CN114861403B - 一种电热耦合网络动态仿真步长优选方法及系统 - Google Patents
一种电热耦合网络动态仿真步长优选方法及系统 Download PDFInfo
- Publication number
- CN114861403B CN114861403B CN202210376619.7A CN202210376619A CN114861403B CN 114861403 B CN114861403 B CN 114861403B CN 202210376619 A CN202210376619 A CN 202210376619A CN 114861403 B CN114861403 B CN 114861403B
- Authority
- CN
- China
- Prior art keywords
- simulation
- time
- relation
- length
- error
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005094 computer simulation Methods 0.000 title claims abstract description 27
- 230000008878 coupling Effects 0.000 title claims abstract description 25
- 238000010168 coupling process Methods 0.000 title claims abstract description 25
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 25
- 238000005485 electric heating Methods 0.000 title claims abstract description 12
- 238000005457 optimization Methods 0.000 title claims description 48
- 238000004088 simulation Methods 0.000 claims description 356
- 239000002131 composite material Substances 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电热耦合网络动态仿真步长优选方法及系统，本发明统计不同热网多仿真时空步长下的仿真时长和仿真误差，通过距离相关系数筛选出影响仿真时长的主要影响参数，拟合出主要影响参数和仿真时长的关系式，根据符合预设仿真时空步长要求的仿真误差，拟合出仿真时间步长与仿真误差的关系式，构建出仿真对时间与精度兼顾的优化模型，获得优选的仿真时空步长，可有效提高了仿真效率，为综合能源系统的安全性分析提供了有力保障。
Description
技术领域
本发明涉及一种电热耦合网络动态仿真步长优选方法及系统，属于能源系统仿真技术领域。
背景技术
综合能源系统(Integrated Energy System,IES)的仿真分为稳态和动态两种，稳态侧重系统在某一场景下稳定后的工况，仿真过程中忽略状态随时间的变化过程，而动态仿真则强调刻画工况随时间的改变情况，后者在仿真过程中考虑的模型精细化程度更高，通过分析扰动下工况的变化可进行管段越线、过载等问题判断，进一步提高了系统的安全性和稳定性，同时，动态仿真可提高多能协同调度的精细度，增强能源子系统间在强耦合场景下的能量交互，充分发挥IES能源互补、梯级利用的优势，提高系统的新能源消纳能力与用户体验度。
动态仿真中，仿真步长的选择对仿真速度与精度有着至关重要的影响，选择较大的仿真步长虽能节省仿真时间，但会使得仿真结果存在较大的数值误差，降低仿真步长能提高仿真在精度上的优势但会损失一定仿真速度，无法保证仿真实时性，因此，如何根据仿真需求合理的选择时间步长和空间步长，实现仿真对时间与精度兼顾是当今IES动态仿真的关键问题，但是目前还没有相应的方法。
发明内容
本发明提供了一种电热耦合网络动态仿真步长优选方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种电热耦合网络动态仿真步长优选方法，包括：
对不同拓扑的热网进行仿真，获得仿真时长和仿真误差；其中，每个热网设置有多组不同的仿真时空步长，仿真时空步长包括仿真时间步长和仿真空间步长；
将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式；
根据各热网热媒的平均流速，筛选出符合预设仿真时空步长要求的仿真误差，构建仿真时间步长与仿真误差的关系式；
根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型；
求解优化模型，获得优选的仿真时空步长。
将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式，包括：
将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，计算各影响参数与仿真时长的距离相关系数；
根据距离相关系数，筛选出影响仿真时长的主要影响参数；
构建主要影响参数和仿真时长的关系式。
构建主要影响参数和仿真时长的关系式，包括：
确定各主要影响参数对仿真时长的关系；
根据主要影响参数对仿真时长的关系，将部分主要影响参数组合为复合参数；
将复合参数和剩余主要影响参数作为自变量，仿真用时作为因变量，进行逐步回归分析，获得主要影响参数和仿真时长的关系式。
