超大规模电网快速状态估计的实现方法

doi:10.11930/j.issn.1004-9649.202002062

中国电力 ›› 2020, Vol. 53 ›› Issue (7): 132-140.DOI: 10.11930/j.issn.1004-9649.202002062

• 智能电网状态估计及其应急仿真专栏 • 上一篇下一篇

超大规模电网快速状态估计的实现方法

罗玉春^1,2,3, 王毅^1,2,3, 闪鑫^1,2,3, 戴则梅^1,2,3, 张磊⁴

1. 南瑞集团(国网电力科学研究院)有限公司，江苏南京 211106;
2. 国电南瑞科技股份有限公司，江苏南京 211106;
3. 智能电网保护和运行控制国家重点实验室，江苏南京 211106;
4. 国网山东省电力公司电力科学研究院，山东济南 250003

收稿日期:2020-02-14 修回日期:2020-04-17 发布日期:2020-07-05
作者简介:罗玉春(1984—)，男，通信作者，高级工程师，从事电网调度自动化系统电网分析及计算研究，E-mail: luoyuchun@sgepri.sgcc.com.cn
基金资助:
国家电网公司科技项目(大电网实时数据及网络分析高性能计算技术研究)

Implementation Method for Fast State Estimation of Super-large Power Grid

LUO Yuchun^1,2,3, WANG Yi^1,2,3, SHAN Xin^1,2,3, DAI Zemei^1,2,3, ZHANG Lei⁴

1. NARI Group Corporation (State Grid Electric Power Research Institute), Nanjing 211106, China;
2. NARI Technology Co., Ltd., Nanjing 211106, China;
3. State Key Laboratory of Smart Grid Protection and Control, Nanjing 211106, China;
4. State Grid Shandong Electric Power Research Institute, Jinan 250003, China

Received:2020-02-14 Revised:2020-04-17 Published:2020-07-05
Supported by:
This work is supported by the Science and Technology Project of SGCC (Research on High Performance Computing Technology for Real-Time Data and Network Analysis of Large Power Grid)

摘要/Abstract

摘要： 随着一体化互联大电网全局分析决策中心的建设，对实时状态估计计算速度提出了更高要求。采用多线程并行计算技术实现了快速分解状态估计信息矩阵的快速计算，在稀疏矩阵节点优化编号及其因子分解过程中采用标准模板库关联容器存储稀疏矩阵。基于新一代调控系统验证环境和实际电网拼接模型算例进行了验证。结果表明：在超大规模电网状态估计中，采用多线程并行计算信息矩阵及其因子分解具有较高的加速比，结合基于关联容器的稀疏矩阵存储格式，能够有效提升编程效率和程序品质以及状态估计的计算效率。

关键词: 电力系统, 状态估计, 稀疏矩阵乘法, 节点优化编号, 因子分解, 关联容器

Abstract: With the construction of global analysis and decision-making center for integrated interconnected large power grid, higher speed is needed for the calculation of real-time state estimation. The multi-thread parallel computing technology is used to realize the fast calculation of the gain matrix of the fast decoupled state estimation, and the STL associated container storage format is used in the process of sparse matrix bus optimal ordering and its triangular factorization. Based on the verification environment of the new generation control system and the actual grid connection models, case calculations are carried out. The results show that the multi-threaded parallel calculation of the gain matrix and its factorization have a higher speedup ratio when used for state estimation of super large power grids, and can effectively improve the programming efficiency and quality and the computation efficiency of the state estimation when combined with the STL associated container based sparse matrix storage format.

Key words: power system, state estimation, sparse matrix multiplication, bus optimal ordering, triangular factorization, associated container

罗玉春, 王毅, 闪鑫, 戴则梅, 张磊. 超大规模电网快速状态估计的实现方法[J]. 中国电力, 2020, 53(7): 132-140.

LUO Yuchun, WANG Yi, SHAN Xin, DAI Zemei, ZHANG Lei. Implementation Method for Fast State Estimation of Super-large Power Grid[J]. Electric Power, 2020, 53(7): 132-140.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.202002062

