一种基于遗传算法的核反应堆系统分析程序参数自动优化方法技术方案

本发明专利技术公开了一种基于遗传算法的核反应堆系统分析程序参数优化方法，能够基于遗传算法对核反应堆系统分析程序的建模参数进行自动调整，提高程序的预测精度。步骤如下：1、生成核反应堆系统分析程序的建模文件；2、读取核反应堆系统分析程序建模文件中的被优化参数，构建单目标优化算法的目标函数；3、使用被优化参数生成遗传算法的种群，利用生成的种群中的参数启动核反应堆系统分析程序进行计算，获得种群中个体的适应度；4、对生成的种群进行选择、遗传和变异操作，产生新一代的种群；5、继续执行步骤3到步骤4，直至算法计算收敛或达到规定的最大代数，得到单目标优化的最优解并输出到系统分析程序的输入卡中。系统分析程序的输入卡中。

【技术实现步骤摘要】
一种基于遗传算法的核反应堆系统分析程序参数自动优化方法


[0001]本专利技术涉及核反应堆系统
，具体涉及一种基于遗传算法的核反应堆系统分析程序参数优化方法。

技术介绍

[0002]核反应堆系统分析程序在反应堆的正常运行和事故工况分析中具有重要的作用。由于具有较强的专业性和建模要求，研究人员通常需要进行大量的实践之后才能熟练地使用这一类程序，不利于这类软件的推广使用和验证等。同时，由于系统分析程序在计算中会产生大量的温度、压力、流量等数据，对计算结果的评估也存在较大的困难。
[0003]为了对系统分析程序进行参数优化和验证等，维也纳大学、德国的卡尔斯鲁厄理工学院(KIT)等机构将快速傅里叶变换方法运用到系统分析程序的结果评价中，并提出了基于各个参数无量纲平均振幅的加权平均值来评价系统分析程序计算精度的方法，并将这一方法应用于系统分析程序的验证和参数敏感性中，并取得了较好的效果。
[0004]但是，单纯采用快速傅里叶变换方法对系统分析程序的建模进行参数敏感性分析时，虽然可以取得较好的效果，但却很难避免在建模过程中人为的主观影响。同时，即使研究人员具有专业的知识和程序建模经验，也无法保证程序能获得最优的建模。采用快速傅里叶变换方法的目标是获取尽可能小的无量纲平均振幅的加权平均值，因此可以将系统分析程序的参数优化问题凝练为一个单目标优化问题。这类优化问题可以采用机器学习中的多种算法进行求解。