复合参数为：
其中，X为复合参数，h为仿真空间步长，tau为仿真时间步长，L为热网管道长度。
主要影响参数和仿真时长的关系式为：
time＝1.05196*10-6X-10.1951N+10.1589M-5.0548F1+16.1209
其中，X为复合参数，time为仿真时长，N为节点数，M为管道数，F1为融合节点数。
预设仿真时空步长要求为仿真时间步长乘热媒平均流速等于仿真空间步长；
仿真时间步长与仿真误差的关系式为：
error＝3.119*10-6tau2+0.007112tau-0.004192
其中，error为仿真误差，tau为仿真时间步长。
根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型，包括：
根据仿真对仿真时间和仿真误差的侧重，确定仿真时间和仿真误差的权重；
根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式，以仿真时间和仿真误差的权重和最小为优化目标，构建优化模型。
优化模型为：
其中，S1为仿真时间和仿真误差的权重和，werror为仿真误差的权重，wtime为仿真时间的权重，error(tau)为仿真时间步长与仿真误差的关系式，time(h,tau,L,M,N,F1)为主要影响参数和仿真时长的关系式，timemax为仿真时长的上限，hmin为仿真空间步长的下限，hmax为仿真空间步长的上限，h为仿真空间步长，tau为仿真时间步长，taumin为仿真时间步长的下限，taumax为仿真时间步长的上限，tau％1＝0表示tau可以被一整除，为整数，L为管道长度，N为节点数，M为管道数，F1为融合节点数，F1net为待仿真热网中的融合节点数，Lnet为待仿真热网中的管道长度，Mnet为待仿真热网中的管道数，Nnet为待仿真热网中的节点数。
一种电热耦合网络动态仿真步长优选系统，包括：
获取模块，用以对不同拓扑的热网进行仿真，获得仿真时长和仿真误差；其中，每个热网设置有多组不同的仿真时空步长，仿真时空步长包括仿真时间步长和仿真空间步长；
第一关系构建模块，用以将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式；
第二关系构建模块，用以根据各热网热媒的平均流速，筛选出符合预设仿真时空步长要求的仿真误差，构建仿真时间步长与仿真误差的关系式；
优化模型构建模块，用以根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型；
优化模型求解模块，用以求解优化模型，获得优选的仿真时空步长。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行电热耦合网络动态仿真步长优选方法。
本发明所达到的有益效果：本发明统计不同热网多仿真时空步长下的仿真时长和仿真误差，通过距离相关系数筛选出影响仿真时长的主要影响参数，拟合出主要影响参数和仿真时长的关系式，根据符合预设仿真时空步长要求的仿真误差，拟合出仿真时间步长与仿真误差的关系式，构建出仿真对时间与精度兼顾的优化模型，获得优选的仿真时空步长，可有效提高了仿真效率，为综合能源系统的安全性分析提供了有力保障。
附图说明
图1为本发明方法的流程图；
图2为电热耦合网络结构图；
图3为一号热网结构图；
图4为二号热网结构图；
图5为三号热网结构图；
图6为四号热网结构图；
图7为误差时长关系图；
图8为误差拟合结果图；
图9为评价指标结果图；
图10为12号节点供回水温度仿真结果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种电热耦合网络动态仿真步长优选方法，包括以下步骤：
步骤1，对不同拓扑的热网进行仿真，获得仿真时长和仿真误差；其中，每个热网设置有多组不同的仿真时空步长，仿真时空步长包括仿真时间步长和仿真空间步长；
步骤2，将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式；
根据各热网热媒的平均流速，筛选出符合预设仿真时空步长要求的仿真误差，构建仿真时间步长与仿真误差的关系式；
步骤3，根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型；
步骤4，求解优化模型，获得优选的仿真时空步长。
上述方法统计不同热网多仿真时空步长下的仿真时长和仿真误差，通过距离相关系数筛选出影响仿真时长的主要影响参数，拟合出主要影响参数和仿真时长的关系式，根据符合预设仿真时空步长要求的仿真误差，拟合出仿真时间步长与仿真误差的关系式，构建出仿真对时间与精度兼顾的优化模型，获得优选的仿真时空步长，可有效提高了仿真效率，为综合能源系统的安全性分析提供了有力保障。
仿真的热网要尽可能选择多种不同拓扑结构，记录热网节点数、管道数、管道长度、管道半径等拓扑参数，针对每种热网，设置多组不同的仿真时空步长，根据耦合电网工况，确定热网热源输入温度，根据仿真时间步长，确定热源仿真温度，基于仿真空间步长对热网工况进行仿真，记录仿真用时，即仿真时长，计算热网节点温度与真实温度误差绝对值的平均值，即仿真误差。
将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，计算各影响参数与仿真时长的距离相关系数，根据距离相关系数，筛选出影响仿真时长的主要影响参数，一般选择解释率较大的参数作为仿真时长和仿真误差的主要影响参数。
对主要影响参数进行归一化处理，分析各主要影响参数对仿真时长的影响机制，即关系，如平方影响、两参数相乘影响等，根据两者之间的关系，将部分主要影响参数组合为复合参数，如对主要参数进行乘积、平方等，用公开可以表示为：
