排序方式: 共有34条查询结果,搜索用时 15 毫秒
1.
2.
随着电网的快速发展,用电信息采集系统的数据计算业务面临着巨大挑战.近年来,图形处理器(GPU)因其在浮点计算速度和存储带宽方面的优势成为高性能计算问题中的研究热点,也被成功应用在电力系统计算分析等科学计算领域.在基于人工智能方法的电力负荷预测问题中,以往大部分研究仅考虑了使用GPU加速预测模型的训练,而并未应用在数据集的获取和计算上.提出了一种基于中央处理器-图形处理器(CPU-GPU)异构计算框架下全流程加速的高性能用电负荷预测方案.首先结合统一计算架构(CUDA)和多线程技术实现了使用多台GPU完成用电负荷的并行预处理,随后在聚类分析后基于XGBoost算法完成了多台区负荷预测,并利用GPU加速了模型的训练计算.最后通过对深圳市43254个台区用电信息的实例分析,验证了所提方法的高效性与适用性. 相似文献
3.
非侵入式负荷监测分解(NILMD)技术是当前居民用能服务深化提升和电力供需互动的重要数据获取手段,然而当前工程上应用广泛的事件驱动型NILMD技术一直无法准确细化分解电热负荷。针对这一问题,文中提出了一种基于三维特征向量的典型电热负荷细化分解算法。首先,基于有功、无功功率和电流谐波等电气负荷特征采用事件检测方法提取电热事件,在有功功率的基础上,引入运行时长、频繁启停次数等非电气负荷特征共同构建三维特征向量电器模型。然后,采用序贯覆盖法设计典型电热负荷细化分解命题学习规则和细化分解算法。最后,基于实证实验数据进行分解验证,发现4种典型电热负荷的细化分解准确率超过85%。实验结果表明,文中所提典型电热负荷细化分解算法有效地提高了4种典型电热负荷分解的准确率。 相似文献
4.
潮流计算是电力系统计算的基础,其核心是LU分解计算,因此电力系统潮流计算加速的关键在于LU分解加速。当前,基于中央处理器(CPU)的并行算法已经成熟,性能提升空间有限。图形处理器(GPU)作为协处理器,在科学计算方面具有强大的优越性,被广泛应用到电力系统潮流计算中。文中首先分析了GPU结构和并行运行架构,然后介绍了LU分解原理,并选择了合适的矩阵排序算法和稀疏矩阵存储模型,借助统一计算设备架构(CUDA)编程模型实现了基于GPU的单个LU分解和批量LU分解并行加速,最后在仿真设备上测试了5个不同的案例,对比分析其并行算法的加速效果。仿真测试结果表明,基于GPU的批量稀疏LU分解并行算法,平均可以获得25~50倍的加速效果。 相似文献
5.
图形系统屏幕刷新技术及快速重画方法研究 总被引:1,自引:0,他引:1
文章针对开发Windows图形系统时常常遇到的闪烁现象,即快速重画时的刷新问题,从Windows消息机制角度出发,结合MicrosoftMFC中的相关实现,揭示了闪烁现象的成因。在进一步分析和总结了Windows屏幕刷新机制后,给出了完善的解决方案。 相似文献
6.
7.
周赣 《中国新技术新产品》2013,(11):28-29
沈阳地铁二号线沈阳北站站暗挖段采用PBA洞桩法施工,本文通过对结构中板顺作与逆作在安全、质量、施工安度、进度等方面的对比,以及逆作法的施工实践,进一步完善和充实了地铁车站暗挖逆作的施工工艺,为逆作法的推广和应用提供了可供借鉴的成功范例。 相似文献
8.
9.
辊压机是20世纪80年代中期由德国首先开发问世的节能型粉磨设备,应用于水泥生产中作预粉磨可以大幅度降低能量消耗,球磨机的产量随之大大提高。辊压机是通过两个相向传动的压辊在液压缸的高压作用下,将通过其问的物料挤压成易粉磨的扁平状料片,使得颗粒状物体产生了大量裂纹从而改善了物料的易磨性。 相似文献
10.
随着电网规模的扩大以及电力系统互联水平的提高,电网分析计算的计算量显著上升。图形处理器(GPU)等并行计算设备能够提高大电网分析的计算效率,但电网分析计算中的串行电网拓扑分析已经成为影响并行算法计算效率的重要因素,亟待得到加速。作为电网拓扑分析加速问题的难点,全网拓扑分析可采用并行算法进行加速。为此,提出了一种基于GPU加速的电网全网拓扑分析算法:将电力系统网架模型抽象为利于并行解耦调用的压缩数组形式;以前驱数组法为基本思想,设计了优化并行的厂站拓扑分析方法,以从电网特性中挖掘厂站间及节点间的并行性;以此为核心,提出了基于GPU加速的电网全网拓扑分析算法。算例的测试结果表明,相比传统串行算法、多核中央处理器并行算法,所提基于GPU加速的电网全网拓扑分析算法运用于规模较大的电网时能分别取得7.242倍、2.148倍的加速比,显著加快了大电网全网拓扑分析的速度,进而提高了各类电网分析计算的整体效率,具有潜在的工程应用价值。 相似文献