本文關(guān)鍵詞：梯級(jí)水電站群分布式隨機(jī)動(dòng)態(tài)規(guī)劃算法研究

  更多相關(guān)文章： 隨機(jī)動(dòng)態(tài)規(guī)劃 并行計(jì)算 云計(jì)算 MPI spark

【摘要】：隨著我國(guó)水電事業(yè)的迅猛發(fā)展,大批的規(guī)模較大的梯級(jí)水電站群已經(jīng)投產(chǎn)使用。水電站群的特點(diǎn)包括電站級(jí)數(shù)多、裝機(jī)容量大、輸送范圍廣等,其優(yōu)化問(wèn)題具有非常明顯的高維性,非線性、多階段性與多約束性。水電優(yōu)化調(diào)度方法中,隨機(jī)動(dòng)態(tài)規(guī)劃是使用最多的一種算法。但是,水電站計(jì)算規(guī)模的增加會(huì)導(dǎo)致計(jì)算耗時(shí)迅速增加, “維數(shù)災(zāi)”問(wèn)題變得越來(lái)越突出；而傳統(tǒng)的優(yōu)化方法存在一定局限性,無(wú)法滿足實(shí)際調(diào)度中的精細(xì)化需求。如何更快地對(duì)水電調(diào)度問(wèn)題進(jìn)行求解,尋找更為高效的求解方法,在當(dāng)前水電調(diào)度工作中具有十分重要的意義。隨著高性能計(jì)算以及近幾年云計(jì)算技術(shù)的發(fā)展,基于集群的分布式并行計(jì)算技術(shù)得到了廣泛的應(yīng)用。分布式計(jì)算技術(shù)使用多臺(tái)機(jī)器協(xié)同并行計(jì)算,為提高水電調(diào)度計(jì)算的效率提供了新的方法。本文以瀾滄江下流的小灣等梯級(jí)水電站為背景,研究了基于高性能平臺(tái)和云平臺(tái)上的梯級(jí)水電站群長(zhǎng)期優(yōu)化調(diào)度分布式隨機(jī)動(dòng)態(tài)規(guī)劃方法,并對(duì)不同平臺(tái)上的分布式隨機(jī)動(dòng)態(tài)規(guī)劃算法進(jìn)行了比較。具體內(nèi)容有：(1)參考基于MPI的點(diǎn)對(duì)點(diǎn)通信模型的動(dòng)態(tài)規(guī)劃算法,實(shí)現(xiàn)了基于MPI的分布式并行隨機(jī)動(dòng)態(tài)規(guī)劃算法DPSDPoM;針對(duì)DPSDPoM存在冗余內(nèi)存消耗和通信的問(wèn)題,提出了混合多線程的MPI分布式并行隨機(jī)動(dòng)態(tài)規(guī)劃算法DPSDPoM-MT。實(shí)驗(yàn)表明,DPSDPoM能夠較好地將任務(wù)分配到計(jì)算節(jié)點(diǎn)上協(xié)同計(jì)算,具有一定的可擴(kuò)展性；DPSDPoM-MT算法在計(jì)算效率和內(nèi)存消耗方面均優(yōu)于DPSDPoM。(2)提出了基于Spark的分布式并行隨機(jī)動(dòng)態(tài)規(guī)劃算法DPSDPoS,并給出了兩種算法實(shí)現(xiàn)。算法將計(jì)算模型轉(zhuǎn)換為數(shù)據(jù)處理模型進(jìn)行處理,充分利用了集群資源,同時(shí)具有完善的備份和冗余機(jī)制,優(yōu)勢(shì)明顯。實(shí)驗(yàn)表明,相比于DPSDPoM算法,DPSDPoS效率和擴(kuò)展性較高,但是存在框架開(kāi)銷(xiāo)較大,內(nèi)存消耗嚴(yán)重等問(wèn)題。(3)算法綜合分析指出,在由大量普通節(jié)點(diǎn)組成的集群環(huán)境中,DPSDPoS算法更為適合;模型適用性分析指出,對(duì)于梯級(jí)水電站群長(zhǎng)期優(yōu)化調(diào)度的動(dòng)態(tài)規(guī)劃類(lèi)模型及其降維改進(jìn)模型,兩類(lèi)分布式算法均有不同程度的適用性。
【關(guān)鍵詞】：隨機(jī)動(dòng)態(tài)規(guī)劃 并行計(jì)算 云計(jì)算 MPI spark
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TV737;O221.3
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-18
• 1.1 研究意義與背景10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 梯級(jí)水電系統(tǒng)優(yōu)化調(diào)度方法研究進(jìn)展11-12
• 1.2.2 梯級(jí)水電站群動(dòng)態(tài)規(guī)劃方法研究進(jìn)展12-13
• 1.2.3 梯級(jí)水電站群動(dòng)態(tài)規(guī)劃方法并行化技術(shù)研究現(xiàn)狀13-15
• 1.2.4 梯級(jí)水電站群動(dòng)態(tài)規(guī)劃方法云計(jì)算技術(shù)研究現(xiàn)狀15-16
• 1.3 本文主要工作16-17
• 1.4 論文組織結(jié)構(gòu)17-18
• 2 隨機(jī)動(dòng)態(tài)規(guī)劃算法模型及并行化研究18-28
• 2.1 動(dòng)態(tài)規(guī)劃數(shù)學(xué)模型18
• 2.2 梯級(jí)水電站群長(zhǎng)期優(yōu)化調(diào)度隨機(jī)動(dòng)態(tài)規(guī)劃算法18-23
• 2.2.1 狀態(tài)轉(zhuǎn)移方程19-20
• 2.2.2 約束條件20
• 2.2.3 懲罰措施20-21
• 2.2.4 計(jì)算過(guò)程21-23
• 2.3 隨機(jī)動(dòng)態(tài)規(guī)劃并行分析23-25
• 2.3.1 隨機(jī)動(dòng)態(tài)規(guī)劃并行模式23-24
• 2.3.2 決策變量并行24
• 2.3.3 狀態(tài)變量并行24-25
• 2.4 分布式隨機(jī)動(dòng)態(tài)規(guī)劃算法25-27
• 2.4.1 分布式并行與多核并行25-26
• 2.4.2 分布式并行的優(yōu)勢(shì)26
• 2.4.3 分布式并行的挑戰(zhàn)26-27
• 2.5 本章小結(jié)27-28
• 3 高性能計(jì)算下的分布式隨機(jī)動(dòng)態(tài)規(guī)劃算法28-48
• 3.1 引言28
• 3.2 基于MPI的分布式并行隨機(jī)動(dòng)態(tài)規(guī)劃算法28-32
• 3.2.1 點(diǎn)對(duì)點(diǎn)通信模型28-29
• 3.2.2 算法計(jì)算流程29-32
• 3.3 基于MPI的混合多線程分布式并行隨機(jī)動(dòng)態(tài)規(guī)劃算法32-35
• 3.3.1 算法改進(jìn)32
• 3.3.2 計(jì)算流程32-35
• 3.4 算法分析35-37
• 3.4.1 時(shí)間復(fù)雜度分析35-36
• 3.4.2 空間復(fù)雜度分析36-37
• 3.5 實(shí)驗(yàn)結(jié)果與分析37-46
• 3.5.1 實(shí)驗(yàn)環(huán)境與設(shè)計(jì)37-38
• 3.5.2 實(shí)驗(yàn)結(jié)果38-40
• 3.5.3 不同并行單元數(shù)下耗時(shí)分析40-42
• 3.5.4 計(jì)算規(guī)模擴(kuò)展性分析42-44
• 3.5.5 計(jì)算節(jié)點(diǎn)擴(kuò)展性分析44-46
• 3.5.6 內(nèi)存使用分析46
• 3.6 本章小結(jié)46-48
• 4 云計(jì)算下的分布式隨機(jī)動(dòng)態(tài)規(guī)劃算法48-65
• 4.1 引言48
• 4.2 數(shù)據(jù)處理模型48-50
• 4.3 基于Spark的分布式并行隨機(jī)動(dòng)態(tài)規(guī)劃方法50-54
• 4.3.1 末水位組合數(shù)據(jù)并行模型50-52
• 4.3.2 初水位組合數(shù)據(jù)并行模型52-54
• 4.4 算法分析54-55
• 4.4.1 時(shí)間復(fù)雜度分析54-55
• 4.4.2 空間復(fù)雜度分析55
• 4.5 實(shí)驗(yàn)結(jié)果與分析55-62
• 4.5.1 不同并行任務(wù)數(shù)下耗時(shí)分析56-58
• 4.5.2 計(jì)算規(guī)模擴(kuò)展性分析58-59
• 4.5.3 集群節(jié)點(diǎn)擴(kuò)展性分析59-61
• 4.5.4 內(nèi)存消耗分析61-62
• 4.6 算法綜合分析62-64
• 4.7 算法適用模型64
• 4.8 本章小結(jié)64-65
• 結(jié)論65-67
• 參考文獻(xiàn)67-71
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況71-72
• 致謝72-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王森;武新宇;程春田;李保健;;梯級(jí)水電站群長(zhǎng)期發(fā)電優(yōu)化調(diào)度多核并行機(jī)會(huì)約束動(dòng)態(tài)規(guī)劃方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年10期

