Luận văn: Thuật toán song song giải PDEs sử dụng CUDA (ĐH Bách Khoa Hà Nội)

Luận văn thuật toán song song giải PDE bằng CUDA. Nghiên cứu mô hình toán học, hệ phương trình vi phân từng phần, tối ưu hiệu năng tính toán.

• Tác giả: Nguyễn Hữu Mạnh
• Người hướng dẫn: TS. Nguyễn Tuấn Dũng
• Trường học: Trường Đại học Bách Khoa Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Giải pháp tự động thu thập và khai thác số liệu công tơ đo đếm
• Loại tài liệu: Luận văn thạc sĩ kỹ thuật
• Năm xuất bản: 20]5
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cam đoan
• Loi cam on
• Danh mục các ký hiệu, các chữ viết tắt
• Danh mục các bảng
• Danh mục các hình vẽ, đả thị
• MỞ ĐẦU
• 1. CHƯƠNG I: DAY VAN DE
• 1.1. Cơ sở thục tiễn và hiện trạng
• 1.2. Sự cấp thiết của dễ tài
• 1.3. Phạm vi áp đụng
• 2. CHƯƠNG II: NGHIÊN CỨU PHƯƠNG PHÁP ĐỌC SỐ LIỆU CÔNG TƠ ĐIỆN
• 2.1. Giới thiệu phương pháp nghiên cửu cơ bân
• 2.2. Giới thiệu công tơ điện tứ
• 2.3. Phương pháp nghiên cứu
• 2.3.1. Các loại số liệu thu thập
• 2.3.2. Thông số vận hành hiện thời (Currenl)
• 2.3.3. Thông số biểu đô phụ tải (Load profile)
• 2.3.4. Théng sé chi 36 chét (Historical value)
• 2.3.5. Thông số lịch sứ (Instrumentation profile)
• 2.3.6. Thông số sự kiện (Events log)
• 2.4. Công cụ giao tiếp với công, EƠ
• 2.4.1. Đọc đữ liệu từ công tơ theo giao thức IBC 62056-21
• 2.4.2. Sơ bộ vẻ tiêu chuân [HC 62056-21
• 2.4.3. Đọc số liệu từ công tơ A1700 của hãng Elster
• 2.4.4. Đọc dỡ liệu từ công tơ theo giao thức IZC 62056/2LMR
• 2.4.5. Sơ bộ về chuẩn DLMS
• 2.4.6. Đọc dữ liệu từ công tơ ZxD của hãng Landis & Qy
• 2.4.7. Đẹc đữ liệu từ công tơ của nhà sản xuất không công hồ giao thức hoặc giao. thức riêng
• 3. GIHƯƠNG II- XÂY DỰNG GIẢI PHÁP THƯ THẬP SỐ LIZU TỰ DỘNG
• 3.1. Mô hình chung thụ thập số liệu tự động
• 3.2. Giải pháp kết nỗi và truyền thông
• 3.3. Mô hinh xây đựng tống thê hệ thống
• 3.4. Hệ thống đọc số liệu công tơ
• 3.4.1. Các chức năng chính
• 3.5. Hệ thống giám sát vả khai thác số liệu
• 3.5.1. Cáp chức năng chính
• 4. CHƯƠNG IV: KÉT QUÁ VÀ BẢN LUẬN
• 4.1. Hệ thống tu thập số liệu công tơ đo đếm
• 4.2. Giao diện chính
• 4.3. Giao điện đọc số liệu
• 4.4. Giao diện cầu hình
• 4.5. Hệ thống giám sắt và khai thác sô liên công tơ đo đêm
• 4.6. Màn hình dăng nhập
• 4.7. Màn hình quản lý các kết nói với IP Modem
• 4.8. Màn hình chức nắng câu hình hệ thống
• 4.9. Màn hình chức năng biểu đồ sản lượng tiêu thụ điện trong ngày
• 4.10. Mim binh bao cao s6 liéu chi sd chat tháng
• 4.11. Màn hình chức năng giám sát thông số hiện thời
• 4.12. Màn hình chức nắng lập lịch dọc số liệu công tơ
• 4.13. Kết quả triên khai
• KẾT LUẬN
• 5. Kết quả về mặt nghiền cửu
• 6. Kết quả về mặt ứng dụng
• 7. Hướng phát triển của dễ tài
• TAI LIBU THAM KHAO

