Massive Jacobi Power Flow Based On SIMD-Processor

• Autorzy: Vilacha Perez C. , Moreira Meira J. C. , Miguez Garcia E. , Fernandez Otero A.

Warianty tytułu

PL

Obliczanie równoległe rozpływu mocy za pomocą procesora SIMD

• Języki publikacji: EN

Abstrakty

EN

This paper presents an implementation of the Jacobi power flow algorithm to be run on a single instruction multiple data (SIMD) unit processor. The purpose is to be able to solve a large number of power flows in parallel as quickly as possible. This well-known algorithm was modified taking into account the characteristics of the SIMD architecture. The results show a significant speed-up of the algorithm compared to the time required to solve the algorithm in a conventional CPU, even when a more efficient sequential algorithm, such as the Newton-Raphson, is used. The accuracy of the performance has been validated with the results of the IEEE-118 standard network. This paper also shows a case where the proposed algorithm is used to calculate a statistical load power flow using the Monte Carlo's method.

PL

W artykule przedstawiono implementację algorytmu rozpływu mocy Jacobiego przeznaczonych do uruchamiania na procesorze typu SIMD (jedna instrukcja wiele danych). Celem jest rozwiązanie dużej liczby rozpływów mocy równolegle w jak najkrótszym czasie. Ten dobrze znany algorytm został zmodyfikowany z uwzględnieniem cech architektury SIMD. Wyniki wskazują na znaczne przyspieszenie tego algorytmu w porównaniu do czasu potrzebnego do rozwiązania problemu za pomocą konwencjonalnych CPU, nawet jeśli zastosujemy najbardziej efektywny algorytm sekwencyjny, taki jak metoda Newtona-Raphsona. Dokładność uzyskanych wyników została potwierdzone dzięki porównaniu z wynikami uzyskanymi w sieci standardowej IEEE-118. W artykule przedstawiono również przypadek, gdy proponowany algorytm jest używany do obliczeń statystycznych rozpływów mocy przy użyciu metody Monte Carlo.

Słowa kluczowe

EN

CUDA; GPU; Jacobi; parallelization; electrical technology; electrical power engineering; Monte Carlo method

PL

CUDA; GPU; metoda Monte Carlo; algorytm Jacobiego; elektrotechnika; elektroenergetyka; paralelizacja

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2011
• Tom: R. 87, nr 10
• Strony: 236--240
• Opis fizyczny: Bibliogr. 19 poz., il., tabl., wykr.

Twórcy

autor

Vilacha Perez C.

autor

Moreira Meira J. C.

autor

Miguez Garcia E.

autor

Fernandez Otero A.

• Department of Electrical Engineering of University of Vigo, Galicia, Spain,

Bibliografia

• [1] N. Godel, N. Nunn, T. Warburton, and M. Clemens, “Scalability of Higher-Order Discontinuous Galerkin FEM Computations for Solving Electromagnetic Wave Propagation Problems on GPU Clusters,” IEEE Trans. Magn., vol. 46, no. 8, pp. 3469–3472, Aug. 2010.
• [2] G. Chalkidis, M. Nagasaki, and S. Miyano, “High Performance Hybrid Functional Petri Net Simulations of Biological Pathway Models on CUDA.” IEEE/ACM transactions on computational biology and bioinformatics / IEEE, ACM, no. 99, pp. 1–1, Nov. 2010.
• [3] V. Jalili-Marandi and V. Dinavahi, “SIMD-Based Large-Scale Transient Stability Simulation on the Graphics Processing Unit,” IEEE Trans. Power Syst., vol. 25, no. 3, pp. 1589–1599, Aug. 2010.
• [4] Dzafic and H.-T. Neisius, “Real-time power flow algorithm for shared memory multiprocessors for European distribution network types,” in 2010 Conference Proceedings IPEC. IEEE, Oct. 2010, pp. 152–158.
• [5] J. Singh and I. Aruni, “Accelerating Power Flow Studies On Graphics Processing Unit,” in 2010 Annual IEEE India Conference (INDICON), 2010.
• [6] N. Garcia, “Parallel power flow solutions using a biconjugate gradient algorithm and a Newton method: A GPU-based approach,” in Power and Energy Society General Meeting, no. 5, 2010, pp. 1–4.
• [7] J. Grainger and W. D. S. Jr., Power Systems Analysis (Power & Energy). McGraw-Hill Publishing Co., 1994.
• [8] F. Capitanescu and L. Wehenkel, “A New Iterative Approach to the Corrective Security-Constrained Optimal Power Flow Problem,” IEEE Trans. Power Syst., vol. 23, no. 4, pp. 1533– 1541, Nov. 2008.
• [9] J. Sanders and E. Kandrot, CUDA by Example: An Introduction to General-Purpose GPU Programming. Addison-Wesley Professional, 2010.
• [10] D. B. Kirk and W.-m. W. Hwu, Programming Massively Parallel Processors: A Hands-on Approach. Morgan Kaufmann, 2010.
• [11] Nvidia, “Nvidia Cuda C. Programming Guide,” 2010. [Online]. Available: http://developer.nvidia.com/page/home.html
• [12] J. Lin and Y. Chen, Design and Implementation of Jacobi Algorithms on GPU. IEEE, Oct. 2010.
• [13] Z. Zhang, Q. Miao, and Y. Wang, CUDA-Based Jacobi’s Iterative Method. IEEE, 2009.
• [14] R. Amorim, G. Haase, M. Liebmann, and R. Weber dos Santos, Comparing CUDA and OpenGL implementations for a Jacobi iteration. IEEE, Jun. 2009.
• [15] W. Tao, Y. Yuan, H. Lin, Z. Dan, and Z. Yuanyuan, implementation of Jacobi iterative method on graphics processor unit. IEEE, Nov. 2009.
• [16] Guerrero,J. and Naar,L. and Romero,G., Power system losses estimation using Montecarlo algorithm. IEEE, Nov. 2009.
• [17] Nvidia, “TESLA C2050 / C2070 GPU Computing Processor Supercomputing.” [Online]. Available: http://www.nvidia.com/object/personal-supercomputing.html
• [18] Z.N.C Viray and W.C. Nerves, “Integrated energy and reserve electricity market analysis using probabilistic optimal power flow,” in TENCON 2010 - 2010 IEEE Region 10 Conference. IEEE, Nov. 2010, pp. 598-603.
• [19] C. Zapata, L. Garces, and O. Gomez, “Reliability Assessment of Energy Limited Systems Using Sequential Montecarlo Simulation,” in IEEE/PES Transmission and Distribution Conference and Exposition: Latin America. IEEE, Aug. 2006, pp.1-6.