提供加權(quán)最小二乘法、抗差狀態(tài)估計和卡爾曼濾波等選項,計算矩陣生成服務(wù)是在計算模型基礎(chǔ)上獲取稀疏存儲的計算矩陣,線性方程組求解服務(wù)負(fù)責(zé)數(shù)值求解過程,滿足收斂精度后則由狀態(tài)估計結(jié)束服務(wù)負(fù)責(zé)結(jié)果回寫、資源釋放和計算日志生成。

在調(diào)度云模式下,通過在線分析計算服務(wù)引擎和分解協(xié)調(diào)服務(wù)總線提供實現(xiàn)基于模型云和數(shù)據(jù)云的在線分析計算服務(wù)。通過功能模塊服務(wù)配置化,以“搭積木”的方式響應(yīng)用戶事件和周期性計算請求,是高性能計算云的一種實現(xiàn)機(jī)制。

6 結(jié)語

不論離線還是在線分析,電力系統(tǒng)分析與問題求解對高性能計算的需求迫切且永無止境,實時性和可靠性是高性能計算的特征。相關(guān)學(xué)者在借鑒應(yīng)用最新信息通信技術(shù)的基礎(chǔ)上,從電網(wǎng)物理特征圖分割、優(yōu)化理論和數(shù)值并行求解三個方面進(jìn)行了大量卓有成效的研究。

本文在對近年來國內(nèi)外高性能在線分析計算研究現(xiàn)狀進(jìn)行分析歸類和總結(jié)后,基于當(dāng)前實際運(yùn)行的國、分、省調(diào)控系統(tǒng),提出了在線高性能計算協(xié)同化技術(shù)路線圖演進(jìn)的三階段,保證目前在線分析功能的順利遷移,并詳細(xì)研究了所需關(guān)鍵技術(shù)和具體實現(xiàn)方案。在調(diào)度云計算環(huán)境下,通過排列組合功能計算模塊的方式,設(shè)計了分布式并行的在線計算服務(wù)應(yīng)用場景和狀態(tài)估計計算服務(wù)流程。后續(xù)待研究相關(guān)問題如下。

1)基于功能計算模塊組合方式的模型分塊方法、邊界等值和優(yōu)化松弛類方法在分解協(xié)調(diào)計算服務(wù)總線中的實現(xiàn)和性能分析。

2)基于消去樹的直接法并行求解和基于類直接法預(yù)處理技術(shù)的迭代法并行求解方法,以提高數(shù)值求解的計算效率和穩(wěn)定性。

3)處理N-1分析、連續(xù)潮流、暫態(tài)穩(wěn)定等批處理類計算時任務(wù)級和流程級映射分配的配合機(jī)制,實現(xiàn)任務(wù)級的并發(fā)處理和流程級的并行計算。

4)小干擾分析、優(yōu)化經(jīng)濟(jì)調(diào)度、靜態(tài)電壓穩(wěn)定等其他離線/在線分析計算流程建模及對應(yīng)的計算功能模塊的實現(xiàn)與應(yīng)用分析。

5)調(diào)度云計算環(huán)境下,針對模型云和數(shù)據(jù)云的存儲和計算資源搜索與定位機(jī)制,以盡量減小計算過程中不必要的數(shù)據(jù)傳輸量。

[1] 周孝信,陳樹勇,魯宗相.電網(wǎng)和電網(wǎng)技術(shù)發(fā)展的回顧與展望——試論三代電網(wǎng)[J].中國電機(jī)工程學(xué)報,2013,33(22):1-11.

ZHOU Xiaoxin, CHEN Shuyong, LU Zongxiang. Review and prospect for power system development and related technologies: a concept of three-generation power systems[J]. Proceedings of the CSEE, 2013, 33(22): 1-11.

[2] 董朝陽,趙俊華,文福拴,等.從智能電網(wǎng)到能源互聯(lián)網(wǎng):基本概念與研究框架[J].電力系統(tǒng)自動化,2014,38(15):1-11.DOI:10.7500/AEPS20140613007.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan, et al. From smart grid to Energy Internet: basic concept and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11. DOI: 10.7500/AEPS20140613007.

[3] 姚建國,楊勝春,單茂華.面向未來互聯(lián)電網(wǎng)的調(diào)度技術(shù)支持系統(tǒng)架構(gòu)思考[J].電力系統(tǒng)自動化,2013,37(21):52-59.

YAO Jianguo, YANG Shengchun, SHAN Maohua. Reflections on operation supporting system architecture for future interconnected power grid[J]. Automation of Electric Power Systems, 2013, 37(21): 52-59.

