基于遗传算法的燃料棒设计方法、系统及存储介质技术方案

本发明专利技术涉及基于遗传算法的燃料棒设计方法、系统及存储介质，方法包括：根据燃料棒设计准则要求，获取设计参数数据，并生成初始种群；将初始种群根据预设算法规则生成子代种群，选取子代种群与初始种群进行合并分析，生成最优种群；将最优种群下的燃料棒综合性能结合燃料棒设计准则要求，进行综合评价分析，验证最优种群的参数的合理性。通过实施本发明专利技术，不仅有助于找到适合的设计参数，更能对生产出的燃料棒参数进行评估从而避免因燃料棒自身设计问题而带来的严重后果，在保证燃料安全性、可靠性前提下有效提升其经济性。性前提下有效提升其经济性。性前提下有效提升其经济性。

【技术实现步骤摘要】
基于遗传算法的燃料棒设计方法、系统及存储介质


[0001]本专利技术涉及燃料棒设计领域，尤其涉及一种基于遗传算法的燃料棒设计方法、系统及存储介质。

技术介绍

[0002]现燃料棒由燃料芯块、包壳、燃料棒弹簧及上、下端塞组成，芯块结构、包壳结构、燃料棒弹簧结构及上、下端塞结构设计参数均沿用国外成熟设计。随着日益增涨的需求和大量的运行经验反馈，需要对现役燃料棒设计进行必要的优化以提升其可靠性。燃料棒设计可优化参数众多，并且设计准则要求的温度、内压、应变等性能之间无直接联系，涉及的优化参数之间相互制约，甚至相互冲突。
[0003]现有工程应用的燃料棒设计验证方法需要确定各个设计参数的数值，要开展针对多个目标要求且仅有参数取值范围情况下的多参数优化工作非常困难。如专利CN112613156A描述了一种精细化燃料棒性能分析方法，该方法包括：将全堆芯燃料棒进行数据分类，并按照堆芯燃料棒的位置信息形成数据串；对燃料棒进行编码，并根据编码顺序对全堆芯的燃料棒行为进行模拟，并进行不确定性分析；同时根据中子学特征，对部分或所有燃料棒进行瞬态模拟分析。专利CN101086905A描述了一种用于评价具有反应堆保护系统和多个延长的燃料棒的核堆芯内发生的芯块
‑
包壳相互作用(PCI)的方法，具体涉及II类工况中芯块
‑
包壳相互作用的分析方法。
[0004]但专利CN112613156A和专利CN101086905A在开展燃料棒设计中，在仅有设计参数取值范围的情况下对多个参数同时进行设计迭代，并且满足燃料棒设计准则的要求十分困难。且开展单参数设计及优化费时费力，因为没有充分考虑燃料是一个完整系统，因此最终的分析结论也并且无法保证最终取值为最优。