Tóm tắt

I. Giới thiệu Thuật Toán Song Song Giải PDE bằng CUDA

Các phương trình vi phân từng phần (PDE) là nền tảng của nhiều mô hình toán học trong khoa học và kỹ thuật. Từ mô phỏng dòng chảy chất lỏng, truyền nhiệt đến dự báo thời tiết, PDE đóng vai trò then chốt. Tuy nhiên, việc giải các PDE này, đặc biệt với độ phức tạp cao, đòi hỏi tài nguyên tính toán lớn. Các thuật toán song song nổi lên như một giải pháp hiệu quả để tăng tốc quá trình giải quyết, tận dụng sức mạnh của các bộ xử lý đa nhân và GPU. CUDA, một nền tảng lập trình song song của NVIDIA, cho phép khai thác tối đa hiệu năng của GPU để giải quyết các bài toán PDE. Luận văn này tập trung vào việc khám phá và phát triển các thuật toán song song cho việc giải các mô hình toán học PDE sử dụng CUDA, đồng thời phân tích hiệu năng và ứng dụng của chúng.

1.1. Tổng quan về Phương trình Vi phân Từng phần PDEs

Phương trình vi phân từng phần (PDE) là một loại phương trình vi phân chứa các hàm nhiều biến và các đạo hàm riêng của chúng. Chúng mô tả các hiện tượng vật lý thay đổi theo không gian và thời gian. Ví dụ, phương trình nhiệt (Heat Equation) mô tả sự phân bố nhiệt trong một vật thể, trong khi phương trình sóng (Wave Equation) mô tả sự lan truyền sóng. Việc giải PDEs có thể rất phức tạp, đặc biệt đối với các bài toán có hình học phức tạp hoặc điều kiện biên khó khăn. Phương pháp số như phương pháp phần tử hữu hạn (FEM), phương pháp sai phân hữu hạn (FDM), và phương pháp phổ (Spectral Method) thường được sử dụng để xấp xỉ nghiệm của PDEs. Theo tài liệu gốc, phạm vi áp dụng thu thập số liệu đo đếm rất rộng (Hình 1 trong tài liệu).

1.2. Lợi ích của Thuật toán Song song trong Giải PDE

Việc giải các PDEs bằng phương pháp số thường dẫn đến các hệ phương trình tuyến tính lớn. Độ phức tạp tính toán của các hệ phương trình này tăng lên đáng kể khi độ phân giải không gian và thời gian tăng lên. Thuật toán song song cho phép chia nhỏ bài toán thành các phần nhỏ hơn và giải chúng đồng thời trên nhiều bộ xử lý, giảm đáng kể thời gian tính toán. GPU computing PDE đã chứng minh được hiệu quả vượt trội so với CPU trong nhiều ứng dụng PDE. CUDA cung cấp các công cụ và thư viện mạnh mẽ để phát triển các giải thuật số song song hiệu quả trên kiến trúc CUDA.

II. Thách thức Vấn đề khi Song song hóa Thuật toán PDE

Mặc dù thuật toán song song mang lại nhiều lợi ích, việc song song hóa các thuật toán giải PDE không phải là một nhiệm vụ đơn giản. Có nhiều thách thức cần vượt qua để đạt được hiệu năng tối ưu. Một trong những thách thức lớn nhất là phân vùng miền (domain decomposition), tức là chia nhỏ miền tính toán thành các phần nhỏ hơn sao cho việc giao tiếp giữa các phần là tối thiểu. Việc quản lý bộ nhớ trên GPU cũng là một vấn đề quan trọng, vì bộ nhớ CUDA có giới hạn và việc truy cập bộ nhớ không hiệu quả có thể làm giảm hiệu năng đáng kể. Ngoài ra, việc đồng bộ hóa giữa các luồng (threads) trên GPU cũng cần được thực hiện cẩn thận để tránh các vấn đề như tranh chấp dữ liệu (data race) và bế tắc (deadlock).