[4] CHEN Yousu, HUANG Zhenyu, YAN Liu, et al. Computational challenges for power system operation[C]// 45th Hawaii International Conference on System Science, January 4-7, 2012, Hawaii, USA: 2141-2150.

[5] ROBERT C G, WANG Lingfeng, ALAM M. Applications and trends of high performance computing for electric power systems: focusing on smart grid[J]. IEEE Transactions on Smart Grid, 2013, 4(2): 922-931.

[6] 嚴(yán)劍峰,于之虹,田芳,等.電力系統(tǒng)在線動態(tài)安全評估和預(yù)警系統(tǒng)[J].中國電機(jī)工程學(xué)報,2008,28(34):87-93.

YAN Jianfeng, YU Zhihong, TIAN Fang, et al. Dynamic security assessment & early warning system of power system[J]. Proceedings of the CSEE, 2008, 28(34): 87-93.

[7] 張松樹,陳勇,李芳,等.電力系統(tǒng)運(yùn)行方式計算協(xié)同系統(tǒng)的功能設(shè)計與實現(xiàn)[J].電網(wǎng)技術(shù),2012,36(10):270-274.

ZHANG Songshu, CHEN Yong, LI Fang, et al. Functional design and implementation of collaborative system for power grid operation mode calculation[J]. Power System Technology, 2012, 36(10): 270-274.

[8] DANIEL A B, TYLAVSKY J. Parallel processing in power system computation[J]. IEEE Transactions on Power Systems, 1992, 7(2): 629-638.

[9] 李亞樓,周孝信,吳中習(xí).一種可用于大型電力系統(tǒng)數(shù)字仿真的復(fù)雜故障并行計算方法[J].中國電機(jī)工程學(xué)報,2003,23(12):1-5.

LI Yalou, ZHOU Xiaoxin, WU Zhongxi. A parallel complex fault computation algorithm for large scale power system digital simulation[J]. Proceedings of the CSEE, 2003, 23(12): 1-5.

[10] 劉洋,周家啟,謝開貴,等.基于Beowulf集群的大規(guī)模電力系統(tǒng)方程并行PCG求解[J].電工技術(shù)學(xué)報,2006,21(3):105-111.

LIU Yang, ZHOU Jiaqi, XIE Kaigui, et al. Parallel PCG solution of large scale power system equations based on Beowulf cluster[J]. Transactions of China Electrotechnical Society, 2006, 21(3): 105-111.

[11] ZHAO Li, DONDE D V, TOURNIEL J C, et al. On limitation of traditional multi-core and potential of many-core processing architectures for sparse linear solvers used in large-scale power system applications[C]// IEEE Power and Energy Society General Meeting, July 24-28, 2011, Detroit, USA: 8p.

[12] JALILI-MARANDI V, DINAVAHI V. SIMD-based large-scale transient stability simulation on the graphics processing unit[J]. IEEE Transactions on Power Systems, 2010, 25(3): 1589-1599.

[13] 周挺輝,嚴(yán)正,唐聰,等.基于多核處理器技術(shù)的暫態(tài)穩(wěn)定并行算法[J].電力系統(tǒng)自動化,2013,37(8):70-75.

ZHOU Tinghui, YAN Zheng, TANG Cong, et al. A parallel algorithm for transient stability computing based on multi-core processor technology[J]. Automation of Electric Power Systems, 2013, 37(8): 70-75.

[14] 陳德?lián)P,李亞樓,江涵,等.基于道路樹分層的大電網(wǎng)潮流并行算法及其GPU優(yōu)化實現(xiàn)[J].電力系統(tǒng)自動化,2014,38(22):63-69.DOI:10.7500/AEPS20131014009.

CHEN Deyang, LI Yalou, JIANG Han, et al. A parallel power flow algorithm for large-scale grid based on stratified path trees and its implementation on GPU[J]. Automation of Electric Power Systems, 2014, 38(22): 63-69. DOI: 10.7500/AEPS20131014009.

[15] 張偉,沈沉,盧強(qiáng).電力網(wǎng)格體系初探:(一)電網(wǎng)監(jiān)控從集中計算到分布處理的發(fā)展[J].電力系統(tǒng)自動化,2004,28(22):1-4.

ZHANG Wei, SHEN Chen, LU Qiang. Framework of the power grid system: Part one development of power network monitoring from centralized to distributed processing[J]. Automation of Electric Power Systems, 2004, 28(22): 1-4.

[16] 方華亮,毛承雄,金海,等.潮流計算的對等式計算模式研究[J].高電壓技術(shù),2007,33(3):32-36.

