[發明專利]電力優化運行方法、終端設備及計算機可讀存儲介質

有效

• 申請號: 202110386050.8
• 申請日: 2021-04-12
• 公開（公告）號: CN113254195B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 石立寶;趙嘉倫
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/00;G06N3/12;G06Q10/04;G06Q50/06
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

1.一種電力優化運行方法，其特征在于，包括如下步驟：

A1：客戶端接收用戶發起的認證連接請求，促使用戶側計算機在請求通過后被納為新增計算節點；

A2：選擇處理器并行計算方式；A2步驟中，處理器并行計算方式包括CPU并行計算、GPU并行計算；

A3：輸入計算任務信息至客戶端；其中，由用戶側計算機選定所使用的智能計算方法，自行生成初始種群，將種群信息及適應度計算方法輸入到客戶端；

A4：指使服務器管理節點接收輸入信息，據此測算任務計算量大小，并根據各計算節點的計算能力劃分計算任務；

A5：指使各計算節點使用處理器多線程，并行計算潮流及適應度值，得到最終結果；

A5步驟中，當處理器多線程為CPU多線程時，具體包括如下子步驟：

A51：指使客戶端計算節點使用CPU多線程，并行計算潮流及適應度值，計算完上傳結果文件至管理節點；

A52：指使服務器管理節點待所有計算節點的適應度值計算完成后，發送計算結果給用戶側計算機；提示用戶對種群按智能計算方法步驟進行變異、選擇后續操作，促使生成新一代種群，并發送新一代種群信息給客戶端；

A53：重復步驟A51、A52，直至迭代次數達到設定上限，得到最終結果。

2.如權利要求1所述的電力優化運行方法，其特征在于，A3步驟中，當處理器并行計算方式為CPU并行計算時，計算任務信息包括：智能計算方法類型、初始種群信息、適應度計算方法；當處理器并行計算方式為GPU并行計算時，計算任務信息包括：智能計算方法類型、電力系統參數、種群編碼方式。

3.如權利要求2所述的電力優化運行方法，其特征在于，智能計算方法類型包括：進化規劃智能計算方法、粒子群智能計算方法。

4.如權利要求1所述的電力優化運行方法，其特征在于，A5步驟中，處理器多線程包括CPU多線程、GPU多線程。

5.如權利要求1所述的電力優化運行方法，其特征在于，步驟A51中，并行計算潮流及適應度值時調用不同電力計算庫。

6.如權利要求1所述的電力優化運行方法，其特征在于，當處理器并行計算方式為GPU并行計算時，A4步驟后還包括：指使服務器管理節點下發計算任務到各計算節點，促使各計算節點拷貝任務信息至GPU顯存中。

7.如權利要求6所述的電力優化運行方法，其特征在于，A5步驟中，當處理器多線程為GPU多線程時，具體包括如下子步驟：

B51：指使GPU各線程塊讀取CPU顯存信息，GPU一個線程塊對應于智能計算方法的一個子種群，線程塊內的每個線程對應于該子種群中的每個個體；指使各計算節點使用GPU海量線程調用內置矩陣計算庫，并行計算潮流及適應度值；

B52：指使各計算節點使用GPU海量線程按智能計算方法，并行執行變異、選擇后續操作，促使生成新一代種群；

B53：重復步驟B51、B52，直至迭代次數達到遷移上限，遷移時指使各計算節點的計算結果由GPU顯存發送至CPU內存，再指使服務器管理節點匯總；指使將該智能計算方法的每個子種群中適應度值最大的個體拷貝至相鄰的下一子種群，將每個子種群中適應度值最小的個體用上一相鄰子種群中適應度值最大的個體進行替換；

B54：遷移結束后，若迭代次數未達到預先設定的上限值，則指使服務器管理節點再次下發計算任務到各計算節點，重復步驟B51-B53；若迭代次數達到預先設定的上限值，全部計算完成，發送最終計算結果給用戶。

8.如權利要求7所述的電力優化運行方法，其特征在于，不同用戶在解決不同計算需求的過程中，指使下載動態鏈接庫，促使計算過程中調用動態鏈接庫得到最終結果。

9.如權利要求1-8任一所述的電力優化運行方法，其特征在于，設置本地計算機與新增計算機為異構形式，不同用戶在不同時段使用同一批計算節點、選定不同智能計算方法。