CN107784153A - 核电厂乏燃料装载方案的设计方法以及设计系统 - Google Patents
核电厂乏燃料装载方案的设计方法以及设计系统 Download PDFInfo
- Publication number
- CN107784153A CN107784153A CN201710743936.7A CN201710743936A CN107784153A CN 107784153 A CN107784153 A CN 107784153A CN 201710743936 A CN201710743936 A CN 201710743936A CN 107784153 A CN107784153 A CN 107784153A
- Authority
- CN
- China
- Prior art keywords
- spent fuel
- calculation
- preliminary
- loading scheme
- fuel assemblies
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本发明公开了一种核电厂乏燃料装载方案的设计方法和设计系统，其包括S1、通过优化算法随机产生批量的乏燃料初步装载方案；S2、对每一乏燃料初步装载方案中的每组乏燃料组件进行燃耗计算分析，获取每组乏燃料组件的剂量以及温度参数；S3、结合每组乏燃料组件的剂量以及温度参数，通过热工计算以及屏蔽计算，得出计算结果；S4、根据计算结果确定优化的乏燃料组件装载方案。本发明通过多目标智能寻优算法与热工计算、屏蔽计算方法的耦合，实现核电厂乏燃料组件在运输容器、贮存容器内装载方案设计的自动获取；通过获得理论近似全局最优解，提高了装载方案的精度，且缩短了优化方案的寻优效率。
Description
技术领域
本发明涉及核电厂乏燃料的管理领域，尤其涉及一种核电厂乏燃料装载方 案的设计方法以及设计系统。
背景技术
核电厂卸料产生的乏燃料组件(乏燃料组件：核燃料组件经过堆内辐照后， 在乏燃料贮存设施中进行操作、贮存、回取和监测活动时不再拆开的一组燃料 元件。其包括：燃料棒、可燃毒物棒、中子测量导管等)由于在堆内的辐照过 程积累了大量的放射性核素，使得乏燃料具有较强的放射性并不断伴随热量的 产生。因此，乏燃料的运输和贮存过程要尽量降低操作、运行人员接受的剂量， 贮存或转运设备要确保衰变热的及时导出并尽量降低设备的最大温度值，同时 确保设备实际寿命的尽量长。
目前商用的乏燃料贮存、转运或运输容器的乏燃料组件单元从二十几组到 三十几组不同，图1即示出了典型的32组乏燃料贮存容器(贮存容器：一种用 于贮存乏燃料的整体性或大体积屏蔽容器，构成罐体的各种实体提供乏燃料的 放射性屏蔽，乏燃料组件的衰变热通过辐射换热和自然循环或强制对流排出) 的横剖面。其普遍的装载方案均是将乏燃料组件简单分组(一般分为2～5组) 后，取最大的乏燃料组件释热率和放射性强度作为代表，通过手动调典型乏燃 料组件的装载方案，分别针对不同的方案进行屏蔽、热工计算分析，最终获得 较优化的装载方案。
但上述通过手工试凑的方法获得的装载方案，仅能获得局部较优化方案， 不能获得全局最优解；同时由于需要分别手动的填写辐射屏蔽、热工计算的输 入文件后，并手动提取输出结果和结果评价，过程复杂耗时，获得较优化方案 的时间可长达数月；且仅能针对特有的乏燃料贮存需求给出乏燃料组件分组和 燃料篮分区的装载方案，当组件贮存需求发生变化时要重新进行贮存方案设计。
因此有必要提供一种新的核电厂乏燃料装载方案的设计方法以及设计系 统，使其能提高乏燃料装载方案的设计效率，同时优化装载方案，提高装载方 案的精度，尽量降低容器内最大温度值和容器外部的最大剂量值。
发明内容
针对上述现有技术中存在的缺陷，本发明提供了一种核电厂乏燃料装载方 案的设计方法以及设计系统，其通过多目标智能寻优算法与热工计算、屏蔽计 算方法的耦合，实现核电厂乏燃料组件在运输容器、贮存容器内装载方案设计 的自动获取；由于采用了多目标寻优计算方法能够获得理论近似全局最优解， 提高了装载方案的精度，且缩短了优化方案的寻优效率。
本发明就上述技术问题而提出的技术方案如下：
一方面，提供一种核电厂乏燃料装载方案的设计方法，其包括如下步骤：
S1、针对若干待装载的乏燃料组件，通过优化算法随机产生批量的乏燃料 初步装载方案，且每一所述乏燃料初步装载方案均包含至少一组乏燃料组件；
S2、对每一所述的乏燃料初步装载方案中的每组乏燃料组件进行燃耗计算 分析，获取所述每组乏燃料组件的剂量以及温度参数；
S3、结合每一所述的乏燃料初步装载方案中每组乏燃料组件的剂量以及温 度参数，通过热工计算以及屏蔽计算，得出计算结果；
S4、根据所述计算结果确定优化的乏燃料组件装载方案。
优选的，步骤S1中，所述优化算法包括遗传算法，且所述遗传算法包括如 下步骤：
1)首先按照下述公式(1)对所有待装载的乏燃料组件进行分组，且每一 分组中所述待装载的乏燃料组件的数目为n；
n＝N/Mi (1)
其中：N为待装载的乏燃料组件总数目，M为每个容器可装载的乏燃料组 件数目，i为第i罐容器标识；
2)按照若(jn+m)≤n(k+j)<(jn+m+1)，则抽取第m+1个乏燃料组件的原 则对每一分组j内的待装载的乏燃料组件进行随机抽样，共抽取Mi个待装载的 乏燃料组件，其中m为[0，n]之间的整数；
3)对已抽取的每个待装载的乏燃料组件按照释热率水平进行排序，使得排 序的结果为每个待装载的乏燃料组件的遗传算法编码为(0，2Mi]之间的整数；
4)对于顺序抽取的Mi个乏燃料组件，按照其获得的遗传算法编码获得一 个长度为2Mi的整形数字型字符串，通过所述整形数字型字符串表征其特定的 乏燃料初步装载方案；
5)重复上述步骤1)-4)，直到满足用户计算时设定的种群数目为止。
优选的，步骤S2中，所述每组乏燃料组件的剂量以及温度参数包括核素量、 释热率以及放射性源强。
优选的，步骤S2中，所述燃耗计算包括：插值计算和精确计算。
优选的，步骤S3中，所述计算结果包括每一所述乏燃料初步装载方案中， 所述乏燃料组件全部装载于容器中时的容器内最大温度值以及容器外最大剂量 值。
优选的，步骤S4中还包括：对所述优化的乏燃料组件装载方案进行个体评 价，且当所述个体评价结果满足设定目标值时，输出所述个体评价结果；当所 述个体评价结果不满足设定目标值时，则返回步骤S1，重新随机产生批量乏燃 料组件初步装载方案。
优选的，对所述优化的乏燃料组件装载方案进行个体评价的过程包括：根 据每一代中每个乏燃料初步装载方案对应的容器外最大剂量值计算得到的平均 值和容器内最大温度值，通过用户设定不同字目标的权重因子，按照下述公式 (2)获得每个乏燃料初步装载方案的适应度函数值，且按照由小到大对所述适 应度函数值进行排序，选择适应度函数值较小的乏燃料初步装载方案；
上述公式(2)中：z(x)为x的适应度函数；ωk为第K个目标值函数fk(x)的 自适应因子，zk max为第k个目标函数的最大值；zk min为第k个目标函数的最小 值；λk为第k个子目标的权重因子，且要求
优选的，所述个体评价结果不满足设定目标值时是指G≤GMAX，n<N时的 情况，其中，GMAX为程序或用户设置的进化代数，G为程序执行的代数，N为 程序或用户设置的每群个体的数目，n为实际执行到的个体数目。9、如权利要 求1所述的设计方法，其特征在于，还包括步骤S5、读取用于装载所述待装载 的乏燃料组件的容器模型，并根据所述优化的乏燃料组件装载方案将所述待装 载的乏燃料组件装载到所述容器模型中。
另一方面，还提供一种核电厂乏燃料装载方案的设计系统，其包括：
优化算法模块，其用于针对若干待装载的乏燃料组件，通过优化算法随机 产生批量的乏燃料初步装载方案，且每一所述乏燃料初步装载方案均包含至少 一组乏燃料组件；
燃耗计算模块，其用于对每一所述的乏燃料初步装载方案中的每组乏燃料 组件进行燃耗计算分析，获取所述每组乏燃料组件的剂量以及温度参数；
热工计算模块，其用于根据每一所述的乏燃料初步装载方案中每组乏燃料 组件的温度参数进行计算，得出温度计算结果，并产生温度场分布数据；
以及屏蔽计算模块，其用于根据每一所述的乏燃料初步装载方案中每组乏 燃料组件的剂量参数进行计算，得出剂量计算结果；并产生剂量率分布数据。
优选的，还包括优化方案产生模块，其用于根据所述温度计算结果以及剂 量计算结果确定优化的乏燃料组件装载方案。
优选的，所述优化算法包括遗传算法。
优选的，所述每组乏燃料组件的剂量以及温度参数包括核素量、释热率以 及放射性源强。
优选的，所述温度计算结果包括每一所述乏燃料初步装载方案中，所述乏 燃料组件全部装载于容器中时的容器内最大温度值；所述剂量计算结果包括每 一所述乏燃料初步装载方案中，所述乏燃料组件全部装载于容器中时的容器外 最大剂量值。
本发明的技术方案所取得的技术效果：
1)通过多目标智能寻优算法与热工计算、屏蔽计算方法的耦合，实现核电 厂乏燃料组件在运输容器、贮存容器内装载方案设计的自动获取；