技术实现思路

[0005]为了解决上述现有技术存在的问题，需要提出一种基于遗传算法的核反应堆系统分析程序参数优化方法，该方法能够基于遗传算法对核反应堆系统分析程序的建模参数进行自动调整，提高系统分析程序的预测精度，降低研究人员对相关建模知识和经验的依赖性。
[0006]为达到上述目的，本专利技术采用了如下技术方案：
[0007]一种基于遗传算法的核反应堆系统分析程序参数优化方法，能够基于遗传算法对核反应堆系统分析程序的建模参数进行自动调整，提高系统分析程序的预测精度，包括如下步骤：
[0008]步骤1：在核反应堆系统分析程序中对核反应堆回路系统进行建模，生成建模文件；
[0009]步骤2：读取建模文件中的节点划分、管道面积、管道长度、管道体积、阻力系数、摩擦系数、换热模型和换热面积作为被优化参数，构建单目标优化算法的目标函数，单目标优化算法的目标函数的表达式如下：
[0010][0011]式中：m表示被优化参数的个数；π
j
表示第j个被优化参数，j＝1,2,
…
,m；AA
l
表示核反应堆系统分析程序第l个计算结果的无量纲平均振幅，计算结果包括一回路压力、二回路压力、压降、冷却剂装量、流量、流体温度、包壳温度、坍塌液位和堆芯功率，l为被优化参数的编号，N表示计算结果的数量；AA
tot
表示各个计算结果的无量纲平均振幅的加权平均值；w
f,l
表示每个计算结果的加权因子；
[0012]步骤3：使用核反应堆系统分析程序的被优化参数生成遗传算法的种群，选取目标函数的倒数作为适应度函数，利用种群中的参数启动核反应堆系统分析程序进行计算，得到核反应堆系统分析程序的计算结果，使用这些计算结果获得种群中个体的适应度，具体分为以下步骤：
[0013]步骤3
‑
1：将种群中个体对应的参数写入核反应堆系统分析程序建模文件中，启动核反应堆系统分析程序进行计算，将获取到的计算结果与已有公开文献中的实验值进行比较，构造如下误差函数：
[0014]ΔF(t)＝F
calc
(t)
‑
F
exp
(t)
[0015]式中ΔF(t)表示核反应堆系统分析程序计算结果与已有公开文献中的实验值的误差，t为计算的时刻；F
calc
(t)表示核反应堆系统分析程序的计算结果；F
exp
(t)表示已有公开文献中的实验值。
[0016]步骤3
‑
2：对上述误差函数进行傅里叶变换，获得核反应堆系统分析程序计算结果的无量纲平均振幅AA：
[0017][0018]式中：表示误差ΔF(t)在频率为f
n
时经快速傅里叶变换之后的值；表示实验值F
exp
(t)在频率为f
n
时经快速傅里叶变换之后的值；快速傅里叶变换的表达式如下：
[0019][0020]式中F(t)表示变量F在时间域上的值；i表示虚数单位；f
n
表示频率，其中M为核反应堆系统分析程序中设置的计算时间步数，取M＝2
p+1
，p为定义时刻点数的指数；τ为计算的时间步长，n为傅里叶变换中的角频率，n＝0,1,...,2
p
；F
k
为第k个时刻变量的值；
[0021]步骤3
‑
3：获得核反应堆系统分析程序计算结果的无量纲平均振幅AA之后，对各个参数的AA值进行加权，加权公式为：
[0022][0023][0024]其中w
f,l
是引入的对于每个计算结果的加权因子；这在一定程度上引入了工程判断，加权因子计算公式为：
[0025][0026]其中：W
exp,l
表示与实验精度相关的贡献；W
saf,l
表示参数的安全相关性的贡献，W
exp,l
和W
saf,l
必须根据工程判断来设置；W
norm,l
表示核反应堆一回路压力的贡献；
[0027]步骤3
‑
4：计算种群的适应度评价结果，适应度评价函数取为：
[0028][0029]步骤4：对种群进行选择、遗传和变异操作，采用无回放式余数随机选择算子进行选择操作，确保适应度大于2的一些个体能够被遗传到下一代群体中，遗传操作采用算术交叉算子实现，变异操作采用非均匀变异算子实现，从而产生新一代的种群；
[0030]步骤5：重复执行步骤3至4直至遗传算法收敛或达到规定的最大代数，得到单目标优化的最优解并输出到核反应堆系统分析程序的建模文件中，完成核反应堆系统分析程序参数的自动优化；收敛准则为在连续五代种群内满足以下条件：
[0031]AA
tot
≤0.1。
[0032]本专利技术具有以下优点和有益效果：
[0033]1.采用了快速傅里叶变换对系统分析程序的结果进行评价，解决了因为参数较多无法对系统分析程序计算结果进行有效评价的问题，为系统分析程序的验证和使用提供了重要参考。
[0034]2.引入遗传算法对核反应堆系统分析程序的参数进行自动优化，可以极大降低对研究人员相关专业知识和建模经验的依赖程度，使研究人员可以更加专注于问题本身。
[0035]3.可以充分利用遗传算法的优势，减少了陷入局部最优解的风险，同时算法也易于实现并行化，能够获得核反本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的核反应堆系统分析程序参数自动优化方法，其特征在于：能够基于遗传算法对核反应堆系统分析程序的建模参数进行自动调整，提高核反应堆系统分析程序的预测精度，降低研究人员对相关建模知识和经验的依赖性，具体包括以下步骤：步骤1：在核反应堆系统分析程序中对核反应堆回路系统进行建模，生成建模文件；步骤2：读取建模文件中的节点划分、管道面积、管道长度、管道体积、阻力系数、摩擦系数、换热模型和换热面积作为被优化参数，构建单目标优化算法的目标函数，单目标优化算法的目标函数的表达式如下：式中：m表示被优化参数的个数；π
j
表示第j个被优化参数，j＝1,2,
…
,m；AA
l
表示核反应堆系统分析程序第l个计算结果的无量纲平均振幅，计算结果包括一回路压力、二回路压力、压降、冷却剂装量、流量、流体温度、包壳温度、坍塌液位和堆芯功率；l为被优化参数的编号；N表示计算结果的数量；AA
tot
表示各个计算结果的无量纲平均振幅的加权平均值；w
f,l
表示每个计算结果的加权因子；步骤3：使用核反应堆系统分析程序的被优化参数生成遗传算法的种群，选取目标函数的倒数作为适应度函数，利用种群中的参数启动核反应堆系统分析程序进行计算，得到核反应堆系统分析程序的计算结果，使用这些计算结果获得种群中个体的适应度，具体分为以下步骤：步骤3
‑
1：将种群中个体对应的参数写入核反应堆系统分析程序建模文件中，启动核反应堆系统分析程序进行计算，将获取到的计算结果与实验值进行比较，构造如下误差函数：ΔF(t)＝F
calc
(t)
‑
F
exp
(t)式中ΔF(t)表示核反应堆系统分析程序计算结果与实验值的误差，t为计算的时刻；F
calc
(t)表示核反应堆系统分析程序的计算结果；F
exp
(t)表示实验值；步骤3
‑
2：对上述误差函数进行傅里叶变换，获得核反...

【专利技术属性】
技术研发人员：巫英伟，岳智瑛，王超，丁政韬，章静，苏光辉，李奕彤，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：