其中，X为复合参数，h为仿真空间步长，tau为仿真时间步长，L为热网管道长度；
将复合参数和剩余主要影响参数作为自变量，仿真用时作为因变量，进行逐步回归分析，获得主要影响参数和仿真时长的关系式，用公式可以表示为：
time＝1.05196*10-6X-10.1951N+10.1589M-5.0548F1+16.1209
其中，X为复合参数，time为仿真时长，N为节点数，M为管道数，F1为融合节点数；融合节点是指该节点为多个管道的末端，工质会在此融合，存在温度融合定律的节点。
由于在差分格式下求解热网动态模型对热网的仿真时空步长之比有一定要求，具体为仿真时间步长乘热媒平均流速等于仿真空间步长；故选择符合此要求时空步长下的仿真数据，求出此时不同热网在某一步长下的误差平均值，由于此时时空步长比例确定，故只需分别对时间步长和平均误差分别作归一化处理后，以时间步长为自变量、误差为因变量进行曲线拟合，即可得到仿真时间步长与仿真误差的关系式，用公式可以表示为：
error＝3.119*10-6tau2+0.007112tau-0.004192
其中，error为仿真误差，tau为仿真时间步长。
获得上述两个关系式后，根据仿真对仿真时间和仿真误差的侧重，即仿真时间和仿真误差的占比，确定仿真时间和仿真误差的权重；根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式，以仿真时间和仿真误差的权重和最小为优化目标，构建优化模型。
上述优化模型用公式可以表示为：
其中，S1为仿真时间和仿真误差的权重和，werror为仿真误差的权重，wtime为仿真时间的权重，error(tau)为仿真时间步长与仿真误差的关系式，time(h,tau,L,M,N,F1)为主要影响参数和仿真时长的关系式，timemax为仿真时长的上限，hmin为仿真空间步长的下限，hmax为仿真空间步长的上限，h为仿真空间步长，tau为仿真时间步长，taumin为仿真时间步长的下限，taumax为仿真时间步长的上限，tau％1＝0表示tau可以被一整除，为整数，L为管道长度，N为节点数，M为管道数，F1为融合节点数，F1net为待仿真热网中的融合节点数，Lnet为待仿真热网中的管道长度，Mnet为待仿真热网中的管道数，Nnet为待仿真热网中的节点数。
通过计算上述模型即可确定优选的仿真时空步长。
为了验证上述方法，如图2所示，电热耦合网络中存在热网和电网两种能源网络，以及水-水换热器、汽-水换热器、电锅炉等多种能量耦合设备，各能源网络、设备参数对上述方法不构成实质性影响，故在此不再赘述。
假设共仿真总时长为6000s，每一热网分别设置仿真时间步长为tau＝[1,2,4,6,8,10,12,15,20,24,25,30,40,48,50,60,120,150,300]，空间步长系数为coeff＝[0.8,0.9,1.0,1.1,1.2,1.3,1.4,1.5]，仿真空间步长h＝coeff·tau，热网具体结构如图3～6所示(图中，数字表示热源节点编号，HS为分布式热负荷，heat source为热源，heating pipe，pipeline为热管道，heat load为热负荷)，为探究影响仿真时间的主要影响因素，记录下热网管道节点数N、热网管道数M、热网管道长度L和热网管道平均截面积S。
按照上述方法进行步长优选，即在动态仿真后进行仿真时间关系式拟合，对tau、h、N、M、L、S、F1与仿真时长进行距离相关系数分析，结果如下表1：
表1各影响参数与仿真时长的距离相关系数表
| 与仿真时长的相关系数 | |
| Tau | 0.93 |
| h | 0.92 |
| N | 0.79 |
| M | 0.82 |
| L | 0.88 |
| F1 | 0.91 |
| S | 0.25 |
选择距离相关系数大于0.75的影响参数作为主要影响参数，即时空步长、节点管道个数和管道总长度，分析热网的计算原理，发现热网被分为个节点，即每个单位时间需进行x次热网温度计算，由于仿真时长6000s时间步长为tau，所以共需进行次温度计算，同时，热网节点需进行N次赋值，M次管道运算以及F次融合节点运算，因此热网动态仿真用时主要与X、N、M和F1成线性关系，将其作为自变量，仿真时长作为因变量，进行逐步回归分析，得到各项参数如下表2：
表2逐步回归分析结果评价表
| 指标 | RMSE | R-square | Adj R-sq | F | p |
| 值 | 0.0229282 | 0.934362 | 0.934014 | 2686.67 | 0 |
上表中RMSE为均方根差，R-square为确定系数，Adj R-sq为校正决定系数，F为逐步回归F检验的结果，P为t检验的结果。
得到复合参数和仿真时长的关系式为：
通过上式即可根据网络拓扑与拟定仿真步长计算出仿真时长后，进行仿真误差模拟，由于不同热网的热媒平均流速不同，故对热网进行不同时空步长比的情况下的动态仿真，各热网的热媒平均流速如下表3：
表3五种热网的热媒平均流速
| 热网编号 | 1 | 2 | 3 | 4 | 5 |
| 平均流速v(m/s) | 1 | 1.2 | 1.38 | 1.15 | 1.25 |
在1-5号热网中，分别设置仿真时空步长比符合如下关系式：
h＝v·tau
其中，v为热媒平均流速，选取设置仿真的时间步长为tau＝[1,2,3,4,5,6,8,10,12,15,16,20,24,25,30,40,48,50,60,75,80,100,120]，对五个热网分别进行仿真，并取每个步长时的误差平均值，归一化后得到误差时间关系图如图8所示，由于该差分格式具有二阶截断误差，即O(h2+tau2)，因此对误差与步长进行二次曲线拟合，拟合情况如下如表4所示：