2)能够对每一批待装载的乏燃料组件开展乏燃料装载方案设计，给出针对 每一根燃料组件的精确装载方案，由于采用了多目标寻优计算方法能够获得理 论近似全局最优解，大大提高了装载方案的精度；
3)基于上述方法开发的软件平台将能够实现乏燃料装载方案的自动获取， 大大缩短了优化方案的寻优效率，将使装载方案的优化时间由数月缩短至1～2 天；
4)由于能够获得更加精细化的装载方案，在不需修改设备实体或增加部件 的条件下，将能够进一步降低运行过程中人员接受的剂量，同时降低设备的最 大温度点值，提高设备的使用寿命，尤其对于需要长期贮存的容器安全性进一 步提高；
5)由于采用了集成的接口和自动提取的内部处理模块，降低人因错误的概 率，对使用人员的知识储备、分析技能等要求大大降低
附图说明
图1为现有技术中典型的32组乏燃料贮存容器的结构示意图；
图2a为实施例一中核电厂乏燃料装载方案的设计方法流程图；
图2b为实施例一中乏燃料组件装载方案寻优过程程序流程图；
图3为实施例二中核电厂乏燃料装载方案的设计系统的结构示意图；
图4为实施例二中各模块之间的连接关系图；
图5为实施例二中各模块的使用界面图。
具体实施方式
本发明针对于现有技术中存在的，通过手工试凑的方法获得乏燃料装载方 案，仅能获得局部较优化方案，不能获得全局最优解；同时由于需要分别手动 的填写辐射屏蔽、热工计算的输入文件后，并手动提取输出结果和结果评价， 过程复杂耗时，获得较优化方案的时间可长达数月；且仅能针对特有的乏燃料 贮存需求给出乏燃料组件分组和燃料篮分区的装载方案，当组件贮存需求发生 变化时要重新进行贮存方案设计的缺陷，提供了一种核电厂乏燃料装载方案的 设计方法以及设计系统。其核心思想是：通过多目标智能寻优算法与热工计算、 屏蔽计算方法的耦合，实现核电厂乏燃料组件在运输容器、贮存容器内装载方 案设计的自动获取；由于采用了多目标寻优计算方法能够获得理论近似全局最 优解，提高了装载方案的精度，且缩短了优化方案的寻优效率。
实施例一：
由于不同的装载位置和不同特征的组件的装载匹配将直接影响容器的总热 负荷、容器外表面的剂量率水平和系统的次临界度。剂量场分布将直接影响人 员工作区域的剂量水平进而影响工作人员接受的剂量，温度场分布将直接影响 设备关键部件所受的环境温度进而影响设备的使用寿命。因此，乏燃料装载方 案的设计需要统筹考虑辐射场、温度场分布，本实施例将乏燃料组件装载方案 设计抽象为一个耦合的多目标优化设计问题。
具体的，图2a-2b分别示出了本发明的核电厂乏燃料装载方案的设计方法流 程图以及乏燃料组件装载方案寻优过程程序流程图，其包括如下步骤：
S1、针对若干待装载的乏燃料组件，分析所述待装载的乏燃料组件的组件 功率史以及组件材料，通过优化算法随机产生批量的乏燃料初步装载方案，且 每一所述乏燃料初步装载方案均包含至少一组乏燃料组件；优选的，所述优化 算法包括遗传算法；具体的，通过所述遗传算法随机产生批量的乏燃料初步装 载方案的过程如下：
对于初始化抽样过程(遗传算法的首代)：
1)首先按照下述公式(1)对所有待装载的乏燃料组件进行分组，且每一 分组中所述待装载的乏燃料组件的数目为n；
n＝N/Mi(1)
其中：N为待装载的乏燃料组件总数目，M为每个容器可装载的乏燃料组 件数目，i为第i罐容器标识；
2)对于每一分组j内的待装载的乏燃料组件进行随机抽样，通过调用随机 抽样函数返回值k，抽取每一分组j内的待装载的乏燃料组件，即，按照若(jn+m) ≤n(k+j)<(jn+m+1)，则抽取第m+1个乏燃料组件的原则，以此类推，共抽取 Mi个待装载的乏燃料组件，其中m为[0，n]之间的整数；
3)由于乏燃料组件装载的特殊性，考虑采用实数编码中的整数编码，对已 抽取的每个待装载的乏燃料组件按照释热率水平进行排序，使得排序的结果为 每个待装载的乏燃料组件的遗传算法编码为(0，2Mi]之间的整数；
4)对于顺序抽取的Mi个乏燃料组件，按照其获得的遗传算法编码即可获 得一个长度为2Mi的整形数字型字符串，通过所述整形数字型字符串表征其特 定的乏燃料初步装载方案；
5)重复上述步骤1)-4)，直到满足用户计算时设定的种群数目为止。
S2、对每一所述的乏燃料初步装载方案中的每组乏燃料组件进行燃耗计算 分析，获取所述每组乏燃料组件的剂量以及温度计算参数；所述每组乏燃料组 件的剂量以及温度计算参数包括核素量、释热率以及放射性源强。本实施例中， 所述燃耗计算包括：插值计算和精确计算。具体的，如表1所述，所述差值计 算中，根据燃耗计算获得的不同初始富集度、燃耗深度和冷却时间下的乏燃料 组件的释热率、核素含量和放射性源强数据及乏燃料组件重量信息进行插值计 算；所述精确计算中，需要先生成新的燃耗计算输入卡片，精确求解燃耗方程， 以获得每一组待装载的乏燃料组件的释热率、核素含量、中子光子源强等数据， 由此为后续的屏蔽设计提供核素信息和放射性源强信息，以及为热工计算提供 释热率源强信息。
