Residential College | false |
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 |
ISSN | 1000-1026 |
Volume | 43Issue: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 |
DOI | 10.7500/AEPS20181029003 |
Indexed By | 核心期刊 ; EI ; CSCD |
Language | 中文Chinese |
Scopus ID | 2-s2.0-85072534213 |
Fulltext Access | |
Citation statistics | |
Document Type | Journal article |
Collection | THE STATE KEY LABORATORY OF INTERNET OF THINGS FOR SMART CITY (UNIVERSITY OF MACAU) Faculty of Science and Technology |
Corresponding Author | 董树锋 |
Affiliation | 1.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. |
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment