Możliwość zastosowania obliczeń równoległych w elektroenergetyce

• Autorzy: Drechny M.

Warianty tytułu

EN

Possibility of parallel computing application in power engineering

• Języki publikacji: PL

Abstrakty

PL

Zagadnienia takie jak np. analiza wpływu przyłączenia nowych jednostek wytwórczych do systemu elektroenergetycznego, analiza pracy maszyn elektrycznych, złożone algorytmy automatyki zabezpieczeniowej czy prognozowanie produkcji energii elektrycznej za pomocą sieci neuronowych, do realizacji mogą wymagać zastosowania znacznych zasobów obliczeniowych. Zasoby te umożliwiają uzyskanie wyników symulacji (obliczeń) w możliwie krótkim czasie, przy czym nie zawsze jest to czas rzeczywisty. Zwiększenie szybkości wykonywanych obliczeń realizowane jest najczęściej przez zastosowanie odpowiednio zmodyfikowanych algorytmów obliczeniowych wykonywanych na klasycznych procesorach lub procesorach sygnałowych oraz przez zastosowanie obliczeń równoległych. Skupiając się na obliczeniach równoległych zauważyć można od kilku lat tendencję zastosowania procesorów graficznych, których budowa zoptymalizowana jest w kierunku wykonywania wielu takich samych operacji na różnych danych wejściowych (architektura SIMT - ang. Single Instruction Multiple Thread). W pracy przedstawiono przykłady użycia w elektroenergetyce obliczeń równoległych wykorzystujących do tego celu procesory graficzne. Scharakteryzowano możliwości zastosowania do obliczeń tego typu procesorów oraz przedstawiono prosty przykład porównujący szybkość obliczeń z użyciem klasycznego procesora i procesora graficznego.

EN

Issues such as impact of the analysis of the connection of new generation units to power system operation analysis of electrical machines, complex algorithms protective automation and power production forecasting using artificial neural networks to be implemented may require significant computational resources. These resources allow you to obtain the simulation results (calculations) in the shortest possible time, but it is not always the real time. In-creasing the speed of the calculation is carried out mostly by the use of suitably modified algorithms performed on classical computational processors and signal processors, and by the use of parallel computing. Focusing on the paral-lel computing, for the last several years can be seen the tendency to use graphics processors, which structure is opti-mized towards the performance of many of the same operations on different input data (SIMT architecture - Single Instruction Multiple Thread). In the paper are presented examples of application in the power engineering parallel computing which make use for this purpose graphics processors, characterized the applicability of the calculations of this type of processors and showed a simple example the speed of calculations by the use of classical CPU and GPU.

Słowa kluczowe

PL

obliczenia równoległe; elektroenergetyka; procesor graficzny

EN

parallel computing; power engineering; graphics processing unit

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2012
• Tom: Nr 4
• Strony: 66--70
• Opis fizyczny: Bibliogr. 22 poz., rys., tab.

Twórcy

autor

Drechny M.

• Zakład Elektroenergetyki, Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

Bibliografia

• [1] Amdahl G. M.: Validity of the single processor approach to achieving large scale computing capabilities, Pro-ceeding of AFIPS Joint Computer Conferences, 1967.
• [2] Baczyński D.: Zastosowanie algorytmu optymalizacji rojem cząstek w procesie uczenia sztucznej sieci neuro-nowej w prognozowaniu krótkoterminowym. Rynek Energii, nr 4, 2010, s. 52-56.
• [3] Cieślik S.: Digital Simulators as an Assessment Tool of the Impact of Distributed Generation on Power Grid Infrastructure. Przegląd Elektrotechniczny, 86, nr 8/2010, str. 253-260.
• [4] Cieślik S.: Modelowanie matematyczne i symulacja układów elektroenergetycznych z generatorami indukcyj-nymi. Wydawnictwa Uczelniane Uniwersytetu Technologiczno-Przyrodniczego w Bydgoszczy, Bydgoszcz, 2008.
• [5] Che S., Boyer M., Meng J., Tarjan D., Sheaffer J. W., Skadron K.: A performance study of general-purpose applications on graphics processors using CUDA. Journal of Parallel and Distributed Computing, Elsevier, no. 68, pp. 1370-1380, 2008.
• [6] Crow M. L.: Computational methods for electric power systems. CRC Press, 2002.
• [7] Debnath J. K., Fung W.-K., Gole A. M.: Simulation of Large-Scale Electrical Power Networks on Graphics Processing Units. Proceedings of IEEE Electrical Power and Energy Conference (EPEC), Winnipeg, MB, pp. 199-204, 3-5 October 2011.
• [8] Fangxing L.: Distributed processing of reliability index assessment and reliability-based network reconfigura-tion in power distribution systems, IEEE Transactions on Power Systems, vol. 20, no. 1, 2005, pp. 230-238.
• [9] Hwu W. W.: GPU Computing Gems Emerald Edition. Morgan Kaufmann, 2011.
• [10] IEEE Task Force on Computer and Analytical Methods: Parallel processing in power systems computation. IEEE Transactions on Power Systems, vol. 7, no. 2, pp. 629–638, May 1992.
• [11] Kirk D. B., Hwu W. W.: Programming Massively Parallel Processors: A Hands-on Approach. Morgan Kauf-mann, 2010.
• [12] Klingbeil G., Erban R., Giles M., Maini P. K.: Fat versus Thin Threading Approach on GPUs: Application to Stochastic Simulation of Chemical Reactions, IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS, vol. 23, no. 2, February 2012 (w druku).
• [13] Manassah J. T.: Elementary mathematical and computational tools for electrical and computer engineers using MATLAB. CRC Press, 2001.
• [14] Murray L.: GPU Acceleration of Runge-Kutta Integrators. IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS, vol. 23, no. 1, pp. 94-101, January 2012.
• [15] NVIDIA: CUDA Best Practices Guide v. 4.0, NVIDIA Corporation, 2011.
• [16] NVIDIA: CUDA C Programming Guide v. 4.0, NVIDIA Corporation, 2011.
• [17] Ortega L., Rueda A.: Parallel drainage network computation on CUDA, Computers&Geosciences, Elsevier, no. 36, 2010, pp. 171-178.
• [18] Pak L-F., Faruque O. M., Nie X., Dinavahi V.: A Versalite Cluster-Based Real-Time Digital Simulator for Power Engineering Research. IEEE Transactions on Power Systems, vol. 21, no. 2, pp. 455-465, May 2006.
• [19] Rosloniec S.: Fundamental Numerical Methods for Electrical Engineering. Spinger, 2008.
• [20] Sanders J., Kandrot E.: CUDA BY EXAMPLE - An Introduction to General Purpose GPU Programming. Addison-Wesley Professional, 2010.
• [21] Shena W., Wei D., Xub W., Zhua X., Yuana S.: Parallelized computation for computer simulation of electrocardiograms using personal computers with multi-core CPU and general-purpose GPU. Computer methods and programs in biomedicine, no. 100, pp 87-96, Elsevier, 2010.
• [22] Witryna: http://www.nvidia.pl/object/cuda_home_new_pl.html (09.01.2012)