🔬 高级功能

问：什么是协同仿真？如何使用？

协同仿真允许 TRICYS 与外部软件（如 Aspen Plus）交互：

工作流程： 1. 运行初步仿真 2. 调用外部处理器（Handler） 3. 外部软件计算新数据 4. 将数据注入回 Modelica 模型 5. 运行最终完整仿真

配置示例：

{
    "co_simulation": [
        {
            "mode": "interceptor",
            "submodel_name": "example_model.I_ISS",
            "instance_name": "i_iss",
            "handler_module": "tricys.handlers.i_iss_handler",
            "handler_function": "run_aspen_simulation",
            "params": {
                "bkp_path": "path/to/aspen/file.bkp"
            }
        }
    ]
}

• mode：interceptor（默认）或replacement。
• handler_module：处理器所在的模块。
• handler_script_path：或者，直接提供处理器脚本的路径。

详见：协同仿真模块

问：如何创建自定义后处理模块？

后处理模块是 Python 函数，接收仿真结果并执行分析：

1. 创建处理函数：

# my_postprocess.py
def analyze_results(df, output_filename="my_report.txt"):
    """
    自定义后处理函数

    Args:
        df: Pandas DataFrame，包含仿真结果
        output_filename: 输出文件名
    """
    # 执行分析
    max_inventory = df['sds.I[1]'].max()

    # 保存结果
    with open(output_filename, 'w') as f:
        f.write(f"最大氚库存: {max_inventory} g\n")

注意：请将自定义模块（如my_postprocess.py）放置在 tricys 项目的根目录下，或确保它在 Python 的可可导入路径中。

2. 在配置文件中引用：

{
    "post_processing": [
        {
            "module": "my_postprocess",
            "function": "analyze_results",
            "params": {
                "output_filename": "custom_report.txt"
            }
        }
    ]
}

问：如何进行敏感性分析？

TRICYS 提供多种敏感性分析方法：

1. 单参数敏感性分析：

tricys analysis -c single_param_analysis.json

研究单个参数对 KPIs 的影响。

2. 多参数敏感性分析：

tricys analysis -c multi_param_analysis.json

研究参数间的耦合效应。

3. SOBOL 全局敏感性分析：

tricys analysis -c sobol_analysis.json

量化参数及其交互作用的贡献。

4. Latin 不确定性量化：

tricys analysis -c latin_analysis.json

评估输入不确定性对输出的影响。

详见：敏感性分析教程

问：如何定义自定义性能指标？

性能指标（Metrics）在 sensitivity_analysis.metrics_definition 中定义：

使用内置指标：

{
    "metrics_definition": {
        "Max_Inventory": {
            "source_column": "sds.I[1]",
            "method": "max_value"
        }
    }
}

内置指标方法： * get_final_value * max_value, min_value, mean_value * time_of_max, time_of_min * time_of_turning_point * calculate_startup_inventory * calculate_doubling_time * calculate_required_tbr（二分法搜索）

关于内置指标的详细物理意义，请参考 核心性能指标详解。

创建自定义指标：

# my_metrics.py
def calculate_peak_to_peak(series):
    """计算峰峰值"""
    return series.max() - series.min()

在 tricys/analysis/metric.py 中注册您的函数，或直接在配置中引用。

---