2.1. Tối ưu hóa Giao tiếp Dữ liệu trong Thuật toán Song song PDE

Trong các thuật toán song song PDE, việc giao tiếp dữ liệu giữa các bộ xử lý hoặc các luồng trên GPU có thể chiếm một phần đáng kể thời gian tính toán. Do đó, việc tối ưu hóa giao tiếp dữ liệu là rất quan trọng. Các kỹ thuật như domain decomposition methods với số lượng biên giới (boundary) tối thiểu, sử dụng các giao thức giao tiếp không đồng bộ, và sử dụng bộ nhớ chia sẻ CUDA để chia sẻ dữ liệu giữa các luồng trong cùng một khối (block) có thể giúp giảm thiểu chi phí giao tiếp.

2.2. Quản lý Bộ nhớ Hiệu quả trong Lập trình CUDA cho PDE

Bộ nhớ CUDA được chia thành nhiều loại, bao gồm bộ nhớ toàn cục (global memory), bộ nhớ chia sẻ (shared memory), bộ nhớ hằng (constant memory), và bộ nhớ texture (texture memory). Mỗi loại bộ nhớ có đặc điểm và hiệu năng khác nhau. Việc lựa chọn loại bộ nhớ phù hợp cho từng loại dữ liệu và truy cập dữ liệu một cách hiệu quả có thể cải thiện đáng kể hiệu năng của thuật toán CUDA. Ví dụ, sử dụng bộ nhớ chia sẻ để lưu trữ dữ liệu được sử dụng nhiều lần bởi các luồng trong cùng một khối có thể giảm thiểu số lần truy cập bộ nhớ toàn cục, giúp tăng tốc độ tính toán.

2.3. Đồng bộ hóa Luồng trong CUDA Giải thuật Số

Trong CUDA, các luồng trong cùng một khối có thể được đồng bộ hóa bằng cách sử dụng hàm __syncthreads(). Hàm này đảm bảo rằng tất cả các luồng trong khối đã hoàn thành các thao tác trước khi tiếp tục. Tuy nhiên, việc sử dụng __syncthreads() quá nhiều có thể làm giảm hiệu năng do các luồng phải chờ đợi lẫn nhau. Do đó, cần sử dụng __syncthreads() một cách cẩn thận và chỉ khi cần thiết để đảm bảo tính đúng đắn của thuật toán.

III. Phương pháp Song song hóa PDE hiệu quả bằng CUDA

Có nhiều phương pháp song song hóa các thuật toán giải PDE sử dụng CUDA. Một trong những phương pháp phổ biến nhất là chia miền (domain decomposition), trong đó miền tính toán được chia thành các phần nhỏ hơn và mỗi phần được giao cho một luồng hoặc một khối luồng trên GPU. Các phương pháp khác bao gồm phân tích ma trận thưa (sparse matrix solvers) sử dụng các thư viện như cuSPARSE, và sử dụng các phương pháp lặp (iterative methods) với các bộ tiền điều kiện (preconditioners) được song song hóa. Việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của bài toán PDE và kiến trúc của GPU.

3.1. Ứng dụng Phương pháp Chia Miền Domain Decomposition

Phương pháp chia miền (domain decomposition) là một kỹ thuật phổ biến để song song hóa các thuật toán giải PDE. Trong phương pháp này, miền tính toán được chia thành các miền con (subdomains), và mỗi miền con được giao cho một bộ xử lý. Các bộ xử lý sau đó giải bài toán PDE trên miền con của chúng và trao đổi thông tin với các bộ xử lý lân cận để đảm bảo tính liên tục của nghiệm. Domain decomposition methods có thể được triển khai bằng cách sử dụng các thư viện như MPI hoặc OpenMP cho CPU, hoặc bằng cách sử dụng CUDA cho GPU. Theo Hình 4 trong tài liệu gốc, mô hình tổng quan giải pháp thu thập số liệu tự động được trình bày.

