基于神经网络的改进型土壤水分光纤感测技术研究

刘喜凤; 朱鸿鹄; 王家琛; 吴冰; 李杰; 曹鼎峰; 施斌

doi:10.11779/CJGE202209017

基于神经网络的改进型土壤水分光纤感测技术研究 English Version

刘喜凤^1,,
朱鸿鹄^{1, 2, ,},
王家琛^{1, 3, 4},
吴冰¹,
李杰¹,
曹鼎峰^{2, 5},
施斌¹

1.
南京大学地球科学与工程学院, 江苏南京 200023
2.
广东省海洋土木工程重点实验室, 广东广州 510275
3.
中国长江三峡集团雄安分公司，河北雄安新区，071700
4.
长江三峡集团雄安能源有限公司，河北雄安新区，071700
5.
中山大学土木工程学院，广东广州 510275

基金项目:

国家重点研发计划课题 2018YFC1505104

广东省海洋土木工程重点实验室开放基金项目 LMCE202006

软弱土与环境土工教育部重点实验室开放基金项目 2019P05

详细信息

作者简介:
刘喜凤(1998—)，女，硕士研究生，主要从事地质与岩土工程监测方面的研究。E-mail: liuxf@smail.nju.edu.cn

通讯作者:
朱鸿鹄, E-mail: zhh@nju.edu.cn

中图分类号: TU411
计量
- 文章访问数: 186
- HTML全文浏览量: 37
- PDF下载量: 51
出版历程
- 收稿日期: 2021-09-12
- 网络出版日期: 2022-09-22
- 刊出日期: 2022-08-31

Improved fiber optic sensing technology of soil moisture based on neural network

LIU Xi-feng^1,,
ZHU Hong-hu^{1, 2, ,},
WANG Jia-chen^{1, 3, 4},
WU Bing¹,
LI Jie¹,
CAO Ding-feng^{2, 5},
SHI Bin¹

1.
School of Earth Sciences and Engineering, Nanjing University, Nanjing 210023, China
2.
Guangdong Key Laboratory of Marine Civil Engineering, Guangzhou 510275, China
3.
Xiongan Branch, China Three Gorges Corporation, Xiongan 071700, China
4.
Yangtze Three Gorges Group Xiongan Energy Company Limited, Xiongan 071700, China
5.
School of Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China

摘要

摘要: 土壤水分时空分布的精准监测对于工程地质评估、地质灾害防治具有重要意义。当土壤含水率变化梯度较大时，准分布式主动加热光纤光栅（AH-FBG）法的测量误差相对较大。为分析该工况下的误差来源及其沿深度的分布状态，设计开展了3组室内土柱试验，并在试验基础上提出了基于人工神经网络（ANN）的联合分析法，以改进AH-FBG水分感测技术的分析方法。研究结果表明：将AH-FBG法应用在含水率变化梯度较大的土体中，加热时传感器和土体中会产生纵向传热，其中传感器纵向传热占主导地位；该效应会降低含水率监测精度，且相关误差不能通过减少加热时间进行消减；室内试验和现场监测数据均显示，相较于传统的最大升温值法，联合分析法考虑了升温跃迁和拖滞效应，因此得到的含水率监测精度明显提高，证明了该方法的优越性。
- 主动加热光纤（AHFO）法 /
- 神经网络 /
- 含水率 /
- 纵向传热 /
- 岩土工程监测
Abstract: Accurate monitoring of temporal and spatial distribution of soil moisture is of great significance to engineering geological assessment and geo-hazard prevention. A large gradient of moisture content of soil has a relatively great influence on the measurement precision of the actively heated fiber Bragg grating (AH-FBG) method. To analyze the source of measurement errors and its distribution along the depth, three sets of laboratory soil column tests are designed and carried out. A joint analysis method based on the artificial neural network (ANN) algorithm is further proposed to improve the analysis method of AH-FBG moisture sensing technology. The results show that when the AH-FBG method is applied to the soil with a large gradient of moisture content, the longitudinal heat transfer of the sensor and soil will both occur during the heating process simultaneously, and the longitudinal heat transfer of the sensor is dominant. This effect reduces the monitoring accuracy of moisture content, and the related errors cannot be decreased by reducing heating time. The data from laboratory tests and field monitoring indicate that compared with the traditional maximum heating value method, the joint analysis method considers the heat transition and drag effect, and therefore the monitoring accuracy of moisture content is noticeably improved, which proves the superiority of the method.
- actively heated fiber optic method /
- neural network /
- moisture content /
- longitudinal heat transfer /
- geotechnical engineering monitoring

HTML全文

0. 引言

当今世界经济的快速发展导致世界各国对能源的需求逐年递增,使得能源利用问题与环境问题变得日益突出,进而促成了近年来太阳能光伏发电与风力发电的快速增长。然而这两者的间歇性、随机性和波动性等缺点会对电网的调度、可靠性、运行方式、运行成本和电能品质等都带来巨大的冲击^[1]。能源储存技术成为解决这些缺点的有效手段。大规模能源存储方式有抽水蓄能和压缩空气储能等。压气储能（compressed air energy storage,简称CAES）工作原理就是在用电低谷时将电力用于压缩空气,然后将压缩后的高压气体储存在储气设备中,在用电高峰期再释放压缩空气来推动透平发电的电能储存形式。大规模压气储能电站的储气装置一般采用地下储气库型式。岩穴地下储气库被认为是一种可广泛推广的地下储气库。对于岩穴储气库来说,由于岩石是一种含有节理、微裂隙和孔隙等缺陷的材料,在外在荷载及环境因素的作用下将引起岩石中原有节理和微裂隙的扩张,并可能伴随新裂隙和裂纹的产生。裂隙的扩张及新裂隙和裂纹的生成将引起岩石产生不同程度的损伤现象。压气储能电站一般采用日调节的运行方式。在运行工况下,储气库围岩受到循环荷载作用,围岩损伤将逐步累积,严重时可导致围岩破坏失稳^[2]。因此,有必要开展循环充放气条件下储气库围岩损伤特性的相关研究,为储气库的安全稳定运行提供重要保障。

