并行处理已经成为当前计算科学领域内的关键技术。随着电力需求的急剧增长,跨大区互联和远距离输电系统相继出现,电力系统的规模正变得越来越庞大。网络规模的复杂化使得大规模电力系统潮流计算与可靠性评估可能需要超大规模的计算量,传统串行单处理技术有限的时空处理能力将难以实现。与此同时,并行计算在电力系统中应用的研究方兴未艾。提高并行加速比与并行效率是电力系统并行研究的主要目的。鉴于此,本文研究了大规模电力系统潮流与可靠性评估并行计算的模型、算法及并行化方法,并取得了一些相关方面的初步成果。本文研究成果如下:①基于FGMRES方法的电力系统牛顿潮流计算高维稀疏方程组的求解是电力系统潮流计算问题中最基本和最核心的部分。为了提高其收敛的速度及可靠性,根据牛顿潮流迭代过程中Jacobi矩阵的改变情况,选择柔性的预条件子,提出了基于FGMRES法的牛顿潮流算法。FGMRES法的收敛性及收敛速度依赖于其线性方程组系数矩阵的条件数,为改善系数矩阵的条件数,时常对线性方程组进行适当变换,以实现预条件处理。预条件子一般由系数矩阵变换而来,本文根据潮流计算过程中系数矩阵的改变情况,实时生成新的预条件子,以达到最佳的预条件处理效果,实现了柔性预条件处理的目的。根据系数矩阵高度稀疏的特点,为避免大量非零元的填入,本文为预条件子计算过程选择了不完全LU分解算法。然后通过由IEEE30、IEEE118和多个合成的大规模电力系统进行算例分析,验证了FGMRES法牛顿潮流算法可有效减低迭代次数,提高潮流计算过程中的收敛可靠性。FGMRES法潮流计算的实现可使潮流计算的并行化过程大为简化。②大规模电力系统潮流计算的分布式GESP算法GESP(Gaussian Elimination with Static Pivoting)算法适用于分布式并行处理大规模稀疏方程组。该算法通过采用静态选主元技术来代替传统稀疏高斯消去过程中的部分选主元技术。在分布式集群环境下,可利用GESP算法对潮流计算中修正的大型稀疏方程组进行并行LU分解。为在潮流计算过程中取得良好的加速比和并行效率,本文基于GESP算法提出牛顿法潮流迭代计算中修正方程组求解的分布式算法。根据方程组系数矩阵非零元主要集中于对角带及高度稀疏等特点确定系数矩阵的超节点,并基于超节点的边界将潮流修正方程组的系数矩阵划分为若干个2维分块矩阵以实现分块存储;在LU分解过程中,采用基于流水线技术的并行分解以提高计算速度。本文设计了分布式存储的并行算法,并应用于3000、12000节点等不同规模电力系统。算例分析表明:在网络达到2000节点及以上时,本文分布式GESP法相对串行计算和分布式牛顿法具有明显的速度优势。③基于状态枚举的大电力系统可靠性评估并行仿真研究大电力系统可靠性评估基于状态枚举法的并行仿真问题。在并行计算过程中,为减小并行仿真过程中不同计算节点间的通信量并获得节点间最佳负载平衡,本文以状态枚举法的系统状态为任务划分单位,设计了两种可靠性并行仿真的任务分配算法。根据分布式集群环境中各处理节点的计算性能各异,设计了计及处理节点性能的静态任务分配方案,以实现各节点所分配得的任务数与其计算性能相匹配。在此基础上,因可靠性评估过程中各系统状态的计算分析时间相差较大,设计了基于处理节点工作状态的动态分配方案。本文在分布式计算平台上实现上述两种任务分配算法,通过对RBTS系统和IEEE-RTS79系统的算例测试表明:本文设计的任务分配算法简单、可靠,并有效地提高了并行计算中过程的加速比和并行效率。本文的两种任务分配算法对不同并行计算平台及不同类型的并行计算任务具有一般性的借鉴意义。