3.2. Sử dụng Thư viện cuSPARSE cho Ma trận Thưa Sparse Matrix

Nhiều bài toán PDE dẫn đến các hệ phương trình tuyến tính với ma trận hệ số thưa (sparse matrix). Việc giải các hệ phương trình này một cách hiệu quả đòi hỏi các thuật toán đặc biệt được thiết kế cho ma trận thưa. Thư viện cuSPARSE của NVIDIA cung cấp các hàm hiệu năng cao để thực hiện các phép toán trên ma trận thưa trên GPU. Sử dụng cuSPARSE có thể giúp tăng tốc đáng kể quá trình giải các bài toán PDE với ma trận thưa.

IV. Tối ưu hiệu năng CUDA trong Giải phương trình vi phân

Để đạt được hiệu năng tối ưu khi giải các phương trình vi phân bằng CUDA, cần xem xét nhiều yếu tố, bao gồm lựa chọn thuật toán phù hợp, tối ưu hóa truy cập bộ nhớ, giảm thiểu giao tiếp dữ liệu, và sử dụng các công cụ profiling để xác định các điểm nghẽn hiệu năng. Các kỹ thuật như vectorization, loop unrolling, và sử dụng shared memory có thể giúp cải thiện hiệu năng của các kernel CUDA. Việc sử dụng các thư viện như cuBLAS cho các phép toán đại số tuyến tính cũng có thể mang lại lợi ích đáng kể.

4.1. Kỹ thuật Vectorization và Loop Unrolling trong CUDA

Vectorization là một kỹ thuật tối ưu hóa cho phép thực hiện cùng một phép toán trên nhiều phần tử dữ liệu cùng một lúc. Trong CUDA, vectorization có thể được thực hiện bằng cách sử dụng các kiểu dữ liệu vector như float4 hoặc int2. Loop unrolling là một kỹ thuật tối ưu hóa trong đó một vòng lặp được mở rộng thành một chuỗi các câu lệnh liên tiếp. Cả hai kỹ thuật này đều có thể giúp tăng tốc độ tính toán bằng cách giảm thiểu số lượng lệnh và cải thiện khả năng sử dụng các đơn vị tính toán trên GPU.

4.2. Sử dụng Shared Memory để Tăng tốc Độ Truy cập Dữ liệu

Shared memory là một loại bộ nhớ trên GPU có tốc độ truy cập rất nhanh. Nó được chia sẻ giữa các luồng trong cùng một khối (block). Sử dụng shared memory để lưu trữ dữ liệu được sử dụng nhiều lần bởi các luồng trong cùng một khối có thể giảm thiểu số lần truy cập global memory, giúp tăng tốc độ tính toán. Tuy nhiên, cần lưu ý rằng shared memory có dung lượng hạn chế, do đó cần sử dụng nó một cách hiệu quả.

V. Ứng dụng thực tế của Thuật toán song song PDE CUDA

Thuật toán song song giải PDE sử dụng CUDA có nhiều ứng dụng thực tế trong các lĩnh vực như mô phỏng dòng chảy chất lỏng, truyền nhiệt, điện từ trường, và tài chính định lượng. Ví dụ, trong mô phỏng dòng chảy chất lỏng, thuật toán song song có thể được sử dụng để mô phỏng dòng chảy rối (turbulent flow) trong các động cơ hoặc trong các đường ống dẫn dầu. Trong truyền nhiệt, thuật toán song song có thể được sử dụng để mô phỏng sự phân bố nhiệt trong các thiết bị điện tử hoặc trong các lò nung. Trong tài chính định lượng, thuật toán song song có thể được sử dụng để định giá các công cụ phái sinh phức tạp.

5.1. GPU Computing PDE trong Mô phỏng Dòng Chảy Chất lỏng

Mô phỏng dòng chảy chất lỏng là một lĩnh vực đòi hỏi tài nguyên tính toán lớn. GPU computing PDE với CUDA đã chứng minh được hiệu quả vượt trội so với CPU trong việc mô phỏng các dòng chảy phức tạp, đặc biệt là các dòng chảy rối (turbulent flow). Thuật toán song song cho phép mô phỏng các dòng chảy này với độ phân giải cao hơn và trong thời gian ngắn hơn, cung cấp thông tin chi tiết hơn về hành vi của dòng chảy.

