Thesis (Ph. D.)--University of Washington, 1998. / Vita. Includes bibliographical references (p. [77]-80).

Thesis (Ph. D.)--University of Washington, 2000. / Vita. Includes bibliographical references (p. 105-112).

Thesis (Ph. D.)--University of Washington, 1997. / Vita. Includes bibliographical references (leaves [122]-125).

abstract: Synthetic power system test cases offer a wealth of new data for research and development purposes, as well as an avenue through which new kinds of analyses and questions can be examined. This work provides both a methodology for creating and validating synthetic test cases, as well as a few use-cases for how access to synthetic data enables otherwise impossible analysis. First, the question of how synthetic cases may be generated in an automatic manner, and how synthetic samples should be validated to assess whether they are sufficiently ``real'' is considered. Transmission and distribution levels are treated separately, due to the different nature of the two systems. Distribution systems are constructed by sampling distributions observed in a dataset from the Netherlands. For transmission systems, only first-order statistics, such as generator limits or line ratings are sampled statistically. The task of constructing an optimal power flow case from the sample sets is left to an optimization problem built on top of the optimal power flow formulation. Secondly, attention is turned to some examples where synthetic models are used to inform analysis and modeling tasks. Co-simulation of transmission and multiple distribution systems is considered, where distribution feeders are allowed to couple transmission substations. Next, a distribution power flow method is parametrized to better account for losses. Numerical values for the parametrization can be statistically supported thanks to the ability to generate thousands of feeders on command. / Dissertation/Thesis / Doctoral Dissertation Electrical Engineering 2019

The goal of this thesis is to identify differences and consistencies in the trajectories taken by foraging agents before and after they have learned the location of a target. The challenge is that these agents do not go directly towards the target after learning and keep a certain amount of randomness in their paths. We use different versions of discrete curvature and head angle as tools in this analysis. We also build models of foraging agents using stochastic processes with data supported parameters.

Aujourd’hui, les matériaux composites sont très largement utilisés, notamment dans la réalisation de structures aéronautiques, grâce à leurs nombreux avantages fonctionnels. Leurs caractéristiques mécaniques spécifiques (propriétés/masse volumique) nettement supérieures à d’autres matériaux plus classiques, tels que l’acier ou l’aluminium et la réalisation de formes complexes, font de ces matériaux des candidats très compétitifs dans de nombreux secteurs au-delà de l’aéronautique. Toutefois, ces matériaux présentent à différentes échelles d’observation des sources de variabilité caractéristiques à chacune d’entre elles. Le procédé de fabrication des pièces ainsi que les propriétés des constituants élémentaires en sont les principaux responsables. Trois niveaux (ou échelles) d’observation sont usuellement considérés dans les matériaux composites : l’échelle microscopique (fibres et matrice), l’échelle mésoscopique (pli) et enfin l’échelle macroscopique (stratification de plis). Les sources de variabilité se propagent à travers les échelles et génèrent finalement des comportements mécaniques dispersés à l’échelle de la structure. La prise en considération de cette variabilité s’avère alors pertinente pour le concepteur, désireux d’obtenir un indicateur de la fiabilité du matériau ou de la structure composite qu’il conçoit. Pour cela, il est nécessaire de transférer à moindre coût de calcul cette variabilité dès l’échelle microscopique et jusqu’à l’échelle de la structure. La construction de lois de distribution des propriétés mécaniques équivalentes en fonction de la variabilité présente à chaque échelle est alors indispensable. L’objectif de ce travail de recherche a été d’élaborer des distributions du comportement homogénéisé du matériau à l’échelle des fibres et de la matrice en fonction de la variabilité existante à cette échelle. La réduction du temps de calcul nécessaire à leur obtention a été également visée. À partir d’une observation microscopique réalisée sur une coupe d’un CMO, la variabilité morphologique du milieu hétérogène a été caractérisée et six types différents de motifs d’arrangements de fibres regroupés en cellules ont ainsi été identifiés. Des cellules virtuelles, physiquement raisonnables, ont été générées et proposées pour établir des lois de distribution du comportement équivalent par type de cellule, en fonction des paramètres variables pertinents retenus à cette échelle. En ce qui concerne la réduction du temps de calcul nécessaire à l’élaboration de ces lois de distribution, une démarche reposant sur l’utilisation des réseaux de neurones a été proposée. Cette démarche a été illustrée sur une cellule de type 6 et pour un nombre de 1000 calculs EF de référence, afin d’apprécier la qualité de l’approximation ainsi que la diminution du temps de calcul. La réduction du temps de calcul s’est avérée significative. Le gain du temps a été d’environ 95 %. / Nowadays, composite materials are very widely used, notably in the domain of aeronautical structures, thanks to their numerous functional benefits. Their specific mechanical properties (properties/density) far superior to those of conventional materials, such as steel or aluminum and the realization of complex shapes, make these materials perfect candidates in many areas beyond aviation. However, these materials present at different observation scales sources of variability peculiar to each one. The manufacturing process and the properties of the elementary constituents are in fact the principal cause of these sources of variability. Three levels (or scales) of observation are usually considered regarding composite materials: the microscopic scale (fibers and matrix), the mesoscopic scale (ply) and finally the macroscopic scale (laminate material). The sources of variability propagate trough the scales and finally generate dispersed mechanical behaviors at the structure scale. Taking into consideration these sources is proved to be a relevant work by the designer, which in turn will allow him to calculate an indicator of the composite structure reliability that he is conceiving. To be able to do the latter work, it is necessary to transfer this variability at a lower computational cost from the microscopic level up to the structure scale. The construction of equivalent mechanical properties distributions according to the variability present at each scale is then essential. The objective of this research work was to build statistical distributions of the homogenized behavior of the material at the scale of fibers and matrix, according to the existing variability at this scale. Minimizing the computation time required for obtaining these distributions was another important objective. From a microscopic observation made on a section of a CMO, the morphological variability of the heterogeneous medium has been characterized and six different types of arrangements patterns of fibers grouped into cells have then been identified. Physically reasonable virtual cells have been developed and suggested, in order to build the equivalent behavior distribution by cell type, according to the relevant variables selected at this scale. Now, in order to minimize the computing time required for the creation of these distributions, an approach based on neural networks was proposed. This approach was used for a type 6 cell and for a number of 1000 FE calculations, in order to evaluate the quality of the approximation as well as the reduction of computation time. Hence, the reduction of the computation time was significant, at an approximate rate of 95 %.