为高精度地开展地下水污染溯源辨识,在对污染源参数进行敏感性分析的基础上,研究应用两阶段马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法辨识确定污染源参数;同时,探索应用多层感知机(Multi-layer Perceptron,MLP)方法构建...为高精度地开展地下水污染溯源辨识,在对污染源参数进行敏感性分析的基础上,研究应用两阶段马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法辨识确定污染源参数;同时,探索应用多层感知机(Multi-layer Perceptron,MLP)方法构建地下水污染运移数值模型的代理模型,用以提高地下水污染溯源辨识的效率。为验证上述方法的有效性和可行性,开展了两个数值算例研究。结果表明:采用MLP方法构建的代理模型对地下水污染运移数值模型的逼近精度高,不仅能够有效提升地下水污染溯源辨识效率,还能保持良好的计算精度;所提出的耦合敏感性分析与两阶段MCMC算法能够显著提升低敏感性污染源参数的辨识精度。展开更多
与传统柔性直流输电系统相比,基于模块化多电平变换器的多端柔性直流输电系统(modular multi-level converter based multi-terminal high voltage direct current,MMC-MTDC)因子模块数量更大、结构更复杂、运行状态更多,使其可靠性建...与传统柔性直流输电系统相比,基于模块化多电平变换器的多端柔性直流输电系统(modular multi-level converter based multi-terminal high voltage direct current,MMC-MTDC)因子模块数量更大、结构更复杂、运行状态更多,使其可靠性建模更具挑战。该文提出一种考虑模块冗余和系统状态的MMC-MTDC可靠性的蒙特卡洛分析方法。首先,以可靠性框图法为基础,建立考虑模块冗余的换流阀可靠性模型,并进一步构建了考虑多设备影响的换流站可靠性模型。其次,在实际运行的多状态转移过程分析基础上,建立了考虑状态转移持续时间的MMC-MTDC概率密度模型,提出了基于蒙特卡洛的MMC-MTDC可靠性模型求解方法。最后,以某实际±200kV的MMC-MTDC系统为例,对多运行方式下的状态概率、状态持续时间及状态频率等可靠性指标进行了求解,研究可为多端柔性直流输电系统可靠性分析提供一定的参考。展开更多
针对传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟方法在高维问题或后验概率密度复杂时采样效率低且难收敛的缺陷,建立了基于马尔科夫(Markov)链种群竞争的贝叶斯有限元模型修正算法。在基于Metropolis-Hastings(MH)随...针对传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟方法在高维问题或后验概率密度复杂时采样效率低且难收敛的缺陷,建立了基于马尔科夫(Markov)链种群竞争的贝叶斯有限元模型修正算法。在基于Metropolis-Hastings(MH)随机游走算法实现MCMC模拟的传统方法基础上,引入差分进化算法,利用种群中Markov链之间不同携带信息的相互作用关系,得到优化建议以快速逼近目标函数,解决了高维参数模型修正过程中采样滞留的缺点;引进竞争算法,通过不断的竞争刺激和内置失败者向胜利者学习的机制,采用较少的Markov链获得较高的精度,提高了模型修正效率与精度;最后,通过一个桁架结构的有限元模型修正数值算例验证了所提算法,并与标准MH算法的结果对比,得出该算法可以快速修正高维参数模型,具有较高的精度,且对随机噪声有良好的鲁棒性,为考虑不确定性的大型结构有限元模型修正提供了一种稳定有效的手段。展开更多
文摘为高精度地开展地下水污染溯源辨识,在对污染源参数进行敏感性分析的基础上,研究应用两阶段马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法辨识确定污染源参数;同时,探索应用多层感知机(Multi-layer Perceptron,MLP)方法构建地下水污染运移数值模型的代理模型,用以提高地下水污染溯源辨识的效率。为验证上述方法的有效性和可行性,开展了两个数值算例研究。结果表明:采用MLP方法构建的代理模型对地下水污染运移数值模型的逼近精度高,不仅能够有效提升地下水污染溯源辨识效率,还能保持良好的计算精度;所提出的耦合敏感性分析与两阶段MCMC算法能够显著提升低敏感性污染源参数的辨识精度。
文摘与传统柔性直流输电系统相比,基于模块化多电平变换器的多端柔性直流输电系统(modular multi-level converter based multi-terminal high voltage direct current,MMC-MTDC)因子模块数量更大、结构更复杂、运行状态更多,使其可靠性建模更具挑战。该文提出一种考虑模块冗余和系统状态的MMC-MTDC可靠性的蒙特卡洛分析方法。首先,以可靠性框图法为基础,建立考虑模块冗余的换流阀可靠性模型,并进一步构建了考虑多设备影响的换流站可靠性模型。其次,在实际运行的多状态转移过程分析基础上,建立了考虑状态转移持续时间的MMC-MTDC概率密度模型,提出了基于蒙特卡洛的MMC-MTDC可靠性模型求解方法。最后,以某实际±200kV的MMC-MTDC系统为例,对多运行方式下的状态概率、状态持续时间及状态频率等可靠性指标进行了求解,研究可为多端柔性直流输电系统可靠性分析提供一定的参考。
文摘针对传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟方法在高维问题或后验概率密度复杂时采样效率低且难收敛的缺陷,建立了基于马尔科夫(Markov)链种群竞争的贝叶斯有限元模型修正算法。在基于Metropolis-Hastings(MH)随机游走算法实现MCMC模拟的传统方法基础上,引入差分进化算法,利用种群中Markov链之间不同携带信息的相互作用关系,得到优化建议以快速逼近目标函数,解决了高维参数模型修正过程中采样滞留的缺点;引进竞争算法,通过不断的竞争刺激和内置失败者向胜利者学习的机制,采用较少的Markov链获得较高的精度,提高了模型修正效率与精度;最后,通过一个桁架结构的有限元模型修正数值算例验证了所提算法,并与标准MH算法的结果对比,得出该算法可以快速修正高维参数模型,具有较高的精度,且对随机噪声有良好的鲁棒性,为考虑不确定性的大型结构有限元模型修正提供了一种稳定有效的手段。
