CN111680410A - 基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法 - Google Patents

基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法 Download PDF

Info

Publication number
CN111680410A
CN111680410A CN202010475945.4A CN202010475945A CN111680410A CN 111680410 A CN111680410 A CN 111680410A CN 202010475945 A CN202010475945 A CN 202010475945A CN 111680410 A CN111680410 A CN 111680410A
Authority
CN
China
Prior art keywords
ship
ips
state
monte carlo
risk
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.)
Withdrawn
Application number
CN202010475945.4A
Other languages
English (en)
Inventor
李峻宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Tianfuhai Technology Development Co ltd
Original Assignee
Wuhan Tianfuhai Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Tianfuhai Technology Development Co ltd filed Critical Wuhan Tianfuhai Technology Development Co ltd
Priority to CN202010475945.4A priority Critical patent/CN111680410A/zh
Publication of CN111680410A publication Critical patent/CN111680410A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2101/00—Indexing scheme relating to the type of digital function generated
    • G06F2101/14—Probability distribution functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Complex Calculations (AREA)

Abstract

本发明提供基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，包括：设置舰船IPS的风险概率参数和电气参数；设置蒙特卡洛模拟次数M；设置样本概率密度函数的初值；利用等分散抽样法随机数任意生成一种舰船IPS的当前运行状态并根据设置的舰船IPS的风险概率，并判断舰船IPS当前运行状态；采用潮流分析方法，计算舰船IPS当前运行状态下的风险指标；根据舰船IPS当前运行状态下的风险指标修正样本概率密度函数；判断修正后的样本概率密度函数是否达到预设的精度或者蒙特卡洛模拟次数是否达到M。若是，则输出风险指标R，并退出流程；否则，跳转至步骤S104；本发明提供的方法有益效果是：实现过程相对简单，在模拟次数较高的情况下具有更小的方差系数，保证了风险评估结果的准确性。