FANG Hualiang, MAO Chengxiong, JIN Hai, et al. Research on P2P computing model of load flow computation[J]. High Voltage Engineering, 2007, 33(3): 32-36.

[17] ZHOU H F, WU F F. Data service in grid-based future control centers[C]// International Conference on Power System Technology, October 22-26, 2006, Chongqing, China: 6p.

[18] 李亞樓,周孝信,吳中習(xí).基于PC機(jī)群的電力系統(tǒng)機(jī)電暫態(tài)仿真并行算法[J].電網(wǎng)技術(shù),2003,27(11):6-12.

LI Yalou, ZHOU Xiaoxin, WU Zhongxi. Personal computer cluster based parallel algorithms for power system electromechanical transient stability simulation[J]. Power System Technology, 2003, 27(11): 6-12.

[19] 郭琦,張伯明,王守相.基于EMS的動態(tài)安全分析系統(tǒng)[J].電力系統(tǒng)自動化,2004,28(8):57-62.

GUO Qi, ZHANG Boming, WANG Shouxiang. A dynamic security analyzing system based on EMS[J]. Automation of Electric Power Systems, 2004, 28(8): 57-62.

[20] KHAITAN S K. A survey of high-performance computing approaches in power systems[C]// IEEE Power and Energy Society General Meeting, July 17-21, 2016, Boston, USA: 5p.

[21] HUANG Zhenyu, CHEN Yousu, NIEPLOCHA J. Massive contingency analysis with high performance computing[C]// IEEE Power and Energy Society General Meeting, July 26-30, 2009, Calgary, Canada: 8p.

[22] GOMEZ-EXPOSITO A, ABUR A, JAEN A V, et al. A multilevel state estimation paradigm for smart grids[J]. Proceedings of the IEEE, 2011, 99(6): 952-976.

[23] REZA E, ROSS B. State estimation distributed processing[J]. IEEE Transactions on Power Systems, 2000, 15(4): 1240-1246.

[24] GEORGIOSB V, GIANNAKIS G B. Distributed robust power system state estimation[J]. IEEE Transactions on Power Systems, 2013, 28(2): 1617-1625.

[25] 王永,郭志忠,彭茂君,等.基于分解協(xié)調(diào)算法的互聯(lián)電力系統(tǒng)狀態(tài)估計[J].電網(wǎng)技術(shù),2008,32(10):79-83.

WANG Yong, GUO Zhizhong, PENG Maojun, et al. A new decomposition and coordination algorithm for state estimation in interconnected power system[J]. Power System Technology, 2008, 32(10): 79-83.

[26] 盧志剛,張靜,程慧琳,等.基于分解協(xié)調(diào)及外網(wǎng)濃縮等值的多代理狀態(tài)估計[J].電力系統(tǒng)自動化,2012,36(14):23-29.

LU Zhigang, ZHANG Jing, CHENG Huilin, et al. Multi-agent state estimation based on decomposition and coordination and external network concentration equivalence[J]. Automation of Electric Power Systems, 2012, 36(14): 23-29.

[27] 張海波,易文飛.基于異步迭代模式的電力系統(tǒng)分布式狀態(tài)估計方法[J].電力系統(tǒng)自動化,2014,38(9):125-131.DOI:10.7500/AEPS20130514003.

ZHANG Haibo, YI Wenfei. Distributed state estimation method for power systems based on asynchronous iteration mode[J]. Automation of Electric Power Systems, 2014, 38(9): 125-131. DOI: 10.7500/AEPS20130514003.

[28] 馬平川,沈沉,陳穎,等.基于偽量測型協(xié)調(diào)變量的分布式狀態(tài)估計算法[J].中國電機(jī)工程學(xué)報,2014,34(19):3170-3177.

MA Pingchuan, SHEN Chen, CHEN Ying, et al. Distributed state estimation based on the pseudo-measurement coordination variables[J]. Proceedings of the CSEE, 2014, 34(19): 3170-3177.

[29] CHEN Yousu, SHUANG Jin, RICE M, et al. Parallel state estimation assessment with practical data[C]// IEEE Power and Energy Society General Meeting, July 21-25, 2013,Vancouver, Canada: 5p.

[30] 朱永興,張步涵.電力系統(tǒng)潮流分解協(xié)調(diào)并行計算[J].電力系統(tǒng)及其自動化學(xué)報,2010,22(5):97-101.

ZHU Yongxing, ZHANG Buhan. Decomposition and coordination power flow parallel calculation[J]. Proceedings of the CSU-EPSA, 2010, 22(5): 97-101.