表1乏燃料组件源项计算插值表范围示意图
*--表示有对应的值。
S3、结合每一所述的乏燃料初步装载方案中每组乏燃料组件的剂量、温度 计算参数以及材料关键参数、集合关键参数等进行屏蔽计算与热工计算，得到 每一所述乏燃料初步装载方案中，所述乏燃料组件全部装载于容器中时的容器 内最大温度值和/或容器外最大剂量值。例如，可通过精确计算或插值计算获得 容器内最大温度值。具体的，若采用精确计算，其可采用成熟的CFX软件，通 过接口文件自动修改装载方案相关的设计输入后，由CFX软件完成精确的三维 温度场分布计算；若采用差值计算基于CFX软件计算的不同装载分区、总的热 负荷下得到的容器内最大温度值分布，对于具体的装载方案则可通过插值计算 得到容器内最大温度值；
S4、根据所述容器内最大温度值和/或容器外最大剂量值确定优化的乏燃料 组件装载方案，并对所述优化的乏燃料组件装载方案进行个体评价。具体评价 过程为：根据每一代中每个乏燃料初步装载方案对应的容器外最大剂量值计算 得到的平均值和容器内最大温度值，通过用户设定不同字目标的权重因子，按 照下述公式(2)获得每个乏燃料初步装载方案的适应度函数值，按照由小到大 对所述适应度函数值进行排序，选择适应度函数值较小的乏燃料初步装载方案。
上述公式(2)中：z(x)为x的适应度函数；ωk为第K个目标值函数fk(x)的 自适应因子，zk max为第k个目标函数的最大值；zk min为第k个目标函数的最小 值；λk为第k个子目标的权重因子，且要求
对于各乏燃料初步装载方案，由于采用了自适应的个体适应度函数，从而 消除子目标函数值域的差别；同时引入λk达到调节各乏燃料初步装载方案的权 值系数的目的。上述个体评价过程中，对于后续子代进化过程，可基于屏蔽和 热工的计算结果随机的执行复制、杂交、变异等遗传操作。且当所述个体评价 结果满足设定目标值时，可打印输出最终结果，若不满足设定目标值，即G≤ GMAX，n<N时(其中，GMAX为程序(或用户)设置的进化代数，G为程序执行 的代数，N为程序(或用户)设置的每群个体的数目，n为实际执行到的个体数目)，则返回步骤S1，重新随机产生批量乏燃料组件初步装载方案。
此外，还可包括步骤S5、读取用于装载所述待装载的乏燃料组件的容器模 型，例如贮存容器(即一种用于贮存乏燃料的整体性或大体积屏蔽容器，构成 罐体的各种实体提供乏燃料的放射性屏蔽、乏燃料组件的衰变热排出、反应性 控制及放射性物质包容等功能)、转运容器(即一种专用于核电厂内乏燃料运输 的大体积屏蔽容器，构成罐体的各种实体提供乏燃料的放射性屏蔽、乏燃料组 件的衰变热排出、反应性控制及放射性物质包容等功能)、运输容器(即一种可 用于乏燃料长途运输的大体积屏蔽容器，构成罐体的各种实体提供乏燃料的放 射性屏蔽、乏燃料组件的衰变热排出、反应性控制及放射性物质包容等功能)； 并根据所述优化的乏燃料组件装载方案将所述待装载的乏燃料组件装载到所述 容器模型中。具体的，实际操作过程中，对于选定的、优化的乏燃料组件装载 方案，通过结果显示模块将与其对应的乏燃料组件编号显示在待装载位置。且 当用户在完成乏燃料组件装载后，可直接打印所述乏燃料组件编号二维分布图， 并依此检查每一所述乏燃料组件编号是否与预订的装载方案一致，由此便于操 作人员进行直观的观察。
由此，本实施例中的乏燃料组件的装载设计方法创造性地提出了通过多目 标智能寻优算法与热工计算、屏蔽计算方法的耦合，实现核电厂乏燃料组件在 贮存容器、转运容器以及运输容器内装载方案设计的自动获取；能够对每一批 待装载的乏燃料组件开展乏燃料装载方案设计，给出针对每一组乏燃料组件的 精确装载方案，同时，其由于采用了多目标寻优计算方法，因此能够获得理论 近似全局最优解，大大提高了装载方案的精度。
实施例二：
如图3-5所示，本实施例还提供了一种核电厂乏燃料装载方案的设计系统， 其包括：优化算法模块1，其用于针对若干待装载的乏燃料组件，通过优化算法 随机产生批量的乏燃料初步装载方案，且每一所述乏燃料初步装载方案均包含 至少一组乏燃料组件；所述优化算法包括遗传算法；