2 王德文;孫志偉;;電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測(cè)[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年03期

3 宋亞奇;周?chē)?guó)亮;朱永利;李莉;王劉旺;王德文;;云平臺(tái)下輸變電設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)存儲(chǔ)優(yōu)化與并行處理[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年02期

4 齊林海;艾明浩;;一種基于云計(jì)算的電壓暫降并行計(jì)算方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年31期

5 曹子健;林今;宋永華;;主動(dòng)配電網(wǎng)中云計(jì)算資源的優(yōu)化配置模型[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年19期

6 王森;程春田;武新宇;李保健;;梯級(jí)水電站群長(zhǎng)期發(fā)電優(yōu)化調(diào)度多核并行隨機(jī)動(dòng)態(tài)規(guī)劃方法[J];中國(guó)科學(xué):技術(shù)科學(xué);2014年02期

7 廖勝利;唐詩(shī);武新宇;程春田;汪明清;;庫(kù)群長(zhǎng)期優(yōu)化調(diào)度的多核并行粒子群算法[J];水力發(fā)電學(xué)報(bào);2013年02期

8 李想;魏加華;傅旭東;;粗粒度并行遺傳算法在水庫(kù)調(diào)度問(wèn)題中的應(yīng)用[J];水力發(fā)電學(xué)報(bào);2012年04期

9 武新宇;程春田;李剛;張世欽;;水電站群長(zhǎng)期典型日調(diào)峰電量最大模型研究[J];水利學(xué)報(bào);2012年03期

10 周建中;李英海;肖舸;張勇傳;;基于混合粒子群算法的梯級(jí)水電站多目標(biāo)優(yōu)化調(diào)度[J];水利學(xué)報(bào);2010年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王森;梯級(jí)水電站群長(zhǎng)期優(yōu)化調(diào)度混合智能算法及并行方法研究[D];大連理工大學(xué);2014年

，

本文編號(hào)：667389