最近几十年,许多学者开展了岩石损伤特性研究^[3-8]。例如,刘文岗等^[3]利用FLAC^3D软件对高放废物处置库围岩在数百年内热-力耦合条件下的温度场、应力场和变形场的变化特征进行了数值模拟。Wei等^[5]基于弹性损伤理论,采用热-力耦合数值分析方法对花岗岩试件在热学和力学条件下的损伤区演化进行了研究,指出试件的损伤区受侧压力系数大小影响显著；热应力效应可促进试件的拉伸损伤,但有助于抑制剪切损伤。然而,该损伤本构模型未能反映主应力变化对损伤效应的影响。Xu等^[6]基于Weibull分布和Lemaitre应变等效假设,提出了一种非线性耦合全损伤参数的损伤本构模型,并利用花岗岩在不同温度和围压条件下常规三轴试验成果对提出的模型进行了验证。Zhou等^[7-8]通过对Weibull分布进行扩展,采用M-C破坏准则建立了一种统计损伤本构模型。文献[6, 8]提出的损伤本构模型解决了文献[5]中不能反映主应力对岩石损伤的影响这一问题。文献[5～8]都只考虑了变形参数中弹性模量的损伤演化,没有考虑泊松比的损伤演化。本文在归纳总结现有岩石统计损伤模型基础上,通过二次开发的统计损伤数值模拟技术,对地下储气库在不同洞型、不同埋深及不同运行压力作用下的围岩损伤特性进行数值研究。

1. 岩石累积损伤统计模型

1.1 弹性模量演化方程

基于Huang等^[9]提出的低周疲劳损伤演化方程,并结合数值计算的特点,提出了每个循环加载阶段（即充气阶段,下同）的初始损伤变量计算表达式如下：

$D_{N} = {\begin{cases} 0 (ε_{1} \leq ε_{ci}) \\ 1 - {[1 - {(\frac{N}{N_{F}})}^{1 - c}]}^{\frac{1}{1 + b}} (ε_{1} > ε_{ci}) \end{cases}$ 。

(1)

对于各循环卸载阶段（即高压储气、放气以及低压储气阶段,下同）,参照文献[10]的做法,卸载阶段损伤变量表达式跟加载阶段初始损伤变量表达式相同,故有

$D_{N} = {\begin{cases} 0 (ε_{p} \leq 0) \\ 1 - {[1 - {(\frac{N}{N_{F}})}^{1 - c}]}^{\frac{1}{1 + b}} (ε_{p} > 0) \end{cases}$ 。

(2)

式中 D_N为各循环加载阶段的初始损伤变量以及卸载阶段的损伤变量；N为循环次数； $ε_{ci}$ 为压应变损伤阈值（应变和应力以压为正,下同）； $N_{F}$ 为岩石疲劳破坏循环次数；b,c为材料参数； $ε_{1}$ , $ε_{p}$ 分别为第一主应变和塑性剪应变。

各循环加载阶段围岩的初始弹性模量的演化方程如下：

$E_{N} = {\begin{cases} E_{0} (ε_{1} \leq ε_{ci}) \\ E_{0} (1 - D_{N}) (ε_{1} > ε_{ci}) \end{cases}$ 。

(3)

各循环卸载阶段的卸载模量的演化方程如下：

$E_{N} = {\begin{cases} E_{0} (ε_{p} \leq 0) \\ E_{0} (1 - D_{N}) (ε_{p} > 0) \end{cases}$ 。

(4)

式中 E_N为各循环加载阶段围岩的初始弹性模量以及卸载阶段的卸载模量；E₀为围岩初始弹性模量；其余符号同前。

（1）受拉条件下弹性模量演化方程

因储气库在洞室开挖和施加衬砌时部分围岩三向受拉,使得储气库在运营期间部分围岩处于三向受拉状态。基于Li等^[11]提出的弹性模量损伤演化方程,对循环加载阶段的弹性模量损伤演化方程推导过程如下：

加载阶段损伤变量计算式为

$D^{'} = {\begin{cases} 0 (ε_{t 0} \leq ε < 0) \\ 1 - \frac{f_{tr}}{E_{N} ε} (ε_{tu} < ε < ε_{t 0}) \\ 1 (ε \leq ε_{tu}) \end{cases}$ 。

(5)

式中 f_tr为单元的残余强度； $ε$ 为等效拉应变,计算公式见式（7）； $ε_{t 0}$ 为弹性极限对应的等效拉应变,又称拉应变损伤阈值； $ε_{tu}$ 为单元的极限等效拉应变,当单元等效拉应变达到极限等效拉应变时,单元就破坏,此时D=1。此处引入极限应变系数 $η$ ,有 $ε_{tu}$ = $η ε_{t 0}$ 。再引入残余强度系数 $λ$ ,定义关系式f_tr= $λ$ E_N $ε_{t 0}$ ,故式（5）可简化为

$D^{'} = {\begin{cases} 0 (ε_{t0} \leq ε ＜ 0) \\ 1 - \frac{λ ε_{t0}}{ε} (ε_{tu} ＜ ε ＜ ε_{t0}) \\ 1 (ε \leq ε_{tu}) \end{cases}$ 。

(6)

等效拉应变计算公式为

$ε = - \sqrt{< - ε_{1} >^{2} + < - ε_{2} >^{2} + < - ε_{3} >^{2}}$ ,

(7)

式中, $ε_{1}$ , $ε_{2}$ , $ε_{3}$ 分别为3个主应变,<>为函数,其计算公式为<x>=(|x|+x)/2。

主应变的获得采用弹塑性力学中先求偏应变,再求主应变的方法,过程如下：

$ε_{0} = \frac{1}{3} (ε_{x} + ε_{y} + ε_{z})$ ,

(8)

$\begin{matrix} {D^{'}}_{2} = \frac{1}{6} [{(ε_{x} - ε_{y})}^{2} + {(ε_{y} - ε_{z})}^{2} + {(ε_{z} - ε_{x})}^{2} + \\ 6 (ε_{x y}^{2} + ε_{y z}^{2} + ε_{z x}^{2})], \end{matrix}$

(9)

${D^{'}}_{3} = \frac{1}{3} e_{i j} e_{j k} e_{k i}$ ,

(10)

$θ_{ε} = \frac{1}{3} \arcsin [\frac{- \sqrt{27} {D^{'}}_{3}}{2 {({D^{'}}_{2})}^{1.5}}]$ ,

(11)

$e_{1} = \frac{2 \sqrt{{D^{'}}_{2}}}{\sqrt{3}} \sin (θ_{ε} + \frac{2 π}{3})$ ,

(12)

$e_{2} = \frac{2 \sqrt{{D^{'}}_{2}}}{\sqrt{3}} \sin θ_{ε}$ ,

(13)

$e_{3} = \frac{2 \sqrt{{D^{'}}_{2}}}{\sqrt{3}} \sin (θ_{ε} - \frac{2 π}{3})$ ,

(14)

${\begin{cases} ε_{1} = e_{1} + ε_{0}, \\ ε_{2} = e_{2} + ε_{0}, \\ ε_{3} = e_{3} + ε_{0} 。 \end{cases}$

(15)

式中 $ε_{0}$ 为平均应变； $ε_{x}$ , $ε_{y}$ , $ε_{z}$ , $ε_{x y}$ , $ε_{y z}$ , $ε_{z x}$ 为应变矩阵中的6个应变分量； ${D^{'}}_{2}$ , ${D^{'}}_{3}$ 分别为偏应变张量第二、第三不变量；e_ij为偏应变张量； $θ_{ε}$ 为Lode角,e₁,e₂,e₃为3个偏应变主值。

地下储气库围岩一般不会出现完全三向受拉破坏情况,故不考虑 $D^{'} = 1$ 情况。将式（3）,（6）代入弹性模量损伤关系式 $E_{d} = (1 - D^{'}) E_{N}$ ,可得各循环加载阶段的弹性模量演化方程如下：

$E_{d} = {\begin{cases} E_{0} (ε_{t0} \leq ε ＜ 0) \\ E_{0} (1 - D_{N}) λ \frac{ε_{t0}}{ε} (ε_{tu} < ε ＜ ε_{t0}) \end{cases}$ ,

(16)

式中,E_d为各循环加载阶段弹性模量,其余符号同前。

采用弹性模量法定义损伤变量,从而由式（16）可得加载阶段的总损伤D（累积损伤）表达式如下：

$D = 1 - \frac{E_{d}}{E_{0}} = {\begin{cases} 0 (ε_{t0} \leq ε < 0) \\ 1 - (1 - D_{N}) λ \frac{ε_{t0}}{ε} (ε_{tu} < ε < ε_{t0}) \end{cases}$ 。

(17)

（2）压剪条件下弹性模量演化方程

Zhou等^[8]建议的各循环加载阶段弹性模量演化方程如下：

$E_{d} = {\begin{cases} E_{0} (ε_{1} \leq ε_{c i}) \\ E_{N} (1 - D^{'}) = E_{0} (1 - D_{N}) \exp [- {(\frac{F}{F_{0}})}^{m}] (ε_{1} > ε_{c i}) \end{cases} 。$

(18)

式中,m=A+BlnN,F₀=C+HlnN,N为循环次数,A,B,C,H为拟合参数。

微元强度F的计算公式如下：

$F = (α I_{1} + \sqrt{J_{2}}) E_{N} ε_{1} / [σ_{1} - μ (σ_{2} + σ_{3})]$ ,

(19)

$α = \frac{\sin φ}{\sqrt{9 + 3 \sin^{2} φ}}$ ,

(20)

$I_{1} = σ_{1} + σ_{2} + σ_{3}$ ,

(21)

$J_{2} = \frac{1}{6} [{(σ_{1} - σ_{2})}^{2} + {(σ_{2} - σ_{3})}^{2} + {(σ_{1} - σ_{3})}^{2}]$ 。

(22)

式中 φ为内摩擦角；I₁,J₂分别为应力张量第一不变量和偏应力张量第二不变量； $σ_{1}$ , $σ_{2}$ , $σ_{3}$ 分别为3个主应力；μ为泊松比；其余符号同前。

由式（18）可得加载阶段的总损伤D（累积损伤）表达式如下：

$D = 1 - \frac{E_{d}}{E_{0}} = {\begin{cases} 0 (ε_{1} \leq ε_{ci}) \\ 1 - (1 - D_{N}) \exp [- {(\frac{F}{F_{0}})}^{m}] (ε_{1} > ε_{ci}) \end{cases} 。$

(23)

1.2 泊松比演化方程

泊松比演化方程采用王锁等^[12]的研究成果：

$μ = 0.4 - 0.195 \sqrt{1 - D}$ 。

(24)

2. 统计损伤模型数值实现

为分析地下储气库围岩的累积损伤特性,基于FLAC^3D中应变硬化/软化本构模型,利用FISH语言对上述损伤变量、弹性模量和泊松比演化方程等进行编程处理,在计算过程中对各计算单元材料的相关参数（如损伤变量、弹性模量、泊松比等）进行动态修正,从而实现统计损伤模型的二次开发。FLAC^3D非稳定热力耦合损伤模型二次开发计算流程如下：

（1）根据热力学时间求得循环次数N,再求得统计损伤模型第N次循环的参数m和F₀。

（2）判断热力学时间是否处于充气阶段,对充气阶段由式（8）~（15）计算得到第i个计算步各单元的三个主应变 $ε_{1}^{i}, ε_{2}^{i}, ε_{3}^{i}$ ,然后进入步骤（3）；否则,跳到步骤（5）。

（3）判断单元是否为三向受拉,对处于充气阶段三向受拉的单元按照式（7）计算等效应变,若计算等效应变大于弹性极限对应的等效拉应变,按照式（16）、（17）和（24）分别求得 $E^{i}, D^{i}, μ^{i}$ ,否则 $E^{i}, D^{i}, μ^{i}$ 等于上一计算步的值；当单元不是三向受拉时,进入步骤（4）。

（4）判断第i个计算步第一主应变是否满足 $ε_{1}^{i} > ε_{c i}$ ,满足时按照式（18）、（23）和（24）求得 $E^{i}, D^{i}, μ^{i}$ ,否则 $E^{i}, D^{i}, μ^{i}$ 等于上一计算步的值。

（5）对非充气阶段,首先判断单元塑性剪切应变 $ε_{p}^{i} > 0$ 是否成立,成立则对产生塑性剪切应变的单元按照式（4）、（2）和（24）分别求得 $E^{i}, D^{i}, μ^{i}$ ,否则 $E^{i}, D^{i}, μ^{i}$ 等于上一计算步的值。