5.2. Ứng dụng CUDA Giải thuật Số trong Truyền Nhiệt

Truyền nhiệt là một lĩnh vực khác mà thuật toán song song có thể mang lại lợi ích đáng kể. Việc mô phỏng sự phân bố nhiệt trong các thiết bị điện tử hoặc trong các lò nung đòi hỏi việc giải các phương trình truyền nhiệt, thường là dưới dạng PDE. CUDA cho phép tăng tốc đáng kể quá trình giải các phương trình này, giúp các kỹ sư thiết kế các thiết bị và hệ thống nhiệt hiệu quả hơn.

VI. Kết luận và Hướng Phát triển Thuật toán Song song PDE CUDA

Luận văn này đã trình bày tổng quan về các thuật toán song song để giải các bài toán có mô hình toán học dưới dạng PDE sử dụng CUDA. Các kết quả nghiên cứu cho thấy rằng CUDA là một nền tảng mạnh mẽ để phát triển các thuật toán song song hiệu quả cho việc giải các PDE. Trong tương lai, các hướng nghiên cứu có thể tập trung vào việc phát triển các thuật toán thích nghi (adaptive algorithms) có thể tự động điều chỉnh độ phân giải và phân bổ tài nguyên dựa trên đặc điểm của bài toán. Nghiên cứu cũng cần tập trung vào việc phát triển các phương pháp lai (hybrid methods) kết hợp CPU và GPU để tận dụng tối đa sức mạnh của cả hai loại bộ xử lý. Hướng phát triển của đề tài có thể tập trung vào những lĩnh vực mới, như Hình 31 trong tài liệu.

6.1. Thuật toán Thích nghi Adaptive Algorithms cho CUDA PDE

Thuật toán thích nghi (adaptive algorithms) có khả năng tự động điều chỉnh các tham số của thuật toán dựa trên đặc điểm của bài toán đang được giải. Trong bối cảnh CUDA PDE, thuật toán thích nghi có thể tự động điều chỉnh độ phân giải không gian và thời gian, phân bổ tài nguyên bộ nhớ, và lựa chọn phương pháp giải phù hợp. Phát triển các thuật toán thích nghi có thể giúp cải thiện hiệu năng và độ chính xác của việc giải các PDE.

6.2. Phương pháp Lai Hybrid Methods CPU và GPU trong Giải PDE

Phương pháp lai (hybrid methods) kết hợp CPU và GPU để tận dụng tối đa sức mạnh của cả hai loại bộ xử lý. Trong một phương pháp lai, một số phần của thuật toán có thể được thực hiện trên CPU, trong khi các phần khác được thực hiện trên GPU. Việc lựa chọn phần nào để thực hiện trên CPU và phần nào để thực hiện trên GPU phụ thuộc vào đặc điểm của từng phần và khả năng của từng loại bộ xử lý. Phát triển các phương pháp lai có thể giúp đạt được hiệu năng tốt nhất khi giải các bài toán PDE.

Trích đoạn nội dung tài liệu

BO GIAO DUC VA DAO TAO TRUONG DAI HOC BACH KHOA HÀ NỘI Nguyễn Iữu Mạnh GIẢI PHÁP TỰ ĐỌNG THU THẬP VA KHAI THÁC 86 LIEU CÔNG TO DO DEM Chuyên ngành: Công nghệ thông tin LUẬN VĂN THẠC SĨ KỸ THUẬT NGÀNH CÔNG NGHI THONG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC TS. Nguyễn Tuần Dũng, Hà Nôi — Năm 20]5 MUC LUC Lời cam đoan. Loi cam om. Danh mục các ký hiệu, các chữ viết tắt Danh mục các bằng Danh mục các hình vẽ, đả thị MỞ ĐẤU.

CHUONGL DAY VAN DE. Cơ sở thục tiễn và hiện trạng - - - 12 1. Sự cấp thiết của dễ tài. Phạm vi áp đụng, - - 13 CHƯƠNG II NGHIÊN CỨU PHƯƠNG PHÁP ĐỌC SỐ LIỆU CÔNG TƠ ĐIỆN 3.

