基于聚类和随机搜索优化的核反应堆数字孪生参数反演模型.pdf
《基于聚类和随机搜索优化的核反应堆数字孪生参数反演模型.pdf》由会员分享,可在线阅读,更多相关《基于聚类和随机搜索优化的核反应堆数字孪生参数反演模型.pdf(10页珍藏版)》请在咨信网上搜索。
1、第58 卷第1期2024年1月原子能科学技术Atomic Energy Science and TechnologyVol.58,No.1Jan.2024基于聚类和随机搜索优化的核反应堆数字李生参数反演模型龙家雨”,宋美琪”,柴翔”,刘晓晶”,妥艳洁2.3(1.上海交通大学智慧能源创新学院,上海2 0 0 2 40;2.上海交通大学机械与动力工程学院,上海2 0 0 2 40;3.国家电力投资集团有限公司,北京10 0 0 2 9)摘要:为了实现对核反应堆内置传感器的大量数据的高效存储、传输和分析,本文结合聚类算法与随机搜索优化的人工神经网络,对空间热离子反应堆的数字李生系统搭建了一个参数反演
2、模型,实现在热管失效工况下的堆芯温度数据的反演。使用2 0%热管失效工况下空间热离子反应堆堆芯4个区域的温度数据,通过K-means聚类与轮廓系数指标提取各区域的特征温度参数,通过随机配置优化的全连接人工神经网络(ANN)完成特征参数到其他参数的反演,并对反演效果进行验证。研究结果表明,运用该方法对燃料、发射极、接收极、冷却剂4个区域进行参数反演,温度反演值的相对误差均方根分别为0.55%、0.41%、0.19%、0.18%,其中用于反演的特征参数占总参数比例均不超过8%。因此本研究建立的参数反演模型能够获取特征参数的物理含义,并对空间热离子反应堆堆芯温度参数进行较高精度的反演。关键词:数字李
3、生;空间热离子反应堆;K-means聚类;人工神经网络;参数反演中图分类号:TL329.2doi:10.7538/yzk.2023.youxian.0176文献标志码:A文章编号:10 0 0-6 9 31(2 0 2 4)0 1-0 12 5-10Parameter Inversion Method of Nuclear Reactor Digital TwinBased on Clustering and Random Search OptimizationLONG Jiayu,SONG Meiqil*,CHAI Xiang”,LIU Xiaojing”,TUO Yanjie2-(l.Co
4、llege of Smart Energy,Shanghai Jiao Tong University,Shanghai 200240,China;2.School of Mechanical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China;3.State Power Investment Corporation Limited,Beijing 100029,China)Abstract:In order to realize the real-time interaction between virtual sp
5、ace and realspace,the digital twin system of nuclear reactor was built according to the actual nucle-ar reactor,with a large number of sensor devices and a large amount of data,resultingin problems of large storage space demand,low transmission efficiency and high com-plexity of data analysis.To sol
6、ve the above problems,it is necessary to optimize thesensor arrangement and achieve efficient data storage,transmission and analysis.Fewstudies have been made to find feature parameters while obtaining their physical meaning收稿日期:2 0 2 3-0 3-2 7;修回日期:2 0 2 3-0 5-17基金项目:国家重点研发计划(2 0 2 0 YFB1901900)*通信
7、作者:宋美琪126and maintaining high efficiency simultaneously,which is the purpose of this paper.Inthis study,a parameter inversion model was built for the digital twin system of spacethermionic reactors by combining clustering algorithm and artificial neural networkbased on random search optimization,so
8、as to realize the inversion of core temperaturedata under heat pipe failure conditions.The main process of the model can be groupedinto two parts,feature parameter extraction and parameter inversion.In the part offeature extraction,data were reduced from high dimension to low dimension,whichconstitu
