CN110717643A - 一种基于全局灵敏度分析的天然气网络储气配置方法 - Google Patents
一种基于全局灵敏度分析的天然气网络储气配置方法 Download PDFInfo
- Publication number
- CN110717643A CN110717643A CN201910724123.2A CN201910724123A CN110717643A CN 110717643 A CN110717643 A CN 110717643A CN 201910724123 A CN201910724123 A CN 201910724123A CN 110717643 A CN110717643 A CN 110717643A
- Authority
- CN
- China
- Prior art keywords
- node
- variable
- load
- matrix
- natural gas
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
Description
技术领域
本发明涉及天然气网络稳态能流计算领域,具体是一种基于全 局灵敏度分析的天然气网络储气配置方法。
背景技术
能流计算作为获取天然气状态分布的基本方法,是天然气网络 运行和规划的基础。在实际的系统运行过程中,负荷波动等随机因 素的变化通常会改变天然气网络的运行状态,甚至造成不可忽视的 负面影响。通常情况下,运行人员会在天然气网络中配置储气以提 高网络气压水平和运行稳定性,但出于经济性的考虑,在所有节点 设置储气往往是不合理的。因此,定量评估系统中的不确定因素对 于重要状态变量的影响,以识别影响系统状态的关键不确定因素, 对于运行人员合理配置储气、提高天然气网络安全稳定运行具有重 要的指导意义。
全局灵敏度分析是一种有效的不确定因素分析方法。它能够充 分计及系统中不确定因素的概率分布特性和相关性,并量化它们对 于输出变量波动的影响。目前Sobol’法是一种常用的全局灵敏度分 析方法,传统的Sobol’法需要以大量确定性计算作为基础,计算效 率较低。
发明内容
本发明的目的是解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的,一种基于全局 灵敏度分析的天然气网络储气配置方法,主要包括以下步骤:
1)获取天然气网络参数,并建立天然气网络的稳态能流模型。
所述天然气网络参数主要包括气源参数、管道参数、节点气负 荷A=[x1,x2,···,xN]T、气负荷的秩相关系数和平衡节点压力初始值。
2)基于天然气网络中节点气负荷的随机性和秩相关性,建立服 从正态分布的气负荷概率模型F(x),并基于该模型对所有气负荷 进行抽样,得到节点气负荷样本矩阵X。
抽样得到节点气负荷样本矩阵X的主要步骤如下:
2.1)设定天然气网络中有1个平衡节点和N-1个非平衡节点。 平衡节点编号记为1。非平衡节点均接有气负荷。天然气网络节点所 在位置集合记为网络中与任一节点a直接相连的所有节点构成 的集合记为设定抽样次数为NED。设定N维独立标准正态变量ξ=[ξ1,ξ2,···,ξN]T。
2.2)建立服从正态分布的气负荷概率模型,其累积概率函数F (x)为:
式中,x表示气负荷。X为气负荷某一实际取值。μx为气负荷的 均值。气负荷的均值μx等于气负荷基准值。σx为气负荷的标准差。
2.3)基于拉丁超立方抽样法和高斯Copula函数,对气负荷A 进行抽样,主要步骤如下:
2.3.1)建立节点气负荷A=[x1,x2,···,xN]T的秩相关系数矩阵CS, 即:
2.3.2)基于拉丁超立方抽样法,建立变量ξ的概率模型样本矩 阵Xξ,即:
2.3.3)将气负荷的秩相关系数转化为等效线性相关系数,转换 公式如下:
式中,ρij为在标准正态空间中节点气负荷xi和节点气负荷xj的 等效线性相关系数。
基于等效线性相关系数ρij,建立气负荷的等效线性相关系数矩 阵CX,即:
2.3.4)对矩阵CX进行Cholesky分解,得到下三角矩阵L:
CX=LLT。 (6)
2.3.5)基于独立标准正态变量样本矩阵Xξ和下三角矩阵L,建 立线性相关的标准正态变量样本矩阵X',即:
X'=LXξ。 (7)
式中,矩阵X'中各元素的线性相关性满足矩阵CX。矩阵X'中 各元素的等效秩相关性满足矩阵CS。
2.3.6)将矩阵X'中的变量样本进行等概率转换,得到气负荷样 本矩阵X。其中,矩阵X中任一元素xim如下所示:
xim=Fi -1(Φ(x'im))。 (8)
式中:Fi -1(·)表示变量xi的累积分布函数的反函数。Ф(·)表示标 准正态分布变量的累积分布函数。x'im为矩阵X'中的元素,表示第i 个变量的第m个样本。
3)建立天然气稳态能流模型,将每一组气负荷样本作为已知量 代入该模型并采用牛顿法求解,得到输出变量y的样本向量yED。
采用牛顿法求解天然气系统稳态能流模型,以得到yED的主要步 骤如下:
3.1)选取矩阵X的第m列作为负荷变量的第m组样本作为天 然气稳态能流模型的已知量,采用牛顿法求解天然气能流模型,得 到输出变量向量其中ym表示气负荷的第m组 样本对应的输出变量;输出变量y为任意节点压力或者管道流量;m=1,2,…NED;采用牛顿法求解天然气网络能流模型的最大迭代 次数为Tmax,收敛判据为λ。
式中,Fa-b为由a流向b的天然气流量;pa和pb分别为节点a 和b的压力;sa-b为方向变量,当pa>pb,sa-b=1,否则sa-b=-1;D为 管道a-b的直径;f为管道的摩擦系数;L为管道长度;SG为天然气 的相对密度,标准工况下为0.5548。
仅考虑天然气网络中的管道元件,建立节点a的管道流量平衡 方程:
式中,Fa为节点a的注入流量;
3.3)计算节点注入天然气流量的不平衡量
将天然气各节点压力的初值代入管道流量的计算公式,得到天 然气网络中的管道流量以及各节点的注入流量。此时经过式(10) 得到的节点a注入流量与实际值之间存在差异,采用△Fa表示节点a 注入流量的不平衡量:
式中,Fa由节点a的气负荷决定,即Fa=-xa。
采用列向量△F统一表示所有节点注入流量的不平衡量:
ΔF=[ΔF1 ΔF2 … ΔFN]T (12)
3.4)建立修正方程中的雅克比矩阵J
结合牛顿法可知,以节点压力p=[p1,p2,···,pN]T作为状态变量, 建立天然气网络中关于状态变量的修正方程组:
ΔF=JΔp; (13)
式中,△p=[△p1,△p2,···,ΔpN]T为状态变量p的修正量向量;J 为雅克比矩阵。具体表示为:
3.5)计算管道节点压力修正量
基于式(12)和式(14)的计算结果,可以计算所有节点压力 的修正量:
Δp=-J-1ΔF; (15)
根据所得修正结果可以对节点压力进行更新,即:
p(k+1)=p(k)+Δp(k); (16)
式中,k表示迭代次数。
3.6)重复步骤3.4)和3.5),在每次迭代过程中计算雅克比矩阵 J和节点压力修正量Δp。并根据以下收敛条件判断是否结束计算:
a.当修正量△p满足max{|Δp|}<λ,且迭代次数k≤Tmax时,迭 代结束,并输出目标变量y;
b.当max{|Δp|}<λ,且k>Tmax,停止迭代,输出“能流计算结 果不收敛”,结束计算;
c.当max{|Δp|}≥λ,且k>Tmax;取k=k+1,返回步骤3.4)继 续迭代计算。
4)基于已有的负荷变量矩阵X和输出变量向量yED,采用稀疏 多项式混沌展开方法计算输出变量y关于各节点气负荷的全局灵敏 度指标Si。
计算输出变量yED关于节点气负荷的全局灵敏度指标Si的主要 步骤如下:
4.1)设置Hermite多项式作为负荷变量的最优正交多项式基函 数,建立输出变量样本yED关于输入变量X的多项式混沌展开形式, 即:
式中,f(ξ)表示输出变量样本yED关于输入变量X的原始表达式。为变量的s阶正交多项式。 为多项式展开系数。a=[a0,a1,···,ap-1]T。H(ξ)=[1,H1(ξ),···, Hp(ξ)]T。多项式混沌展开形式(17)的最高展开阶数为p。
公式(17)的展开项数M如下所示:
式中,符号!表示阶乘。
变量ξ中所有变量样本相应的各阶多项式矩阵如下所示:
式中:ξ(i)表示变量ξ的第i组样本。
4.2)计算公式(17)的稀疏展开系数,主要步骤如下:
4.2.2)确定出正交多项式矩阵H中与残差r(k)最相关的列C(k)=r(k) TH。确定行向量C(k)中数值最大的项cmax,元素cmax所在列数记 为j(k)。
4.2.3)令k=k+1,将j(k)添加至集合索引集Λ(k)=Λ(k-1)∪j(k-1)。
4.2.4)基于最小二乘法,求解展开系数a(k)=arg mina||yED-H(k)a||2。 其中,H(k)为矩阵H中索引集Λ(k)对应列数的向量构成的矩阵。
4.2.5)更新残差r(k)=yED-Ha(k),判断残差r(k)是否满足||r(k)||2>ε。 若是,则返回步骤4.2.2),若否,则计算结束,并输出优化结果a(k)。 其中,||·||2表示二范数
4.3)计算输出变量y的均值E[·]和方差D[·],即:
式中,i=(i1,i2,···,iN)表示多阶下标。|i|=i1+i2+···+iN。
4.4)结合Sobol’计算公式和公式(17),计算输出变量关于输入 变量(ξi1,ξi2,···,ξis)的全局灵敏度,即:
本发明的技术效果是毋庸置疑的。基于稀疏多项式混沌展开方 法,本发明可以快速建立输出变量关于输入不确定变量的表达形式, 从而有效提高全局灵敏度分析效率。
综上所述,为合理量化天然气网络中不确定因素及其相关性对 关键状态变量的影响,基于稀疏多项式混沌展开实现天然气网络的 全局灵敏度分析,并以全局灵敏度指标为指导,选择储气配置节点, 为提高系统安全运行状态提供支持。
本发明基于全局灵敏度分析实现对天然气网络的储气配置,考 虑天然气网络的节点气负荷的不确定性,基于稀疏多项式混沌展开 实现快速高效的全局灵敏度分析,以量化负荷不确定性对于输出变 量的影响,并根据所得全局灵敏度指标指导储气的配置。
附图说明
图1为基于全局灵敏度分析的天然气网络储气配置方法流程图;
图2为本发明方法中基于正交匹配追踪计算稀疏多项式展开系 数流程图;
图3为本发明方法所采用的天然气网络结构图;
图4为发明方法的流经管道7-8气流量关于所有气负荷的全局 灵敏度仿真结果图;
图5为基于本发明方法选择最大灵敏度节点配置储气与选取管 道首末节点配置储气的能流计算对比图。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本 发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思 想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换 和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1,一种基于全局灵敏度分析的天然气网络储气配置方 法,主要包括以下步骤:
1)获取天然气网络参数,并建立天然气网络的稳态能流模型。
所述天然气网络参数主要包括气源参数、管道参数、节点气负 荷A=[x1,x2,···,xN]T、气负荷的秩相关系数和平衡节点压力初始值。
2)基于天然气网络中节点气负荷的随机性和秩相关性,建立服 从正态分布的气负荷概率模型F(x),并基于该模型对所有气负荷 进行抽样,得到节点气负荷样本矩阵X。
概率抽样的主要步骤如下
1)设定天然气网络中有1个平衡节点和N-1个非平衡节点。平 衡节点编号记为1。非平衡节点均接有气负荷。天然气网络节点所在 位置集合记为网络中与任一节点a直接相连的所有节点构成的 集合记为设定抽样次数为NED。设定N维独立标准正态变量ξ=[ξ1, ξ2,···,ξN]T。
2)建立服从正态分布的气负荷概率模型,其累积概率函数F(x) 为:
式中,x表示气负荷。X为气负荷某一实际取值。μx为气负荷的 均值。气负荷的均值μx等于气负荷基准值。σx为气负荷的标准差。
3)基于拉丁超立方抽样法和高斯Copula函数,对气负荷A进 行抽样,主要步骤如下:
3.1)建立节点气负荷A=[x1,x2,···,xN]T的秩相关系数矩阵CS, 即:
3.2)基于拉丁超立方抽样法,建立变量ξ的概率模型样本矩阵 Xξ,即:
3.3)将气负荷的秩相关系数转化为等效线性相关系数,转换公 式如下:
式中,ρij为在标准正态空间中节点气负荷xi和节点气负荷xj的 等效线性相关系数。
基于等效线性相关系数ρij,建立气负荷的等效线性相关系数矩 阵CX,即:
3.4)对矩阵CX进行Cholesky分解,得到下三角矩阵L:
CX=LLT。 (6)
3.5)基于独立标准正态变量样本矩阵Xξ和下三角矩阵L,建立 线性相关的标准正态变量样本矩阵X',即:
X'=LXξ。 (7)
式中,矩阵X'中各元素的线性相关性满足矩阵CX。矩阵X'中 各元素的等效秩相关性满足矩阵CS。
