学位论文 > 优秀研究生学位论文题录展示

CUDA技术在多节点超短期负荷预测上的应用

作　者: 莫进桃
导　师: 张尧；薛峰
学　校: 华南理工大学
专　业: 电气工程
关键词: 多节点超短期负荷预测 GPGPU CUDA
分类号: TM715
类　型: 硕士论文
年　份: 2011年
下　载: 22次
引　用: 0次
阅　读: 论文下载

内容摘要

负荷预测是指对电力负荷做出预先的估计和推测,是实现电力系统安全、经济运行的基础。超短期负荷预测作为负荷预测的一种,是对一小时内数秒、数分钟的电力负荷的发展变化情况所作的预测。在电网的实时运行、控制中,如动态经济调度、在线安全监视、电力市场中实时电价制度的运作、自动发电控制(AGC)等方面,超短期负荷预测都起到了越来越重要的作用。对全网内分布的多个重要节点的负荷进行预测,更有助于了解全电网关键节点的负荷分布及运行趋势,有助于整个电网的安全稳定运行,提高电能质量,促进电力市场的正常运作。近年来,随着图形处理器(Graphics Processing Unit ,GPU)软硬件技术的日趋成熟,GPU强大的浮点运算和并行处理能力使得业界都在致力于挖掘其潜能,让它能够在非图形领域得到广泛的应用,例如模式识别、地震预测、合成孔径雷达等方面。基于图形处理芯片的通用计算(General Purpose GPU ,GPGPU)研究正逐步深入。随着NVIDIA推出GeForce 8800显卡以后,它的通用计算架构(Computer Unified Device Architecture, CUDA)技术经过广泛推广,现在已经有相当多的论文和研究成果发表。由于超短期负荷预测的实时性及算法的复杂性,在进行多节点的负荷预测运算时,一般的CPU已经达不到这样的运算能力,有必要引入图形处理器通用计算(GPGPU)技术。论文实验程序使用基于遗传算法的神经网络进行超短期负荷预测。并且,为了保证多节点负荷预测的实时性,论文将在NVIDIA公司的GTX460 GPU中使用CUDA技术,对东莞电网33个镇区进行基于遗传算法的神经网络超短期负荷预测运算。实验表明,使用CUDA技术,多节点超短期负荷预测取得了很好的运算结果,并具备非常好的实时性。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-12
  1.1 论文的研究背景  9-10
  1.2 论文研究的主要内容及创新点  10-12
第二章电力系统超短期负荷预测分析  12-16
  2.1 超短期负荷预测概述  12-13
  2.2 国内外超短期负荷预测的发展与现状  13-16
第三章神经网络与遗传算法的结合  16-26
  3.1 神经网络理论  16-21
    3.1.1 神经网络概述  16
    3.1.2 神经元模型  16-18
    3.1.3 神经网络结构  18-19
    3.1.4 神经网络学习规则  19-20
    3.1.5 人工神经网络的主要特点  20-21
  3.2 遗传算法  21-24
    3.2.1 遗传算法概述  21-22
    3.2.2 遗传算法基本思想与步骤  22
    3.2.3 应用遗传算法的关键技术  22-23
    3.2.4 遗传算法的特点  23-24
  3.3 神经网络和遗传算法的结合  24-26
    3.3.1 概述  24-25
    3.3.2 遗传算法优化神经网络的连接权值  25-26
第四章 GPGPU 及CUDA 技术介绍  26-36
  4.1 GPGPU 技术介绍  26-28
  4.2 CUDA 技术  28-36
    4.2.1 CUDA 简介  28-29
    4.2.2 CUDA 编程模型介绍  29-36
第五章多节点超短期负荷预测的CUDA 程序设计及实验结果分析  36-42
  5.1 神经网络设计  36-37
    5.1.1 神经元输出规则  36
    5.1.2 激活函数  36-37
  5.2 遗传算法设计  37-38
    5.2.1 适应度函数  37
    5.2.2 遗传操作  37-38
    5.2.3 停止条件  38
  5.3 运算程序简述  38-40
    5.3.1 程序主要流程图  38
    5.3.2 神经网络运算部分CUDA 程序介绍  38-40
  5.4 实验方案的设计  40-41
  5.5 实验结果与分析  41-42
结束语  42-43
  本文研究工作总结  42
  后续的研究工作与展望  42-43
参考文献  43-45
致谢  45-46
附表  46

CUDA技术在多节点超短期负荷预测上的应用

内容摘要

全文目录

相似论文