Giới thiệu phương pháp nghiên cửu cơ bân - 14 2. Giới thiệu công tơ điện tứ. TH HH tt Hee re 14 2. Phương pháp nghiên cứu 15 2.2, Các loại số liệu thu thập.

Thông số vận hành hiện thời (Currenl. Thông số biểu đô phụ tải (Load profile). Théng sé chi 36 chét (Historical value). Thông số lịch sứ (Instrumentation profile).

Thông số sự kiện (Events log) 19 2. Công cụ giao tiếp với công, EƠ. Đọc đữ liệu từ công tơ theo giao thức IBC 62056-21 19 2. Sơ bộ vẻ tiêu chuân [HC 62056-21.

Đọc số liệu từ công tơ A1700 của hãng Elster 20 2. Đọc dỡ liệu từ công tơ theo giao thức IZC 62056/2LMR. Sơ bộ về chuẩn DLMS - - 26 2. Đọc dữ liệu từ công tơ ZxD của hãng Landis & Qy.

Đẹc đữ liệu từ công tơ của nhà sản xuất không công hồ giao thức hoặc giao. thức riêng, 29 GIHƯƠNG II- XÂY DỰNG GIẢI PHÁP THƯ THẬP SỐ LIZU TỰ DỘNG. Mô hình chung thụ thập số liệu tự động, 3. Giải pháp kết nỗi và truyền thông, 3.3 Mö hinh xây đựng tống thê hệ thống, 3.4 118 théng đọc số liệu công tơ.2 Các chức năng chính.5 Hệ thống giám sát vả khai thác số liệu 3.2 Cáp chức năng chính CHƯƠNG IV KÉT QUÁ VÀ BẢN LUẬN.

Hệ thống tu thập số liệu công tơ đo đếm 3. Giao diện chính 3. Giao điện đọc số liệu 5. Giao diện cầu hình.

Hệ thống giám sắt và khai thác sô liên công tơ đo đêm iv wa 2. Màn hình dăng nhập. Màn hình quản lý các kết nói với IP Modem. Màn hình chức nắng câu hình hệ thống.

Màn hình chức năng biểu đồ sản lượng tiêu thụ điện trong ngày. Mim binh bao cao s6 liéu chi sd chat tháng 5. Màn hình chức năng giám sát thông số hiện thời 5. Màn hình chức nắng lập lịch dọc số liệu công tơ.

Kết quả triên khai KÉT LUẬN. Kết quả về mặt nghiền cửu. Kết quả về mặt ứng dụng: bọ Danh mục các hình vẽ, dé thi Hình 1: Pham vi dp dụng thà thập số liệu do đễm. 1lình 7: Trình tự giao tiếp với công tơ theo chuẩn 1C 62056-21.

Hình 3: Các bước giaa tiếp với công tơ theo chuẩn DLAS/COSEIM. 27 Hình 4: Mô lành tẵng quái giải phảp (hu thập số liệu tự động. Tình 5: Sơ đề kết nổi và truyền thông nhiều công to. Hình 6: Sơ đồ kết nổi và truyền thông {1 công (ø Hình 7: Hình ảnh thực tê kết nỗiIP modem voi céng to ZxD/Landis & Gyr.

Hinh 8: Luu dé hệ thông thu thập và khai thác số liệu ẩo đảm. Hình 9: Se dé tong quat ESMR Server. Hinh 10: So dé chi tiét ESMR Serve Link 11: Céc phan hé trong LS Metering. Hình 12: Ludng trao đổi dữ liệu chỉ niễt trong ES Melering.

Hình 13: Giao diện chỉnh HSMIR Server. Tinh 14: Giao điện quá trình trao đổi số liệu với công fe. Hinh 15: Giao ditn edu hink hé thong ESMR Server. Hinh 16: Giao dién dang nhdp HS Metering.

Hinh 17: Giao điện đăng nhập Web khai thác số liệu Hình 18: Giao điện quản lý kết nội voi IP Modem trén ES Metering. Linh 19: Giaa diện quán lý kết nối với IP Modem trên Heb khai thác số liệu. Hình 20: Giao điện chức năng cấu hình hệ thông trén ES Metering. Hình 21: Giao diện chứo năng cẫu hình hệ thẳng trên Web khai thác số liệu.