[31] 萬黎,陳允平,徐箭.基于節(jié)點(diǎn)遷移的電力系統(tǒng)并行計算優(yōu)化分割策略[J].電網(wǎng)技術(shù),2007,31(11):42-48.

WAN Li, CHEN Yunping, XU Jian. Node migration based optimized network partitioning strategy for power system parallel computation[J]. Power System Technology, 2007, 31(11): 42-48.

[32] 李傳棟,房大中,楊金剛,等.大規(guī)模電網(wǎng)并行潮流算法[J].電網(wǎng)技術(shù),2008,32(7):34-39.

LI Chuandong, FANG Dazhong, YANG Jingang, et al. New research on parallel power-flow calculation for large-scale power system[J]. Power System Technology, 2008, 32(7): 34-39.

[33] 陳穎,沈沉,梅生偉,等.基于改進(jìn)Jacobian-Free Newton-GMRES(m)的電力系統(tǒng)分布式潮流計算[J].電力系統(tǒng)自動化,2006,30(9):5-8.

CHEN Ying, SHEN Chen, MEI Shengwei, et al. Distributed power flow calculation based on an improved Jacobian-Free Newton-GMRES (m) method[J]. Automation of Electric Power Systems, 2006, 30(9): 5-8.

[34] CHAN K W, DUNN R W, DANIELS A R. Efficient heuristic partitioning algorithm for parallel processing of large power systems network equations[J]. IEE Proceedings: Generation, Transmission and Distribution, 1995, 142(6): 625-630.

[35] 趙文愷,房鑫炎,嚴(yán)正.電力系統(tǒng)并行計算的嵌套分塊對角加邊形式劃分算法[J].中國電機(jī)工程學(xué)報,2010,30(25):66-73.

ZHAO Wenkai, FANG Xinyan, YAN Zheng. Nested BBDF partitioning algorithm in power system parallel computation[J]. Proceedings of the CSEE, 2010, 30(25): 66-73.

[36] 丁明,張晉波,汪興強(qiáng).提高預(yù)處理共軛梯度法計算大型電網(wǎng)潮流時并行性能的方法[J].電網(wǎng)技術(shù),2008,32(13):15-19.

DING Ming, ZHANG Jinbo, WANG Xingqiang. Method for parallel performance enhancement of power flow computation for large-scale power grid by use of preconditioned conjugate gradient method[J]. Power System Technology, 2008, 32(13): 15-19.

[37] 謝開貴,張懷勛,胡博,等.大規(guī)模電力系統(tǒng)潮流計算的分布式GESP算法[J].電工技術(shù)學(xué)報,2010,25(6):89-95.

XIE Kaigui, ZHANG Huaixun, HU Bo, et al. Distributed algorithm for power flow of large-scale power systems using the GESP technique[J]. Transactions of China Electrotechnical Society, 2010, 25(6): 89-95.

[38] 洪潮,沈俊明.求解大型稀疏線性方程組的一種并行算法及其在并行潮流計算中的應(yīng)用[J].武漢水利電力大學(xué)學(xué)報,2000,33(4):29-34.

HONG Chao, SHEN Junming. A parallel algorithm for solving large sparse matrix equations and its application to parallel power flow calculation[J]. Journal of Wuhan University of Hydraulic and Electric Engineering, 2000, 33(4): 29-34.

[39] 林濟(jì)鏗,李楊春,羅萍萍,等.波形松弛法的電力系統(tǒng)暫態(tài)穩(wěn)定性并行仿真計算[J].電工技術(shù)學(xué)報,2006,21(12):47-53.

LIN Jikeng, LI Yangchun, LUO Pingping, et al. Parallel calculation for power system transient stability based on waveform relaxation method[J]. Transactions of China Electrotechnical Society, 2006, 21(12): 47-53.

[40] 陳穎,沈沉,梅生偉,等.基于Jacobian-Free Newton-GMRES(m)方法的電力系統(tǒng)分布式暫態(tài)仿真算法[J].電力系統(tǒng)自動化,2006,30(10):12-16.

CHEN Ying, SHEN Chen, MEI Shengwei, et al. Distributed dynamic simulation algorithm for power systems based on a Jacobian-Free Newton-GMRES (m) method[J]. Automation of Electric Power Systems, 2006, 30(10): 12-16.

[41] SHU Jiwu, WEI Xue, ZHENG Weimin. A parallel transient stability simulation for power systems[J]. IEEE Transactions on Power Systems, 2005, 20(4): 1709-1717.

[42] 徐得超,趙敏,江涵,等.用于大規(guī)模電力系統(tǒng)機(jī)電暫態(tài)實時仿真的并行網(wǎng)絡(luò)拓?fù)渌惴╗J].高電壓技術(shù),2016,42(1):296-302.