（6）返回（1）进入到下一计算步重复步骤（1）～（5）。

计算流程图如图1所示。

图 1 计算流程图

Figure 1. Flow chart of calculation

下载: 全尺寸图片幻灯片

3. 统计损伤模型验证

为了验证本文开发的累积损伤计算程序的正确性,针对文献[13]中的循环加载物理试验模型,建立岩石试件三维累积损伤数值试验模型,并进行循环加、卸载数值试验。图2为数值试件计算网格。数值试件的围压取20 MPa。与物理试验相对应,对数值试件进行10次加卸载数值试验。采用应力加载方式对数值试件进行加载。数值计算参数取值见表1。

图 2 数值模型

Figure 2. Numerical model

下载: 全尺寸图片幻灯片

表 1 计算参数取值表

Table 1. Mechanical parameters in the numerical calculation

重度/(kN·m^-3)	弹性模量/GPa	泊松比	内摩擦角/(°)	黏聚力/MPa	抗拉强度/MPa
2336	23.464	0.334	46	10	3

下载: 导出CSV

| 显示表格

数值试验成果与文献[13]的物理试验成果对比见图3。由图3可知,采用累积损伤模型得到的应力应变曲线与物理试验成果高度吻合,说明了本文采用的累积损伤本构模型是合理的,二次开发的程序是正确的。

图 3 数值试验与物理试验成果对比

Figure 3. Comparison between numerically simulated results and test data

下载: 全尺寸图片幻灯片

4. 大型储气库围岩损伤特性分析

中国计划在北方某地拟修建一个装机容量100 MW的压气储能示范电站,经能量分析后估计需修建容积约为10×10⁴ m³的地下储气库。初拟储气库运行上限压力为10 MPa,地层岩性为花岗岩,Ⅱ级围岩,初始应力场以自重应力场为主,忽略地下水位的影响^[14]。压气储能电站采用两个容积相同的隧道式洞室储气库存储压缩空气,单个储气库设计库容为5×10⁴ m³。两个洞室平行布置,如图4所示。

图 4 数值计算网格图

Figure 4. Numerical grid for calculation

下载: 全尺寸图片幻灯片

数值计算采用FLAC^3D软件,结合本文二次开发的FISH累积损伤模型对拟建的储气库围岩损伤特性进行研究。

4.1 计算模型

图4给出了斜墙隧洞式截面储气库的数值计算模型。洞室间距50 m,洞室半径5 m、混凝土衬砌厚度0.5 m,密封层厚度0.03 m。

图5给出了3种对比研究截面的几何尺度对比。

图 5 隧道式储气库截面型式

Figure 5. Types of tunnel section for gas storage cavern

下载: 全尺寸图片幻灯片

力学边界条件：模型铅直边界为水平位移约束边界,下部水平边界为铅直位移约束边界,模型顶部为自由边界（地表）。储气库内表面为与时间相关的压力边界。

热力学分析边界：模型上、下及左、右两侧为固定温度边界,模型前后两个面为绝热边界；储气库内表面为对流换热边界。

初始条件：初始地应力为自重应力,储气库压缩空气及围岩的初始温度均取20℃。储气库初始气压为0.1 MPa,压缩空气入库温度为5℃。

数值计算过程中,1 d即为一个充、放气循环。每个计算周期内0～8 h为充气阶段,8～12 h为高压储气阶段,12～16 h为放气阶段,16～24 h为低压储气阶段。

计算参数如表2所示。

表 2 计算参数

Table 2. Parameters used in numerical model

计算参数	重度 $γ$ /(kN·m^-3)	弹性模量E/GPa	泊松比 $μ$	黏聚力c/MPa	内摩擦角φ/(°)	抗拉强度T/MPa	热传导系数/(W·m^-1·K^-1)	比热/(J·kg^-1·K^-1)	线膨胀系数/(K^-1)	换热系数/(W·m^-2·K^-1)
围岩	26.5	18.0	0.205	1.50	50	3	3.00	771	1×10^-5	—
C30混凝土	25.0	30.0	0.167	3.08	55	2.01	1.74	800	1×10^-5	6
玻璃钢	20.0	2.9	0.220	1.50	30	130	0.40	384	0.54×10^-5	5

下载: 导出CSV

| 显示表格

参考文献[10～13],相关参数取值如表3所示。

表 3 统计损伤模型参数取值表

Table 3. Parameters for statistical damage model in calculation

压应变损伤阈值ε_ci/10^-7	疲劳破坏循环次数N_F/10⁴	材料参数b	材料参数c	拉应变损伤阈值 $ε_{t0}$ /10^-3	残余强度系数 $λ$	A	B	C/10⁷	H/10⁷
1.0	1.0	0.72	0.65	-1.0	0.98	4.0	0.208	6.7	-0.1
注：表3中参数是表4中基准方案对应的相关参数。对比方案中,洞型为罐式时N_F=0.9×10⁴,直墙式洞型N_F取值与基准方案相同；洞室埋深为150,200 m时,N_F分别取1.75×10⁴和2.0×10⁴；运行下限压力为6,7 MPa时,N_F分别取1.6×10⁴和1.9×10⁴。其它参数对比方案与基准方案相同。

下载: 导出CSV

| 显示表格

4.2 计算方案

为研究不同隧洞截面型式、洞室埋深和运行下限压力等因素对围岩的损伤特性影响,拟定了如表4所示的计算方案。计算过程中在右洞室拱顶中线位置布置6个测点进行围岩损伤变量和变形参数的演化过程分析进行记录,测点坐标如表5所示。

表 4 计算方案表

Table 4. Schemes for calculation

影响因素	基准方案	对比方案
洞型	斜墙式	直墙式、罐式
洞室埋深/m	100	150,200
运行下限压力/MPa	5	6,7

下载: 导出CSV

| 显示表格

表 5 测点位置至洞壁距离

Table 5. Distances between measured points and wall of cavern

测点编号	P1	P2	P3	P4	P5	P6
距离/m	0	1.5	5.5	9	14	25

下载: 导出CSV

| 显示表格

4.3 计算结果及分析

（1）损伤变量演化分析

图5为不同截面型式条件围岩损伤区分布图。由图5可知,不同截面型式下的储气库损伤区分布形状基本相同,斜墙式和直墙式截面储气库在竖直方向的损伤深度基本一致,但罐式截面在竖直方向的损伤深度大于斜墙式和直墙式。充气循环30次后损伤区面积比充气循环5次后的损伤区面积有所增大；斜墙式、直墙式和罐式截面的损伤单元面积分别增加了20.3,17.2,27 m²（图5中深色区域代表损伤区增加部分）。

5 不同截面型式围岩损伤区分布轮廓图

5. Damage zones for different types of cavern sections

下载: 全尺寸图片幻灯片

图6为经过30次循环后不同洞室埋深条件下的洞周围岩损伤区分布对比图。由图6可知,储气库围岩竖直方向的损伤深度随着洞室埋深的增大而减小；埋深为100,150,200 m时损伤单元面积分别为918.7,597,473.2 m²。本例情况下,埋深增加1倍,损伤区面积减少也约1倍。其原因是埋深越大,洞室区的地应力越大,相同内压（10 MPa）对围岩的损伤作用越小。该结论与文献[15]中的结论一致。因此洞库埋深的增加有助于减小围岩在运行过程中的损伤程度。

图 6 循环30次后损伤区分布轮廓图

Figure 6. Distribution of damage zones after 30 cycles

下载: 全尺寸图片幻灯片

图6中埋深为100 m的损伤区为最低运行压力为5 MPa时的损伤分布范围。计算表明运行下限压力的改变对储气库围岩损伤区无影响。运行下限压力为5,6,7 MPa时损伤单元总面积都约为920 m²。

图7为损伤变量D的演化过程线。由图7可知,不同计算方案条件下洞顶位置处的P1（洞壁围岩）和P3（距离洞壁5.5 m）测点的损伤变量都呈现出在前5次循环内快速增加,之后增长速率趋于平缓的演化规律。以埋深为100 m,运行下限压力为5 MPa的斜墙式洞型P1测点为例,其前5次循环损伤变量增加值占30次循环后总损伤变量的54.8%。由于洞顶型式和宽度基本相同,斜墙式与直墙式在同一测点的损伤变量随循环次数变化过程线基本重合,罐式截面储气库在相同位置的损伤变量值显著大于另外两种型式。

图 7 损伤变量D演化过程线

Figure 7. Evolution process of damage variable D

下载: 全尺寸图片幻灯片

（2）变形参数损伤演化分析

弹性模量和泊松比是反映岩体变形能力的两个重要参数。计算结果表明,弹性模量和泊松比损伤区空间分布与损伤变量空间分布基本一致,故此处不再分析。

图8,9分别为弹性模量和泊松比随循环次数增加而不断变化过程线。由图可知,所有计算方案中P1和P3测点位置的弹性模量都随着循环次数的增加而逐渐减小,而泊松比则随着循环次数的增加而增加。斜墙式与直墙式在同一测点位置处的弹性模量和泊松比变化曲线基本一致,而罐式截面围岩中P1和P3测点位置的弹性模量和泊松比损伤程度明显大于斜墙式,但弹性模量和泊松比在后期循环加载条件下的差值变化较小。不同洞室埋深或最低运行下限压力条件下,弹性模量和泊松比差值随着循环次数的增加呈逐渐增大的趋势。埋深和最低运行压力的增加都可以大幅度降低围岩的损伤程度。但埋深和最低运行压力的增加将引起压气储能电站的建设和运行成本的增加。

图 8 弹性模量演化过程线

Figure 8. Evolution process of elastic modulus

下载: 全尺寸图片幻灯片

图 9 泊松比演化过程线

Figure 9. Evolution process of Poisson’s ratio

下载: 全尺寸图片幻灯片

（3）典型测点综合分析

表6,7分别为第5个和第30个充放气循环典型测点损伤变量及变形参数值。由表可知,洞型、洞室埋深和运行下限压力都对围岩变形参数损伤影响较显著,并且随着循环次数的增加,围岩损伤变量值逐渐增大、变形参数损伤程度越严重。

表 6 第5次充放气循环后测点损伤变量和变形参数表

Table 6. Values of damage variables and deformation parameters after 5 cycles

影响因素		P1			P3
影响因素		D	E/GPa	μ	D	E/GPa	μ
洞型	斜墙式	0.0436	17.215	0.2093	0.0413	17.257	0.2091
	直墙式	0.0434	17.219	0.2093	0.0413	17.260	0.2091
	大罐式	0.0526	17.052	0.2102	0.0429	17.227	0.2092
洞室埋深	100 m	0.0436	17.215	0.2093	0.0413	17.257	0.2091
	150 m	0.0353	17.365	0.2085	0.0339	17.389	0.2083
	200 m	0.0338	17.391	0.2083	0.0323	17.419	0.2082
运行下限压力	5 MPa	0.0436	17.215	0.2093	0.0413	17.257	0.2091
	6 MPa	0.0372	17.331	0.2087	0.0350	17.371	0.2084
	7 MPa	0.0353	17.365	0.2085	0.0329	17.408	0.2082

下载: 导出CSV

| 显示表格

表 7 第30次充放气循环后测点损伤变量和变形参数表

Table 7. Values of damage variables and deformation parameters after 30 cycles

影响因素		P1			P3
影响因素		D	E/GPa	μ	D	E/GPa	μ
洞型	斜墙式	0.0796	16.567	0.2129	0.0782	16.592	0.2128
	直墙式	0.0794	16.571	0.2129	0.0782	16.592	0.2128
	大罐式	0.0877	16.422	0.2137	0.0813	16.537	0.2131
洞室埋深	100 m	0.0796	16.567	0.2129	0.0782	16.592	0.2128
	150 m	0.0648	16.833	0.2114	0.0640	16.848	0.2113
	200 m	0.0620	16.885	0.2111	0.0610	16.903	0.2110
运行下限压力	5 MPa	0.0796	16.567	0.2129	0.0782	16.592	0.2128
	6 MPa	0.0675	16.786	0.2117	0.0661	16.811	0.2115
	7 MPa	0.0638	16.852	0.2113	0.0621	16.882	0.2112

下载: 导出CSV

| 显示表格

罐式截面储气库的损伤区内变形参数损伤程度相对斜墙式和直墙式更严重,损伤变量值相对更大,斜墙式与直墙式同一测点的损伤程度基本相同,直墙式损伤单元面积比斜墙式的大,故在隧道式洞型选择上推荐斜墙式洞型。

随着埋深的增加,围岩初始应力值与压缩空气内压值逐渐靠近,损伤区内围岩变形参数损伤程度逐渐减轻。埋深为150,200 m时损伤变量、弹性模量和泊松比的差值远小于埋深为100,150 m时的差值,以第5次充放气循环P1测点为例,埋深为150,200 m时,其差值分别为0.0015,0.026 GPa和0.0002,而埋深为100,150 m时,其差值分别为0.0083,0.15 GPa和0.0008,比埋深为150,200 m之间的差值分别大453.3%,476.9%,300%。

随着运行下限压力的减小,压力差值逐渐增大,损伤区内围岩变形参数损伤程度逐渐加重,损伤变量值逐渐增大。运行下限压力为6,7 MPa时损伤变量、弹性模量和泊松比的差值远小于运行下限压力为5,6 MPa时的差值；运行下限压力代表的物理意义是电站运行时的可用压力差,也就是代表着电站可用能量,故在运行下限压力的选取要综合考虑能量利用率以及对围岩损伤特性的影响。

5. 结论

基于现有岩石热-力-损伤耦合模型,以FLAC^3D为平台二次开发地下储气库围岩变形参数累积损伤计算程序,并通过算例验证了程序正确性。基于二次开发的程序,全面研究了洞型、洞室埋深和运行下限压力等因素对地下储气库围岩损伤变量和变形参数损伤演化的影响。主要得到以下3点结论。

（1）高内压作用下储气库围岩竖直方向的损伤深度大于水平方向的损伤深度；不同的储气库截面型式、洞室埋深和运行下限压力对围岩变形参数损伤的影响较显著。

（2）罐式截面储气库围岩竖直方向的损伤深度以及损伤区内损伤程度大于斜墙式与直墙式。围岩损伤变量值以及变形参数损伤范围随着埋深的增加逐渐减小,损伤程度随着埋深的增加逐渐降低；围岩变形参数损伤范围几乎不受运行下限压力的影响,损伤程度随着运行下限压力的增加逐渐降低。

（3）埋深及最低运行压力相同,储气库截面型式不同时,储气库围岩损伤区内同一位置测点的变形参数差值几乎不随着循环次数的增加而发生改变。洞室埋深和运行下限压力不同时,储气库围岩损伤区内同一测点位置的变形参数差值随着循环次数的增加而增大。埋深越浅或运行下限压力越小,围岩损伤区内损伤变量和变形参数差值越大。

图 1 AH-FBG法误差的示例分析

Figure 1. Example analysis of error of AH-FBG method

下载: 全尺寸图片幻灯片

图 2 试验装置示意图

Figure 2. Schematic diagram of experimental equipment

下载: 全尺寸图片幻灯片

图 3 温度时程曲线

Figure 3. Curves of temperature rise

下载: 全尺寸图片幻灯片

图 4 最大升温值分布

Figure 4. Distribution of maximum temperature rise

下载: 全尺寸图片幻灯片

图 5 最大升温值分布（60 s）

Figure 5. Distribution of maximum temperature rise (60 s)

下载: 全尺寸图片幻灯片

图 6 水分蒸发和毛细水上升试验装置示意图

Figure 6. Schematic diagram of water evaporation and capillary water rise test apparatus

下载: 全尺寸图片幻灯片

图 7 水分蒸发和毛细水上升试验监测数据

Figure 7. Monitoring data from water evaporation and capillary water rise tests

下载: 全尺寸图片幻灯片

图 8 水分蒸发和毛细水上升试验BP神经网络联合分析模型

Figure 8. BP neural network calibration model for water evaporation and capillary water rise tests

下载: 全尺寸图片幻灯片

图 9 含水率测量误差绝对值分布

Figure 9. Distribution of absolute value of measurement error of moisture content

下载: 全尺寸图片幻灯片

图 10 水分蒸发和毛细水上升试验含水率测量RMSE变化趋势

Figure 10. Change trend of content measurement RMSE of moisture from water evaporation and capillary water rise tests

下载: 全尺寸图片幻灯片

图 11 会宁原位监测平台装置示意图

Figure 11. Schematic diagram of in-situ monitoring platform in Huining

下载: 全尺寸图片幻灯片

图 12 原位监测数据

Figure 12. Data from in-situ monitoring

下载: 全尺寸图片幻灯片

图 13 原位监测含水率测量RMSE变化趋势

Figure 13. Change trend of measurement RMSE of moisture content from in situ monitoring

下载: 全尺寸图片幻灯片

表 1 土柱试验含水率分布设计方案

Table 1 Design schemes of distribution of moisture content in soil column tests

测试组	代号	土层含水率分布状态
上干下湿	DW	上部为30 cm干土、下部为25 cm湿土
全干	D	55 cm干土
全湿	W	55 cm湿土

下载: 导出CSV

表 2 目标测点和联合分析测点分布

Table 2 Distribution of target and joint analysis positions

目标测点深度/cm	联合分析测点深度/cm
5	5，15
15	5，15，25
25	15，25，35
35	25，35，45
45	35，45

下载: 导出CSV

参考文献(30)

[1]	LU N, LIKOS W J. Unsaturated Soil Mechanics[M]. New York: J Wiley, 2004.
[2]	吴世余, 余金煌. 粉性土毛管水的力学和工程特性[J]. 岩土力学, 2013, 34(1): 80–84, 91. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201301011.htm WU Shi-yu, YU Jin-huang. Mechanical and engineering characteristics of capillary water of silty soils[J]. Rock and Soil Mechanics, 2013, 34(1): 80–84, 91. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201301011.htm
[3]	CHEN H, LEE C F, LAW K T. Causative mechanisms of rainfall-induced fill slope failures[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2004, 130(6): 593–602. doi: 10.1061/(ASCE)1090-0241(2004)130:6(593)
[4]	TANG C S, CUI Y J, SHI B, et al. Desiccation and cracking behaviour of clay layer from slurry state under wetting-drying cycles[J]. Geoderma, 2011, 166(1): 111–118. doi: 10.1016/j.geoderma.2011.07.018
[5]	CUOMO S, SALA M D. Rainfall-induced infiltration, runoff and failure in steep unsaturated shallow soil deposits[J]. Engineering Geology, 2013, 162: 118–127. doi: 10.1016/j.enggeo.2013.05.010
[6]	CHAE B G, LEE J H, PARK H J, et al. A method for predicting the factor of safety of an infinite slope based on the depth ratio of the wetting front induced by rainfall infiltration[J]. Natural Hazards and Earth System Sciences, 2015, 15(8): 1835–1849. doi: 10.5194/nhess-15-1835-2015
[7]	WEISS J D. Using fiber optics to detect moisture intrusion into a landfill cap consisting of a vegetative soil barrier[J]. Journal of the Air & Waste Management Association, 2003, 53(9): 1130–1148. http://oldmed.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM13678370
[8]	SAYDE C, BUELGA J B, RODRIGUEZ-SINOBAS L, et al. Mapping variability of soil water content and flux across 1-1000 m scales using the Actively Heated Fiber Optic method[J]. Water Resources Research, 2014, 50(9): 7302–7317. doi: 10.1002/2013WR014983
[9]	吴冰, 朱鸿鹄, 曹鼎峰, 等. 黄土水分场光纤原位监测及非饱和渗透系数估算[J]. 防灾减灾工程学报, 2019, 39(5): 691–699. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK201905001.htm WU Bing, ZHU Hong-hu, CAO Ding-feng, et al. In-situ monitoring of moisture field and estimation of unsaturated permeability coefficient of loess foundation[J]. Journal of Disaster Prevention and Mitigation Engineering, 2019, 39(5): 691–699. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK201905001.htm
[10]	SAYDE C, GREGORY C, GIL-RODRIGUEZ M, et al. Feasibility of soil moisture monitoring with heated fiber optics[J]. Water Resources Research, 2010, 46(6): W06201. http://repository.tudelft.nl/assets/uuid:d8bfe431-2d9a-40bf-8bf3-c275b20fbbaa/vandeGiesen_2010.pdf
[11]	STRIEGL A M, LOHEIDE S P I. Heated distributed temperature sensing for field scale soil moisture monitoring[J]. Groundwater, 2012, 50(3): 340–347. doi: 10.1111/j.1745-6584.2012.00928.x
[12]	LI M, SI B C, HU W, et al. Single-probe heat pulse method for soil water content determination: comparison of methods[J]. Vadose Zone Journal, 2016, 15(7): 1–13.
[13]	VIDANA GAMAGE D, BISWAS A, STRACHAN I, et al. Soil water measurement using actively heated fiber optics at field scale[J]. Sensors, 2018, 18(4): 1116. doi: 10.3390/s18041116
[14]	徐东升. 一种新型光纤光栅局部位移计在小应变测量中的应用[J]. 岩土工程学报, 2017, 39(7): 1330–1335. https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201707025.htm XU Dong-sheng. New fiber Bragg grating sensor-based local displacement transducer for small strain measurements of soil specimens[J]. Chinese Journal of Geotechnical Engineering, 2017, 39(7): 1330–1335. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201707025.htm
[15]	郭君仪, 孙梦雅, 施斌, 等. 不同环境温度下土体含水率主动加热光纤法监测试验研究[J]. 岩土力学, 2020, 41(12): 4137–4144. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX202012034.htm GUO Jun-yi, SUN Meng-ya, SHI Bin, et al. Experimental study of water content in soils monitored with active heated fiber optic method at different ambient temperatures[J]. Rock and Soil Mechanics, 2020, 41(12): 4137–4144. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX202012034.htm
[16]	SUN M Y, SHI B, ZHANG D, et al. Study on calibration model of soil water content based on actively heated fiber-optic FBG method in the in situ test[J]. Measurement, 2020, 165: 108176. doi: 10.1016/j.measurement.2020.108176
[17]	CAO D F, ZHU H H, WU B, et al. Investigating temperature and moisture profiles of seasonally frozen soil under different land covers using actively heated fiber Bragg grating sensors[J]. Engineering Geology, 2021, 290: 106197. doi: 10.1016/j.enggeo.2021.106197
[18]	段超喆, 施斌, 曹鼎峰, 等. 一种准分布式内加热刚玉管FBG渗流速率监测方法[J]. 防灾减灾工程学报, 2018, 38(3): 504–510. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK201803014.htm DUAN Chao-zhe, SHI Bin, CAO Ding-feng, et al. A quasi-distributed seepage velocity monitoring method using FBG embedded in internal heated alundum tube[J]. Journal of Disaster Prevention and Mitigation Engineering, 2018, 38(3): 504–510. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK201803014.htm
[19]	王家琛, 朱鸿鹄, 王静, 等. 基于主动加热光纤法的毛细阻滞入渗模型试验研究[J]. 岩土工程学报, 2021, 43(1): 147–155. https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC202101022.htm WANG Jia-chen, ZHU Hong-hu, WANG Jing, et al. Laboratory model tests on capillary barrier infiltration using actively heated fiber optic method[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(1): 147–155. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC202101022.htm
[20]	曹鼎峰, 施斌, 严珺凡, 等. 基于C-DTS的土壤含水率分布式测定方法研究[J]. 岩土工程学报, 2014, 36(5): 910–915. https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201405021.htm CAO Ding-feng, SHI Bin, YAN Jun-fan, et al. Distributed method for measuring moisture content of soils based on C-DTS[J]. Chinese Journal of Geotechnical Engineering, 2014, 36(5): 910–915. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201405021.htm
[21]	LIU I S. On Fourier's law of heat conduction[J]. Continuum Mechanics and Thermodynamics, 1990, 2(4): 301–305. doi: 10.1007/BF01129123
[22]	DUBI Y, DI VENTRA M. Fourier's law: insight from a simple derivation[J]. Physical Review E, 2009, 79(4): 042101. http://www.onacademic.com/detail/journal_1000034867844610_c88b.html
[23]	甄作林, 朱江鸿, 张虎元, 等. 砂土导热性能测试与预测研究[J]. 地下空间与工程学报, 2018, 14(6): 1577–1586. https://www.cnki.com.cn/Article/CJFDTOTAL-BASE201806021.htm ZHEN Zuo-lin, ZHU Jiang-hong, ZHANG Hu-yuan, et al. Study on the measurement and prediction of thermal properties for sand[J]. Chinese Journal of Underground Space and Engineering, 2018, 14(6): 1577–1586. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-BASE201806021.htm
[24]	李双成, 郑度. 人工神经网络模型在地学研究中的应用进展[J]. 地球科学进展, 2003, 18(1): 68–76. doi: 10.3321/j.issn:1001-8166.2003.01.010 LI Shuang-cheng, ZHENG Du. Applications of artificial neural networks to geosciences: review and prospect[J]. Advance in Earth Sciences, 2003, 18(1): 68–76. (in Chinese) doi: 10.3321/j.issn:1001-8166.2003.01.010
[25]	BASHEER I A, HAJMEER M. Artificial neural networks: fundamentals, computing, design, and application[J]. Journal of Microbiological Methods, 2000, 43(1): 3–31. doi: 10.1016/S0167-7012(00)00201-3
[26]	周振民, 刘荻. 基于Matlab的人工神经网络用水量预测模型[J]. 中国农村水利水电, 2007(4): 45–47, 49. doi: 10.3969/j.issn.1007-2284.2007.04.013 ZHOU Zhen-min, LIU Di. A prediction model of water consumption based on artificial neural network based on MATLAB[J]. China Rural Water and Hydropower, 2007(4): 45–47, 49. (in Chinese) doi: 10.3969/j.issn.1007-2284.2007.04.013
[27]	YU S W, ZHU K J, DIAO F Q. A dynamic all parameters adaptive BP neural networks model and its application on oil reservoir prediction[J]. Applied Mathematics and Computation, 2008, 195(1): 66–75. doi: 10.1016/j.amc.2007.04.088
[28]	WU W, WANG J, CHENG M S, et al. Convergence analysis of online gradient method for BP neural networks[J]. Neural Networks, 2011, 24(1): 91–98. doi: 10.1016/j.neunet.2010.09.007
[29]	BORDOLOI S, GOPAL P, BODDU R, et al. Soil-biochar-water interactions: role of biochar from Eichhornia crassipes in influencing crack propagation and suction in unsaturated soils[J]. Journal of Cleaner Production, 2019, 210: 847–859. doi: 10.1016/j.jclepro.2018.11.051
[30]	胡优, 李敏, 任姮烨, 等. 基于加热光纤分布式温度传感器的土壤含水率测定方法[J]. 农业工程学报, 2019, 35(10): 42–49. doi: 10.11975/j.issn.1002-6819.2019.10.006 HU You, LI Min, REN Heng-ye, et al. Measurement of soil water content using distributed temperature sensor with heated fiber optics[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(10): 42–49. (in Chinese) doi: 10.11975/j.issn.1002-6819.2019.10.006

施引文献(23)

期刊类型引用(15)

1.	孙冠华，王娇，于显杨，易琪，朱开源，王章星，耿璇，屈杰. 压缩空气储能电站地下内衬硐库基本原理与分析方法研究进展. 岩土力学. 2025(01): 1-25 . 百度学术
2.	蒋中明，甘露，张登祥，肖喆臻，廖峻慧. 压气储能地下储气库衬砌裂缝分布特征及演化规律研究. 岩土工程学报. 2024(01): 110-119 . 本站查看
3.	阮泉泉，张文，张彬，王其宽，王汉勋，时广升. 不同洞距下内衬式高压储气库热-力特性分析. 隧道与地下工程灾害防治. 2024(01): 73-83 . 百度学术
4.	刘钦节，陈强，付强，吴犇牛，杨卿干. 过断层压气储能巷道围岩变形特征与支护优化. 安徽理工大学学报(自然科学版). 2024(02): 67-74 . 百度学术
5.	杨雪雯，任灏，廖泽球，王金玺，贾斌. 压缩空气储能地下人工洞室研究现状与展望. 南方能源建设. 2024(04): 54-64 . 百度学术
6.	贾宁，刘顺，王洪播. 压缩空气储能人工硐库热力耦合解析方法研究. 岩土力学. 2024(08): 2263-2278+2289 . 百度学术
7.	周小松，闫磊，黄康康，孙高博，刘卫. 圆形截面隧道式储气库群布局参数研究. 地下空间与工程学报. 2024(S1): 205-212 . 百度学术
8.	张国华，相月，王薪锦，熊峰，唐志成，华东杰. 压气储能地下内衬储气库结构荷载分担解析解及影响因素分析. 岩石力学与工程学报. 2024(S2): 3633-3650 . 百度学术
9.	蒋中明，刘宇婷，陆希，杨雪，廖峻慧，刘琛智，黄湘宜，周婉芬，石兆丰，田湘. 压气储能内衬硐室储气关键问题与设计要点评述. 岩土力学. 2024(12): 3491-3509 . 百度学术
10.	张国华，王薪锦，相月，潘佳，熊峰，华东杰，唐志成. 压缩空气硬岩储库关键问题研究进展：气密性能、热力过程与稳定性. 岩石力学与工程学报. 2024(11): 2601-2626 . 百度学术
11.	张国华，王薪锦，柯洪，相月，郭辉，熊峰，华东杰. 压气储能地下内衬储气库运行压力区间确定方法. 岩石力学与工程学报. 2024(12): 2874-2891 . 百度学术
12.	邓申缘，姜清辉，位伟. 基于循环硬化模型的压气硐库围岩力学及变形分析. 岩石力学与工程学报. 2024(12): 2980-2991 . 百度学术
13.	蔚立元，弭宪震，胡波文，李树忱，刘日成，叶继红. 内衬式岩洞储氢三维热-流-固耦合模型及洞群运营稳定性分析. 中国矿业大学学报. 2024(06): 1099-1116 . 百度学术
14.	杨雪雯. 压气储能电站地下人工洞室上覆岩体抗抬稳定影响因素分析. 内蒙古电力技术. 2024(06): 8-13 . 百度学术
15.	周小松，闫磊，黄康康，王颖蛟，申律. 圆形截面隧道式地下储气库容量研究. 科技创新与应用. 2023(30): 72-75 . 百度学术