压水堆堆芯换料设计优化的研究

讨论压水堆堆芯换料设计优化问题，并研制一套实用的换料优化软件包，可用于低泄漏、外－内和改进的外－内装料方案的优化。在低泄漏方案优化时，利用哈林原理将燃料组件布置与可燃毒物配置的优化问题脱耦成两步优化问题。先用线性规划方法进行无可燃毒物时燃料组件布置的优化，然后再用可变容差法寻找可燃毒物的优化布置。应用该软件对秦山核电厂首次难芯换料方案进行了优化，提出了可供参考的一些优化布置方案。     

模拟退火算法在压水堆堆芯换料优化中的应用研究

针对核反应堆堆芯换料优化中的具体问题，提出了新的编码解码方法，成功地应用了模拟退火算法。以先进核反应堆为例，进行了模拟退火算法优化计算，并与遗传算法的优化结果进行了比较。结果表明．模拟退火算法和遗传算法对反应堆换料优化问题同样有效。     

全堆芯格林函数方法在秦山核电站堆芯换料设计优化研究中的应用

利用全堆芯格林函数方法改造了粗网差分优化软件ＯＰＨＡＬ，形成快速优化软件ＯＰＣＧＦＭ，并对秦山核电站第二循环进行了换料方案优化计算，其计算结果与先进节块（粗网）方法优化软件结果吻合良好，计算速度提高约一个量级。     

基于自适应BP神经网络的压水堆堆芯换料关键参数的预测方法

运用BP(back propagation)人工神经网络的方法,通过实现堆芯装载方式建模、自适应选择网络节点数、调整学习率和随机梯度下降搜索,快速准确地预测了秦山二期压水堆堆芯燃料换料3个关键参数：有效增殖因数、组件功率峰因子、棒功率峰因子,解决了传统方法需消耗大量算力、时间才能计算的问题。数值实验发现,对于超出训练数据以外的情形,BP神经网络方法的最大相对误差仍不超过2%,表明网络模型的可靠性和鲁棒性能较好,且可毫无困难地推广至其他参数预测,对人工智能算法在核工业领域的进一步应用做出了重要的探索。     

神经网络-遗传复合算法在压水堆堆芯换料设计中的应用

基于大规模数据的训练,神经网络模型能迅速准确预测堆芯的有效增殖因数(k_(eff))、组件功率峰因子(Rad)和棒功率峰因子(FΔH),并以这3个参数作为衡量换料方式优劣的标准,构造改进的遗传算法从大量堆芯燃料方案中迅速搜索出最优排布方案,解决了在大量堆芯换料方案中选择最优方案费时的问题。堆芯装载方式建模时,设计二进制向量作为输入参数,有效减少了网络复杂度、提高了预测精度;最优方案搜索时,具有独特交叉算子、选择算子的遗传算法保证了搜索结果在可行域内,并提高了搜索效率。理论分析和数值实验结果表明,包含1个隐藏层的单隐层自适应BP网络可很好预测k_(eff)数据,包含3个隐藏层的自适应BP神经网络可较好地预测Rad和FΔH数据,再运用遗传算法快速搜索出了较理想的换料方案,为人工智能算法在核工业中的进一步深入应用提供参考。     

遗传算法在压水堆核电厂低泄漏换料堆芯装载方案优化中的应用

简述了目前已有的各种堆芯装载优化搜索技术及其优缺点,提出了基于遗传算法的堆芯装载优化方案搜索技术的系统框架结构,设计了多染色体堆芯装载编码、适应度函数、遗传操作、译码等技术.用C语言实现的系统和实验数据验证了所提出方法的可行性和有效性.应用结果表明,该系统能搜索得到优化的堆芯装载.     

遗传算法在AC-600堆芯换料优化中的应用研究

对遗传算法在核电厂堆芯换料优化问题中的应用进行了初步研究,提出了新的编码和译码方法.并以AC-600反应堆为例,分别对低泄漏和外-内布置进行了功率峰因子最小和寿期最长的优化方案计算,得到了满意的优化结果.     

基于深度卷积神经网络的堆芯换料方案性能评价研究

为精确高效地评价堆芯换料方案的性能,本文基于深度卷积神经网络算法提出了一种换料方案--堆芯关键参数预测方法。该预测方法引入Inception-ResNet的卷积网络结构以提高网络深度和学习效率,通过学习基于换料经验生成的大量堆芯换料方案,拟合得到换料方案与堆芯关键参数之间的映射关系。针对某二代改进型机组的实验结果表明,该预测方法对测试集中堆芯换料方案的临界硼浓度的平均预测误差为0.86 ppm,功率峰因子与核焓升因子平均相对误差分别为0.54%与0.38%,平均每个换料方案关键参数预测用时0.000 5 s左右。上述结果表明本文提出的预测方法具有较好的泛化能力和较高的可靠性,为换料方案优化提供了一种快速评价的方法。     

小生境遗传算法优化压水堆换料的研究

提出一种基于小生境遗传算法的压水堆初装料优化方法,以大亚湾压水堆核电站堆芯燃料组件布置为参照模型,通过计算机编程语言将优化算法以及堆芯物理参数计算程序整合,堆内参数计算选用堆芯计算软件"donjon"以及组件计算软件"dragon",以此对大亚湾压水堆核电站初装料燃料组件布置进行优化计算,并将结果与相关研究文献对比分析,验证文中采用方法的正确性。经对比分析,证实文中提出方法能较好解决压水堆初装料问题,且优化过程中在有限初始群体个数及有限迭代次数下,算法全局搜索强,收敛速度快,收敛效果好。优化结果表明,kh满足安全限值范围(kh1.4),与参考方案相比keff得到增加,且在一定程度上优于参考文献值。     

遗传算法在HFETR堆芯优化设计中的应用

研究遗传算法在HFETR堆芯优化设计中的应用。计算程序中部分参数采用岷江试验堆堆芯优化程序中已采用的参数，计算方法上引入了对称变异算子与虚拟堆芯技术。虚拟堆芯技术的引入减少了获得优化方案的计算时间，而对称变异算子的应用增加了优化方案的工程实用性。从优化结果可以看出，转换比与同位素总产量都可提高10％以上，优化堆芯装载方案对称实用。满足工程要求。     

遗传算法优化的BP神经网络在EDXRF中对钛铁元素含量的预测

在能量色散X荧光分析(EDXRF)技术中,受均匀效应、颗粒效应和基体效应等的干扰,定量分析精度受到影响。本文针对这一问题提出了遗传算法(GA)优化BP神经网络(GA-BP)的混合算法,该算法无需考虑元素浓度和射线强度之间的复杂关系。遗传算法优化BP神经网络的目的是为了获得更好的网络初始权值和阈值,其基本思想是:将初始化的BP神经网络均方根误差的倒数编码为遗传算法中个体的适应度;初始的权值和阈值用遗传算法中的个体代替,然后通过选择、交叉和变异操作挑选出最优个体,最后通过解码用最优的权值和阈值创建一个新的BP网络模型。攀枝花矿区5类矿样中钛和铁含量的整体预测和分类预测实验表明,分类预测效果远好于整体预测。预测值与化学分析值比较结果表明,其中76.7%的样品相对误差小于2%,表明了该方法在元素间基体效应校正上的有效性。     

基于RBF神经网络的压水堆堆芯三维功率分布方法研究

堆芯三维功率分布的实时监测对核电厂的安全高效运行和控制系统优化均有重大意义。本文利用堆外核测量系统及RBF神经网络构建了一个实时堆芯功率三维分布监测系统,以提高监测的实时性及减小三维功率分布的拟合误差。在300 MW压水堆核电厂全范围仿真机上进行了一系列仿真实验,结果表明,该监测系统能在燃料循环周期的一定燃耗范围内,实时呈现堆芯三维功率分布,并通过几种方法对模型的精度进行了有效改进。     

基于BP神经网络的船用反应堆屏蔽设计快速计算功能研究

船用反应堆的屏蔽设计问题直接关系到核能能否安全的用作舰船的动力系统,而在屏蔽设计问题中屏蔽计算是十分重要的环节。为了实现在一定误差范围内实现快速计算功能,采用BP神经网络模拟学习MCNP的计算过程,仅需给出指定的输入变量即可预测屏蔽计算输出结果,解决了MCNP计算耗时过长问题,提高了屏蔽设计优化效率。     

人工神经网络在核供热堆故障诊断中的应用研究

运用人工神经网络技术对２００ＭＷ核供热堆的故障诊断系统进行了研究,并用事故工况下反应堆参数的实际值和趋势变化值分别对两个ＢＰ网络进行训练和检验,两个网络诊断结果的综合得出最终诊断结果。经检验证明,将两个网络结合的综合系统与单网络系统相比,可提高诊断的准确性和适应性。     

基于BP神经网络的堆芯三维功率重构方法研究

堆芯功率分布包含了堆芯内的大量信息,由于在反应堆运行过程中无法直接测量堆芯内所有位置的功率,因此需通过其他方法得到堆芯三维功率分布的情况。本文以秦山一期工程为对象,利用堆外中子探测器在不同棒位和不同功率下的计数及BP神经网络对堆芯三维功率分布进行重构计算,并利用REMARK程序对该计算结果进行验证。结果表明,该功率重构方法能在反应堆运行的50%～100%功率范围内,较好地呈现堆芯三维功率分布。     

摇摆流动不稳定性的遗传算法优化神经网络预测

摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。     

遗传神经网络在蒸汽发生器故障诊断中的应用

针对传统的BP神经网络学习算法易陷入局部极小以及收敛速度慢等问题,本文在神经网络中融合遗传算法,并将其应用到蒸汽发生器(SG)故障诊断中。结果证明,该算法能有效地解决网络训练中的收敛问题。     

Optimization of Refueling Scheme of Sodium-Cooled Fast Reactor Core Using Heuristic Enumeration Method

Abstract

Basic considerations are discussed in the area of LMFBR refueling optimization. The procedure of search for the optimum refueling scheme is based on a systematic enumeration algorithm embodying the heuristic rule “Elimination of Hopeless End States (EHES)”. The optimization procedure thus developed reveals the global characteristics of the refueling scheme, on the basis of a macroscopic regression model which describes the burnup-dependent core performance.

Sample numerical results are obtained on problems of optimizing the refueling scheme for the 4-zone zone-loaded and 2-zone scatter-loaded cores of a typical sodium cooled mixed-oxide fueled fast power reactor. Case studies are conducted on the effect of change in the elimination factor adopted in applying the EHES, in the upper or lower boundaries of constraints, in the performance criterion, and in various parameters governing the mode of reactor operation such as the duration of one cycle period. The study has revealed several notable characteristics particular to LMFBR core refueling, such as the common trait of optimized refueling schemes for 2-region cores of repeated identical refueling patterns, and incompatibility between radial power flattening and sustained useful life for the core.