Tình 22: Giao điện chức năng báo cáo sản lượng ngày trén ES Metering. {Hình 26: Giao điện giảm sát thông số U-I-I' trên ES Metering. Danh mục các hình vẽ, dé thi Hình 1: Pham vi dp dụng thà thập số liệu do đễm. 1lình 7: Trình tự giao tiếp với công tơ theo chuẩn 1C 62056-21.

Hình 3: Các bước giaa tiếp với công tơ theo chuẩn DLAS/COSEIM. 27 Hình 4: Mô lành tẵng quái giải phảp (hu thập số liệu tự động. Tình 5: Sơ đề kết nổi và truyền thông nhiều công to. Hình 6: Sơ đồ kết nổi và truyền thông {1 công (ø Hình 7: Hình ảnh thực tê kết nỗiIP modem voi céng to ZxD/Landis & Gyr.

Hinh 8: Luu dé hệ thông thu thập và khai thác số liệu ẩo đảm. Hình 9: Se dé tong quat ESMR Server. Hinh 10: So dé chi tiét ESMR Serve Link 11: Céc phan hé trong LS Metering. Hình 12: Ludng trao đổi dữ liệu chỉ niễt trong ES Melering.

Hình 13: Giao diện chỉnh HSMIR Server. Tinh 14: Giao điện quá trình trao đổi số liệu với công fe. Hinh 15: Giao ditn edu hink hé thong ESMR Server. Hinh 16: Giao dién dang nhdp HS Metering.

Hinh 17: Giao điện đăng nhập Web khai thác số liệu Hình 18: Giao điện quản lý kết nội voi IP Modem trén ES Metering. Linh 19: Giaa diện quán lý kết nối với IP Modem trên Heb khai thác số liệu. Hình 20: Giao điện chức năng cấu hình hệ thông trén ES Metering. Hình 21: Giao diện chứo năng cẫu hình hệ thẳng trên Web khai thác số liệu.

Tình 22: Giao điện chức năng báo cáo sản lượng ngày trén ES Metering. {Hình 26: Giao điện giảm sát thông số U-I-I' trên ES Metering. Lời cam đoan Tỏi xin cam doan đây lá công trình nghiên cứu của riêng tôi. Các số liệu, kết quả riểu trong luận văn là trưng thực và chưa từng được ai công bề trong hất kỉ công trình tảo khác Tôi xim cam đoạn rằng các thông tim trích dẫn trong luận văn đều đã được chỉ rõ nguồn gốc.

Danh mục các bảng Bang 1: Thắng kê các loại công tơ diện tử 3 pha tại Việt Nươn. Bang 2: Các số liệu cần thu thập của thông số vận hành. Bang 3: Các số liệu cần thu thập của Biếu đồ phụ tải. Bảng 4: Các số liệu cần thu thập của Chỉ số chốL Bang 5: Các số liệu cân thu thập của Thông số lịch sử.

Bảng 6: Các sổ liệu cần thu thập của Thôngsố sự kiệi Bảng 7: Trình tự giao tiếp với công tơ theo chuẩn IEC 62056-21. ~ Danh mục các ký hiệu, các chữ viết tắt Viết tất Đây đủ Ý nghĩa TRỢ Tnlemational Electrotechnical | Uy ban k¥ thudt didn quée Commission. DLMS/COSEM | Device Language Message | Chuẩn giao thức truyền thông Specification/COmpanion | với công tơ điện tử Specification for Energy Metenng, HHU Hand Held Unit Thiết bị cầm tay Bd Baudrate Tốc độ truyền tin (Nếu truyền nh phân thì Baudrale — Bitrate} PMU Power Master Unil Phan mềm chính hãng giao tiép với công tơ Elster A1700 LIDLC Lligh-Level Data Link Giao thức liên kết dữ liệu theo Control tít được định nghĩa bởi OST LAN Local Area Network Mạng nội bộ WAN Wide Area Network Mạng điện rộng. TCPAP Transtmsston Control Chao thúc truyền tin qua mang Protocol/Intemet Protecol intemet GPRS General Packet Radio Service CSDL Cơ sở đữ liệu CMIS Customer Management THệ thẳng thông tin quản lý Tnformation Syster khách hàng ES E-SOLUTIONS Công ty Cổ phần giái pháp quản lý năng hượng, TNIII Trách Nhiệm [liu [an Loi cam ơn Loi dau tiên, em xin bảy tỏ lòng biết ơn sâu sắc dến các thây cô giáo trong Viên Công nghệ thông tin và Truyền thông - Trường Đại học Bách Khoa Hà Nội, những, người đã lận tỉnh giãng đạy, truyền đạt cho chúng em những kiến thúc cơ báu làm nên tảng cho việc thực hiện luận văn củng như hoản thành công việc được giao.