Description

基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法
技术领域
本发明涉及电力系统评估领域，尤其涉及基于混成式非序贯蒙特卡洛改进 法的舰船IPS风险评估方法。
背景技术
随着技术的发展以及中国综合国力的提升，海洋安全问题越来越受到国家 的重视，同时优良的海上战斗水平也是国家社会安全与经济社会稳定持续发展 的重要保证。目前，各个发达以及发展中国家都在积极研发新式的军用海洋设 备，如航母、军舰和潜艇等，用以达到维护领海安全、保证海运事业顺利进行 的目的。舰船IPS(Integrated PowerSystem，综合电力系统)作为一种新兴技术， 越来越受到西方海洋军事大国的青睐与重视。
尽管舰船IPS因其高度集成化的拓扑结构、高度智能化的控制模式，催生 其旺盛的生命力与坚强的战斗力，不过搭载综合电力系统的舰船也会面临更多 未知的风险，比如：(1)舰船设备各部分的元器件、各个单元及模块的自身随 机性失效导致的系统失效风险；(2)舰船运行过程中所面临的温度、湿度、风 暴、雨雪和海况等环境因素所引发系统失效风险；(3)人为操作失误导致的系 统失效风险等。同时由于舰船作战环境相比陆地电力系统而言更加恶劣，舰船 IPS风险导致的后果更加严重.所有这些势必会对舰船综合电力系统的风险评估 技术提出了更高的要求。传统电力系统评估常用非序贯蒙特卡洛模拟法来模拟 系统运行状态，但是由于此方法模拟的结果方差系数较大，模拟结果精度不够 高，无法保证海军在战斗状态下对舰船综合电力系统的运行状况有更好的掌握， 因此有必要对传统非序贯蒙特卡洛模拟法进行改进，以求提高其模拟精度。
在模拟方法改进方面，国内外学者已经进行了相应的研究。其中，现有研 究大概有以下几种：
1、结合可信性理论与状态枚举法，提出一种混合状态模拟的方法；不过在 舰船综合电力系统趋于复杂化的今天，状态枚举法无疑还是会额外增加计算量、 实时性会受到约束。
2、在抽样时，利用选择性解析的方法来提高抽样的效率，降低模拟时间， 不过由于其评估结果的精度有所欠缺而限制其推广。
3、对重要抽样法进行了改进，提出了分裂最优乘子的方法，但是实现过程 较为复杂。
发明内容
有鉴于此，本发明提出了一种混成式非序贯蒙特卡洛改进方法。该方法实 现过程相对简单，在模拟次数较高的情况下具有更小的方差系数，保证了风险 评估结果的准确性。
本发明提供基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法， 包括以下：
S101：设置舰船IPS的风险概率参数和电气参数；
S102：设置蒙特卡洛模拟次数M；
S103：设置样本概率密度函数的初值；
S104：利用等分散抽样法随机数任意生成一种舰船IPS的当前运行状态并 根据步骤S101中设置的舰船IPS的风险概率，并判断舰船IPS当前运行状态；
S105：采用潮流分析方法，计算舰船IPS当前运行状态下的风险指标；
S106：根据舰船IPS当前运行状态下的风险指标修正样本概率密度函数；
S107：判断修正后的样本概率密度函数是否达到预设的精度或者蒙特卡洛 模拟次数是否达到M？若是，则输出风险指标R，并退出流程；否则，跳转至 步骤S104。
进一步地，所述舰船IPS的电气参数，包括N个元件的电气参数，每个元件 处于工作状态时，用状态量0表示，处于失效状态时，用状态量1表示；所述 风险概率参数，包括N个元件各自预设的失效概率Q1～QN；步骤S102中设置蒙 特卡洛模拟次数M，在每次蒙特卡洛模拟时，抽取舰船IPS的N个元件的部分 元件进行模拟。
进一步地，步骤S104中，利用随机数任意生成一种舰船IPS的当前运行状 态，具体为：
在[0,1]区间产生随机概率，并把区间[0,1]分成m个小区间，在分成的第k 个区间[(k-1)/m，k/m]内判断所述舰船IPS的第i个元件是否失效，如式(1)：
Figure BDA0002515879820000031
式(1)中，sk i表示第k个区间内的第i个元件的状态，元件处于工作状态时为 0，处于失效状态时为1；Ri表示由随机数生成的第i个元件随机概率；所述舰 船IPS的当前运行状态为s，即
Figure BDA0002515879820000032
其中i＝1，2...N，k＝1，2...m。
进一步地，步骤S105中，舰船IPS当前运行状态下的风险指标Rij的计算式 如式(2)所示：
Figure BDA0002515879820000033
式(2)中，qij表示元件i处于第j个状态的样本概率函数；Mij表示元件i处于 第j个状态的抽样次数；Mi表示元件i的被抽样次数；C(sk)表示在第k个区间内， 系统状态sk的功率削减；p(sj)＝(pi1,pi2,K,pij,pisj)，pij表示元件i在状态j下的样 本概率密度函数；j表示元件i的状态编号；sj表示被抽样到的所有元件在状态j 下的功率削减。
进一步地，样本概率密度函数pij和样本概率函数qij之间的关系如式(3)所 示：
Figure BDA0002515879820000041
式(3)中，si表示元件i的状态总数，j＝1,2,3,...,si；k表示元件i在[0,1]内的 区间编号；qik表示元件i的第k区间的样本概率函数。
进一步地，步骤S107中，风险指标R由Rij组成，具体为：
Figure BDA0002515879820000042
所述舰船IPS的风险概率参数和电气参数，还包括舰船元件的电压、电流、 频率和功率。
本发明提供的技术方案带来的有益效果是：实现过程相对简单，在模拟次数 较高的情况下具有更小的方差系数，保证了风险评估结果的准确性。
附图说明
图1是本发明基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法 的流程示意图；
图2是舰船综合电力系统结构图；
图3是舰船综合电力系统的简化图；
图4是本发明实施例中四种方法的方差系数与抽样次数的关系曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明 实施方式作进一步地描述。
请参考图1，本发明的实施例提供了基于混成式非序贯蒙特卡洛改进法的舰 船IPS风险评估方法，包括以下步骤：
S101：设置舰船IPS的风险概率参数和电气参数；
S102：设置蒙特卡洛模拟次数M；
S103：设置样本概率密度函数的初值(不同容量等级舰船IPS的样本概率 密度函数的初值，会有所不同，视具体舰船IPS型号情况而酌情设置)；
S104：利用等分散抽样法随机数任意生成一种舰船IPS的当前运行状态并 根据步骤S101中设置的舰船IPS的风险概率，并判断舰船IPS当前运行状态；
S105：采用潮流分析方法，计算舰船IPS当前运行状态下的风险指标；
S106：根据舰船IPS当前运行状态下的风险指标修正样本概率密度函数；
S107：判断修正后的样本概率密度函数是否达到预设的精度或者蒙特卡洛 模拟次数是否达到M？若是，则输出风险指标R，并退出流程；否则，跳转至 步骤S104。
进一步地，所述舰船IPS的电气参数，包括N个元件的电气参数，每个元件 处于工作状态时，用状态量0表示，处于失效状态时，用状态量1表示；所述 风险概率参数，包括N个元件各自预设的失效概率Q1～QN；步骤S102中设置蒙 特卡洛模拟次数M，在每次蒙特卡洛模拟时，抽取舰船IPS的N个元件的部分 元件进行模拟。。
步骤S104中，利用随机数任意生成一种舰船IPS的当前运行状态，具体为：
在[0,1]区间产生随机概率，并把区间[0,1]分成m个小区间，在分成的第k 个区间[(k-1)/m，k/m]内判断所述舰船IPS的第i个元件是否失效，如式(1)：
Figure BDA0002515879820000061
式(1)中，sk i表示第k个区间内的第i个元件的状态，元件处于工作状态时为 0，处于失效状态时为1；Ri表示由随机数生成的第i个元件随机概率；所述舰 船IPS的当前运行状态为s，即
Figure BDA0002515879820000062
其中i＝1，2...N，k＝1，2...m。
步骤S105中，舰船IPS当前运行状态下的风险指标Rij的计算式如式(2)所 示：
Figure BDA0002515879820000063
式(2)中，qij表示元件i处于第j个状态的样本概率函数；Mij表示元件i 处于第j个状态的抽样次数；Mi表示元件i的被抽样次数；C(sk)表示在第k个区 间内，系统状态sk的功率削减；
Figure BDA0002515879820000064
pij表示元件i在状态j 下的样本概率密度函数；所述样本概率密度函数为预设函数；j表示元件i的状 态编号；sj表示被抽样到的所有元件在状态j下的功率削减。
样本概率密度函数pij和样本概率函数qij之间的关系如式(3)所示：
Figure BDA0002515879820000065
式(3)中，si表示元件i的状态总数，j＝1,2,3,...,si；k表示元件i在[0,1]内的 区间编号；qik表示元件i的第k区间的样本概率函数。
步骤S107中，风险指标R由Rij组成，具体为：
Figure BDA0002515879820000071
所述舰船IPS的风险概率参数和电气参数，还包括舰船元件的电压、电流、 频率和功率。
本申请以美国DDG-1000驱逐舰所搭载的舰船综合电力系统为研究对象， 请参考图2，图2是舰船综合电力系统结构图；，它包括以下几个典型环节：两 个主发电单元(即主发电单元1和2)、两个辅助发电单元(即辅助发电单元1 和2)、储能单元、左右舷推进单元(即左舷推进单元和右舷推进单元)、五个区 域负载单元(即非脉冲负载1～5)以及一个脉冲负载单元。
为方便计算，可以进一步对图2进行简化，将图2中的所有单元看成节点， 按照其对应的连接方式做出节点-支路模型，并对各节点进行编号，请参考图3， 图3是图2的简化图；其中，节点1为储能单元(ESM)，节点2、14分别为主 发电单元(MG)，节点4、12分别为辅助发电单元(AG)，节点3、13分别为 左右舷推进单元(P)，节点5、11分别为左右舷母线单元，节点6～10分别为区 域负载单元(AL1～AL5)，节点15为脉冲负载单元(PL)。
分别使用传统非序贯蒙特卡洛(方法1)、等分散抽样(方法2)、自适应抽 样(方法3)、混成式非序贯蒙特卡洛改进法(方法4)的对比分析。现将四种 评估方法的计算结果小结于表1中。
表1四种方法的评估结果
Figure BDA0002515879820000072
Figure BDA0002515879820000081
根据表1，绘制得到四种方法的方差系数与抽样次数的关系曲线图，请参考 图4；
分析图4所示的方差系数与模拟次数关系曲线图可以看出：(1)四种方法 所对应的EDNS结果的方差系数都随着模拟次数增大而显著减小，并在次数超 过20000次时下降逐渐放缓；(2)在20000次之前，直接使用等分散抽样时， 结果具有最小的方差系数；(3)对比而言，当模拟次数超过20000次时，所有 方法的方差系数变化均趋于平缓，其中等分散抽样法的方差系数放平趋势最为 明显，而在这个过程中，混成式非序贯蒙特卡洛法的方差系数值始终保持在最 低的水平。由此可见，混成式非序贯蒙特卡洛法结果具有更高的精度。
本申请针对传统非序贯蒙特卡洛法在模拟次数较大时结果方差系数过大， 模拟精度不高的问题，结合传统非序贯蒙特卡洛改进法中的等分散抽样与自适 应抽样法优势，提出一种混成式非序贯蒙特卡洛改进法。通过DDG-1000舰船 综合电力系统算例进行验证。算例结果表明该方法在模拟次数超过20000次情 况下，比传统蒙特卡洛改进法有更快的收敛速度，以及更小的方差系数，这也 意味着该方法比传统改进法的精度更高，计算收敛速度更快。
本发明提供的技术方案带来的有益效果是：实现过程相对简单，在模拟次 数较高的情况下具有更小的方差系数，保证了风险评估结果的准确性。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的 精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的 保护范围之内。

Claims (7)

1.一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：具体包括：
S101：设置舰船IPS的风险概率参数和电气参数；
S102：设置蒙特卡洛模拟次数M；
S103：设置样本概率密度函数的初值；
S104：利用等分散抽样法随机数任意生成一种舰船IPS的当前运行状态并根据步骤S101中设置的舰船IPS的风险概率，并判断舰船IPS当前运行状态；
S105：采用潮流分析方法，计算舰船IPS当前运行状态下的风险指标；
S106：根据舰船IPS当前运行状态下的风险指标修正样本概率密度函数；
S107：判断修正后的样本概率密度函数是否达到预设的精度或者蒙特卡洛模拟次数是否达到M？若是，则输出风险指标R，并退出流程；否则，跳转至步骤S104。
2.如权利要求1所述的一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：所述舰船IPS的电气参数，包括N个元件的电气参数，每个元件处于工作状态时，用状态量0表示，处于失效状态时，用状态量1表示；所述风险概率参数，包括N个元件各自预设的失效概率Q1～QN；步骤S102中设置蒙特卡洛模拟次数M，在每次蒙特卡洛模拟时，抽取舰船IPS的N个元件的部分元件进行模拟。
3.如权利要求1所述的一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：步骤S104中，利用随机数任意生成一种舰船IPS的当前运行状态，具体为：
在[0,1]区间产生随机概率，并把区间[0,1]分成m个小区间，在分成的第k个区间[(k-1)/m，k/m]内判断所述舰船IPS的第i个元件是否失效，如式(1)：
Figure FDA0002515879810000021
式(1)中，sk i表示第k个区间内的第i个元件的状态，元件处于工作状态时为0，处于失效状态时为1；Ri表示由随机数生成的第i个元件随机概率；所述舰船IPS的当前运行状态为s，即
Figure FDA0002515879810000022
其中i＝1，2...N，k＝1，2...m。
4.如权利要求2所述的一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：
步骤S105中，舰船IPS当前运行状态下的风险指标Rij的计算式如式(2)所示：
Figure FDA0002515879810000023
式(2)中，qij表示元件i处于第j个状态的样本概率函数；Mij表示元件i处于第j个状态的抽样次数；Mi表示元件i的被抽样次数；C(sk)表示在第k个区间内，系统状态sk的功率削减；
Figure FDA0002515879810000024
pij表示元件i在状态j下的样本概率密度函数；j表示元件i的状态编号；sj表示被抽样到的所有元件在状态j下的功率削减。
5.如权利要求4所述的一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：
样本概率密度函数pij和样本概率函数qij之间的关系如式(3)所示：
Figure FDA0002515879810000025
式(3)中，si表示元件i的状态总数，j＝1,2,3,...,si；k表示元件i在[0,1]内的区间编号；qik表示元件i的第k区间的样本概率函数。
6.如权利要求4所述的一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：步骤S107中，风险指标R由Rij组成，具体为：
Figure FDA0002515879810000031
7.如权利要求2所述的一种基于混成式非序贯蒙特卡洛改进法的舰船IPS风险评估方法，其特征在于：所述舰船IPS的风险概率参数和电气参数，还包括舰船元件的电压、电流、频率和功率。
CN202010475945.4A 2020-05-29 2020-05-29 基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法 Withdrawn CN111680410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010475945.4A CN111680410A (zh) 2020-05-29 2020-05-29 基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010475945.4A CN111680410A (zh) 2020-05-29 2020-05-29 基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法

Publications (1)

Publication Number Publication Date
CN111680410A true CN111680410A (zh) 2020-09-18

Family

ID=72434456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010475945.4A Withdrawn CN111680410A (zh) 2020-05-29 2020-05-29 基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法

Country Status (1)

Country Link
CN (1) CN111680410A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591314A (zh) * 2021-08-05 2021-11-02 潍柴动力股份有限公司 传感器可信性评估方法、装置、计算机设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069701A (zh) * 2015-08-10 2015-11-18 国网上海市电力公司 基于蒙特卡洛法的输电系统风险评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069701A (zh) * 2015-08-10 2015-11-18 国网上海市电力公司 基于蒙特卡洛法的输电系统风险评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
罗庆等: "基于非序贯蒙特卡洛的电网调度风险评估", 《沈阳工业大学学报》 *
陈政: "基于蒙特卡洛模拟的电力系统风险评估", 《科技创新与应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591314A (zh) * 2021-08-05 2021-11-02 潍柴动力股份有限公司 传感器可信性评估方法、装置、计算机设备及介质

Similar Documents

Publication Publication Date Title
Zhang et al. Application of simulated annealing genetic algorithm-optimized back propagation (BP) neural network in fault diagnosis
CN110619321B (zh) 一种基于深度神经网络的充电桩技术状况诊断方法及系统
Chen et al. UAV fault detection based on GA-BP neural network
Dong et al. Estimation of power battery SOC based on improved BP neural network
CN111680410A (zh) 基于混成式非序贯蒙特卡洛改进法的舰船ips风险评估方法
CN112288326A (zh) 一种适用于输电系统韧性评估的故障场景集削减方法
CN115204058A (zh) 基于bp神经网络的地波雷达流场计算方法及装置
CN115906619A (zh) 一种基于pso-bp优化算法的混合动力双电船的能量管理方法
LU505738B1 (en) Power distribution and control method based on wavelet transform for hybrid energy storage system
CN115511203B (zh) 基于锂电池荷电状态估计电动船舶航程优化方法及系统
CN111079349A (zh) 一种锂电池与超级电容复合电源系统能量实时优化方法
CN113904384A (zh) 一种基于梯度提升机的电网暂态稳定协调控制方法及系统
CN117521947A (zh) 混合动力船舶能效比率优化方法、系统、介质及设备
Cai et al. Research on short-term wind speed prediction based on EEMD-GRU prediction model
Li et al. Research on fault diagnosis of ship generator based on GA-BP neural network
CN114954841A (zh) 一种船舶动力匹配的船-机-桨功率实时匹配方法及设备
Bilal et al. Analysis and validation of an intelligent energy monitoring framework for a yacht powered system based on adaptive neuro-fuzzy inference system (ANFIS)
Min et al. A Data-Driven MPC Energy Optimization Management Strategy for Fuel Cell Distributed Electric Propulsion UAV
CN110865679B (zh) 一种面向船舶的光伏发电系统最大功率点跟踪控制方法
CN112865303A (zh) 自我感知与诊断的船舶区域配电电力系统智能自愈方法
Luo et al. Dynamic power management for all‐electric ships based on data‐driven propulsion power modelling
CN105550495A (zh) 一种船舶航行增阻等级的评估方法
Xiao et al. Systematic Combat Effectiveness Evaluation Model Based on Xgboost
Yang et al. Research on fault diagnosis of ship power system based on improved particle swarm optimization neural network algorithm
Xiao et al. Dam Deformation Prediction Model Based on Combined Gaussian Process

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200918

WW01 Invention patent application withdrawn after publication