燃耗计算模块2，其连接所述优化算法模块1，用于接收所述优化算法模块 1在随机产生批量乏燃料初步装载方案的过程中产生的乏燃料组件抽样信息，并 对每一所述的乏燃料初步装载方案中的每组乏燃料组件进行燃耗计算分析，获 取并保存所述每组乏燃料组件的剂量以及温度参数；所述每组乏燃料组件的剂 量以及温度参数包括核素量、释热率以及放射性源强；且将所述每组乏燃料组 件的剂量以及温度参数反馈给所述优化算法模块1；
热工计算模块3，其连接所述燃耗计算模块2，用于根据每一所述的乏燃料 初步装载方案中每组乏燃料组件的温度参数(如释热率等)进行计算，该计算 方法可采用精确计算或者拟合分析，由此得出温度计算结果，产生温度场分布 数据；所述温度计算结果包括每一所述乏燃料初步装载方案中，所述乏燃料组 件全部装载于容器中时的容器内最大温度值；且将所述最大温度值反馈给所述 优化算法模块1；
屏蔽计算模块4，其连接所述优化算法模块1和燃耗计算模块2，用于根据 每一所述的乏燃料初步装载方案中每组乏燃料组件的剂量参数(包括放射性源 强、核素量等)进行计算，得出剂量计算结果，产生剂量率分布数据；所述剂 量计算结果包括每一所述乏燃料初步装载方案中，所述乏燃料组件全部装载于 容器中时的容器外最大剂量值；
以及数据库5，其连接所述热工计算模块3以及屏蔽计算模块4，用于存储 所述温度场分布数据和剂量率分布数据。
此外，还包括优化方案产生模块6，其用于根据所述温度计算结果以及剂量 计算结果确定优化的乏燃料组件装载方案；以及容器模型读取模块7，其用于读 取用于装载所述待装载的乏燃料组件的容器模型，且根据所述优化的乏燃料装 载方案在所述容器模型中装载所述待装载的乏燃料组件。
同时，为进一步提高上述设计系统的智能化程度，所述设计系统中还设置 有系统设置模块8，其用于供用户对所述设计系统进行常规的管理设置，如用户 名和密码管理、时间设置等；
保存以及编辑模块9，其用于对所述乏燃料初步装载方案、剂量以及温度参 数、温度计算结果、剂量计算结果以及优化的乏燃料组件装载方案的数据进行 保存，并可对所述数据进行人工编辑；
查看模块10，其用于供用户查看所述乏燃料初步装载方案、剂量以及温度 参数、温度计算结果、剂量计算结果以及优化的乏燃料组件装载方案的数据；
以及输出模块11，其用于输出所述乏燃料初步装载方案、剂量以及温度参 数、温度计算结果、剂量计算结果以及优化的乏燃料组件装载方案的数据。
本实施例中的设计系统包括上述多个功能模块，各模块间的关系如图3所 示，其可以针对每个乏燃料初步装载方案中的每一组乏燃料组件进行热工计算 分析和屏蔽计算分析，自动获取优化的乏燃料组件的装载方案，大大缩短了优 化方案的寻优效率，将使装载方案的优化时间由数月缩短至1～2天。并且可快 速读取乏燃料组件容器模型(如乏燃料干法贮存容器模型等)，根据优化的乏燃 料组件的装载方案将乏燃料装载到乏燃料组件容器模型中，可直观的展示装载 方案。
同时，上述系统中还设置有系统设置模块、保存以及编辑模块、查看模块、 以及输出模块等，因此可极为方便的实现大量数据的集中管理、查询和调用， 支持多种角色用户的同时登录使用，对使用人员的知识储备、分析技能等要求 大大降低，避免人因错误的概率。
需要说明的是，上述实施例一和二中的技术特征可进行任意组合，所得到 的技术方案均落入本发明的保护范围内。
综上所述，本发明的核电厂乏燃料装载方案的设计方法以及设计系统具有 如下技术效果：
1)通过将多目标智能寻优算法与热工计算、屏蔽计算方法的集成，实现乏 燃料组件装载方案设计的精细化、自动化、智能化，能够提高设计水平；
2)由于能够获得更加精细化的装载方案，在不需修改设备实体或增加部件 的条件下，将能够进一步降低运行过程中人员接受的剂量，同时降低设备的最 大温度点值，提高设备的使用寿命，尤其对于需要长期贮存的容器安全性进一 步提高；
3)基于上述方法开发的软件平台将能够实现乏燃料装载方案的自动获取， 大大缩短了优化方案的寻优效率，将使装载方案的优化时间由数月缩短至1～2 天，对使用人员的知识储备、分析技能等要求大大降低，避免人因错误的概率。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的 精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的 保护范围之内。
Claims (14)
1.一种核电厂乏燃料装载方案的设计方法，其特征在于，包括如下步骤：
S1、针对若干待装载的乏燃料组件，通过优化算法随机产生批量的乏燃料初步装载方案，且每一所述乏燃料初步装载方案均包含至少一组乏燃料组件；