Em xin giti lai cam on đến Ban lãnh đạo Công ty Có phần giải pháp quân lý năng lượng (H-SOLUTIONS) đã tạo điều kiện cho em phát triển dụ án “Giải pháp tự động thu thập và khai thác số liệu công tơ đo đếm” thành luận văn tốt nghiệp thạc sĩ kĩ thuật ð trường Đại học Bách khoa Hà Nội. Tim cũng xin gửi lài cảm on chân thành đến T5 Nguyễn Tuân Dũng, thầy đã thưởng dẫn, chí đạy tận tình để em hoán thành luận văn này. Cuối cũng, em vệ củng biết ơn toàn thế gia đình, bạn bẻ, đẳng nghiệp đã quan tâm, động viên cm rong quá trình thực hiện luận văn nay. Loi cam ơn Loi dau tiên, em xin bảy tỏ lòng biết ơn sâu sắc dến các thây cô giáo trong Viên Công nghệ thông tin và Truyền thông - Trường Đại học Bách Khoa Hà Nội, những, người đã lận tỉnh giãng đạy, truyền đạt cho chúng em những kiến thúc cơ báu làm nên tảng cho việc thực hiện luận văn củng như hoản thành công việc được giao.

Em xin giti lai cam on đến Ban lãnh đạo Công ty Có phần giải pháp quân lý năng lượng (H-SOLUTIONS) đã tạo điều kiện cho em phát triển dụ án “Giải pháp tự động thu thập và khai thác số liệu công tơ đo đếm” thành luận văn tốt nghiệp thạc sĩ kĩ thuật ð trường Đại học Bách khoa Hà Nội. Tim cũng xin gửi lài cảm on chân thành đến T5 Nguyễn Tuân Dũng, thầy đã thưởng dẫn, chí đạy tận tình để em hoán thành luận văn này. Cuối cũng, em vệ củng biết ơn toàn thế gia đình, bạn bẻ, đẳng nghiệp đã quan tâm, động viên cm rong quá trình thực hiện luận văn nay. Danh mục các hình vẽ, dé thi Hình 1: Pham vi dp dụng thà thập số liệu do đễm.

1lình 7: Trình tự giao tiếp với công tơ theo chuẩn 1C 62056-21. Hình 3: Các bước giaa tiếp với công tơ theo chuẩn DLAS/COSEIM. 27 Hình 4: Mô lành tẵng quái giải phảp (hu thập số liệu tự động. Tình 5: Sơ đề kết nổi và truyền thông nhiều công to.

Hình 6: Sơ đồ kết nổi và truyền thông {1 công (ø Hình 7: Hình ảnh thực tê kết nỗiIP modem voi céng to ZxD/Landis & Gyr. Hinh 8: Luu dé hệ thông thu thập và khai thác số liệu ẩo đảm. Hình 9: Se dé tong quat ESMR Server. Hinh 10: So dé chi tiét ESMR Serve Link 11: Céc phan hé trong LS Metering.

Hình 12: Ludng trao đổi dữ liệu chỉ niễt trong ES Melering. Hình 13: Giao diện chỉnh HSMIR Server. Tinh 14: Giao điện quá trình trao đổi số liệu với công fe. Hinh 15: Giao ditn edu hink hé thong ESMR Server.

Hinh 16: Giao dién dang nhdp HS Metering. Hinh 17: Giao điện đăng nhập Web khai thác số liệu Hình 18: Giao điện quản lý kết nội voi IP Modem trén ES Metering.