XU Dechao, ZHAO Min, JIANG Han, et al. Power system parallel network topology algorithm applied to electromechanical transient real-time simulation of large-scale power system[J]. High Voltage Engineering, 2016, 42(1): 296-302.

[43] 張寧宇,高山,趙欣.基于GPU的機(jī)電暫態(tài)仿真細(xì)粒度并行算法[J].電力系統(tǒng)自動化,2012,36(9):54-60.

ZHANG Ningyu, GAO Shan, ZHAO Xin. A fine granularity parallel algorithm for electromechanical transient stability simulation based on graphic processing unit[J]. Automation of Electric Power Systems, 2012, 36(9): 54-60.

[44] 周挺輝,趙文愷,嚴(yán)正,等.基于圖形處理器的電力系統(tǒng)稀疏線性方程組求解方法[J].電力系統(tǒng)自動化,2015,39(2):74-80.DOI:10.7500/AEPS20131115005.

ZHOU Tinghui, ZHAO Wenkai, YAN Zheng, et al. A method for solving sparse linear equations of power systems based on GPU[J]. Automation of Electric Power Systems, 2015, 39(2): 74-80. DOI: 10.7500/AEPS20131115005.

[45] 宋新立,陳英時,王成山,等.全過程動態(tài)仿真中大型線性方程組的分塊求解算法[J].電力系統(tǒng)自動化,2014,38(4):19-24.DOI:10.7500/AEPS20130423007.

SONG Xinli, CHEN Yingshi, WANG Chengshan, et al. An algorithm of large linear equations based on block matrix for whole process dynamic simulations[J]. Automation of Electric Power Systems, 2014, 38(4): 19-24. DOI: 10.7500/AEPS20130423007.

[46] 辛耀中,石俊杰,周京陽,等.智能電網(wǎng)調(diào)度控制系統(tǒng)現(xiàn)狀與技術(shù)展望[J].電力系統(tǒng)自動化,2015,39(1):2-8.DOI:10.7500/AEPS20141008024.

XIN Yaozhong, SHI Junjie, ZHOU Jingyang, et al. Technology development trends of smart grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1): 2-8. DOI: 10.7500/AEPS20141008024.

[47] TOMSOVIC K, BAKKEN D E, VENKATASUBRAMANIAN V, et al. Designing the next generation of real-time control, communication, and computations for large power systems[J]. Proceedings of the IEEE, 2005, 93(5): 965-979.

[48] HUANG Zhenyu, NIEPLOCHA J. Transforming power grid operations via high performance computing[C]// IEEE Power and Energy Society General Meeting, July 20-24, 2008, Pittsburgh, USA: 8p.

[49] ORESTE V, TUMEO A. A high performance computing network and system simulator for the power grid: NGNS2[C]// IEEE High Performance Computing, Networking Storage and Analysis, November 11-15, 2012, Salt Lake City, USA: 313-322.

[50] EKANAYAKE J, FOX G. High performance parallel computing with clouds and cloud technologies[C]// First International Conference on Cloud Computing, October 19-21, 2009, Munich, Gernamy: 20-38.

[51] 趙俊華,文福拴,薛禹勝,等.云計算:構(gòu)建未來電力系統(tǒng)的核心計算平臺[J].電力系統(tǒng)自動化,2010,34(15):1-8.

ZHAO Junhua, WEN Fushuan, XUE Yusheng, et al. Cloud computing: implementing an essential computing platform for future power systems[J]. Automation of Electric Power Systems, 2010, 34(15): 1-8.

[52] 王德文.基于云計算的電力數(shù)據(jù)中心基礎(chǔ)架構(gòu)及其關(guān)鍵技術(shù)[J].電力系統(tǒng)自動化,2012,36(11):67-71.

WANG Dewen. Basic framework and key technology for a new generation of data center in electric power corporation based on cloud computation[J]. Automation of Electric Power Systems, 2012, 36(11): 67-71.

郭 健(1987—),男,通信作者,博士研究生,主要研究方向:電力系統(tǒng)高性能計算、電網(wǎng)調(diào)度自動化。E-mail： guojian_715@126.com

周京陽(1962—),女,博士生導(dǎo)師,教授級高級工程師,主要研究方向:經(jīng)濟(jì)調(diào)度、電網(wǎng)調(diào)度自動化、負(fù)荷預(yù)測。

李 強(qiáng)(1966—),男,博士,主要研究方向:電力系統(tǒng)狀態(tài)估計、電網(wǎng)調(diào)度自動化。