表1.4误差步长拟合情况
| 参数 | SSE | R-square | Adj R-sq | RMSE |
| 参数值 | 0.0208 | 0.9868 | 0.9855 | 0.0322 |
上表中SSE为误差平方和，R-square为确定系数,Adj R-sq为校正决定系数，RMSE为标准差。
得到的仿真时间步长与仿真误差的关系式：
error＝3.119*10-6tau2+0.007112tau-0.004192
上述分析得到了动态仿真时长、误差与各参数之间的关系，在此关系的基础上，如针对一号热网在较为注重仿真误差的情况下进行仿真步长优选，则可建立如下单目标优化模型：
首先，如表5所示为权重分析表，它表示了各项指标之间相对重要性与权重之间的关系，由此表可知，仿真误差与仿真时长的权重为0.7:0.3，故可建立如下单目标优化模型，特别的，由于通常仿真中时间步长为整数，故在模型约束中，要求待求解时间步长也为整数；
表5权重分析表
| 相对重要性 | 极度重要 | 非常重要 | 很重要 | 较为重要 | 略重要 | 同等重要 |
| 权重比 | 1：0 | 0.9:0.1 | 0.8:0.2 | 0.7:0.3 | 0.6:0.4 | 0.5:0.5 |
模型：
通过上述模型可知，在网络拓扑固定的情况下，其融合节点个数、管道总长度、管道个数、节点个数固定，时间步长与空间步长比例固定，故只需根据之前拟合的关系式求出最优时间步长即可，在本例中，所求出的最优时间步长为2s，对应空间步长也为2m，求出的归一化后最小指标为0.084，评价曲线如图10。在该步长下，仿真的用时为4.754741s，相对误差为1.7526％，12号节点供回水温度仿真结果如图10，通过此方法，可实现具体需求下的步长优选，得到在仿真误差与仿真时长的权重为0.7:0.3时的最优步长选择从而获得最符合仿真需求的时空步长，实现仿真精度与速度的更优兼顾。
基于相同的技术方案，本发明还公开了上述方法的软件系统，一种电热耦合网络动态仿真步长优选系统，包括：
获取模块，用以对不同拓扑的热网进行仿真，获得仿真时长和仿真误差；其中，每个热网设置有多组不同的仿真时空步长，仿真时空步长包括仿真时间步长和仿真空间步长；
第一关系构建模块，用以将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式；
第二关系构建模块，用以根据各热网热媒的平均流速，筛选出符合预设仿真时空步长要求的仿真误差，构建仿真时间步长与仿真误差的关系式；
优化模型构建模块，用以根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型；
优化模型求解模块，用以求解优化模型，获得优选的仿真时空步长。
上述软件系统中各模块的数据处理流程与方法的一致，这里不重复描述了。
基于相同的技术方案，本发明还公开了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行电热耦合网络动态仿真步长优选方法。
基于相同的技术方案，本发明还公开了一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行电热耦合网络动态仿真步长优选方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种电热耦合网络动态仿真步长优选方法，其特征在于，包括：
对不同拓扑的热网进行仿真，获得仿真时长和仿真误差；其中，每个热网设置有多组不同的仿真时空步长，仿真时空步长包括仿真时间步长和仿真空间步长；
将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式；
根据各热网热媒的平均流速，筛选出符合预设仿真时空步长要求的仿真误差，构建仿真时间步长与仿真误差的关系式；
根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型；
求解优化模型，获得优选的仿真时空步长。
2.根据权利要求1所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式，包括：
将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，计算各影响参数与仿真时长的距离相关系数；
根据距离相关系数，筛选出影响仿真时长的主要影响参数；
构建主要影响参数和仿真时长的关系式。
3.根据权利要求2所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，构建主要影响参数和仿真时长的关系式，包括：
确定各主要影响参数对仿真时长的关系；
根据主要影响参数对仿真时长的关系，将部分主要影响参数组合为复合参数；
将复合参数和剩余主要影响参数作为自变量，仿真用时作为因变量，进行逐步回归分析，获得主要影响参数和仿真时长的关系式。
4.根据权利要求3所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，复合参数为：
其中，X为复合参数，h为仿真空间步长，tau为仿真时间步长，L为热网管道长度。
5.根据权利要求3所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，主要影响参数和仿真时长的关系式为：
time＝1.05196*10-6X-10.1951N+10.1589M-5.0548F1+16.1209
