基于批处理结构张量收缩的高阶参与因子高效计算方法
系统与控制
2025-09-12 v1 数值分析
系统与控制
数值分析
摘要
参与因子（PF）用于量化系统模式与状态变量之间的相互作用，在模态分析、模型降阶和控制设计等诸多应用中发挥着关键作用。随着系统复杂度的提升，尤其是由于电力电子器件和可再生能源的集成，对可扩展且高阶非线性参与因子（NPF）计算的需求日益紧迫。本文提出一种基于张量的方法，用于计算任意阶数的NPF。传统方法直接从正规形理论中计算PF，计算代价巨大——即使是二阶PF——对于更高阶数也会因内存限制而难以实现。为此，本文引入一种基于张量收缩的方法，通过批处理策略实现高阶PF的计算。批处理大小根据可用计算资源动态确定，实现可扩展且内存高效的计算。
引用
@article{arxiv.2509.08968,
title = {Efficient High-Order Participation Factor Computation via Batch-Structured Tensor Contraction},
author = {Mahsa Sajjadi and Kaiyang Huang and Kai Sun},
journal= {arXiv preprint arXiv:2509.08968},
year = {2025}
}