[发明专利]一种结合GPU软硬件架构特点设计的直流故障筛选方法

摘要

本发明公开了一种结合GPU软硬件架构特点设计的直流故障筛选方法，包括：根据GPU的软硬件参数对GPU的内核函数的任务分配进行优化设计：使用一个线程块计算一个开断；CPU读取电网数据，将所需的数据传送给GPU；采用两个CUDA流，使GPU在执行内核函数的同时，实现支路开断故障筛选与发电机开断故障筛选的异步执行；CUDA流1：GPU中的内核函数1和内核函数2筛选支路开断故障集S1并回传CPU中；CUDA流2：GPU中的内核函数3和内核函数4筛选发电机开断故障集S2并回传CPU中。本发明使用一个线程块来计算一个开断，所用的线程总数量增加，单个线程的计算量减少，充分利用了GPU的硬件资源和计算能力。

主权项

1.一种结合GPU软硬件架构特点设计的直流故障筛选方法，其特征在于：所述方法包括：(1)根据GPU的软硬件参数对GPU的内核函数的任务分配进行优化设计：使用一个线程块计算一个开断；所述GPU的软硬件参数包括：流处理器SM数量NSM；每个SM可调度管理的最大线程数量Sthread，每个SM可调度管理的最大线程块数量Sblock；(2)CPU读取电网数据，将所需的电网基础数据传送给GPU；所述电网基础数据包括电网节点数N、支路数Nbranches、每条支路首尾所连节点编号df[Nbranches]和dt[Nbranches]、支路电抗矩阵X、支路有功功率限额Pb[Nbranches]、发电机数量Ngen、发电机所连节点编号dg[Ngen]、发电机所发有功功率Pg[Ngen]、节点电压相角θ0、基态节点注入有功功率P0、节点电抗矩阵X0；(3)采用两个CUDA流，使GPU在执行内核函数的同时，实现支路开断故障筛选与发电机开断故障筛选的异步执行；(4)CUDA流1：GPU中的内核函数1计算支路开断时的节点电压相角θ₁；GPU中的内核函数2计算支路开断时各支路的有功功率并与有功功率限额比较，筛选出支路开断故障集S1并回传至CPU中；所述内核函数1为Kernel_1<N_blocks，N_threads>，Kernel_1的线程块大小N_threads＝S_thread/S_block，线程块数量N_blocks＝N_branches，总线程数量为：N_branches×N_threads；Kernel_1的第b号线程计算第b条支路断开时的节点电压相角θ₁＝θ₀+Δθ，设第b条支路的首尾节点编号分别为i、j，其中Δθ＝c(θ_0i‑θ_0j)X_L，式中：X_L＝[X_1i‑X_1j,…,X_ni‑X_nj]^T，Δx_ij为断开支路的电抗值，X_ij为基态的电抗矩阵X₀的第(i,j)号元素，θ_0i为节点电压相角θ₀的第i号元素；Kernel_1的具体计算方法为：(1.1)CUDA自动为每个线程块和线程分配线程索引blockID，threadID分别作为线程块和线程的编号；(1.2)分别将线程块和线程的编号赋值给变量b，t，通过变量b，t来指定b号线程块中的t号线程；(1.3)b号线程块中的N_threads个线程计算第b条支路开断时N个节点电压的相角即：t号线程计算t+m×N_threads号节点电压相角，其中m为N_threads除以N的商；(1.4)将第b条支路首尾节点编号分别赋值给变量i，j，即：i←df[b]，j←dt[b]；(1.5)用公式c1＝(Xii+Xjj‑2×Xij‑Δxij)计算c1，如果c1为0，置S1[b]为2，若不为0，c＝1/c1；(1.6)判断变量t的值是否小于电网节点数N，小于继续执行以下步骤，否则该线程结束运算；(1.7)计算第b条支路开断时的各节点电压相角向量：其中，表示第b条支路开断时第t节点的电压相角，(θ₀)_t表示基态时t节点的电压相角；(1.8)t←t+Nthreads，返回步骤1.6；(1.9)Nblocks个线程块中的全部线程计算结束得到节点电压相角θ1和故障集S1，供内核函数2使用；(5)CUDA流2：GPU中的内核函数3计算发电机开断时的节点电压相角θ2；GPU中的内核函数4计算发电机开断时各支路的有功功率并与有功功率限额比较，筛选出发电机开断故障集S2并回传至CPU中。