Residential Collegefalse
Status已發表Published
基于最大测点正常率与GPU并行加速的不良数据辨识方法
方睿1; 董树锋1; 唐坤杰1; 朱承治2; 裴湉2; 宋永华3
2019-08
Source Publication电力系统自动化
ISSN1000-1026
Volume43Issue:16Pages:86-94
Abstract

 

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。 

Keyword数据辨识 状态估计 测点正常率 图形处理器 并行计算
DOI10.7500/AEPS20181029003
Indexed By核心期刊 ; EI ; CSCD
Language中文Chinese
Scopus ID2-s2.0-85072534213
Fulltext Access
Citation statistics
Document TypeJournal article
CollectionTHE STATE KEY LABORATORY OF INTERNET OF THINGS FOR SMART CITY (UNIVERSITY OF MACAU)
Faculty of Science and Technology
Corresponding Author董树锋
Affiliation1.浙江大学电气工程学院,浙江省 杭州市
2.国网浙江省电力有限公司,浙江省 杭州市
3.澳门大学智慧城市物联网国家重点实验室,澳门特别行政区
Recommended Citation
GB/T 7714
方睿,董树锋,唐坤杰,等. 基于最大测点正常率与GPU并行加速的不良数据辨识方法[J]. 电力系统自动化, 2019, 43(16), 86-94.
APA 方睿., 董树锋., 唐坤杰., 朱承治., 裴湉., & 宋永华 (2019). 基于最大测点正常率与GPU并行加速的不良数据辨识方法. 电力系统自动化, 43(16), 86-94.
MLA 方睿,et al."基于最大测点正常率与GPU并行加速的不良数据辨识方法".电力系统自动化 43.16(2019):86-94.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[方睿]'s Articles
[董树锋]'s Articles
[唐坤杰]'s Articles
Baidu academic
Similar articles in Baidu academic
[方睿]'s Articles
[董树锋]'s Articles
[唐坤杰]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[方睿]'s Articles
[董树锋]'s Articles
[唐坤杰]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.