基于LHS-Kriging-DW的页岩气集输管道内腐蚀预测模型研究

为了准确预测页岩气集输管道的内腐蚀速率,对DW(DeWarrd)模型进行修正,运用LHS(拉丁超立方抽样)优化的Kriging(克里金方法)对修正DW进行训练以建立模型并验证。通过高清漏磁检测器检测某页岩气集输管道内腐蚀速率,基于PIPESIM模拟该管道现场工况,运用多元非线性回归修正DW模型。运用LHS-Kriging对修正DW模型进行训练并优化,运用建立的模型对另一相邻管道进行了腐蚀速率的预测和现场开挖验证。现场内检测的结果显示:管线在几处低洼积液处发生了严重的腐蚀,因此引入了持液率作为修正因子修正DW模型。选择样本数为500用于LHS-Kriging-DW模型时误差较小。在实例运用中,10个开挖检测点有9个都在预测结果的95%置信区间内,这说明建立的腐蚀速率模型可用于指导现场内腐蚀直接评价等相关工作。

基于LHS和Cholesky分解的风电出力场景生成研究

为了有效表征和分析风电出力的不确定性,获得代表性场景,基于风电不同时刻的功率误差,提出了基于拉丁超立方抽样(LHS)和Cholesky分解的场景生成方法。以湖北电网日风电出力为例的研究结果表明,初始抽样结果经过Cholesky分解后,Pearson相关系数方均根降低了39.08%~41.01%,Spearman相关系数的方均根降低了37.68%~40.01%,提高了样本代表性,降低了原始场景之间的相关性,同时验证了方法的合理性和有效性,生成的风电场景可用于后续电网的规划设计与运行调度。

LHS方法在边坡可靠度分析中的应用

Monte Carlo(MC)法在目前边坡可靠度分析中是一种相对精确的方法,应用广泛,受问题限制的影响较小,适应性很强,其误差仅与标准差和样本容量有关。但其精度受随机抽样的可靠性和模拟次数制约,收敛速度慢,影响了实际使用。在极限平衡方法的基础上,用拉丁超立方抽样(Latin hypercube sampling,LHS)方法代替MC法的随机抽样,考虑边坡参数的变异性和相关性进行边坡可靠度分析。讨论了LHS法、MC法中可靠指标的各种计算方法,建议以破坏概率、安全系数均值和标准差作为评价指标。算例显示LHS法较MC法效率上有很大改善:较少的抽样样本就能反映参数的概率分布,可靠度分析收敛快,不需要大量的模拟,因此,值得在边坡可靠度分析中推广应用。也将工程上常用的均匀设计和正交设计用于边坡可靠度分析,结果表明,正交设计结果和中心点法比较接近,而均匀设计得到的结果则是不可靠的。

基于LHS的混凝土时效不确定性模拟研究

采用拉丁超立方抽样(LHS)对多种混凝土时效模式的不确定性进行了模拟研究.首先总结了已有的混凝土时效模式不确定性的研究,比较了常用的三种混凝土时效模式的不确定性.然后介绍了不确定性分析的LHS模拟方法.最后采用LHS模拟了给定条件的混凝土时效计算模式、混凝土材料和外部环境的不确定性,并对不同混凝土时效模式的模拟结果进行了比较.研究结果表明:在对混凝土结构的收缩不确定性预测时,采用B3模式较好;在对混凝土结构的徐变不确定性预测时,采用CEB-FIP90模式较好.