9、ted a data reduction.The temperature data were extracted from four areas of thespace thermionic reactors core from the inside out,which were fuel,emitter,receivingpole and coolant,under 20%heat pipe failure condition.Temperature parameters can beregarded as numerical vectors with the same dimension
10、as the number of time nodes,sothe clustering method can divide these temperature parameters into different categories,and the parameter closest to the center of each category was taken as the parameter withtypical change characteristics.Silhouette Score is usually used for evaluating the effectof cl
11、ustering,which can be used to find the proper number of clusters.Therefore,K-means clustering algorithm and Silhouette Score were used as evaluation indicators toselect the feature parameters of different regions of the core.In the second part,the fea-ture parameters were inverted to other parameter
12、s by a fully connected artificial neuralnetwork,its hyper parameters optimized by random search configuration.The optimi-zing process was executed by setting a range for different hyper parameters like thenumber of hidden layers,the nodes of each layer and the learning rate,and then choo-sing a comb
13、ination that had the smallest loss.Then the feature parameters were used asinput and inverted to the rest as output.The inversion model was then verified with thetemperature data of 15%heat pipe failure condition.The results show that by using theparameter inversion of fuel,emitter,receiving pole an
14、d colant,the relative error oftemperature inversion value is 0.55%,0.41%,0.19%and 0.18%respectively,and thefeature parameters used for inversion are no more than 8%of the total parameters.Therefore,the parameter inversion model established in this study can obtain the physi-cal meaning of the featur
15、e parameters and reverse the space reactor core temperatureparameters with high accuracy,therefore resisting the influence of probe damage anddata loss.The application of this method in the digital twin system of nuclear reactorcan also provide an evaluation basis for the future installation of dete
16、ctors in smallnuclear reactors.Key words:digital twin;space thermionic reactor;K-means clustering;artificial neuralnetwork;parameter inversion数字李生(digitaltwin)是以数字化方式创建物理实体的虚拟模型,充分利用物理模型、传感器、运行历史等数据,集成多学科、多尺度对物理实体在现实环境中的行为进行模拟的仿真过程。作为虚拟空间中对实体产品的镜像,其反映了相对应物理实体产品的全生命周期过程1-2 1。核电数字李生有利于核电站以较低成原子能科学技术第5
17、8 卷本实现高可靠性、可用性与可维护性3,可在核电站的预测性运行与维护、自主运行与控制等领域发挥作用,如实现小型模块化反应堆自动、自主和实时性能要求4 或结合先进PSA(概率风险评估)方法构建实时决策支持系统5 等。核电站为实时监测运行状态而布置大量的传感器,产生的数据种类多、总量大,造成存储第1期空间需求大、传输效率不高、数据分析复杂度高等问题,基于核电站构建的数字李生系统同样面临此类问题,如何优化传感器的布置也需要进一步研究。核电领域常采用数据降维与反向求解的特征工程进行数据处理与分析6-7。Peng等8 利用稀疏自动编码器(sparseautoencoder)对仿真程序PCTRAN模拟的
