论文部分内容阅读
随着我国水电事业的迅猛发展,大批的规模较大的梯级水电站群已经投产使用。水电站群的特点包括电站级数多、装机容量大、输送范围广等,其优化问题具有非常明显的高维性,非线性、多阶段性与多约束性。水电优化调度方法中,随机动态规划是使用最多的一种算法。但是,水电站计算规模的增加会导致计算耗时迅速增加, “维数灾”问题变得越来越突出；而传统的优化方法存在一定局限性,无法满足实际调度中的精细化需求。如何更快地对水电调度问题进行求解,寻找更为高效的求解方法,在当前水电调度工作中具有十分重要的意义。随着高性能计算以及近几年云计算技术的发展,基于集群的分布式并行计算技术得到了广泛的应用。分布式计算技术使用多台机器协同并行计算,为提高水电调度计算的效率提供了新的方法。本文以澜沧江下流的小湾等梯级水电站为背景,研究了基于高性能平台和云平台上的梯级水电站群长期优化调度分布式随机动态规划方法,并对不同平台上的分布式随机动态规划算法进行了比较。具体内容有：(1)参考基于MPI的点对点通信模型的动态规划算法,实现了基于MPI的分布式并行随机动态规划算法DPSDPoM;针对DPSDPoM存在冗余内存消耗和通信的问题,提出了混合多线程的MPI分布式并行随机动态规划算法DPSDPoM-MT。实验表明,DPSDPoM能够较好地将任务分配到计算节点上协同计算,具有一定的可扩展性；DPSDPoM-MT算法在计算效率和内存消耗方面均优于DPSDPoM。(2)提出了基于Spark的分布式并行随机动态规划算法DPSDPoS,并给出了两种算法实现。算法将计算模型转换为数据处理模型进行处理,充分利用了集群资源,同时具有完善的备份和冗余机制,优势明显。实验表明,相比于DPSDPoM算法,DPSDPoS效率和扩展性较高,但是存在框架开销较大,内存消耗严重等问题。(3)算法综合分析指出,在由大量普通节点组成的集群环境中,DPSDPoS算法更为适合;模型适用性分析指出,对于梯级水电站群长期优化调度的动态规划类模型及其降维改进模型,两类分布式算法均有不同程度的适用性。