[发明专利]一种大型稀疏矩阵乘以其转置矩阵的GPU加速方法

说明书

本发明公开了一种大型稀疏矩阵乘以其转置矩阵的GPU加速方法，包括如下步骤：CPU中将大型稀疏矩阵A以CSR稀疏存储格式存储；CPU中调用cuSPARSE函数cusparseDcsrgemm2执行A×A^T，得到稀疏矩阵C的CSR稀疏存储格式，并生成COO稀疏存储格式；CPU将GPU内核函数计算所需数据传输给GPU；GPU中执行稀疏矩阵乘以其转置矩阵的内核函数SparseMM：C＝A×A^T。本发明利用CPU控制程序的流程并处理基础数据和GPU处理密集的浮点运算相结合的模式提高了大型稀疏矩阵乘以其转置的效率，解决了电力系统状态估计中信息矩阵计算耗时大的问题。

技术领域

本发明属于电力系统高性能计算应用领域，尤其涉及一种大型稀疏矩阵乘以其转置矩阵的GPU加速方法。

背景技术

电力系统状态估计是现代电力调度系统中能量管理系统(EMS)的重要组成部分，也是电力系统调度、控制、安全评估等方面的基础。能量管理系统的功能可分成针对电网实时变化进行分析的在线应用和针对典型潮流断面进行分析的离线应用两大部分。作为很多在线应用高级软件的基础，状态估计的主要作用是对数据采集与监控系统(SCADA)提供的实时信息进行滤波，利用冗余度提高数据精度，自动排除错误信息带来的干扰和噪声并建立电网实时状态数据库，从而为能量管理系统完成各种重要的功能提供数据支持。

对于全网统一的大规模电力系统的状态估计，目前比较常见的做法仍然是沿用以前传统状态估计的模式，通过采集广域系统的实时量测信息，基于维护的网络参数和拓扑信息求解大维数的状态估计。这种方法存在通信负担过重，且计算量过大的问题，状态估计对于电力调度系统实时性的要求难以满足。因而在充分利用现有状态估计软硬件条件的基础上，开发面向大系统、计算速度快、数值稳定性好、能够有效缩短执行周期的状态估计算法具有重要的研究价值。

GPU是一种众核并行处理器，在处理单元的数量上要远远超过CPU。传统上的GPU只负责图形渲染，而大部分的处理都交给了CPU。现在的GPU已经发展为一种多核，多线程，具有强大计算能力和极高存储器带宽，可编程的处理器。在通用计算模型下，GPU作为CPU的协处理器工作，通过任务合理分配分解完成高性能计算。

在加权最小二乘法解状态估计计算时，高维稀疏线性的信息矩阵修正方程组求解过程占用了状态估计算法绝大部分时间，高达80％以上。信息矩阵是一个大型稀疏矩阵，由雅可比矩阵及其转置矩阵相乘得到，G＝H^TR^-1H，在结构和数值上都具有对称特性。利用稀疏矩阵技巧进行求解，信息矩阵求解问题可转换成C＝A×A^T的问题。大型稀疏矩阵乘以其转置矩阵的计算具有并行性。矩阵C的每个非零元的计算相互独立，没有依赖关系，天然可以被并行的计算处理，适合GPU加速。因此通过CPU和GPU之间的合理调度可以快速完成大型稀疏矩阵乘以其转置矩阵的操作，国内外学者已经开始对GPU进行大型稀疏矩阵乘以其转置进行了研究，但是没有深入的优化线程设计，单纯从计算量的分配上研究计算线程设计，对线程计算方式，数据索引方式没有进行深入研究，无法使程序充分发挥GPU的优势。

因此，亟待解决上述技术难题。

发明内容

发明目的：本发明的目的是提供能大幅减少大型电力系统状态估计中信息矩阵相乘计算时间的一种大型稀疏矩阵乘以其转置矩阵的GPU加速方法。

电力系统状态估计：电力学名词，指对给定的系统结构及量测配置，在量测量有误差的情况下，估计出系统的真实状态—各母线上的电压相角与模值及各元件上的潮流。

GPU：图形处理器(英语：GraphicsProcessingUnit，缩写：GPU)。

技术方案：为实现以上目的，本发明公开了一种大型稀疏矩阵乘以其转置矩阵的GPU加速方法，所述方法包括如下步骤：