基于模型的小型核电源全周期数据管理平台研究

当前小型核电源研发过程中面临数据贯通和协同需求迫切、全周期模型数据连续性管理能力不足以及数字孪生、人工智能等新一代数字化技术融合应用不充分等问题,传统线性的、以文档为中心的研发模式正在向动态的、以模型数据为中心的数字化生态系统转变。借鉴航天航空经验,提出了小型核电源全周期数字化模型体系,定义了需求模型、功能模型、系统布置模型及系统性能模型、设备模型及三维仿真模型、制造模型、孪生模型6类模型,阐述了基于模型的全周期数据管理平台总体架构和功能架构,为构建覆盖小型核电源全周期业务的模型数据管理平台,保障数据可追溯,落地数字主线奠定了基础。

基于协同进化算法的小型移动核电源堆芯功率展平研究

采用固态堆芯热管冷却的小型移动核电源具有环境适应性好、系统安全可靠、部署灵活及抗外部事件能力强等显著优点。为了有效控制极端落水事故下的反应性暴涨,在其堆芯燃料中添加了谱移吸收体Gd2O3。在通过调节堆芯不同位置处燃料的富集度和Gd2O3质量分数、实现堆芯功率展平的过程中,同时需要确保堆芯方案满足换料周期、正常工况和极端落水事故下的停堆深度等一系列目标,这使得小型移动核电源堆芯功率展平问题具有了高维度决策变量、多目标与多约束条件、多工况分析这三个特征。针对小型移动核电源堆芯功率展平所遇到的问题,基于协同进化算法、结合明确的物理经验,开发了一种小型移动核电源堆芯功率展平算法,通过聚类算法实现降维,通过子种群之间的协作实现收敛加速,通过基于高斯过程回归的代理模型实现对大量堆芯方案的预估和筛选,从而降低计算成本。与传统的差分进化算法、包含聚类的差分进化算法的优化结果进行对比,本文提出的堆芯功率展平算法在优化的质量和效率上均具有明显优势。经过该算法优化,堆芯方案的功率峰因子从1.30降低到1.14。优化结果表明:在协同进化算法框架下采用聚类和代理模型能够有效处理复杂堆芯的优化问题。