CN117034639A - 核电站仿真平台的不确定性分析方法、计算设备和介质 - Google Patents

核电站仿真平台的不确定性分析方法、计算设备和介质 Download PDF

Info

Publication number
CN117034639A
CN117034639A CN202311057755.0A CN202311057755A CN117034639A CN 117034639 A CN117034639 A CN 117034639A CN 202311057755 A CN202311057755 A CN 202311057755A CN 117034639 A CN117034639 A CN 117034639A
Authority
CN
China
Prior art keywords
uncertainty
input
input parameters
simulation
parameters
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.)
Pending
Application number
CN202311057755.0A
Other languages
English (en)
Inventor
张文明
陆金琪
龚禾林
姚学良
王兴
何文斌
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.)
Shanghai Helmo Strontium Technology Co ltd
Shanghai Jiaotong University
Shanghai Apollo Machinery Co Ltd
Original Assignee
Shanghai Helmo Strontium Technology Co ltd
Shanghai Apollo Machinery 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 Shanghai Helmo Strontium Technology Co ltd, Shanghai Apollo Machinery Co Ltd filed Critical Shanghai Helmo Strontium Technology Co ltd
Priority to CN202311057755.0A priority Critical patent/CN117034639A/zh
Publication of CN117034639A publication Critical patent/CN117034639A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明提供了一种用于核电站仿真平台的不确定性分析方法、计算设备和计算机可读存储介质。该方法包括：对所述仿真平台的输入参数进行不确定性描述和建模以确定所述输入参数的输入不确定性数值；基于所述输入参数的输入不确定性数值和仿真需求确定用于所述输入参数的不确定性分析的仿真流程；利用所述仿真流程控制所述仿真平台的、与所述输入参数相关联的一个或多个专业软件运行，以获取所述输入参数的输出参数；以及基于所述输入参数和所述输出参数，调用替代模型生成方法生成替代模型以用于对所述输入参数进行快速不确定性分析。

