基于替代模型的不确定性分析算法研究

发布时间：2021-06-17 22:28

　　不确定性分析与敏感性分析逐渐成为了模型优化设计前的必要步骤,其旨在量化输入变量的影响因子,并得到在不确定性输入参数影响下的响应函数的变化。本文以熔盐堆无保护失流事故现象为研究对象,采用抽样算法和替代模型算法,基于关键参数对瞬态安全参数进行了不确定性分析与敏感性分析。本文对五种不确定性分析方法进行了理论研究,并将其应用在钍基熔盐堆的安全事故中,进行了不确定性与敏感性分析的实际应用,对全局敏感性分析指标进行了多种算法的计算与对比。抽样算法主要包括拉丁超立方抽样与sobol序列抽样。替代模型算法包括一般多项式混沌展开方法、随机配点法与非限定多项式混沌展开算法。在应用过程中,研究了不确定性分析程序DAKOTA/SALib与熔盐堆热工分析程序GenFlow的耦合过程,开发了非限定多项式混沌展开算法程序,对钍基熔盐堆中的热工参数进行了量化分析与研究。结果表明,功率系数对峰值温度相关参数影响较大。CATH的进口温度和出口温度仅由参数PUI影响,其他四个输入参数的影响都非常小。DHX的进口温度的输入之间存在显著的相互影响作用,FLP、FLD参数对DHX进出口温度的影响最大,且截止阀开启时间的影响在所有... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图２－丨拉丁超立方抽样示意图??图２－１是当有两个输入参数，抽样数目为４个时的拉丁超立方抽样样本示意图

?１．００??Ｘ１??图２－丨拉丁超立方抽样示意图??图２－１是当有两个输入参数，抽样数目为４个时的拉丁超立方抽样样本示意图。??输入参数ｘｌ，ｘ２的范围为［０，１］，取４个样本数，那么将０到１的取值分为４份，分??层数目等于抽样数目。划分之后，共有１６个区域，为抽样数目的平方，即区域数目??为（Ｍｆ，?％为所需的抽样样本数目，ｎ为输入参数个数。拉丁超立方算法会选择４??个区域，要求对每个参数，每个区域有且仅有一个抽样样本。那么如图２－丨，ｘｌ，ｘ２??选择了以上组合，还存在着其他组合区域，这里只展示了一种。同时，还可以注意??至ＩＪ，在每个区域中，样本的数据是不受约束的，是采取随机过程产生的。??２．２．２?ｓｏｂｏｌ?序歹丨Ｊ??Ｓｏｂｏｌ序列（ｓｏｂｏｌ?ｓｅｑｕｅｎｃｅ）与拉丁超立方抽样类似

图２－３拉丁超立方抽样随迭代次数变化的敏感性指标变化（加法函数）??从上图可以看到四个敏感性指标根据ＬＨＳ的抽样数目变化而变化的说明的是，当迭代数目为ｎ时，实际每个参数的拉丁超立方抽样Ｎｓｄ＋２）个，各个参数混合打乱后得到的多个数据集合计算后才能进行全局。如ｎ＝２００时，设定的拉丁超立方抽样是５０次。从总趋势来说，在２００００．０６之内，本文认为其精度已经足够满足我们的要求，此时Ｎｓ为５００际应用的的拉丁超立方次数时，我们就选用了?Ｎｓ为２００，?５００，?１０００的抽样。??


本文编号：3236038