技术实现思路

[0005]本专利技术要解决的技术问题在于，针对现上述
技术介绍
中提及的相关技术存在的至少一个缺陷：如何获得燃料棒的最优设计参数解，提供一种基于遗传算法的燃料棒设计方法、系统及存储介质。
[0006]本专利技术解决其技术问题所采用的技术方案是：提供一种基于遗传算法的燃料棒设计方法，包括以下步骤：
[0007]步骤S1：根据燃料棒设计准则要求，获取设计参数数据，并生成初始种群；
[0008]步骤S2：将所述初始种群根据预设算法规则生成子代种群，选取所述子代种群与所述初始种群进行合并分析，生成最优种群；
[0009]步骤S3：将所述最优种群下的燃料棒综合性能结合所述燃料棒设计准则要求，进行综合评价分析，验证所述最优种群的参数的合理性。
[0010]优选地，所述根据燃料棒设计准则要求，获取设计参数数据，包括：
[0011]根据所述燃料棒设计准则要求确定优化目标函数、待优化决策参数以及待优化决
策参数取值范围。
[0012]优选地，所述步骤S2之前还包括：
[0013]以每个所述待优化决策参数的决策变量作为输入变量，根据预设的计算规则，输出多个目标变量值，并通过所述优化目标函数计算适应度；
[0014]其中，所述适应度用于分析所述输入变量和所述目标变量值之间的关系。
[0015]优选地，所述步骤S1还包括：
[0016]进行数据初始化确定种群代数后，再生成规模为N的所述初始种群；
[0017]其中，N为大于1的正整数。
[0018]优选地，所述将所述初始种群根据预设算法规则生成子代种群，包括：
[0019]将所述初始种群使用快速非支配排序后通过二元锦标赛选择和进行交叉变异，生成所述子代种群。
[0020]优选地，所述生成最优种群，包括：
[0021]判断所述子代种群符合收敛标准，若是，则停止设计过程，以此所述子代种群作为最终的子代种群；若否，则继续进行所述交叉变异，生成新的子代种群，并继续判断所述新的子代种群是否符合收敛标准。
[0022]优选地，所述交叉变异包括模拟二进制交叉和多项式变异。
[0023]优选地，所述选取所述子代种群与所述初始种群进行合并分析，包括：
[0024]将所述子代种群与所述初始种群进行合并，对合并后的种群实施快速非支配排序产生多个非支配层；
[0025]以非支配顺序来择优选取个体放入下一代种群中，对于选择处于同一非支配层的个体时采用依据参考点的方式来选择更优个体。
[0026]本专利技术还构造了一种基于遗传算法的燃料棒设计系统，包括：
[0027]初始分析模块，用于根据燃料棒设计准则要求，获取设计参数数据，并生成初始种群；
[0028]子代分析模块，用于将所述初始种群根据预设算法规则生成子代种群，选取所述子代种群与所述初始种群进行合并分析，生成最优种群；
[0029]结果分析模块，用于将所述最优种群下的燃料棒综合性能结合所述燃料棒设计准则要求，进行综合评价分析，验证所述最优种群的参数的合理性。
[0030]本专利技术还构造了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于遗传算法的燃料棒设计方法。
[0031]通过实施本专利技术，具有以下有益效果：
[0032]本专利技术公开了基于遗传算法的燃料棒设计方法、系统及存储介质，通过根据燃料棒设计准则要求确定各项设计参数，生成一定规模的初始种群，对初始种群使用预设算法进行产生子代种群，再将生成的子代种群与初始种群进行合并分析，生成更优的新种群，再结合燃料棒设计准则要求和新种群下燃料棒综合性能进行评价，以验证新设计参数的合理性。本专利技术中采用遗传算法开展燃料棒设计优化能够做到快速收敛的同时，得到优秀的解集，并且具有很好的分布性和多样性，能够高速解决多参数的燃料棒设计问题。
附图说明
[0033]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0034]图1是本专利技术基于遗传算法的燃料棒设计方法的流程示意图；
[0035]图2是本专利技术燃料棒设计问题的遗传算法流程示意图；
[0036]图3是本专利技术第二实施例解集分布性评估示意图；
[0037]图4是本专利技术遗传算法超体积指标评估示意图；
[0038]图5是本专利技术基于遗传算法的燃料棒设计系统的模块框图。
具体实施方式
[0039]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。
[0040]需要说明的是，附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0041]附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0042]在本实施例中，如图1所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的燃料棒设计方法，其特征在于，包括以下步骤：步骤S1：根据燃料棒设计准则要求，获取设计参数数据，并生成初始种群；步骤S2：将所述初始种群根据预设算法规则生成子代种群，选取所述子代种群与所述初始种群进行合并分析，生成最优种群；步骤S3：将所述最优种群下的燃料棒综合性能结合所述燃料棒设计准则要求，进行综合评价分析，验证所述最优种群的参数的合理性。2.根据权利要求1所述的基于遗传算法的燃料棒设计方法，其特征在于，所述根据燃料棒设计准则要求，获取设计参数数据，包括：根据所述燃料棒设计准则要求确定优化目标函数、待优化决策参数以及待优化决策参数取值范围。3.根据权利要求2所述的基于遗传算法的燃料棒设计方法，其特征在于，所述步骤S2之前还包括：以每个所述待优化决策参数的决策变量作为输入变量，根据预设的计算规则，输出多个目标变量值，并通过所述优化目标函数计算适应度；其中，所述适应度用于分析所述输入变量和所述目标变量值之间的关系。4.根据权利要求1所述的基于遗传算法的燃料棒设计方法，其特征在于，所述步骤S1还包括：进行数据初始化确定种群代数后，再生成规模为N的所述初始种群；其中，N为大于1的正整数。5.根据权利要求1所述的基于遗传算法的燃料棒设计方法，其特征在于，所述将所述初始种群根据预设算法规则生成子代种群，包括：将所述初始种群使用快速非支配排序后通过二元锦标赛选择和进行交叉变异，生成所述子代种群。6.根据权利要求5所述的基于...

【专利技术属性】
技术研发人员：王洁，韦俊，李长征，林少芳，宋子凡，任啟森，聂立红，李伟才，
申请(专利权)人：中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：