论文部分内容阅读
反应堆核设计优化是核工程设计中的重要内容,对提高核电站的经济性和安全性至关重要。由于涉及变量众多并存在诸多约束,使得核设计优化过程十分繁琐复杂。目前基于人工智能的优化方法已在核设计优化领域应用较为广泛,但存在收敛性不足、受参数影响大的问题,导致优化结果有时反不如人工优化。本文基于中子输运设计与安全评价软件系统SuperMC“超级蒙卡”,开展了智能核设计方法研究,主要研究内容和创新概括如下:(1)发展了混合差分进化的核设计优化方法。核设计优化中变量类型包含连续型与离散型。差分进化算法(Differential Evolution,DE)设计为处理连续空间优化问题,难以处理其中离散变量的优化。本文基于DE算法发展了混合差分进化的核设计优化方法(HTDE)。HTDE中对离散变量编码方式进行了设计,发展并增加了相应的变异与交叉策略,实现了混合变量问题的优化。为了进一步提高算法的性能,提出了一种新的自适应交叉概率,并采用了反向学习方法。在连续、离散优化测试及PWR堆芯装载优化性能测试例题中,HTDE均表现了良好的收敛性与鲁棒性。(2)发展了非支配混合差分多目标核设计优化方法。核设计优化中往往涉及多个目标的同时优化,NSGA-II是解决多目标优化的经典算法,但其存在多样性与收敛性不足的缺点。本文将HTDE和NSGA-II融合,采用了改进的拥挤度算子,提出了新的排序策略与种群动态调整策略,发展了非支配混合差分多目标核设计优化方法(MHTDE)。为了验证MHTDE的性能,本文使用了国际多目标基准例题对MHTDE进行了测试,结果显示了MHTDE在处理多目标优化问题中的效率。本文分别使用西屋压水堆、田纳西反应堆WBN1以及萨瓦娜核动力船优化基准题对发展的方法进行了综合测试。西屋压水堆装载优化目标为保证有效增殖因数keff满足限值的情况下使功率峰因子(PPF)最小,优化方案将PPF从1.60降至了1.21。田纳西反应堆WBN1的优化目标为最大化keff、最小化PPF,同时考虑慢化剂温度系数等的约束,优化后keff提高1.0%,PPF降低2.6%。萨瓦娜船屏蔽设计优化中,在保证剂量水平在可接受范围内的前提下,优化后屏蔽体重量降低了25.5%,体积降低了15%。以上综合测试证明了本文发展的优化方法的可行性与有效性,可广泛应用于复杂反应堆核设计优化中。