S2、对每一所述的乏燃料初步装载方案中的每组乏燃料组件进行燃耗计算分析，获取所述每组乏燃料组件的剂量以及温度参数；
S3、结合每一所述的乏燃料初步装载方案中每组乏燃料组件的剂量以及温度参数，通过热工计算以及屏蔽计算，得出计算结果；
S4、根据所述计算结果确定优化的乏燃料组件装载方案。
2.如权利要求1所述的设计方法，其特征在于，步骤S1中，所述优化算法包括遗传算法，且所述遗传算法包括如下步骤：
1)首先按照下述公式(1)对所有待装载的乏燃料组件进行分组，且每一分组中所述待装载的乏燃料组件的数目为n；
n＝N/Mi (1)
其中：N为待装载的乏燃料组件总数目，M为每个容器可装载的乏燃料组件数目，i为第i罐容器标识；
2)按照若(jn+m)≤n(k+j)<(jn+m+1)，则抽取第m+1个乏燃料组件的原则对每一分组j内的待装载的乏燃料组件进行随机抽样，共抽取Mi个待装载的乏燃料组件，其中m为[0，n]之间的整数；
3)对已抽取的每个待装载的乏燃料组件按照释热率水平进行排序，使得排序的结果为每个待装载的乏燃料组件的遗传算法编码为(0，2Mi]之间的整数；
4)对于顺序抽取的Mi个乏燃料组件，按照其获得的遗传算法编码获得一个长度为2Mi的整形数字型字符串，通过所述整形数字型字符串表征其特定的乏燃料初步装载方案；
5)重复上述步骤1)-4)，直到满足用户计算时设定的种群数目为止。
3.如权利要求1所述的设计方法，其特征在于，步骤S2中，所述每组乏燃料组件的剂量以及温度参数包括核素量、释热率以及放射性源强。
4.如权利要求1所述的设计方法，其特征在于，步骤S2中，所述燃耗计算包括：插值计算和精确计算。
5.如权利要求1所述的设计方法，其特征在于，步骤S3中，所述计算结果包括每一所述乏燃料初步装载方案中，所述乏燃料组件全部装载于容器中时的容器内最大温度值以及容器外最大剂量值。
6.如权利要求5所述的设计方法，其特征在于，步骤S4中还包括：对所述优化的乏燃料组件装载方案进行个体评价，且当所述个体评价结果满足设定目标值时，输出所述个体评价结果；当所述个体评价结果不满足设定目标值时，则返回步骤S1，重新随机产生批量乏燃料组件初步装载方案。
7.如权利要求6所述的设计方法，其特征在于，对所述优化的乏燃料组件装载方案进行个体评价的过程包括：根据每一代中每个乏燃料初步装载方案对应的容器外最大剂量值计算得到的平均值和容器内最大温度值，通过用户设定不同字目标的权重因子，按照下述公式(2)获得每个乏燃料初步装载方案的适应度函数值，且按照由小到大对所述适应度函数值进行排序，选择适应度函数值较小的乏燃料初步装载方案；
<mrow>
<mi>z</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>q</mi>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<msub>
<mi>z</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>q</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>k</mi>
</msub>
<mfrac>
<mrow>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<msub>
<mi>z</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>min</mi>
</msubsup>
</mrow>
</mfrac>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>q</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>k</mi>
</msub>
<mfrac>
<mrow>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mi>min</mi>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
上述公式(2)中：z(x)为x的适应度函数；ωk为第K个目标值函数fk(x)的自适应因子，zk max为第k个目标函数的最大值；zk min为第k个目标函数的最小值；λk为第k个子目标的权重因子，且要求