https://www.electricpower.com.cn/CN/Y2020/V53/I7/132

参考文献

[1] 王永, 郭志忠, 彭茂君, 等. 基于灵敏度分析的多区域互联电力系统状态估计[J]. 电力系统自动化, 2007, 31(19): 27-31
WANG Yong, GUO Zhizhong, PENG Maojun, et al. State estimation of a multi-area interconnected power system based on sensitivity analysis[J]. Automation of Electric Power Systems, 2007, 31(19): 27-31
[2] 张佳楠, 袁启海, 余建明, 等. 基于联络线扩展区域分解协调的分布式并行状态估计[J]. 电力系统自动化, 2019, 43(4): 166-178
ZHANG Jianan, YUAN Qihai, YU Jianming, et al. Distributed parallel state estimation based on decomposition and coordination of Tie-line extended area[J]. Automation of Electric Power Systems, 2019, 43(4): 166-178
[3] 罗玉春, 王毅, 戴则梅, 等. 基于多调度控制中心的分解协调状态估计[J]. 电网技术, 2016, 40(5): 1516-1521
LUO Yuchun, WANG Yi, DAI Zemei, et al. Decomposition and coordination state estimation for multi dispatching and control centers[J]. Power System Technology, 2016, 40(5): 1516-1521
[4] 王耀瑜, 余贻鑫. 分布式能量管理系统(DEMS)状态估计分布式异步迭代算法[J]. 中国电机工程学报, 1996, 16(3): 160-164
WANG Yaoyu, YU Yixin. A distributed asynchronous state estimated algorithm for distributed energy management system (DEMS)[J]. Chinese Society for Electrical Engineering, 1996, 16(3): 160-164
[5] 马平川, 沈沉, 陈颖, 等. 基于伪量测型协调变量的分布式状态估计算法[J]. 中国电机工程学报, 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
[6] 王建, 陈颖, 黄少伟, 等. 基于KKT条件分解的互联电网分布式状态估计算法[J]. 电力系统自动化, 2010, 34(19): 31-36
WANG Jian, CHEN Ying, HUANG Shaowei, et al. A distributed state estimation method for interconnected power grid based on decomposition of KKT condition[J]. Automation of Electric Power Systems, 2010, 34(19): 31-36
[7] FALCAO D M, WU F F, MURPHY L. Parallel and distributed state estimation[J]. IEEE Transactions on Power Systems, 1995, 10(2): 724-730.
[8] 高毅, 王成山, 李继平. 改进十字链表的稀疏矩阵技术及其在电力系统仿真中的应用[J]. 电网技术, 2011, 35(5): 33-39
GAO Yi, WANG Chengshan, LI Jiping. An improved cross chain table based sparse matrix technology and its application in power system simulation[J]. Power System Technology, 2011, 35(5): 33-39
[9] 朱凌志, 安宁. 基于二维链表的稀疏矩阵在潮流计算中的应用[J]. 电网技术, 2005, 29(8): 51-55
ZHU Lingzhi, AN Ning. Application of two-dimensional chain table based sparse matrix in power flow calculation[J]. Power System Technology, 2005, 29(8): 51-55
[10] 陈荃韡, 龚成明, 赵晋泉, 等. 并行稀疏系统直接求解库SuperLU_MT在状态估计中的应用[J]. 电力系统自动化, 2017, 41(3): 83-88
CHEN Quanwei, GONG Chengming, ZHAO Jinquan, et al. Application of parallel sparse system direct solver library SuperLU_MT in state estimation[J]. Automation of Electric Power Systems, 2017, 41(3): 83-88
[11] 罗玉春, 王毅, 闪鑫, 等. KLU稀疏直接求解器在状态估计中的应用[J]. 中国电力, 2019, 52(2): 111-118
LUO Yuchun, WANG Yi, SHAN Xin, et al. Application of KLU sparse direct linear solver in state estimation[J]. Electric Power, 2019, 52(2): 111-118
[12] KARIMIPOUR H, DINAVAHI V. Accelerated parallel WLS state estimation for large-scale power systems on GPU [C]//2013 North American Power Symposium (NAPS), September 22-24, 2013. Manhattan, KS, USA. IEEE, 2013.
[13] 陈德扬, 李亚楼, 江涵, 等. 基于道路树分层的大电网潮流并行算法及其GPU优化实现[J]. 电力系统自动化, 2014, 38(22): 63-69
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
[14] 张伯明, 陈寿孙, 严正. 高等电力网络分析 [M]. 北京: 清华大学出版社, 2007.
[15] DAVIS T A, HU Y F. The university of Florida sparse matrix collection[J]. ACM Transactions on Mathematical Software, 2011, 38(1): 1-25.
[16] DAVIS T A. Direct methods for sparse linear systems [M]. Philadelphia: Society for Industrial and Applied Mathematics, 2006.
[17] DAVIS T A, NATARAJAN E P. Algorithm 907: KLU, a direct sparse solver for circuit simulation problems[J]. ACM Transactions on Mathematical Software, 2010, 37(3), 36: 1-36: 17.
[18] 侯捷, 孟岩. C++标准程序库 [M]. 武汉: 华中科技大学出版社,2002.
[19] 侯捷. STL源码剖析 [M]. 武汉: 华中科技大学出版社, 2002.
[20] 颜伟, 黄正波, 李佐君, 等. 节点优化编号的改进最小度算法[J]. 电力系统及其自动化学报, 2011, 23(4): 56-60
YAN Wei, HUANG Zhengbo, LI Zuojun, et al. Improved minimum degree algorithm of optimal ordering[J]. Proceedings of the CSU-EPSA, 2011, 23(4): 56-60
[21] MANTEUFFEL T A. An incomplete factorization technique for positive definite linear systems[J]. Mathematics of Computation, 1980, 34(150): 473-497.
[22] 方保镕, 周继东, 李医民. 矩阵论 [M]. 2版. 北京: 清华大学出版社, 2013.
[23] PACHECO P S. 并行程序设计导论 [M]. 邓倩妮, 译. 北京: 机械工业出版社, 2016.
[24] HAGER G, WELLEIN G. 高性能科学与工程计算 [M]. 张云泉, 译. 北京: 机械工业出版社, 2014.
[25] 蒋孟奇, 张云泉, 宋刚, 等. GOTOBLAS一般矩阵乘法高效实现机制的研究[J]. 计算机工程, 2008, 34(7): 84-86, 103
JIANG Mengqi, ZHANG Yunquan, SONG Gang, et al. Research on high performance implementation mechanism of GOTOBLAS general matrix-matrix multiplication[J]. Computer Engineering, 2008, 34(7): 84-86, 103
[26] 罗海飙, 王婷, 张云泉. 一般稀疏矩阵相乘的混合并行算法[J]. 计算机科学与探索, 2013, 7(8): 698-703
LUO Haibiao, WANG Ting, ZHANG Yunquan. Hybrid parallel algorithm of general sparse matrix multiplication[J]. Journal of Frontiers of Computer Science & Technology, 2013, 7(8): 698-703
[27] 张锦雄, 韦化. 基于OpenMP的对称矩阵 LDL ^T分解并行算法实现[J]. 广西科学院学报, 2008, 24(3): 248-250
ZHANG Jinxiong, WEI Hua. Parallel algorithm based on OpenMP of LDL ^T decomposition for symmetric matrix[J]. Journal of Guangxi Academy of Sciences, 2008, 24(3): 248-250
[28] 于尔铿. 电力系统状态估计 [M]. 北京: 水利电力出版社, 1985.

