質問です

パーティクル(たくさんのビルボード)を表現するのに
DrawPrimitiveUP + D3DPT_TRIANGLELIST
を使っています。

1つのビルボードを表現するのに6頂点。
100個なら600頂点のデータをDrawPrimitiveUPに渡す必要があるのですが、これが思いのほか遅い気がします。
パーティクルを表現するのに、DrawPrimitiveUPを使うのは常道なのでしょうか？

DrawPrimitiveUPによって、メインメモリーからVRAMに転送するコストが大きいのが遅い原因かな？と思います。
ただ、パーティクルは移動なども毎フレーム行われるため、DrawPrimitive（UPではない）のほうでは実現が難しい気がします。
（結局は毎フレームStreamに流す作業が必要。これではVRAMへの転送コストは変わらない）