18、核电站的几种不同瞬态参数提取特征,实现对核电站异常状态的检测。Yang等9 用一维卷积神经网络(CNN)重建核电站传感器信号,通过逐步减少传感器进行实验,在16 种传感器数据确定了5种影响最大的参数。李翔宇等10 通过改进特征工程算法建立了一种核电站瞬态运行参数数据压缩和数据复原方法,结合主成分分析法与高斯回归过程方法对秦山30 0 MWe全范围仿真机产生的瞬态运行数据进行压缩与高精度复原。目前此类研究在特征提取上面临如下的问题:通过逐次实验的方式获取特征参数,依赖长期数据,运算量大、效率较低;采用主成分分析等方式进行数据压缩,在压缩过程中改变了原参数的值,虽然提升了传输效率且能达到很高精度,
19、但也因此失去了特征参数的可解释性。针对上述问题,本文基于多物理场耦合程序实现空间热离子反应堆虚拟模型的构建并获取数字李生数据,结合K-means聚类算法与ANN(人工神经网络),提出一种能够在保留原数据的情况下高效提取特征参数并对其他非特征参数进行反演的方法,对空间热离子反应堆堆芯的4个区域的温度参数分别建立参数反演模型并取得较高精度的反演结果。龙家雨等:基于聚类和随机搜索优化的核反应堆数字李生参数反演模型1数据集建立本文的参数反演模型是对空间热离子反应堆的数字李生堆芯温度数据建立的。对堆芯物理系统的数字李生计算通过上海交通大学搭建的多物理场耦合数值模拟平台11完成。1.1空间热离子堆堆芯系统
20、与常规压水堆相比,空间热离子反应堆体形较小,堆芯三维几何模型如图1所示。空间热离子反应堆由37 根热离子燃料元件和ZrH慢化剂芯块组成。通过旋转控制鼓引人反应性,从而启动空间热离子反应堆。燃料热量产生与传递过程如下:燃料芯块发生核裂变反应,产生热量,热量通过发射极、接收极、气隙传递给冷却剂,冷却剂通过对流换热将会带走部分热量,剩余热量传递给慢化剂芯块,慢化剂通过热辐射向太空散失部分热量。图1空间热离子反应堆堆芯的几何模型1Fig.1Geometric modelof space thermionic reactor corelu空间热离子反应堆堆芯中最核心的部件是热离子燃料元件,其结构示于图2
21、。热离子燃料元件为单节全长多层套筒结构的热离子燃料元件,采用高浓缩UO2作为燃料,NaK-78作为127钠钾合金冷却剂中心孔道气腔气隙氧气腔二氧化轴钼钨钼接不锈钢芯块发射极收极套筒面图径向示意图图2 单节热离子燃料元件11Fig.2 Single-section thermionic fuel elementl11不锈钢套筒128冷却剂。发射极材料为单晶钼和化学气相沉积制成的钨表面层,接收极由多晶钼制成,接收极外包有Al2O:绝缘体薄层。1.2数据获取使用基于OpenFOAM开发的多物理场耦合程序对空间热离子反应堆构建数值模拟平台。网格划分、工况设置、相关方程及计算可见文献11。基本参数的程序
22、计算值与设计值吻合良好,在设计范围内。20%热管失效工况下的仿真结果中包含燃料、发射极、接收极、冷却剂4个区域的温度计算结果,采样时间间隔为0.1S,瞬态计算从750s开始到2 42 5s结束,共16 7 50 个时间节点。沿燃料元件轴向(轴)均匀分布的10 0 个测点,高度从0 到0.37 5m。剔除最初原始数据发生突变的时间点,最终生成了16 7 48 X1601维的数据集,对应16 0 0 个参数的16 7 48 个时间节点。用相同的方式获取15%热管失效工况下的堆芯温度数据,包含从7 50.2 s到18 9 3.9 s共11.438个时间节点,参数种类与2 0%热管失效工况下的相同,将
23、用于参数反演模型的效果验证。2参数反演模型构建本文构建的参数反演模型结构如图3所示。不同于自动编码器与数据压缩复原方法,本热离子燃料元件0.375m沿轴向10 0 个位置布点特征提取确定类数,聚类获取数据集评估聚类效果0参数(共N个)特征参数(共个)O非特征参数(共N-n个)参数反演结点数输入层(n)隐藏层1(hl)隐藏层n(he)输出层(N-n)图3本文的参数反演模型Fig.3Parameter inversionmodel proposed in this paper原子能科学技术第58 卷文构建的模型在特征提取环节通过机器学习方法快速选取出特征参数并且保留了其原始数据。依据如图4所示流程
24、构建参数反演模型,包括特征提取与神经网络搭建两部分,并在最后进行模型效果验证。建立空间热离子反应堆数据集使用聚类算法选取特征参数使用2 0%热管失效工况数据搭建用于反演的神经网络使用15%热管失效工况的数据验证反演模型图4参数反演模型搭建流程Fig.4Process of constructingparameter inversion model2.1基于K-means的特征选取环节特征选取是一个数据降维环节,将原始数据转换为低维度的特征向量,从而提高数据传输与分析效率,也节约了存储空间。K均值聚类算法(K-means算法)是一种无监督的分类方法,在设定聚类数后可自动通过算法完成不同参数类别的
25、划分。不同类簇中的中心参数表征了该类参数中的典型值,选择到聚类中心有最小平方欧氏距离的参数作为特征参数。由此,通过K-means聚类可以高效选取特征参数。聚类数的选择影响着聚类最终效果的好坏,选择轮廓系数(silhouette coefficient)作为评估聚每个轴向位置类效果的指标,并比较不同聚类数的轮廓系数沿径向16 个测点以选择最佳聚类数。特征参数物理含义特征选取环节包括如下步骤:将空间热离子反应堆的数字李生数据归一化、使用K-means算法分类、使用轮廓系数指标评估聚类效果、提取各类最接近聚类中心的参数作为特征参数,流程如图5所示。首先,分别对4个位置的温度参数进行归通过随机搜索优化
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 随机 搜索 优化 核反应堆 数字 孪生 参数 反演 模型
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。