其中，X为复合参数，time为仿真时长，N为节点数，M为管道数，F1为融合节点数。
6.根据权利要求1所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，预设仿真时空步长要求为仿真时间步长乘热媒平均流速等于仿真空间步长；
仿真时间步长与仿真误差的关系式为：
error＝3.119*10-6tau2+0.007112tau-0.004192
其中，error为仿真误差，tau为仿真时间步长。
7.根据权利要求1所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型，包括：
根据仿真对仿真时间和仿真误差的侧重，确定仿真时间和仿真误差的权重；
根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式，以仿真时间和仿真误差的权重和最小为优化目标，构建优化模型。
8.根据权利要求1或7所述的一种电热耦合网络动态仿真步长优选方法，其特征在于，优化模型为：
其中，S1为仿真时间和仿真误差的权重和，werror为仿真误差的权重，wtime为仿真时间的权重，error(tau)为仿真时间步长与仿真误差的关系式，time(h,tau,L,M,N,F1)为主要影响参数和仿真时长的关系式，timemax为仿真时长的上限，hmin为仿真空间步长的下限，hmax为仿真空间步长的上限，h为仿真空间步长，tau为仿真时间步长，taumin为仿真时间步长的下限，taumax为仿真时间步长的上限，tau％1＝0表示tau可以被一整除，为整数，L为管道长度，N为节点数，M为管道数，F1为融合节点数，F1net为待仿真热网中的融合节点数，Lnet为待仿真热网中的管道长度，Mnet为待仿真热网中的管道数，Nnet为待仿真热网中的节点数。
9.一种电热耦合网络动态仿真步长优选系统，其特征在于，包括：
获取模块，用以对不同拓扑的热网进行仿真，获得仿真时长和仿真误差；其中，每个热网设置有多组不同的仿真时空步长，仿真时空步长包括仿真时间步长和仿真空间步长；
第一关系构建模块，用以将热网拓扑参数和仿真时空步长作为影响仿真时长的影响参数，基于距离相关系数，筛选出影响仿真时长的主要影响参数，构建主要影响参数和仿真时长的关系式；
第二关系构建模块，用以根据各热网热媒的平均流速，筛选出符合预设仿真时空步长要求的仿真误差，构建仿真时间步长与仿真误差的关系式；
优化模型构建模块，用以根据主要影响参数和仿真时长的关系式、仿真时间步长与仿真误差的关系式、以及仿真对仿真时间和仿真误差的侧重，构建优化模型；
优化模型求解模块，用以求解优化模型，获得优选的仿真时空步长。
10.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至8所述的方法中的任一方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210376619.7A CN114861403B (zh) | 2022-04-12 | 2022-04-12 | 一种电热耦合网络动态仿真步长优选方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210376619.7A CN114861403B (zh) | 2022-04-12 | 2022-04-12 | 一种电热耦合网络动态仿真步长优选方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114861403A CN114861403A (zh) | 2022-08-05 |
| CN114861403B true CN114861403B (zh) | 2023-10-27 |
Family
ID=82630448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210376619.7A Active CN114861403B (zh) | 2022-04-12 | 2022-04-12 | 一种电热耦合网络动态仿真步长优选方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114861403B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509726A (zh) * | 2018-03-30 | 2018-09-07 | 河北工业大学 | 基于热流固耦合仿真的电主轴生热/散热优化分析方法 |
| KR20190061616A (ko) * | 2017-11-28 | 2019-06-05 | 한국전자통신연구원 | 컴포넌트 기반 동적 모델 재구성을 활용한 시뮬레이션 모델 최적화 방법 및 장치 |
| CN110661266A (zh) * | 2019-09-24 | 2020-01-07 | 东南大学 | 用于热电联产系统动态最优能流计算的差分步长优选方法 |
| CN113657064A (zh) * | 2021-08-20 | 2021-11-16 | 华中科技大学 | 一种功率半导体模块多物理场联合仿真方法 |
| CN114117864A (zh) * | 2021-12-03 | 2022-03-01 | 厦门大学 | 自适应时间步长有限元法在电子器件热仿真中的应用方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090089029A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Enhanced execution speed to improve simulation performance |
-
2022
- 2022-04-12 CN CN202210376619.7A patent/CN114861403B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190061616A (ko) * | 2017-11-28 | 2019-06-05 | 한국전자통신연구원 | 컴포넌트 기반 동적 모델 재구성을 활용한 시뮬레이션 모델 최적화 방법 및 장치 |
| CN108509726A (zh) * | 2018-03-30 | 2018-09-07 | 河北工业大学 | 基于热流固耦合仿真的电主轴生热/散热优化分析方法 |
| CN110661266A (zh) * | 2019-09-24 | 2020-01-07 | 东南大学 | 用于热电联产系统动态最优能流计算的差分步长优选方法 |
| CN113657064A (zh) * | 2021-08-20 | 2021-11-16 | 华中科技大学 | 一种功率半导体模块多物理场联合仿真方法 |
| CN114117864A (zh) * | 2021-12-03 | 2022-03-01 | 厦门大学 | 自适应时间步长有限元法在电子器件热仿真中的应用方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114861403A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdallah et al. | Fast pump scheduling method for optimum energy cost and water quality in water distribution networks with fixed and variable speed pumps | |
| CN106168797B (zh) | 一种模块化获取核电站故障树顶事项失效概率的方法 | |
| Feng et al. | Optimizing hydropower reservoirs operation via an orthogonal progressive optimality algorithm | |
| CN111681130A (zh) | 一种考虑条件风险价值的综合能源系统优化调度方法 | |
| CN104636834B (zh) | 一种改进的联合概率规划模型系统优化方法 | |
| Martinez Alzamora et al. | Fast and practical method for model reduction of large-scale water-distribution networks | |
| Roshani et al. | WDS leakage management through pressure control and pipes rehabilitation using an optimization approach | |
| CN109784673A (zh) | 一种基于用户优先级的天然气管网智能运行调度方法 | |
| CN112231117A (zh) | 基于动态向量混合遗传算法的云机器人服务选择方法及系统 | |
| CN116108982A (zh) | 一种水库群多目标调度合作搜索方法及系统 | |
| CN109766188B (zh) | 一种负载均衡调度方法及系统 | |
| CN114861403B (zh) | 一种电热耦合网络动态仿真步长优选方法及系统 | |
| CN104298556A (zh) | 流处理单元的分配方法及装置 | |
| CN116776773B (zh) | 一种平直翅片管式换热器管型优化系统及方法 | |
| CN110994621B (zh) | 基于改进直流潮流算法的电网有功潮流调整方法及装置 | |
| CN110189230B (zh) | 一种动态分区的解析化模型的构建方法 | |
| CN104734201B (zh) | 一种电力系统中风电配送方案的确定方法及装置 | |
| CN103970610A (zh) | 一种供水管网中节点流量的监控方法 | |
| CN101013416A (zh) | 一种锅炉水动力通用设计和校核的方法 | |
| Baños et al. | A memetic algorithm for water distribution network design | |
| CN106251043A (zh) | 多区域经济环境调度优化方法和装置 | |
| Moosavian et al. | Pressure-driven demand and leakage simulation for pipe networks using differential evolution | |
| CN109472072B (zh) | 基于河流模拟的季节性河流与地下水间相互作用预测方法 | |
| CN103050981A (zh) | 一种电力系统无功优化的分布式并行求解方法 | |
| CN101556604A (zh) | 一种面向复杂数据仓库环境的优化策略自动生成方法 |
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 |