LHS抽样遗传算法

文献[1]研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用拉丁超立方体抽样(LHS)的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献[2]中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。

基于改进LHS模式的可靠性设计优化

在设计优化中,确定性优化由于没有考虑输入量的不确定性,其优化结果可能不可靠(不安全),因此基于可靠性的设计优化(reliability-based design optimization,RBDO)得到关注。然而可靠性设计优化计算量大,尤其对于高维问题。基于此,提出一种新方法——改进拉丁超立方体取样(Latin hypercube sampling,LHS)方法,该方法可利用先前迭代步骤已用的取样点,从而降低计算量。其中可靠性指数通过基于漫射近似(diffuse approximation,DA)的一阶可靠性方法(first-order reliability method,FORM)计算得到。最后用两个数学实例验证该方法可以极大地降低RBDO问题的计算量。

基于LHS与BR的风电出力场景分析研究

为了有效分析风电出力的场景特征,文中基于风速的不确定特性,构建基于拉丁超立方抽样(LHS)与后向缩减法(BR)的场景分析模型,为快速分析任意时段的风电出力提供重要依据。文中首先分析风速特征,阐述风速符合的威布尔(Weibull)分布;其次拟合各时刻Weibull分布的参数值,提出基于LHS的场景生成方法;然后构建BR场景缩减模型,使得到的若干条曲线能够更大程度表征原始场景的变化特征;最后,通过算例分析验证文中所提方法在紧密性(CP)、间隔性(SP)以及戴维森堡丁指数(DBI)上均优于传统的K-means聚类算法,即缩减后的场景能更好地代替原始场景。

考虑非正定相关性的改进LHS概率潮流计算方法

由于LHS(拉丁超立方采样)能较大程度覆盖采样区间,因此常作为概率潮流计算中的分层抽样方法。但随着风、光等分布式能源在电力系统中渗透率的提高,以及采样对象维度的增加,使得LHS所得样本的均匀性略显不足。同时,风、光等随机变量之间的相关性也会日趋复杂。相关矩阵作为表现随机变量之间相关性的有效方式,在矩阵维度增加时会出现非正定情况,从而导致基于Cholesky分解排序变换的概率潮流计算方法无法进行。针对上述问题,提出一种考虑风、光相关性为非正定时的改进LHS概率潮流计算方法,并利用改进的IEEE 30与IEEE 118系统验证了所提方法的准确性与有效性。

基于LHS抽样的边坡可靠度有限元分析

基于拉丁超立方(LHS)抽样在有限元软件ABAQUS中开发了边坡可靠度自动计算的算法,通过交互输入可靠度计算的参数,即可简单方便地计算出边坡的可靠度。再通过算例,对边坡可靠度的计算算法进行了检验,研究了输入参数对于边坡可靠度的影响。结果表明:开发的边坡可靠度自动计算算法是可靠的,可以高效准确地计算出边坡的可靠度。模拟次数、土体参数变异性和粘聚力、内摩擦角的相关性对于可靠度的计算均有明显的影响。当模拟次数达到千次以上时,可靠度计算较为准确。可靠度指标与土体参数变异系数呈负相关,并对内摩擦角变化更加敏感粘聚力、内摩擦角的负相关性越强,边坡的可靠度越高。

基于GA-PSO算法计及风电时序特性的主动配电网双层规划

合理规划配电网是提高风电消纳能力的重要一环,但风电出力与负荷时序特性场景应用较多,会增加模型求解难度,对优化配置结果有不利影响。引入拉丁超立方抽样结合K-means聚类技术削减样本数量得到典型风电与负荷多场景模型以提高模型计算效率。考虑风电运营商与国网公司利益,建立计及风电时序特性的主动配电网双层规划模型,即上层以风电运营商收益最大为目标确定风电规划方案,下层以配电网络损耗最小优化系统运行状态。基于IEEE 33节点系统进行算例分析,验证规划模型的有效性。研究结果表明:采用GA-PSO联合优化算法规划后配电系统损耗成本为26.04万元,比单一GA算法和PSO算法规划分别降低了5.03%和0.77%,场景成本减少了4.0万元。因此,验证了所提规划模型的有效性。

考虑不确定性的配电网损耗分析方法研究

针对配电网损耗分析时分布式电源(DG)功率输出存在的不确定性问题,提出了一种基于拉丁超立方体采样(LHS)的考虑不确定性的配电网损耗分析方法。首先,建立了配电网损耗模型,分析了负荷配电损耗和DG损耗计算方法。其次,针对DG功率输出的不确定性问题,应用LHS评估配电网随机损耗。在试验阶段,以IEEE 36馈线系统为例验证所提方法。与随机采样方法相比,所提方法电压平均值误差更低,且误差曲线更加光滑。该方法可以更精确地计算配电节点的损耗。

基于RBF代理模型的基坑开挖对临近边坡的影响

深基坑开挖往往会影响临近边坡的稳定性并引发滑坡失稳类的工程事故。该文提出一种径向基函数(RBF)与优化拉丁超立方体抽样(LHS)相结合的代理模型,来预测不同基坑开挖方案影响下临近边坡的稳定性。首先,将抽样集合X的参数带入FLAC3D进行基坑开挖数值模拟,再利用二分法确定边坡安全系数得到映射目标值Y,并形成样本数据集。然后,通过样本数据集的训练测试,最终得到结构为3-20-1的代理模型,将基坑边坡之间的距离、开挖宽度、开挖深度3个参数作为输入层,经过基函数所构成隐藏层,输出边坡安全系数作为边坡是否失稳的依据。通过工程算例的对比,表明此代理模型能够较为准确地预测基坑不同开挖条件下边坡的稳定性。

SHAW模型模拟积雪覆盖下土壤热过程的不确定性分析

为探究SHAW(Simultaneous heat and water)模型中输入参数不确定性在模拟积雪覆盖条件下土壤热过程中对输出结果造成的影响以及关键影响因素,以松嫩平原黑土区东北农业大学试验场为研究区域,运用SHAW模型模拟积雪覆盖条件下6个不同深度土层热过程动态变化情况,并结合拉丁超立方取样(Latin hypercube sampling,LHS)方法,采用标准秩逐步回归探究参数不确定性对土壤冻结深度和温度输出不确定性的影响。结果表明:SHAW模型能够反映土壤冻融规律,6个深度土层温度的模拟值与实测值平均绝对误差小于2℃,选取的参数对土壤温度的输出敏感性较弱,而初始积雪厚度对土壤冻结深度的输出起主导作用。总体而言,SHAW模型基于LHS抽样和标准秩逐步回归方法可用于模拟积雪覆盖条件下土壤热过程模拟研究。

基于POD-DNN代理模型的闸墩锚索有效预应力反演

为掌握锚索的有效预应力,确保混凝土预应力闸墩的安全可靠,建立了结合PSO算法的POD-DNN高效反演方法。使用LHS方法在设计空间中采样,并通过有限元计算相应的响应获得数据样本集;利用本征正交分解对数据集进行降维,建立POD-DNN代理模型;结合PSO算法,对混凝土预应力闸墩锚索有效预应力进行了反演。结果表明,该方法能够准确快速地反演锚索的有效预应力,适用于大体积混凝土水工建筑物的反演问题。

分光光度法测定土壤阳离子交换量的方法改良

为了提高不同类型土壤中有效态CEC测定的准确度,针对HJ 889—2017标准中三氯化六氨合钴浸提-分光光度法测定土壤中CEC的不足,对空白试样的制备、土壤试样及浸提液的取样量、离心取清液进行了适当改良处理。实验结果证明,本次改良对不同有机质含量的酸性、中性和石灰性土壤的CEC测定结果更准确,且可减少试剂的消耗。改良后本法可适用于各类型土壤大批量测定阳离子交换量。

微单倍型在同胞关系鉴定中的应用

目的探究不同数量微单倍型(microhaplotype,MH)位点和引入不同参考样本对全同胞、半同胞关系鉴定及区分全和半同胞关系鉴定的效能影响,并探讨改变突变率对于同胞关系鉴定的影响。方法首先建立一个涉及三代人的家庭图谱,针对引入的不同参考样本构建4种全同胞关系鉴定模型、5种半同胞关系鉴定模型和5种区分全和半同胞关系模型。基于前期研究结果筛选出分别包含34和54个位点的两组非二等位SNP-MH,基于上述MH位点在相应的同胞关系鉴定模型下,模拟100000对全同胞-无关个体、100000对半同胞-无关个体和100000对全同胞-半同胞,并利用似然比法分析每种同胞关系鉴定模型在不同阈值下的效能,改变54个MH位点的突变率,分析突变率对于同胞关系鉴定的影响。结果在同一种关系鉴定模型中,同胞关系鉴定的系统效能与检测的MH位点数量呈正相关。在相同MH位点数量下,引入的参考样本为A的全同胞时,全同胞关系鉴定的效能优于引入A的叔叔或祖父,但对于半同胞关系鉴定和区分全和半同胞关系引入的4种参考样本对于鉴定效能的增加没有显著差异。此外,突变率的高低对同胞关系鉴定效能略有影响。结论增加检测MH位点的数量和引入已知亲属参考样本均能够增加全同胞关系鉴定、半同胞关系鉴定、区分全和半同胞关系的效能。以似然比法进行同胞关系鉴定时突变率的高低对效能产生轻微影响,但不显著。

改进的帧差法在目标匹配中的应用

目标匹配是计算机视觉领域的研究热点,而视频分割的准确程度决定着目标匹配的准确率。视频分割通常采用二帧差分法,分割得到的区域容易超出目标的实际范围,提供不准确的目标信息。针对此问题提出了一种改进的视频分割算法,利用连续帧间差分结合最小二分之一抽样(LHS)方法准确地定位目标区域,提取目标;同时提出一种倾斜度校正的方法校正倾斜的目标,消除无效分割区域。实验结果表明,该算法能有效地提高目标匹配的精度和速度。

考虑风速变化特性的风电容量可信度评估方法

随着风力发电在电网中穿透水平的提高,风力发电的容量可信度评估问题逐渐成为电网规划中关注的新热点。为描述风电出力与电网负荷的相关性,以规划阶段风电场可获得的数据为基础,基于半不变量法建立了考虑风速变化特性的风电出力模型;提出了基于拉丁超立方采样(Latinhypercube sampling,LHS)的风力发电容量可信度评估方法,通过对IEEE-RTS79系统进行评估验证了该方法的正确性和有效性,并分析了风电出力与电网负荷的相关性对容量可信度的影响。评估结果可作为风力发电参与电力平衡的重要依据。

基于Copula理论的相关随机变量模拟方法

电力系统中诸多随机变量彼此间存在相关性,忽视相关性将可能造成计算误差,甚至对电力系统安全、经济运行造成直接影响。然而,现有的理论计算方法存在对随机变量描述不够准确、难以处理其相关性以及运算耗时等问题。基于此,提出一种基于Copula理论的相关随机变量模拟方法。首先基于秩相关系数概念、蒙特卡洛(Monte Carlo,MC)模拟法以及Copula理论建立考虑随机变量相关性的样本抽样方法,该方法既能处理正态分布随机变量间相关性又能处理非正态随机变量间的相关性;然后,将中值超拉丁方采样技术融入到提出的方法中,提高运算效率,改善方法的精确性和稳定性;最后,以可用输电能力评估为例,利用风险概念通过改进的IEEE 30节点测试系统,验证所提方法的有效性。

考虑输入变量相关性的概率潮流计算方法

风电场的大规模接入使得电力系统在进行规划设计和方式安排时需要计及风电出力的不确定性,概率潮流计算方法是在计及不确定因素的条件下分析电力系统运行状态的重要工具。针对当前所使用的概率潮流计算方法的不足,提出一种可以处理多个输入随机变量相关性的基于拉丁超立方采样(Latin hypercube sampling,LHS)的Monte Carlo模拟概率潮流计算方法,该方法同时还具有精度高和速度快等优点,并且不受输入随机变量的概率分布类型的约束。在同时考虑风电和负荷不确定性的条件下,对IEEE 14和IEEE 118节点系统进行仿真计算,结果验证了所提出方法的有效性和准确性。