8.如权利要求6所述的设计方法，其特征在于，所述个体评价结果不满足设定目标值时是指G≤GMAX，n<N时的情况，其中，GMAX为程序或用户设置的进化代数，G为程序执行的代数，N为程序或用户设置的每群个体的数目，n为实际执行到的个体数目。
9.如权利要求1所述的设计方法，其特征在于，还包括步骤S5、读取用于装载所述待装载的乏燃料组件的容器模型，并根据所述优化的乏燃料组件装载方案将所述待装载的乏燃料组件装载到所述容器模型中。
10.一种核电厂乏燃料装载方案的设计系统，其特征在于，包括：
优化算法模块，其用于针对若干待装载的乏燃料组件，通过优化算法随机产生批量的乏燃料初步装载方案，且每一所述乏燃料初步装载方案均包含至少一组乏燃料组件；
燃耗计算模块，其用于对每一所述的乏燃料初步装载方案中的每组乏燃料组件进行燃耗计算分析，获取所述每组乏燃料组件的剂量以及温度参数；
热工计算模块，其用于根据每一所述的乏燃料初步装载方案中每组乏燃料组件的温度参数进行计算，得出温度计算结果，并产生温度场分布数据；
以及屏蔽计算模块，其用于根据每一所述的乏燃料初步装载方案中每组乏燃料组件的剂量参数进行计算，得出剂量计算结果；并产生剂量率分布数据。
11.如权利要求10所述的设计系统，其特征在于，还包括优化方案产生模块，其用于根据所述温度计算结果以及剂量计算结果确定优化的乏燃料组件装载方案。
12.如权利要求10所述的设计系统，其特征在于，所述优化算法包括遗传算法。
13.如权利要求10所述的设计系统，其特征在于，所述每组乏燃料组件的剂量以及温度参数包括核素量、释热率以及放射性源强。
14.如权利要求10所述的设计系统，其特征在于，所述温度计算结果包括每一所述乏燃料初步装载方案中，所述乏燃料组件全部装载于容器中时的容器内最大温度值；所述剂量计算结果包括每一所述乏燃料初步装载方案中，所述乏燃料组件全部装载于容器中时的容器外最大剂量值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710743936.7A CN107784153B (zh) | 2017-08-25 | 2017-08-25 | 核电厂乏燃料装载方案的设计方法以及设计系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710743936.7A CN107784153B (zh) | 2017-08-25 | 2017-08-25 | 核电厂乏燃料装载方案的设计方法以及设计系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107784153A true CN107784153A (zh) | 2018-03-09 |
| CN107784153B CN107784153B (zh) | 2021-09-07 |
Family
ID=61437956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710743936.7A Active CN107784153B (zh) | 2017-08-25 | 2017-08-25 | 核电厂乏燃料装载方案的设计方法以及设计系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107784153B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819323A (zh) * | 2021-01-29 | 2021-05-18 | 中核清原环境技术工程有限责任公司 | 一种核电站乏燃料运输计划制定的计算方法及系统 |
| CN113592388A (zh) * | 2021-07-03 | 2021-11-02 | 中核清原环境技术工程有限责任公司 | 一种制定核电站乏燃料运输计划的方法及系统 |
| CN115274163A (zh) * | 2022-08-05 | 2022-11-01 | 中国核动力研究设计院 | 一种压水堆核电厂堆芯的燃料组件管理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010053061A1 (en) * | 2008-11-10 | 2010-05-14 | Global Nuclear Fuel - Japan Co., Ltd. | System and method for evaluating nuclear reactor fueling plan |
| CN102184751A (zh) * | 2011-03-01 | 2011-09-14 | 福建福清核电有限公司 | 利用首炉堆芯备用燃料组件提高反应堆燃料安全性的方法 |
-
2017
- 2017-08-25 CN CN201710743936.7A patent/CN107784153B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010053061A1 (en) * | 2008-11-10 | 2010-05-14 | Global Nuclear Fuel - Japan Co., Ltd. | System and method for evaluating nuclear reactor fueling plan |
| CN102184751A (zh) * | 2011-03-01 | 2011-09-14 | 福建福清核电有限公司 | 利用首炉堆芯备用燃料组件提高反应堆燃料安全性的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 周胜等: "大亚湾核电站首炉装载的遗传算法优化", 《清华大学学报（自然科学版）》 * |
| 杨寿海: "基于遗传算法的多目标智能辐射屏蔽方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
| 杨寿海等: "多目标辐射屏蔽优化设计方法", 《原子能科学技术》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819323A (zh) * | 2021-01-29 | 2021-05-18 | 中核清原环境技术工程有限责任公司 | 一种核电站乏燃料运输计划制定的计算方法及系统 |
| CN112819323B (zh) * | 2021-01-29 | 2022-10-21 | 中核清原环境技术工程有限责任公司 | 一种核电站乏燃料运输计划制定的计算方法及系统 |
| CN113592388A (zh) * | 2021-07-03 | 2021-11-02 | 中核清原环境技术工程有限责任公司 | 一种制定核电站乏燃料运输计划的方法及系统 |
| CN115274163A (zh) * | 2022-08-05 | 2022-11-01 | 中国核动力研究设计院 | 一种压水堆核电厂堆芯的燃料组件管理方法 |
| CN115274163B (zh) * | 2022-08-05 | 2024-02-13 | 中国核动力研究设计院 | 一种压水堆核电厂堆芯的燃料组件管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107784153B (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107784153B (zh) | 核电厂乏燃料装载方案的设计方法以及设计系统 | |
| CN108062989B (zh) | 核电站设计运行支持方法及系统 | |
| Skutnik et al. | Assessment of ORIGEN Reactor Library Development for Pebble-bed reactors based on the PBMR-400 benchmark | |
| CN111695246A (zh) | 核材料衡算方法、装置、设备及计算机存储介质 | |
| Leppänen | Serpent progress report 2011 | |
| Shaukat et al. | Optimization of core reload pattern for PARR-1 using evolutionary techniques | |
| Hedayat | Developing a futuristic multi-objective optimization of the fuel management problems for the nuclear research reactors | |
| Nordborg et al. | Status of the JEF and EFF Projects | |
| Bikeev et al. | