阿德里安·希沃斯;克莱门汀·普里厄尔;艾丽斯·阿尔诺;法比安·卡莱隆;米盖尔·穆尼奥斯·祖尼加 基于全局敏感性分析和递归贝叶斯推理方法，量化和减少风力涡轮机数值模型中的不确定性。 （英语） Zbl 07863762号 国际期刊数字。方法工程。 122，第10号，2528-2544（2021）. 总结：本文开发了一个框架，用于使用全局敏感性分析和递归贝叶斯推理方法量化和减少风力涡轮机数值模型中的不确定性。我们解释了如何通过结合物理模型和实际噪声观测，将模型参数的先验概率分布转换为后验概率分布。然而，这些方法受到所谓维度诅咒的影响。为了降低维数，提出了风机建模背景下的Sobol指数全局敏感性分析方法。此类反问题的一个主要问题是可识别性，即观察值是否足以明确确定生成观察值的输入参数。全局敏感性分析也用于可识别性方面。{©2021 John Wiley&Sons有限公司} MSC公司： 60亿美元 随机过程 65立方厘米 概率方法，随机微分方程 62Gxx公司 非参数推理 关键词：全局敏感性分析;推理;模型校准;非线性卡尔曼滤波器;不确定性量化 PDF格式BibTeX公司 XML格式引用 \textit{A.Hirvoas}等人，《国际数学家杂志》。方法工程122，No.10，2528--2544（2021；Zbl 07863762） 全文： 内政部 参考文献： [1] De RocquignyE，DevictorN，TarantolaS。工业实践中的不确定性：定量不确定性管理指南。新泽西州霍博肯：John Wiley&Sons；2008. ·Zbl 1161.90001号 [2] 史密斯RC。不确定性量化：理论、实现和应用。第12卷。宾夕法尼亚州费城：SIAM；2013 [3] HartJL，AlexanderianA，GremaudPA。随机模型Sobol指数的有效计算。SIAM科学计算杂志。2017;39（4）：A1514‐A1530·Zbl 1371.60094号 [4] JonkmanBJ。TurbSim用户指南：1.50版。科罗拉多州Golden：国家可再生能源实验室（NREL）；2009 [5] PerdrizetT，GilloteauxJC，TeixeiraD，et al.基于非线性有限元方法的全耦合浮式风力涡轮机模拟器：第二部分验证结果。论文发表于：《ASME 2013第32届海洋、近海和北极工程国际会议论文集》，法国南特：Citeser。2013年：V008T09A052。 [6] KwonSD。风能潜力评估的不确定性分析。《应用能源》，2010年；87(3):856‐865. [7] Jin T、Tian Z。基于动态功率曲线的风能生产不确定性分析。论文发表于：2010年IEEE第11届电力系统概率方法国际会议论文集，新加坡；2010:745‐750. [8] PetroneG、deNicolaC、QuagliarellaD、WitteveenJ、IacarinoG。不确定性下的风力涡轮机性能分析。论文发表于：第49届AIAA航空航天科学会议记录，包括新视野论坛和航空航天博览会，佛罗里达州奥兰多；2011:544. [9] 王毅、雷索尔·PE、范德拉恩、穆尔西亚·莱昂JP、刘毅、LiL。基于Co‐Kriging方法的多逼真尾迹建模。J Phys Conf系列。2016;753:032065. [10] MurciaJP、RéthoréPE、DimitrovN等。使用多项式替代物通过气动弹性风力涡轮机模型的不确定性传播。更新能源。2018；119:910‐922. [11] 瑟伦森JD，ToftHS。风力涡轮机的概率设计。能源。2010;3(2):241‐257. [12] Van BurenKL、MollineauxMG、HemezFM、AtamturkturS。风力涡轮机叶片动力学模拟：第二部分，模型验证和不确定性量化。风能。2013年；16(5):741‐758. [13] BranlardE、JonkmanJ、DanaS、DoubrawaP。基于OpenFAST线性化的数字孪生模型，用于陆基涡轮机的实时负载和疲劳估算。J Phys Conf系列。2020;1618:022030. [14] 弗里伯里G，MusialW。确定全尺寸风力涡轮机叶片疲劳试验的等效损伤载荷。论文发表于：2000年美国机械工程师协会风能研讨会论文集，内华达州雷诺市；2000:50. [15] Sobol’IM公司。非线性数学模型的灵敏度估计。数学模型计算经验。1993;1(4):407‐414. ·Zbl 1039.65505号 [16] ForresterAI、SóbesterA、KeaneAJ。通过代理建模实现多保真度优化。皇家科学院数学物理工程系。2007;463(2088):3251‐3269. ·Zbl 1142.90489号 [17] 基恩·弗雷斯特尔。基于代理优化的最新进展。航空科学计划。2009;45(1‐3):50‐79. [18] PerdikarisP、VentureiD、RoysetJO、KarniadakisGE。通过递归协克里金和Gaussian-Markov随机场进行多保真建模。皇家学会数学物理工程科学专业。2015;471(2179):20150018. [19] PerdikarisP、VenturiD、KarniadakisGE。用于高维系统和海量数据集的多保真信息融合算法。SIAM科学计算杂志。2016;38（4）:B521‐B538·兹比尔1342.62110 [20] 百日咳、文丘里、PerdikarisP、KarniadakisGE。预测随机场的多保真度高斯过程回归。计算物理杂志。2017;336:36‐50. ·兹比尔1419.62272 [21] Le GratetL、MarelliS、SudretB。基于元模型的敏感性分析：多项式混沌展开和高斯过程。不确定性量化手册。德国柏林：施普林格国际出版公司；2017:1‐37. [22] 埃文森。数据同化：集合卡尔曼滤波器。德国柏林：施普林格科技与商业媒体；2009 [23] 雅克·哈达玛。这是一个关于聚会和重要体格的问题。普林斯顿大学公告1902；第49-52页。 [24] DobreS、BastogneT、ProfetaC、Barberi‐HeyobM、RichardA。高维动态模型中不可识别性测试的基于方差的敏感性分析极限。自动化。2012;48(11):2740‐2749. ·Zbl 1252.93042号 [25] LamboniM、MonodH、MakowskiD。多变量敏感性分析，用于测量动态模型中输入因素的全局贡献。Reliab工程系统安全。2011;96(4):450‐459. [26] SaltelliA（编辑）、ChanK（编辑）和ScottEM（编辑）编辑的敏感性分析。概率统计威利级数。纽约；奇切斯特；Weinheim:John Wiley&Sons；2000. ·Zbl 0961.62091号 [27] Sobol’IM公司。非线性数学模型的灵敏度估计。Matematicheskoe模型irovanie。1990;2(1):112‐118. ·Zbl 0974.00506号 [28] EtoréP、PrieurC、PhamDK、LiL。随机微分方程、工作底稿或预印本所描述模型的全局敏感性分析；2018, https://hal.archives公司‐ouvertes.fr/hal‐01926919 [29] 霍夫丁W。一类具有渐近正态分布的统计量。纽约州纽约市：斯普林格；1992 [30] 欧文公司。蒙特卡罗理论、方法和实例；2013https://statweb.stanford.edu/～欧文/mc/。 [31] SaltelliA公司。充分利用模型评估计算敏感性指数。计算物理通信。2002;145(2):280‐297. ·Zbl 0998.65065号 [32] Le GratetL、CannamelaC、IoossB。计算机代码全局敏感性分析的贝叶斯方法。SIAM/ASA J不确定数量。2014;2(1):336‐363. ·Zbl 1308.62107号 [33] KrigeDG、GuarascioM、Camisani‐CalzolariFA。从今天的角度来看，南非早期的地质统计学技术。地理统计学。1989;4:1:1‐1:19. [34] 斯坦因ML。空间数据插值：克里格的一些理论。德国柏林：施普林格科技与商业媒体；2012 [35] 拉斯穆森CE。机器学习中的高斯过程。机器学习暑期学校。纽约州纽约市：斯普林格；2003:63‐71. ·Zbl 1120.68436号 [36] 杜维诺D。内核食谱：协方差函数建议；2014. http://www.cs.toronto.edu/～duvenaud/食谱。 [37] 巴霍克。模型错误高斯过程超参数的交叉验证和最大似然估计。计算机统计数据分析。2013;66:55‐69. ·Zbl 1471.62021号 [38] McKayMD、BeckmanRJ、ConoverWJ。在计算机代码输出分析中选择输入变量值的三种方法的比较。技术计量学。1979;21(2):239‐245. ·Zbl 0415.62011号 [39] MarrelA、IoossB、LaurentB、RoustantO。高斯过程元模型的Sobol指数计算。Reliab工程系统安全。2009;94(3):742‐751. [40] 索特利亚·霍马特。非线性模型全局敏感性分析中的重要性度量。Reliab工程系统安全。1996;52(1):1‐17. [41] 杰诺纳。分析维度的敏感性和还原性。应用考古学[博士论文]；2012 [42] RoustantO、GinsbourgerD、DevilleY。DiceKriging DiceOptim：两个R包，用于通过基于kriging的元建模和优化分析计算机实验。J统计软件。2012;51(1):1‐55. http://www.jstatsoft.org/v51/i01/。 [43] IoossB、JanonA、PujolG等。敏感性：模型输出的全局敏感性分析。R包版本1.16.0；2019https://CRAN.R‐project.org/package=敏感性。 [44] 科瓦奇基NB，StuartAM。集成卡尔曼反演：一种用于机器学习任务的无导数技术。反转探针。2019;35(9):095005. ·Zbl 1430.68266号 [45] 卡尔曼RE。对最优控制理论的贡献。墨西哥Matematica Sociedad Boletin de la Mexicana。1960;5(2):102‐119. ·兹比尔0112.06303 [46] JohnsonME、MooreLM、YlvisakerD。最小和最大距离设计。J Stat Plann推断。1990;26(2):131‐148. http://www.sciencedirect.com/science/article/pii/037837589090 [47] SnyderC，ZhangF。用集合卡尔曼滤波器同化模拟多普勒雷达观测。《Mon Weather Rev.2003》；131(8):1663‐1677. [48] 主教韦尔奇。卡尔曼滤波器简介；1995 [49] KoppRE，OrfordRJ。线性回归应用于自适应控制系统的系统辨识。AIAA J.1963；1(10):2300‐2306. ·Zbl 0117.13304号 [50] HoutekamerPL，MitchellHL。用于大气数据同化的序贯集合卡尔曼滤波器。2001年《周一天气评论》；129(1):123‐137. [51] TangY AmbadanJT公司。强非线性系统的西格玛点卡尔曼滤波数据同化方法。大气科学杂志。2009;66(2):261‐285. [52] LawsonGW，HansenJA公司。随机和确定性滤波器作为基于集合的数据同化方法在不同误差增长机制中的含义。《Mon Weather Rev.2004》；132(8):1966‐1981. [53] 国家可再生能源实验室，OpenFAST；2018http://openfast.readthedocs.io。 [54] DNVGL，Bladed：风力涡轮机设计软件；2013 [55] 拉森TJ，汉森AM。如何2 HAWC2，用户手册；2007 [56] 普林西比亚，普林西比亚风深线；2019http://www.principia网站‐group.com/blog/product/deplines-wind/。 [57] Le CunffC，HeurtierJM，PiriouL，等。基于非线性有限元方法的全耦合浮式风力涡轮机模拟器：第一部分方法。论文发表于：《ASME 2013第32届海洋、近海和北极工程国际会议论文集》，法国南特：Citeser；2013年：V008T09A050。 [58] 萨瑟兰HJ。风力涡轮机的疲劳分析。新墨西哥州阿尔伯克基：桑迪亚国家实验室；1999 [59] 科萨克。使用标准风力涡轮机信号进行疲劳载荷监测【博士论文】。斯图加特大学；2011 [60] 委员会IE IEC 61400‐1。风力涡轮机——第1部分；2005 [61] DNV GL风力涡轮机的荷载和现场条件；2016 [62] 维切尔D。风力涡轮机中的不确定性量化技术。挪威船级社；2017 [63] RobertsonAN、ShalerK、SethuramanL、JonkmanJ。风力特性和风力涡轮机特性的不确定性对风力涡轮机极限和疲劳载荷的敏感性。风能科学讨论；2019:1‐41. https://www.wind网站‐energ‐sci‐discussion.net/wes‐2019‐2/。 [64] 库库拉。用于增强部件可靠性的海上风力涡轮机验证负荷预测模型【博士论文】。丹麦技术大学；2014 [65] HolierhoekJ、KorterinkH、van de PietermanR、RademakersL、LekouD。现场测量传动系、变桨系统和偏航系统上“负载”的推荐做法。荷兰能源研究中心；2010 [66] QuickJ、AnnoniJ、KingR、DykesK、FlemingP、NingA。尾流转向策略的不确定性优化。J Phys Conf系列。2017;854:012036. [67] SimmsD、SchreckS、HandM、FingershLJ。NASA‐Ames风洞中的NREL非定常空气动力学实验：预测与测量的比较。科罗拉多州Golden：国家可再生能源实验室。；2001 [68] 韦尔奇。快速傅里叶变换在功率谱估计中的应用：一种基于对短的修改周期图进行时间平均的方法。IEEE Trans Audio电声。1967;15(2):70‐73. [69] JansenMJ（詹森·乔丹）。模型输出的方差设计分析。计算物理通信。1999;117(1‐2):35‐43. ·Zbl 1015.68218号 [70] WoldS、EsbensenK、GeladiP。主成分分析。化学智能实验室系统。1987;2(1‐3):37‐52. [71] EknesM、EvensenG。带有1‐D海洋生态系统模型的集合卡尔曼滤波器。《海事系统杂志》。2002;36(1‐2):75‐100. [72] HoutekamerPL、MitchellHL、PellerinG等。用集合卡尔曼滤波器进行大气数据同化：实际观测结果。《Mon Weather Rev.2005》；133(3):604‐620. 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。