3.6)将矩阵X'中的变量样本进行等概率转换,得到气负荷样本 矩阵X。其中,矩阵X中任一元素xim如下所示:
xim=Fi -1(Φ(x'im))。 (8)
式中:Fi -1(·)表示变量xi的累积分布函数的反函数。Ф(·)表示标 准正态分布变量的累积分布函数。x'im为矩阵X'中的元素,表示第i 个变量的第m个样本。
4)建立天然气稳态能流模型,将每一组气负荷样本作为已知量 代入该模型并采用牛顿法求解,得到输出变量y的样本向量yED,主 要步骤如下:
4.1)选取矩阵X的第m列作为负荷变量的第m组样本作为天 然气稳态能流模型的已知量,采用牛顿法求解天然气能流模型,得 到输出变量向量yED=[y1,y2,···,yNED]T;其中ym表示气负荷的第m组 样本对应的输出变量;输出变量y为任意节点压力或者管道流量; m=1,2,…NED;采用牛顿法求解天然气网络能流模型的最大迭代 次数为Tmax,收敛判据为λ。
式中,Fa-b为由a流向b的天然气流量;pa和pb分别为节点a 和b的压力;sa-b为方向变量,当pa>pb,sa-b=1,否则sa-b=-1;D为 管道a-b的直径;f为管道的摩擦系数;L为管道长度;SG为天然气 的相对密度,标准工况下为0.5548。
仅考虑天然气网络中的管道元件,建立节点a的管道流量平衡 方程:
式中,Fa为节点a的注入流量;
4.3)计算节点注入天然气流量的不平衡量
将天然气各节点压力的初值代入管道流量的计算公式,得到天 然气网络中的管道流量以及各节点的注入流量。此时经过式(10) 得到的节点a注入流量与实际值之间存在差异,采用△Fa表示节点a 注入流量的不平衡量:
式中,Fa由节点a的气负荷决定,即Fa=-xa。xa为节点a的气 负荷。
采用列向量△F统一表示所有节点注入流量的不平衡量:
ΔF=[ΔF1 ΔF2 … ΔFN]T (12)
4.4)建立修正方程中的雅克比矩阵J
结合牛顿法可知,以节点压力p=[p1,p2,···,pN]T作为状态变量, 建立天然气网络中关于状态变量的修正方程组:
ΔF=JΔp; (13)
式中,△p=[△p1,△p2,···,△pN]T为状态变量p的修正量向量;J 为雅克比矩阵。具体表示为:
4.5)计算管道节点压力修正量
基于式(12)和式(14)的计算结果,可以计算所有节点压力 的修正量:
Δp=-J-1ΔF; (15)
根据所得修正结果可以对节点压力进行更新,即:
p(k+1)=p(k)+Δp(k); (16)
式中,k表示迭代次数。
4.6)重复步骤4.4)和4.5),在每次迭代过程中计算雅克比矩阵 J和节点压力修正量Δp。并根据以下收敛条件判断是否结束计算:
a.当修正量△p满足max{|△p|}<λ,且迭代次数k≤Tmax时,迭 代结束,并输出目标变量y;λ为修正量阈值。
b.当max{|△p|}<λ,且k>Tmax,停止迭代,输出“能流计算结 果不收敛”,结束计算;
c.当max{|△p|}≥λ,且k>Tmax;取k=k+1,返回步骤4.4)继 续迭代计算。Tmax为迭代次数最大值。
5)基于已有的负荷变量矩阵X和输出变量向量yED,采用稀疏 多项式混沌展开方法计算输出变量y关于各节点气负荷的全局灵敏 度指标Si,主要步骤如下:
5.1)设定Hermite多项式作为输出变量样本yED的最优正交多项 式基函数,建立输出变量样本yED关于输入变量X的多项式混沌展 开形式,即:
式中,f(ξ)表示输出变量样本yED关于输入变量X的原始表达式。为变量的s阶正交多项式。 为多项式展开系数。a=[a0,a1,···,ap-1]T。H(ξ)=[1,H1(ξ),···, Hp(ξ)]T。多项式混沌展开形式(17)的最高展开阶数为p。
公式(17)的展开项数M如下所示:
式中,符号!表示阶乘。
变量ξ中所有变量样本相应的各阶多项式矩阵如下所示:
式中:ξ(i)表示变量ξ的第i组样本。
5.2)计算公式(17)的稀疏展开系数,主要步骤如下:
5.2.2)确定出正交多项式矩阵H中与残差r(k)最相关的列C(k)=r(k) TH。确定行向量C(k)中数值最大的项cmax,元素cmax所在列数记 为j(k)。
5.2.3)令k=k+1,将j(k)添加至集合索引集Λ(k)=Λ(k-1)∪j(k-1)。Λ(k-1)为第k-1次迭代的项数索引集,j(k-1)为第k-1次迭代的元素cmax所在 列数。
5.2.4)基于最小二乘法,求解展开系数a(k)=arg mina||yED-H(k)a||2。 其中,H(k)为矩阵H中索引集Λ(k)对应列数的向量构成的矩阵。min 表示取最小值。
5.2.5)更新残差r(k)=yED-Ha(k),判断残差r(k)是否满足||r(k)||2>ε。 若是,则返回步骤5.2.2),若否,则计算结束,并输出优化结果a(k)。 其中,||·||2表示二范数。
5.3)计算输出变量y的均值E[·]和方差D[·],即:
式中,i=(i1,i2,···,iN)表示多阶下标。|i|=i1+i2+···+iN。
实施例2:
一种基于全局灵敏度分析的天然气网络储气配置方法,主要包 括以下步骤:
1)获取天然气网络参数,并建立天然气网络的稳态能流模型。
2)基于天然气网络中节点气负荷的随机性和秩相关性,建立服 从正态分布的气负荷累积概率模型F(x),并对气负荷A进行抽样, 得到节点气负荷样本矩阵X。
3)建立天然气稳态能流模型,将每一组气负荷样本作为已知量 代入该模型并采用牛顿法求解,得到输出变量y的样本向量yED。
4)基于已有的负荷变量矩阵X和输出变量向量yED,采用稀疏 多项式混沌展开方法计算输出变量y关于各节点气负荷的全局灵敏 度指标Si。
实施例3:
一种基于全局灵敏度分析的天然气网络储气配置方法,主要步 骤见实施例2,其中,抽样得到节点气负荷样本矩阵X的主要步骤 如下:
1)设定天然气网络中有1个平衡节点和N-1个非平衡节点。平 衡节点编号记为1。非平衡节点均接有气负荷。天然气网络节点所在 位置集合记为网络中与任一节点a直接相连的所有节点构成的 集合记为设定抽样次数为NED。设定N维独立标准正态变量ξ=[ξ1, ξ2,···,ξN]T。
2)建立服从正态分布的气负荷累积概率模型F(x),即:
式中,x表示气负荷。X为气负荷某一实际取值。μx为气负荷的 均值。气负荷的均值μx等于气负荷基准值。σx为气负荷的标准差。
3)基于拉丁超立方抽样法和高斯Copula函数,对气负荷概率 模型F(x)进行抽样,主要步骤如下:
3.1)建立节点气负荷A=[x1,x2,···,xN]T的秩相关系数矩阵CS, 即:
3.2)基于拉丁超立方抽样法,建立变量ξ的概率模型样本矩阵 Xξ,即:
3.3)将气负荷的秩相关系数转化为等效线性相关系数,转换公 式如下:
式中,ρij为在标准正态空间中节点气负荷xi和节点气负荷xj的 等效线性相关系数。
基于等效线性相关系数ρij,建立气负荷的等效线性相关系数矩 阵CX,即:
3.4)对矩阵CX进行Cholesky分解,得到下三角矩阵L:
CX=LLT。 (6)
3.5)基于独立标准正态变量样本矩阵Xξ和下三角矩阵L,建立 线性相关的标准正态变量样本矩阵X',即:
X'=LXξ。 (7)
式中,矩阵X'中各元素的线性相关性满足矩阵CX。矩阵X'中 各元素的等效秩相关性满足矩阵CS。
3.6)将矩阵X'中的变量样本进行等概率转换,得到气负荷样本 矩阵X。其中,矩阵X中任一元素xim如下所示:
xim=Fi -1(Φ(x'im))。 (8)
式中:Fi -1(·)表示变量xi的累积分布函数的反函数。Ф(·)表示标 准正态分布变量的累积分布函数。x'im为矩阵X'中的元素,表示第i 个变量的第m个样本。
实施例4:
一种基于全局灵敏度分析的天然气网络储气配置方法,主要步 骤见实施例2,建立天然气稳态能流模型,将每一组气负荷样本作为 已知量代入该模型并采用牛顿法求解的主要步骤如下:
1)选取矩阵X的第m列作为负荷变量的第m组样本作为天然 气稳态能流模型的已知量,采用牛顿法求解天然气能流模型,得到 输出变量向量其中ym表示气负荷的第m组样 本对应的输出变量;输出变量y为任意节点压力或者管道流量;m=1, 2,…NED;采用牛顿法求解天然气网络能流模型的最大迭代次数为 Tmax,收敛判据为λ。
式中,Fa-b为由a流向b的天然气流量;pa和pb分别为节点a 和b的压力;sa-b为方向变量,当pa>pb,sa-b=1,否则sa-b=-1;D为 管道a-b的直径;f为管道的摩擦系数;L为管道长度;SG为天然气 的相对密度,标准工况下为0.5548。
仅考虑天然气网络中的管道元件,建立节点a的管道流量平衡 方程:
式中,Fa为节点a的注入流量;
3)计算节点注入天然气流量的不平衡量
将天然气各节点压力的初值代入管道流量的计算公式,得到天 然气网络中的管道流量以及各节点的注入流量。此时经过式(2)得 到的节点a注入流量与实际值之间存在差异,采用ΔFa表示节点a 注入流量的不平衡量:
式中,Fa由节点a的气负荷决定,即Fa=-xa。
采用列向量ΔF统一表示所有节点注入流量的不平衡量:
ΔF=[ΔF1 ΔF2 … ΔFN]T (4)
4)建立修正方程中的雅克比矩阵J
结合牛顿法可知,以节点压力p=[p1,p2,···,pN]T作为状态变量, 建立天然气网络中关于状态变量的修正方程组:
ΔF=JΔp; (5)
式中,Δp=[Δp1,Δp2,···,ΔpN]T为状态变量p的修正量向量;J 为雅克比矩阵。具体表示为:
5)计算管道节点压力修正量
基于式(4)和式(6)的计算结果,可以计算所有节点压力的 修正量:
Δp=-J-1ΔF; (7)
根据所得修正结果可以对节点压力进行更新,即:
p(k+1)=p(k)+Δp(k); (8)
式中,k表示迭代次数。
6)重复步骤4)和5),在每次迭代过程中计算雅克比矩阵J和 节点压力修正量△p。并根据以下收敛条件判断是否结束计算:
a.当修正量△p满足max{|△p|}<λ,且迭代次数k≤Tmax时,迭 代结束,并输出目标变量y;
b.当max{|Δp|}<λ,且k>Tmax,停止迭代,输出“能流计算结 果不收敛”,结束计算;
c.当max{|△p|}≥λ,且k>Tmax;取k=k+1,返回步骤4.4)继 续迭代计算。
实施例5:
一种基于全局灵敏度分析的天然气网络储气配置方法,主要步 骤见实施例2,其中,计算输出变量yED关于节点气负荷的全局灵敏 度指标Si的主要步骤如下:
1)设定Hermite多项式作为输出变量样本yED的最优正交多项 式基函数,建立输出变量样本yED关于输入变量X的多项式混沌展 开形式,即:
式中,f(ξ)表示输出变量样本yED关于输入变量X的原始表达式。为变量的s阶正交多项式。 为多项式展开系数。a=[a0,a1,···,ap-1]T。H(ξ)=[1,H1(ξ),···, Hp(ξ)]T。多项式混沌展开形式(公式(1))的最高展开阶数为p。
公式(1)的展开项数M如下所示:
式中,符号!表示阶乘。
变量ξ中所有变量样本相应的各阶多项式矩阵如下所示:
式中:ξ(i)表示变量ξ的第i组样本。
2)计算公式(1)的稀疏展开系数,主要步骤如下:
2.1)设置初始参数,主要包括输出变量向量yED、正交多项式 矩阵H(ξ)、最大允许误差ε、初始迭代次数k=0、展开系数a(k)=0、 残差r(k)=yED-Ha(k)和项数索引集
2.2)确定出正交多项式矩阵H中与残差r(k)最相关的列C(k)=r(k) TH。确定行向量C(k)中数值最大的项cmax,元素cmax所在列数记 为j(k)。
2.3)令k=k+1,将j(k)添加至集合索引集Λ(k)=Λ(k-1)∪j(k-1)。
2.4)基于最小二乘法,求解展开系数a(k)=arg mina||yED-H(k)a||2。 其中,H(k)为矩阵H中索引集Λ(k)对应列数的向量构成的矩阵。
2.5)更新残差r(k)=yED-Ha(k),判断残差r(k)是否满足||r(k)||2>ε。 若是,则返回步骤2.2),若否,则计算结束,并输出优化结果a(k)。 其中,||·||2表示二范数。
3)计算输出变量y的均值E[·]和方差D[·],即:
式中,i=(i1,i2,···,iN)表示多阶下标。|i|=i1+i2+···+iN。
实施例5:
一种验证基于全局灵敏度分析的天然气网络储气配置方法的实 验,主要步骤如下:
1)搭建具有11节点的天然气网络。
2)输入基础数据及初始化
2.1)输入基础数据
首先输入天然气网络的基本参数,包括:气源参数、管道参数、 气负荷及其秩相关系数、平衡节点压力初始值。
2.2)参数初始化
设在抽样步骤中,基于拉丁超立方的抽样次数NED=1000,展开 系数求解步骤中,最大允许误差ε=10-5。
设在采用牛顿法求解天然气系统稳态能流模型步骤中,最大迭 代次数为Tmax=100,收敛判据为λ=10-6。
3)基于拉丁超立方和高斯Copula函数的概率变量抽样
3.1)建立气负荷概率模型
假设所有气负荷服从正态分布。以节点2气负荷为例,其负荷 基准值为219m3/h,标准差取其大小的5%,其累积概率分布函数为:
3.2)气负荷概率模型抽样
定义天然气网络中气负荷变量:X=[x1,x2,···,x10]T,采用秩相关 系数描述气负荷之间的相关性,已知秩相关系数矩阵CS为:
定义独立标准正态变量ξ=[ξ1,ξ2,···,ξ10]T,利用拉丁超立方抽样 方法产生关于变量ξ,规模为N×NED的概率模型样本矩阵Xξ:
将气负荷的秩相关系数转化为等效的线性相关系数。根据推导, 可以得到气负荷的等效线性相关系数矩阵CX:
对矩阵CX进行Cholesky分解,求得下三角矩阵L:
根据已有独立标准正态变量样本矩阵Xξ和下三角矩阵L,得到 线性相关的标准正态变量样本矩阵X’:
式中:X’中各元素的线性相关性满足矩阵CX,等效的秩相关性 满足矩阵CS。
将矩阵X’中的变量样本进行等概率转换,便能得到气负荷样本 矩阵X:
X的各列即表示气负荷的各组样本,以第一列X1为例,给出气 负荷第一组样本值:
4)采用牛顿法求解天然气稳态能流模型
4.1)建立管道流量方程
根据输入数据中已有管道压力的初始值,建立相应的管道流量 方程,以管道1为例,得到管道流量F1-2为:
4.2)计算节点注入天然气流量的不平衡量
根据节点负荷取值,获得节点流量不平衡量向量:
4.3)计算雅克比矩阵J
雅克比矩阵J为:
4.4)计算修正量
根据不平衡量向量△F和雅克比矩阵J,可以计算各状态变量(节 点压力)的修正量,以第一次迭代后的结果为例,各节点压力修正 量为:
根据修正结果更新节点压力,以第一次迭代后的结果为例, 计算出第一次迭代后的节点压力:
4.5)收敛性判断
由计算结果可知,当迭代4次(k=4)时,满足收敛条件,即 max{|△p|}=6.6992×10-9<λ。此时可以根据状态变量的数据求解任一 待求输出变量,以流经管道7-8的流量(简写为F7-8)为目标输出变量 y,得到y的样本yED:
5)构造稀疏多项式混沌展开表达式
5.1)独立标准正态变量样本的多项式矩阵构造
由于ξ中各变量相互独立且服从标准正态分布,取Hermite正交 多项式作为各变量对应的最优正交多项式基函数。单变量Hermite 正交多项式的前三阶展开式分别为:
建立输出变量y关于输入变量的多项式混沌展开表达式。取最 高展开阶数p=2,可将展开形式可以改写为:
展开项数M为:
基于上述内容,结合建立Xξ中各变量样本相应的各阶多项式, 并以矩阵形式H(ξ)表示:
式中:ξ(i)表示变量ξ的第i组样本。
5.2)稀疏展开系数求解
采用正交匹配追踪方法可以快速定位并求解混沌多项式展开模 型中的非零展开系数,最终得到稀疏多项式展开系数a:
6)基于稀疏多项式混沌展开的全局灵敏度计算
通过上述步骤,可以得到输出变量关于输入变量的稀疏多项式 混沌展开方程,基于该方程,可以计算输出变量的均值和方差如下:
结合Sobol’计算公式和所得稀疏多项式混沌展开表达式,对于 任意输入变量xi,求解各输出变量关于它们的全局灵敏度指标:
7)基于全局灵敏度分析的储气配置
选择式(22)中最大的灵敏度指标,有Simax=0.5203,且有imax=8, 这说明第八个输入不确定变量,即负荷x8的不确定性对于输出变量 的影响最大。实际上在天然气网络中,由于平衡节点编号为1,若将 负荷变量x按照所接节点编号由小到大排列,可知x8实际接入节点 为9。综上所述,基于全局灵敏度指标可知,在节点9设置储气装置 的效果理论上为最优。
8)实验效果
以附图3所示的11节点天然气网络为仿真对象,视F7-8为关键 输出变量,得到其关于所有气负荷的全局灵敏度指标。设计以下仿 真算例以验证所提方法对储气配置具有指导作用的有效性:1.不配 置任何储气;2.以全局灵敏度指标为参考,将储气配置在全局灵敏度 指标最大的气负荷所在节点;3.不参考全局灵敏度指标,分别在管道 首节点(节点7)配置储气;4.不参考全局灵敏度指标,分别在管道 末节点(节点8)配置储气。分别在上述四种情况下考虑负荷的不确 定性,并计算天然气网络的概率能流分布。假设储气提供的气流量 保持为15m3/h不变。
F7-8关于所有气负荷的全局灵敏度指标如附录图4所示,采用 Fi表示节点i所接气负荷;四种场景下F7-8计算结果如附录图5所示。
由附录图4可见,当F7-8是天然气网络中的关键状态变量时, 节点9的气负荷,即p9的全局灵敏度指标最大,这表明在所有不确 定变量中,F7-8受到p9的影响最大。为提高系统运行安全稳定性, 考虑在天然气网络中配置储气。基于全局灵敏度指标可知,在节点9 处设置储气最为有利。由附录图5可见,当储气点设置在节点9时, F7-8的概率密度曲线向右偏移程度最大,并且曲线最为陡峭,表明储 气的配置使得F7-8均值增加,且其波动程度明显减小,这意味着在 此处配置储气可以有效增强F7-8的稳定性。相比之下,在节点7处 设置储气虽然也能平抑F7-8的波动性,但由于p7的全局灵敏度指标 小于p9,因此在平抑效果上有所降低。而p8的全局灵敏度指标在三 者中最小,因此在节点8配置储气对于F7-8的影响也是最小,观察 附录图5可知,在节点8配置储气对于F7-8的波动程度基本没有影 响,与理论分析一致。上述仿真结果验证了所提方法的正确性和有 效性。
Claims (5)
1.一种基于全局灵敏度分析的天然气网络储气配置方法,其特征在于,主要包括以下步骤:
1)获取所述天然气网络参数,并建立天然气网络的稳态能流模型;
2)基于天然气网络中节点气负荷的随机性和秩相关性,建立服从正态分布的气负荷概率模型F(x),并基于该模型对所有气负荷进行抽样,得到节点气负荷样本矩阵X。
3)将负荷的每组样本作为已知量代入天然气网络的稳态能流模型,采用牛顿法求解所述稳态能流模型,得到输出变量y的样本向量yED;
4)基于气负荷样本矩阵X和输出变量yED,采用稀疏多项式混沌展开方法求解输出变量y关于各节点气负荷的全局灵敏度指标Si;
2.根据权利要求1所述的一种基于全局灵敏度分析的天然气网络储气配置方法,其特征在于:所述天然气网络参数主要包括气源参数、管道参数、节点气负荷A=[x1,x2,···,xN]T、气负荷的秩相关系数和平衡节点压力初始值。
3.根据权利要求1所述的一种基于全局灵敏度分析的天然气网络储气配置方法,其特征在于,抽样得到节点气负荷样本矩阵X的主要步骤如下:
1)设定天然气网络中有1个平衡节点和N-1个非平衡节点;平衡节点编号记为1;非平衡节点均接有气负荷;天然气网络节点所在位置集合记为网络中与任一节点a直接相连的所有节点构成的集合为设定抽样次数为NED;设定N维独立标准正态变量ξ=[ξ1,ξ2,···,ξN]T;
2)建立服从正态分布的气负荷概率模型,其累积概率函数F(x)为:
式中,x表示气负荷;X为气负荷某一实际取值;μx为气负荷的均值;气负荷的均值μx等于气负荷基准值;σx为气负荷的标准差;
3)基于拉丁超立方抽样法和高斯Copula函数,对气负荷A进行抽样,主要步骤如下:
3.1)建立节点气负荷A=[x1,x2,···,xN]T的秩相关系数矩阵CS,即:
3.2)基于拉丁超立方抽样法,建立变量ξ的概率模型样本矩阵Xξ,即:
3.3)将气负荷的秩相关系数转化为等效线性相关系数,转换公式如下:
式中,ρij为在标准正态空间中节点气负荷xi和节点气负荷xj的等效线性相关系数;
基于等效线性相关系数ρij,建立气负荷的等效线性相关系数矩阵CX,即:
3.4)对矩阵CX进行Cholesky分解,得到下三角矩阵L:
CX=LLT; (6)
3.5)基于独立标准正态变量样本矩阵Xξ和下三角矩阵L,建立线性相关的标准正态变量样本矩阵X',即:
X'=LXξ; (7)
式中,矩阵X'中各元素的线性相关性满足矩阵CX;矩阵X'中各元素的等效秩相关性满足矩阵CS;
3.6)将矩阵X'中的变量样本进行等概率转换,得到气负荷样本矩阵X;其中,矩阵X中任一元素xim如下所示:
xim=Fi -1(Φ(x'im)); (8)
式中:Fi -1(·)表示变量xi的累积分布函数的反函数;Ф(·)表示标准正态分布变量的累积分布函数;x'im为矩阵X'中的元素,表示第i个变量的第m个样本。
4.根据权利要求1所述的一种基于全局灵敏度分析的天然气网络储气配置方法,其特征在于:建立天然气稳态能流模型,将负荷的每组样本作为已知量代入天然气网络的稳态能流模型,采用牛顿法求解所述稳态能流模型,得到输出变量y的样本向量yED的主要步骤如下:
1)选取矩阵X的第m列作为负荷变量的第m组样本作为天然气稳态能流模型的已知量,采用牛顿法求解天然气能流模型,得到输出变量向量yED=[y1,y2,···,yNED]T;其中ym表示气负荷的第m组样本对应的输出变量;输出变量y为任意节点压力或者管道流量;m=1,2,…NED;采用牛顿法求解天然气网络能流模型的最大迭代次数为Tmax,收敛判据为λ;
2)令某一管道两端节点编号为a和b,建立流经管道的气流量方程:
式中,Fa-b为由a流向b的天然气流量;pa和pb分别为节点a和b的压力;sa-b为方向变量,当pa>pb,sa-b=1,否则sa-b=-1;D为管道a-管道b的直径;f为管道的摩擦系数;L为管道长度;SG为天然气的相对密度;a≠b;
仅考虑天然气网络中的管道元件,建立节点a的管道流量平衡方程:
式中,Fa为节点a的注入流量;
3)计算节点注入天然气流量的不平衡量;
将天然气各节点压力的初值代入管道流量的计算公式,得到天然气网络中的管道流量以及各节点的注入流量;
基于公式(10)计算得到的节点a注入流量与实际值之间存在的差异,计算节点a注入流量的不平衡量△Fa:
式中,Fa由节点a的气负荷决定,即Fa=-xa;
采用列向量△F统一表示所有节点注入流量的不平衡量,即:
ΔF=[ΔF1 ΔF2 …ΔFN]T (12)
4)建立修正方程中的雅克比矩阵J
结合牛顿法,以节点压力p=[p1,p2,···,pN]T作为状态变量,建立天然气网络中关于状态变量的修正方程组△F:
ΔF=JΔp; (13)
式中,△p=[△p1,△p2,···,△pN]T为状态变量p的修正量向量;J为雅克比矩阵。具体表示为:
5)计算管道节点压力修正量
基于式(12)和式(14)的计算结果,计算所有节点压力的修正量Δp:
Δp=-J-1ΔF; (15)
根据所得修正结果对节点压力进行更新,即:
p(k+1)=p(k)+Δp(k); (16)
式中,k表示迭代次数。
6)重复步骤4)和5),在每次迭代过程中计算雅克比矩阵J和节点压力修正量△p;
根据以下收敛条件判断是否结束计算:
I)当修正量△p满足max{|△p|}<λ,且迭代次数k≤Tmax时,迭代结束,并输出目标变量y;
II)当max{|△p|}<λ,且k>Tmax,停止迭代,输出“能流计算结果不收敛”,结束计算;
III)当max{|△p|}≥λ,且k>Tmax;取k=k+1,返回步骤4)继续迭代计算。
5.根据权利要求1所述的一种基于全局灵敏度分析的天然气网络储气配置方法,其特征在于:基于已有的负荷变量矩阵X和输出变量向量yED,采用稀疏多项式混沌展开方法计算输出变量y关于各节点气负荷的全局灵敏度指标Si的主要步骤如下:
1)设置Hermite多项式作为负荷变量的最优正交多项式基函数,建立输出变量样本yED关于输入变量的多项式混沌展开形式,即:
式中,f(ξ)表示输出变量样本yED关于输入变量A的原始表达式;Hs(ξi1,ξi2,···,ξis)为变量(ξi1,ξi2,···,ξis)的s阶正交多项式;a0,ai,ai1i2,···,ai1i2···ip为多项式展开系数;a=[a0,a1,···,ap-1]T;H(ξ)=[1,H1(ξ),···,Hp(ξ)]T;多项式混沌展开形式(17)的最高展开阶数为p;
公式(17)的展开项数M如下所示:
式中,符号!表示阶乘;
变量ξ中所有变量样本相应的各阶多项式矩阵如下所示:
式中,ξ(i)表示变量ξ的第i组样本;
2)计算公式(17)的稀疏展开系数,主要步骤如下:
2.2)确定出正交多项式矩阵H中与残差r(k)最相关的列C(k)=r(k) TH;确定行向量C(k)中数值最大的项cmax,元素cmax所在列数记为j(k);
2.3)令k=k+1,将j(k)添加至集合索引集Λ(k)=Λ(k-1)∪j(k-1);
2.4)基于最小二乘法,求解展开系数a(k)=arg mina||yED-H(k)a||2;其中,H(k)为矩阵H中索引集Λ(k)对应列数的向量构成的矩阵。
2.5)更新残差r(k)=yED-Ha(k),判断残差r(k)是否满足||r(k)||2>ε;若是,则返回步骤2.2),若否,则计算结束,并输出优化结果a(k);其中,||·||2表示二范数
3)计算输出变量y的均值E[·]和方差D[·],即:
式中,i=(i1,i2,···,iN)表示多阶下标;|i|=i1+i2+···+iN;
4)结合Sobol’计算原理以及公式(17),计算输出变量关于输入变量(ξi1,ξi2,···,ξis)的全局灵敏度,即:
式中:Si1i2···is表示变量(ξi1,ξi2,···,ξis)的全局灵敏度指标;下标集合Ωi1,i2,···,is表示含下标(i1,i2,···,is)中一个或多个元素;表示公式(17)中任意变量(ξi1,ξi2,···,ξis)的任意阶的多项式的平方;
集合Ωi1,i2,···,is如下所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910724123.2A CN110717643B (zh) | 2019-08-07 | 2019-08-07 | 一种基于全局灵敏度分析的天然气网络储气配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910724123.2A CN110717643B (zh) | 2019-08-07 | 2019-08-07 | 一种基于全局灵敏度分析的天然气网络储气配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717643A true CN110717643A (zh) | 2020-01-21 |
CN110717643B CN110717643B (zh) | 2023-04-07 |
Family
ID=69209401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910724123.2A Active CN110717643B (zh) | 2019-08-07 | 2019-08-07 | 一种基于全局灵敏度分析的天然气网络储气配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717643B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090293502A1 (en) * | 2008-05-27 | 2009-12-03 | Expansion Energy, Llc | System and method for liquid air production power storage and power release |
US20130238158A1 (en) * | 2010-04-30 | 2013-09-12 | Enn Science & Technology Development Co., Ltd. | Smart energy network for achieving optimum utilization of energy and method for providing energy trading and service |
CN106874554A (zh) * | 2017-01-13 | 2017-06-20 | 重庆大学 | 一种天然气系统能流计算的改进方法 |
CN108389136A (zh) * | 2018-01-29 | 2018-08-10 | 重庆大学 | 一种考虑多重不确定性的天然气概率-模糊能流分析方法 |
CN108734391A (zh) * | 2018-05-08 | 2018-11-02 | 重庆大学 | 基于堆栈降噪自动编码器的电-气综合能源系统概率能流量计算方法 |
CN109063379A (zh) * | 2018-09-11 | 2018-12-21 | 东北电力大学 | 基于最大熵原理的电-气综合能源系统概率能流计算方法 |
CN109800968A (zh) * | 2018-12-29 | 2019-05-24 | 重庆大学 | 考虑天然气系统热力过程的电-气互联系统概率能流分析方法 |
US20190228124A1 (en) * | 2018-01-19 | 2019-07-25 | Nikolai Kislov | Analytical Tools and Methods for Modeling Transport Processes in Fluids |
-
2019
- 2019-08-07 CN CN201910724123.2A patent/CN110717643B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090293502A1 (en) * | 2008-05-27 | 2009-12-03 | Expansion Energy, Llc | System and method for liquid air production power storage and power release |
US20130238158A1 (en) * | 2010-04-30 | 2013-09-12 | Enn Science & Technology Development Co., Ltd. | Smart energy network for achieving optimum utilization of energy and method for providing energy trading and service |
CN106874554A (zh) * | 2017-01-13 | 2017-06-20 | 重庆大学 | 一种天然气系统能流计算的改进方法 |
US20190228124A1 (en) * | 2018-01-19 | 2019-07-25 | Nikolai Kislov | Analytical Tools and Methods for Modeling Transport Processes in Fluids |
CN108389136A (zh) * | 2018-01-29 | 2018-08-10 | 重庆大学 | 一种考虑多重不确定性的天然气概率-模糊能流分析方法 |
CN108734391A (zh) * | 2018-05-08 | 2018-11-02 | 重庆大学 | 基于堆栈降噪自动编码器的电-气综合能源系统概率能流量计算方法 |
CN109063379A (zh) * | 2018-09-11 | 2018-12-21 | 东北电力大学 | 基于最大熵原理的电-气综合能源系统概率能流计算方法 |
CN109800968A (zh) * | 2018-12-29 | 2019-05-24 | 重庆大学 | 考虑天然气系统热力过程的电-气互联系统概率能流分析方法 |
Non-Patent Citations (3)
Title |
---|
李洋: "基于全能流模型的区域多能源系统若干问题探讨", 《电网技术》 * |
胡潇云等: "基于稀疏多项式混沌展开的区域电-气联合系统全局灵敏度分析", 《电工技术学报》 * |
赵霞: "考虑参数不确定性的区域电-气联合系统的概率-模糊能流评估", 《电力自动化设备》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110717643B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503368B (zh) | 一种基于故障机理相关的多状态系统可靠性建模方法 | |
AU2006285390B2 (en) | Apparatus, method and system for reservoir simulation using a multiplicative overlapping Schwarz preconditioning for adaptive implicit linear systems | |
Du | Interval reliability analysis | |
Vincenzi et al. | Coupling response surface and differential evolution for parameter identification problems | |
Zhang et al. | A damped iterative EnKF method to estimate relative permeability and capillary pressure for tight formations from displacement experiments | |
Martinez Alzamora et al. | Fast and practical method for model reduction of large-scale water-distribution networks | |
CN108389136B (zh) | 一种考虑多重不确定性的天然气概率-模糊能流分析方法 | |
Bagheri et al. | Fuzzy reliability analysis using genetic optimization algorithm combined with adaptive descent chaos control | |
Agarwal et al. | New decoupled framework for reliability-based design optimization | |
Celorrio et al. | Reliability-based design optimization under mixed aleatory/epistemic uncertainties: Theory and applications | |
Sablani et al. | Explicit calculation of the friction factor in pipeline flow of Bingham plastic fluids: a neural network approach | |
Torii et al. | A performance measure approach for risk optimization | |
CN110717643B (zh) | 一种基于全局灵敏度分析的天然气网络储气配置方法 | |
CN112580855A (zh) | 基于自适应变异pso-bp神经网络的电缆群稳态温升预测方法 | |
CN112257355A (zh) | 一种掺氢天然气的中低压配气管网建模方法 | |
CN113283784A (zh) | 基于区间优化算法的可靠性逆问题模型及其求解方法 | |
Wang et al. | An adaptive first-order reliability analysis method for nonlinear problems | |
Bakir et al. | Damage identification in reinforced concrete beams by finite element model updating using parallel and hybrid genetic algorithms | |
Shields et al. | Fault detection observers for continuous non-linear polynomial systems of general degree | |
Nannapaneni et al. | Bayesian network approach to multidisciplinary, multi-objective design optimization under uncertainty | |
Cambier et al. | Computational methods for accounting of structural uncertainties, applications to dynamic behavior prediction of piping systems | |
Horta et al. | A Computational Approach for Model Update of an LS‐DYNA Energy‐Absorbing Cell | |
Aaid et al. | New technique for solving univariate global optimization | |
Wu et al. | State-input system identification of tall buildings under unknown seismic excitations based on modal Kalman filter with unknown input | |
Jung et al. | Reproduction of vibration patterns of elastic structures by block-wise modal expansion method (BMEM) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |