稀疏技术.pptVIP

潮流计算中的稀疏技术 概述 概述 稀疏技术 IU（3）为4，表明A矩阵上三角部分第3行的第1个非零元如果有的话应在U的第4个位置，而U表中第4个位置没有非零元素，为了检索方便，IU(3)仍应赋值4。 有了IU表即可知道A的上三角部分第i行的非零元的数目 如果要查找A的上三角第i行所有非零元素，只要扫描A从IU(i)到IU(i+1)－1即可，JU(k)指出了该元素的列号，U(k)是该非零元素的值。 对于按列存储的格式进行查找的情况类同。 三角检索存储格式在矩阵A的稀疏结构已确定的情况下使用是十分方便的。 但在计算过程中，如果A的稀疏结构发生了变化，即其中的非零元素的分布位置发生变化，相应的检索信息也要随着变化，很不方便。 有两种办法处理 事先估计注入，符号分解。 链表格式 当新增加一个非零元素时，可把它排在最后，并根据该非零元素在该行中的位置的不同来修改其相邻元素的LINK值。 例如，新增a13，把a13排在第11个位置，把a12的LINK值由3改为11， a13本身的LINK值置为3，NA(1)增加1，变为4。 2.按行消元逐行规格化的高斯消去法 S1. 规格化第一行 最后得到： 其中，依次取1/2，3，2/5，5，-23/2，-1/12为运算因子。 由后向前取虚线上三角中元素进行回代运算 3、节点编号顺序的优化3.1、节点编号顺序与稀疏度的关系 对应这两种编号方案的节点方程分别为： 再分别进行三次、两次消元运算，消去其中第二、第三列，得上三角矩阵中的非零元素分布如下式所： 3.2 高斯消元与消去节点的关系 以高斯消元法逐列消元，对应于以消去节点法逐个消去节点 消元过程中的注入元，在物理意义上对应于由于消去某节点而出现新的互联支路导纳。 3.3三种节点优化编号方法 静态优化法－按静态联结支路数的多少编号 半动态优化法－按动态联结支路数的多少编号 最常用 动态优化法－按动态增加支路数的多少编号 静态优化法－按静态联结支路数的多少编号 半动态优化法－按各节点动态联结支路数的多少编号 例题：如下图 如果按半动态编号： 动态优化法－按动态增加支路数的多少编号 * 线性方程组的求解方法有： 直接法：高斯消去法、三角分解法 迭代法 矩阵求逆法 电力系统中常见的大型线性方程组的系数矩阵十分稀疏，直接法解法的计算速度很快。与迭代法相比，没有收敛性问题。 矩阵的稀疏度为矩阵中的零元素与矩阵总元素之比 电力网络特点决定了电网的导纳矩阵是稀疏的 例如：对于节点数为10、100、1000的网络，节点导纳矩阵的稀疏度分别为： 50%—60%，95%—96%，99.5%—99.6% 修正方程式中的雅克比矩阵与导纳矩阵有同样的结构，也必将高度稀疏 所谓稀疏技术，是指选择算法和编制程序时，尽可能避免存储稀疏矩阵中的零元素和避免对这些零元素进行运算的技术。具体而言，包括以下几方面： 稀疏存储:对于稀疏矩阵只存储其非零元素 采用按行消元的方式进行消元。 网络节点编号优化技术 因子表技术 对m×n阶稀疏矩阵A，其非零元素共有?个，令aij是A中第i行第j列非零元素。可以定义三个数组，按下面的存储格式存储矩阵A中非零元素的信息： VA——存储A中非零元素aij的值，共? 个 IA——存储A中非零元素aij的行指标i，共? 个 JA——存储A中非零元素aij的列指标j，共? 个 1.1 散居格式 1 稀疏存储 总共需要3? 个存储单元 优点：A中非零元在数组中的位置可任意排列，修改灵活。 缺点：其存储顺序无一定规律，检索起来不方便。最差的可能性要在整个数组中查找一遍。 如查找第i行的非零元素 在VA中取出从k＝IA(i)到IA(i＋1)－1共IA(i＋1)－IA(i)个非零元就是A中第i行的全部非零元 非零元的值是VA(k)，列号JA(k) 1.2 按行（列）存储格式 按行(列)顺序依次存储A中的非零元，同一行(列)元素依次排在一起。 以按行为例，其存储格式是： VA——按行存储矩阵A中非零元aij ，共? 个； JA——按行存储矩阵A中非零元的列号，共? 个； IA——记录A中每行第一个非零元素在VA中的位置，共m个。 如查找第i行第j列的元素aij在VA中的位置 对k从IA(i)到IA(i＋1)－1，判断列号JA(k)是否等于j，如等， VA(k) 就是 要的非零元aij U——存A的上三角部分的非零元的值，按行依次存储 JU——存A的上三角部分的非零元的列号 IU——存A中上三角部分每行第一个非零元在U中的位置(首地址) L——按列存储A中下三角非零元素的值 IL——按列存储A中下三角非零元素的行号 JL——存储A的下三角部分每列第一个非零元在L中的位置(首地址) D——存储A的