超大规模电网快速状态估计的实现方法

Implementation Method for Fast State Estimation of Super-large Power Grid

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李健, 张钧, 韩新阳, 靳晓凌. 新型电力系统形态量化推演方法的总体框架与功能设计[J]. 中国电力, 2025, 58(3): 1-7, 97.
[2]	张磊, 马晓伟, 王满亮, 陈力, 高丙团. 互联新能源电力系统区内AGC机组分布式协同控制策略[J]. 中国电力, 2025, 58(3): 8-19.
[3]	张沛, 杨马婧, 张放, 谢桦, 刘广一, 李文云, 路学刚, 王珍意, 翟苏巍. 图数据库与图计算在电力系统调度运行应用综述[J]. 中国电力, 2025, 58(3): 119-131.
[4]	高志远, 庄卫金, 李峰, 于芳, 张鸿, 王艳, 夏旻. 调控领域人工智能应用的高复用性验证平台[J]. 中国电力, 2025, 58(3): 142-150.
[5]	汤明润, 李若旸, 刘慕然, 程晓钰, 刘铫, 杨淑霞. 电力系统稳态下可再生能源大规模接入量预测[J]. 中国电力, 2025, 58(2): 126-132.
[6]	赵晨浩, 焦在滨, 李程昊, 张迪, 张鹏辉. 基于主动迁移学习的电力系统暂态稳定自适应评估[J]. 中国电力, 2025, 58(1): 70-77.
[7]	董武, 张健, 周勤勇, 张立波, 龚浩岳. 中国电力系统安全稳定性演化综述[J]. 中国电力, 2025, 58(1): 115-127.
[8]	贺全鹏, 刘苇, 杨维永, 魏兴慎, 王琦. 针对负荷重分配攻击的移动目标防御策略[J]. 中国电力, 2024, 57(9): 44-52.
[9]	张玉敏, 张涌琛, 叶平峰, 吉兴全, 石春友, 蔡富东, 李一宸. 基于集合经验模态分解的增强核岭回归配电系统状态估计[J]. 中国电力, 2024, 57(9): 156-168.
[10]	朱瑞, 娄奇鹤, 靳晓凌, 刘畅. 适应新型电力系统的电网基建功能化投资结构演化研究[J]. 中国电力, 2024, 57(9): 194-204.
[11]	傅观君, 张富强, 夏鹏, 冯君淑, 张晋芳. 天然气发电在新型电力系统中的功能定位及发展前景研判[J]. 中国电力, 2024, 57(8): 67-74.
[12]	翟苏巍, 李银银, 杜凡, 李文云, 潘凯岩, 梁峻恺. 考虑海量分布式能源接入的配电网分布式无功控制策略[J]. 中国电力, 2024, 57(8): 138-144.
[13]	李碧君, 李威, 董希建. 新型电力系统中主控型安全稳定服务质量的在线评估[J]. 中国电力, 2024, 57(8): 168-181.
[14]	朱沐雨, 马宏忠, 郭鹏宇, 宣文婧. 典型调峰/调频工况下储能电池组荷电状态估计[J]. 中国电力, 2024, 57(6): 18-26.
[15]	叶小宁, 王彩霞, 李琼慧, 杨超. 国外新能源高占比电力系统电力供应保障措施及启示[J]. 中国电力, 2024, 57(4): 61-67.

模态框（Modal）标题

超大规模电网快速状态估计的实现方法

Implementation Method for Fast State Estimation of Super-large Power Grid

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics