铅铋反应堆堆芯流量分区智能优化方法研究

堆芯流量分区是实现堆芯出口温度展平的重要手段,合理地分区可以提高反应堆的安全性和经济性。本文将人工智能优化算法与单通道模型进行耦合,构建了反应堆堆芯流量分区计算模型,分别开展遗传算法、差分进化算法、量子遗传算法在反应堆流量分区问题上的收敛性分析。
根据所得最优算法,分别以寿期初功率分布、各燃料组件在整个寿期内最大功率为样本数据,基于小型长寿命自然循环铅铋快堆SPALLER -100开展两种不同流量分区方案对比分析。研究结果表明,在3种智能优化算法中,量子遗传算法在反应堆流量分区问题上收敛性最佳,能较快地搜索到最优分区结果;基于寿期初功率分布样本数据所得燃料组件最大出口温度超出反应堆热工安全限值,而基于各燃料组件在整个寿期内最大功率所得燃料组件最大出口温度降低了140 K,且始终保持在热工安全限值之下;SPALLER-100反应堆最佳分区数为5,再增加分区数对提高反应堆热工安全性能影响较小。