Description

核电站仿真平台的不确定性分析方法、计算设备和介质
技术领域
本发明概括而言涉及核电站控制领域，更具体地，涉及一种核电站仿真平台的不确定性分析方法、计算设备和计算机可读存储介质。
背景技术
目前，关于核电站设计验证仿真平台还没有系统性地开展不确定性研究工作，现存的不确定性分析工作大多针对单专业或单软件展开，单是单专业不确定性分析无法给出集成多个专业软件的仿真系统的总体不确定性评价。
通过设计验证仿真开展核电站设计研究也必须考虑不确定性的影响，一方面实际反应堆系统运行过程中因生产制造、系统输入等因素影响而包含众多的不确定性；另一方面各软件的建模与仿真集成过程也会引入不确定性，如对于系统模型结构有不同的专家意见，用于建模的试验数据量源头多样、评价标准不一，模型参数取值只知道一个范围而不是具体值等。
一般而言，多专业仿真集成系统的不确定性评价有以下难题：
(1)影响仿真模型的不确定性来源与种类多样，如何有效的对各类不确定性进行建模描述，并将其传播到仿真结果中是进行模型验证的前提。
(2)由于各类不确定性描述方法的适用范围和应用条件各不相同，同一仿真模型中的不确定性可能由多种不确定性描述方法进行建模描述，如何实现多种用不同描述方法所描述的不确定性的联合传播面临较大困难。
(3)不确定性分析与验证过程中涉及到的仿真输出数据(简称仿真数据)与参考数据(实际系统试验数据或专家提供的数据等)受到多种来源不同种类不确定性因素的影响，如何有效处理验证过程中的多源异类不确定性，是需要考虑的问题。
发明内容
针对上述问题，本发明提供了面向核电设计验证仿真平台的在线不确定性分析流程，在现有的不确定性分析流程上，具备对集成多个软件的仿真平台开展快速的不确定性分析。
根据本发明的一个方面，提供了一种用于核电站仿真平台的不确定性分析方法。该方法包括：对所述仿真平台的输入参数进行不确定性描述和建模以确定所述输入参数的输入不确定性数值；基于所述输入参数的输入不确定性数值和仿真需求确定用于所述输入参数的不确定性分析的仿真流程；利用所述仿真流程控制所述仿真平台的、与所述输入参数相关联的一个或多个专业软件运行，以获取所述输入参数的输出参数；以及基于所述输入参数和所述输出参数，调用替代模型生成方法生成替代模型以用于对所述输入参数进行快速不确定性分析。
在一些实施例中，对所述仿真平台的输入参数进行不确定性描述和建模以确定所述输入参数的输入不确定性数值包括：确定用于描述所述输入参数的不确定性的数学结构以及所述数学结构中的所有参数的数值；以及对所述输入参数的数学结构中的所有参数的数值进行不确定性建模以确定所述输入参数的不确定性数值。
在一些实施例中，所述数学结构包括以下各项中的至少一项：区间变量、证据理论、模糊变量、随机变量；以及进行不确定性建模包括：利用区间估计、核密度估计、参数估计中的至少一种来进行不确定性建模。
在一些实施例中，该方法还包括：在对所述仿真平台的输入参数进行不确定性描述和建模之前，对所述输入参数进行预处理以获取有效的输入参数。
在一些实施例中，对所述输入参数进行预处理包括以下处理中的至少一种：剔除异常值、平滑处理、正态性检验、时统加工和纠错、时间序列一致性处理以及时间序列平滑处理。
在一些实施例中，基于所述输入参数的输入不确定性数值和仿真需求确定用于所述输入参数的不确定性分析的仿真流程包括：基于所述仿真需求确定仿真流程模板；选择抽样方法以对所述输入参数的输入不确定性数值进行抽样以获得抽样数据；以及基于所述仿真流程模板和所述抽样数据获取用于所述输入参数的不确定性分析的仿真流程。
在一些实施例中，所述抽样方法包括以下各项中的至少一项：均匀抽样、随机抽样、LHS抽样、Smolyak稀疏节点抽样。
在一些实施例中，基于所述输入参数和所述输出参数，调用替代模型生成方法生成替代模型以用于对所述输入参数进行快速不确定性分析包括：确定用于不确定性分析的度量准则；基于所述度量准则确定所述输入参数和相应的输出参数之间的误差值；基于所述误差值对所述输入参数进行重要性排序；以及基于重要性排序之后的输入参数和对应的输出参数，利用所述替代模型生成方法生成所述替代模型。
在一些实施例中，所述度量准则包括以下各项中的至少一项：假设检验、证据距离，并且其中所述假设检验包括Z检验、t检验、卡方检验、F检验中的至少一种；以及所述替代模型生成方法包括多项式混沌、谱方法、降阶函数方法、本征正交法中的至少一种。
根据本发明的另一个方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及至少一个存储器，该至少一个存储器被耦合到该至少一个处理器并且存储用于由该至少一个处理器执行的指令，该指令当由该至少一个处理器执行时，使得该计算设备执行根据上述方法的步骤。
根据本发明的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序代码，该计算机程序代码在被运行时执行如上所述的方法。
附图说明
通过参考下列附图所给出的本发明的具体实施方式的描述，将更好地理解本发明，并且本发明的其他目的、细节、特点和优点将变得更加显而易见。
图1示出了用于实现根据本发明的实施例的核电站的示意图。
图2示出了根据本发明的一些实施例的用于核电站仿真平台的不确定性分析方法的流程图。
图3示出了根据本发明一些实施例的用于确定输入参数的输入不确定性数值的过程的进一步详细流程图。
图4示出了根据本发明一些实施例的用于确定输入参数的不确定性分析的仿真流程的过程的进一步详细的流程图。
图5示出了根据本发明一些实施例的用于生成用于快速不确定性分析的替代模型的过程的进一步详细流程图。
图6示出了根据本发明一些实施例的生成替代模型的过程的进一步详细流程图。
图7示出了适合实现本发明的实施例的计算设备的结构方框图。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整的传达给本领域的技术人员。
在下文的描述中，出于说明各种发明的实施例的目的阐述了某些具体细节以提供对各种发明实施例的透彻理解。但是，相关领域技术人员将认识到可在无这些具体细节中的一个或多个细节的情况来实践实施例。在其它情形下，与本申请相关联的熟知的装置、结构和技术可能并未详细地示出或描述从而避免不必要地混淆实施例的描述。
除非语境有其它需要，在整个说明书和权利要求中，词语“包括”和其变型，诸如“包含”和“具有”应被理解为开放的、包含的含义，即应解释为“包括，但不限于”。
在整个说明书中对“一个实施例”或“一些实施例”的提及表示结合实施例所描述的特定特点、结构或特征包括于至少一个实施例中。因此，在整个说明书的各个位置“在一个实施例中”或“在一些实施例”中的出现不一定全都指相同实施例。另外，特定特点、结构或特征可在一个或多个实施例中以任何方式组合。
此外，说明书和权利要求中所用的第一、第二等术语，仅仅出于描述清楚起见来区分各个对象，而并不限定其所描述的对象的大小或其他顺序等。
图1示出了用于实现根据本发明的实施例的核电站1的示意图。如图1中所示，核电站1可以包括中央控制系统10和各种运行子系统，如堆芯应急冷却系统、冷水喷淋系统、容积控制系统、化学控制系统等等(图1中示例性地将这些运行子系统使用标号20来表示)。中央控制系统10可以通过有线或无线网络30控制核电站1的各个运行子系统20的运行。
在核电站1运行过程中，需要使用各种核电工程设计计算软件对电厂核岛部分进行高精度的仿真建模。为此，中央控制系统10(或者下文中称为计算设备700)中可以配置仿真平台以用于对核电站1的各个部分(如各个运行子系统20或其一部分)进行设计验证。在仿真平台中运行有与待进行设计验证的各个部分分别相关联的应用软件，这些应用软件接收对应部分产生的数据以执行相应的处理，例如对各个部分或其相关联的应用软件进行不确定性分析等。本文中以不确定性分析为例来描述用于核电站1的仿真平台的操作。
中央控制系统10可以包括至少一个处理器和与该至少一个处理器耦合的至少一个存储器，该存储器中存储有可由该至少一个处理器执行的指令，该指令在被该至少一个处理器执行时执行如下所述的方法的至少一部分。中央控制系统10的具体结构例如可以如下结合图7的计算设备700所述。
另一方面，为了实现不确定性分析，中央控制系统10的仿真平台可以包括不确定性建模模块12、不确定性传播模块14和仿真结果分析模块16。此外，中央控制系统10的仿真平台还可以包括针对核电站1的各个部分的专业软件110，如图1中所示的专业软件110-1、110-2、……、110-n。
不确定性建模模块12可以对仿真平台的输入参数进行不确定性描述和建模以确定所述输入参数的输入不确定性数值。更具体地，不确定性建模模块12可以确定用于描述输入参数的不确定性的数学结构以及该数学结构中的所有参数的数值，并且对该输入参数的数学结构中的所有参数的数值进行不确定性建模以确定该输入参数的不确定性数值。
不确定性传播模块14可以基于该输入参数的输入不确定性数值和仿真需求确定用于该输入参数的不确定性分析的仿真流程，以及利用该仿真流程控制仿真平台的、与该输入参数相关联的一个或多个专业软件运行，以获取该输入参数的输出参数。更具体地，不确定性传播模块14可以基于仿真需求确定仿真流程模板，选择抽样方法以对该输入参数的输入不确定性数值进行抽样以获得抽样数据，以及基于该仿真流程模板和抽样数据获取用于该输入参数的不确定性分析的仿真流程。
仿真结果分析模块16可以基于该输入参数和输出参数，调用替代模型生成方法生成替代模型以用于对该输入参数进行快速不确定性分析。更具体地，仿真结果分析模块16可以确定用于不确定性分析的度量准则，基于该度量准则确定该输入参数和相应的输出参数之间的误差值，基于误差值对该输入参数进行重要性排序，以及基于重要性排序之后的输入参数和对应的输出参数，利用替代模型生成方法生成该替代模型。
图2示出了根据本发明的一些实施例的用于核电站仿真平台的不确定性分析方法200的流程图。方法200可以在图1中所示的核电站1中的中央控制系统10中执行。以下结合图1至图7对方法200进行描述。
如图2中所示，方法200包括方框210，其中中央控制系统10对仿真平台的输入参数进行不确定性描述和建模以确定该输入参数的输入不确定性数值。
这里，仿真平台的输入参数是指核电站1的各个部分在运行期间产生的各种参数，这些参数被输入至中央控制系统10的仿真平台以对相应的部分进行不确定性分析。
图3示出了根据本发明一些实施例的用于确定输入参数的输入不确定性数值的过程(方框210)的进一步详细流程图。
如图3中所示，在方框212，可以确定用于描述该输入参数的不确定性的数学结构以及该数学结构中的所有参数的数值。
这里，用于描述该输入参数的不确定性的方法可以包括区间变量、证据理论、模糊变量、随机变量等方法中的至少一种，对于每种不确定性描述方法具有对应的数学结构可用，可以根据输入参数的类型或特性选择合适的描述方法。
然后，在方框214，可以对输入参数的数学结构中的所有参数的数值进行不确定性建模以确定该输入参数的不确定性数值。也就是说，在确定了用于描述不确定性的数学结构之后，可以根据该数学结构和具体的输入参数的值来对该数学结构进行具体化。
这里，可以利用区间估计、核密度估计、参数估计中的至少一种来进行不确定性建模，可以根据输入参数的类型或特性选择合适的建模方法。
此外，在对仿真平台的输入参数进行不确定性描述和建模之前，还可以对该输入参数进行预处理以获取有效的输入参数。例如，可以对输入参数进行剔除异常值、平滑处理、正态性检验、时统加工和纠错、时间序列一致性处理以及时间序列平滑处理等预处理中的至少一种。
继续图2，在方框220，可以基于方框210确定的输入参数的输入不确定性数值和仿真需求来确定用于该输入参数的不确定性分析的仿真流程。
图4示出了根据本发明一些实施例的用于确定输入参数的不确定性分析的仿真流程的过程(方框220)的进一步详细的流程图。
如图4中所示，在方框222，可以基于仿真需求来确定仿真流程模板。这里，仿真需求通常是由用户(例如核电站的特定部门、特定专业等)定义的。例如，仿真需求可以是基于堆芯物理计算软件搭建计算堆芯稳态满功率运行的功率分布计算。在这种情况下，仿真流程需要确定堆芯物理计算软件的输入参数，主要包括燃耗、功率水平、冷却剂入口温度、控制棒棒位等，输出包括堆芯功率分布、快热群中子通量分布、燃耗分布等。
在方框224，可以选择抽样方法以对该输入参数的输入不确定性数值进行抽样以获得抽样数据。这里，抽样方法例如可以包括均匀抽样、随机抽样、拉丁超立方抽样(LHS)、Smolyak稀疏节点抽样等中的至少一种。
以LHS为例，其是一种分层随机抽样，能够从变量的分布区间进行高效采样。例如，假设有k个变量x_1,x_2,…,x_n，如果要从这些变量规定的区间中取出N个样本，则每个变量的累计分布被分成相同的N个小区间，从每一个区间随机的选择一个值，每一个变量的N个值和其他变量的值进行随机组合。与随机抽样不同，LHS方法可以通过最大化地使每一个边缘分布分层来保证每一个变量范围的全覆盖。
在方框226，可以基于方框222选择的仿真流程模板和方框224获得的抽样数据来获取用于该输入参数的不确定性分析的仿真流程。即，利用输入参数的抽样数据对仿真流程模板进行实例化。
在方框230，利用方框220确定的仿真流程来控制仿真平台的、与该输入参数相关联的一个或多个专业软件运行，以获取该输入参数的输出参数。
这里，当输入参数为多个时，其可能是针对多个不同专业软件的，并且这些输入参数之间可能具有特定固定时序关系，从而使得不同专业软件的运行顺序也不同。在方框230，仿真平台可以确定与输入参数相关联的一个或多个专业软件以及这些专业软件的运行顺序，并且根据该运行顺序来运行相应的专业软件和输入参数，以获得输出参数。
方框220和230可以将输入不确定性传播到仿真结果的数据不确定性。这种不确定性传播致力于采用一定的分析方法根据输入不确定性估计输出不确定性。本文中，输入不确定性传播到输出结果中的方式主要有解析法和概率抽样法两大类可选。
更进一步地，解析法还包括两类，一类为当模型为线性或近似线性时，利用摄动分析等方差传播方法直接获得不确定性输入对于输出的影响；一类为利用灵敏度分析方法如傅里叶幅度灵敏度检验法、Morris法、Sobol’法等，通过获取预测输出概率分布的前几阶距，如均值、标准差等，定性分析不确定性输入对于输出的影响。
概率抽样法则利用由输入参数的概率分布产生的多重抽样，并通过仿真运行得到多重抽样的仿真结果，进而实现不确定性的传播，最常见的为蒙特卡洛抽样法。
在方框240，可以基于输入参数和方框230获取的输出参数，调用替代模型生成方法来生成替代模型以用于对输入参数进行快速不确定性分析。
图5示出了根据本发明一些实施例的用于生成用于快速不确定性分析的替代模型的过程(方框240)的进一步详细流程图。
如图5中所示，在方框242，可以确定用于不确定性分析的度量准则。这里，度量准则可以包括假设检验和证据距离中的至少一种，并且假设检验还可以包括Z检验、t检验、卡方检验、F检验中的至少一种。
假设检验(hypothesis testing)，又称统计假设检验，是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。
在方框244，可以基于方框242所确定的度量准则确定输入参数和相应的输出参数之间的误差值。
在方框246，可以基于方框244确定的误差值对输入参数进行重要性排序。这里，可以通过分析仿真数据结果来分析输入参数对仿真结果的影响(例如如上所述的误差值)，从而对输入参数进行重要性排序。
在方框248，可以基于重要性排序之后的输入参数和对应的输出参数，利用替代模型生成方法生成替代模型以对输入参数进行快速不确定性分析。这里，替代模型生成方法包括多项式混沌、谱方法、降阶函数方法、本征正交法中的至少一种。
在一些实施例中，在使用降阶函数方法的情况下，可以通过提取输入参数的低维特征，并且利用机器学习模型来建立输入参数到低维空间的映射关系，从而能够基于给定输入参数快速计算出低维输出参数，再通过基函数嵌入到高维空间，最终实现给定输入参数到高维输出参数的快速计算。
图6示出了根据本发明一些实施例的生成替代模型的过程(方框248)的进一步详细流程图。
如图6中所示，在方框610，可以获取前序的输入参数集合。
在方框620，可以利用模型降阶方法确定该输入参数集合在该输入参数集合的基函数上的投影系数集合。
在方框630，可以利用机器学习模型对该输入参数集合和该投影系数集合进行学习以获得学习后的机器学习模型，该学习后的机器学习模型指示每个输入参数和对应的投影系数之间的映射关系。
在方框640，可以利用学习后的机器学习模型将另一输入参数模拟为基函数的各个维度的线性组合以得到该另一输入参数的高维物理场，即为该另一输入参数到其输出参数的替代模型。
图7示出了适合实现本发明的实施例的计算设备700的结构方框图。计算设备700例如可以是如上所述的中央控制系统10。
如图7中所示，计算设备700可以包括一个或多个中央处理单元(CPU)710(图中仅示意性地示出了一个)，其可以根据存储在只读存储器(ROM)720中的计算机程序指令或者从存储单元780加载到随机访问存储器(RAM)730中的计算机程序指令，来执行各种适当的动作和处理。在RAM 730中，还可存储计算设备700操作所需的各种程序和数据。CPU 710、ROM 720以及RAM 730通过总线740彼此相连。输入/输出(I/O)接口750也连接至总线740。
计算设备700中的多个部件连接至I/O接口750，包括：输入单元760，例如键盘、鼠标等；输出单元770，例如各种类型的显示器、扬声器等；存储单元780，例如磁盘、光盘等；以及通信单元790，例如网卡、调制解调器、无线通信收发机等。通信单元790允许计算设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的方法200例如可由一个或多个计算设备700的CPU 710执行。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包括于机器可读介质，例如存储单元780。在一些实施例中，计算机程序的部分或者全部可以经由ROM 720和/或通信单元790而被载入和/或安装到计算设备700上。当计算机程序被加载到RAM 730并由CPU710执行时，可以执行上文描述的方法200的一个或多个操作。此外，通信单元790可以支持有线或无线通信功能。
本领域技术人员可以理解，图7所示的计算设备700仅是示意性的。在一些实施例中，计算设备700可以包含比图7所示的更多或更少的部件。
以上结合附图对根据本发明的用于核电站仿真平台的不确定性分析的方法200以及可用来实现该方法200的计算设备700进行了描述。然而本领域技术人员可以理解，方法200的步骤的执行并不局限于图中所示和以上所述的顺序，而是可以以任何其他合理的顺序来执行。此外，计算设备700也不必须包括图7中所示的所有组件，其可以仅仅包括执行本发明中所述的功能所必须的其中一些组件，并且这些组件的连接方式也不局限于图中所示的形式。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
在一个或多个示例性设计中，可以用硬件、软件、固件或它们的任意组合来实现本发明所述的功能。例如，如果用软件来实现，则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上，或者作为计算机可读介质上的一个或多个指令或代码来传输。
本文公开的装置的各个单元可以使用分立硬件组件来实现，也可以集成地实现在一个硬件组件，如处理器上。例如，可以用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或者晶体管逻辑、分立硬件组件或用于执行本文所述的功能的任意组合来实现或执行结合本发明所描述的各种示例性的逻辑块、模块和电路。
本领域普通技术人员还应当理解，结合本发明的实施例描述的各种示例性的逻辑块、模块、电路和算法步骤可以实现成电子硬件、计算机软件或二者的组合。
本发明的以上描述用于使本领域的任何普通技术人员能够实现或使用本发明。对于本领域普通技术人员来说，本发明的各种修改都是显而易见的，并且本文定义的一般性原理也可以在不脱离本发明的精神和保护范围的情况下应用于其它变形。因此，本发明并不限于本文所述的实例和设计，而是与本文公开的原理和新颖性特性的最广范围相一致。

Claims (11)

1.一种用于核电站仿真平台的不确定性分析方法，包括：
对所述仿真平台的输入参数进行不确定性描述和建模以确定所述输入参数的输入不确定性数值；
基于所述输入参数的输入不确定性数值和仿真需求确定用于所述输入参数的不确定性分析的仿真流程；
利用所述仿真流程控制所述仿真平台的、与所述输入参数相关联的一个或多个专业软件运行，以获取所述输入参数的输出参数；以及
基于所述输入参数和所述输出参数，调用替代模型生成方法生成替代模型以用于对所述输入参数进行快速不确定性分析。
2.如权利要求1所述的方法，其中对所述仿真平台的输入参数进行不确定性描述和建模以确定所述输入参数的输入不确定性数值包括：
确定用于描述所述输入参数的不确定性的数学结构以及所述数学结构中的所有参数的数值；以及
对所述输入参数的数学结构中的所有参数的数值进行不确定性建模以确定所述输入参数的不确定性数值。
3.如权利要求2所述的方法，其中所述数学结构包括以下各项中的至少一项：区间变量、证据理论、模糊变量、随机变量；以及
进行不确定性建模包括：利用区间估计、核密度估计、参数估计中的至少一种来进行不确定性建模。
4.如权利要求1所述的方法，还包括：
在对所述仿真平台的输入参数进行不确定性描述和建模之前，对所述输入参数进行预处理以获取有效的输入参数。
5.如权利要求4所述的方法，其中对所述输入参数进行预处理包括以下处理中的至少一种：
剔除异常值、平滑处理、正态性检验、时统加工和纠错、时间序列一致性处理以及时间序列平滑处理。
6.如权利要求1所述的方法，其中基于所述输入参数的输入不确定性数值和仿真需求确定用于所述输入参数的不确定性分析的仿真流程包括：
基于所述仿真需求确定仿真流程模板；
选择抽样方法以对所述输入参数的输入不确定性数值进行抽样以获得抽样数据；以及
基于所述仿真流程模板和所述抽样数据获取用于所述输入参数的不确定性分析的仿真流程。
7.如权利要求6所述的方法，其中所述抽样方法包括以下各项中的至少一项：均匀抽样、随机抽样、LHS抽样、Smolyak稀疏节点抽样。
8.如权利要求1所述的方法，其中基于所述输入参数和所述输出参数，调用替代模型生成方法生成替代模型以用于对所述输入参数进行快速不确定性分析包括：
确定用于不确定性分析的度量准则；
基于所述度量准则确定所述输入参数和相应的输出参数之间的误差值；
基于所述误差值对所述输入参数进行重要性排序；以及
基于重要性排序之后的输入参数和对应的输出参数，利用所述替代模型生成方法生成所述替代模型。
9.如权利要求8所述的方法，其中所述度量准则包括以下各项中的至少一项：假设检验、证据距离，并且其中所述假设检验包括Z检验、t检验、卡方检验、F检验中的至少一种；以及
所述替代模型生成方法包括多项式混沌、谱方法、降阶函数方法、本征正交法中的至少一种。
10.一种计算设备，包括：
至少一个处理器；以及
至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由所述至少一个处理器执行的指令，所述指令当由所述至少一个处理器执行时，使得所述计算设备执行根据权利要求1至9中任一项所述的方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序代码，所述计算机程序代码在被运行时执行如权利要求1至9中任一项所述的方法。
CN202311057755.0A 2023-08-21 2023-08-21 核电站仿真平台的不确定性分析方法、计算设备和介质 Pending CN117034639A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311057755.0A CN117034639A (zh) 2023-08-21 2023-08-21 核电站仿真平台的不确定性分析方法、计算设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311057755.0A CN117034639A (zh) 2023-08-21 2023-08-21 核电站仿真平台的不确定性分析方法、计算设备和介质

Publications (1)

Publication Number Publication Date
CN117034639A true CN117034639A (zh) 2023-11-10

Family

ID=88631460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311057755.0A Pending CN117034639A (zh) 2023-08-21 2023-08-21 核电站仿真平台的不确定性分析方法、计算设备和介质

Country Status (1)

Country Link
CN (1) CN117034639A (zh)

Similar Documents

Publication Publication Date Title
US11562114B2 (en) Apparatus and method for safety analysis evaluation with data-driven workflow
Cacuci et al. Best-estimate model calibration and prediction through experimental data assimilation—I: Mathematical framework
JP5357389B2 (ja) 原子炉運転に関する作動限界までのマージンを判定する方法
Merle et al. Quantitative analysis of dynamic fault trees based on the coupling of structure functions and Monte Carlo simulation
US11252044B2 (en) Network traffic prediction method, apparatus, and electronic device
Picheny et al. Noisy expected improvement and on-line computation time allocation for the optimization of simulators with tunable fidelity
He et al. Big data-oriented product infant failure intelligent root cause identification using associated tree and fuzzy DEA
CN111025041A (zh) 电动汽车充电桩监测方法及其系统、计算机设备、介质
Lewis et al. Chaotic attractor prediction for server run-time energy consumption
CN113295399B (zh) 换流阀元件状态评估方法、装置、电子设备和存储介质
CN113158589B (zh) 一种电池管理系统的仿真模型校准方法以及装置
Zou et al. Reliability analysis of Digital Instrumentation and Control software system
Liu et al. A modeling method of stochastic parameters’ Inverse gauss process considering measurement error under accelerated degradation test
Wang et al. On the optimal design of radial basis function neural networks for the analysis of nonlinear stochastic systems
CN110991741A (zh) 一种基于深度学习的断面约束概率预警方法及系统
CN117034639A (zh) 核电站仿真平台的不确定性分析方法、计算设备和介质
Peng et al. Developing a reliability model of CNC system under limited sample data based on multisource information fusion
CN115828441A (zh) 基于条件生成对抗网络的风机出力场景生成和缩减方法
Pourgol-Mohammad et al. A practical sensitivity analysis method for ranking sources of uncertainty in thermal–hydraulics applications
CN114492251A (zh) 超算环境的低速流场发散处理方法、装置、设备及介质
WO2022106863A1 (en) Method and system for accelerating the convergence of an iterative computation code of physical parameters of a multi-parameter system
CN111967774A (zh) 软件质量风险预测方法及装置
Wang et al. Bayesian analysis for NHPP-based software fault detection and correction processes
Chou et al. Economic design of variable sampling intervals charts with B&L switching rule
CN111027680A (zh) 基于变分自编码器的监控量不确定性预测方法及系统

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
CB03 Change of inventor or designer information

Inventor after: Gong Helin

Inventor after: Lu Jinqi

Inventor after: Zhang Wenming

Inventor after: Yao Xueliang

Inventor after: Wang Xing

Inventor after: He Wenbin

Inventor before: Zhang Wenming

Inventor before: Lu Jinqi

Inventor before: Gong Helin

Inventor before: Yao Xueliang

Inventor before: Wang Xing

Inventor before: He Wenbin

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20240306

Address after: 201403 floor 5, building 11, No. 6055, Jinhai Road, Fengxian District, Shanghai

Applicant after: Shanghai Helmo Strontium Technology Co.,Ltd.

Country or region after: China

Applicant after: SHANGHAI JIAO TONG University

Applicant after: SHANGHAI APOLLO MACHINERY Co.,Ltd.

Address before: 201403 floor 5, building 11, No. 6055, Jinhai Road, Fengxian District, Shanghai

Applicant before: Shanghai Helmo Strontium Technology Co.,Ltd.

Country or region before: China

Applicant before: SHANGHAI APOLLO MACHINERY Co.,Ltd.

TA01 Transfer of patent application right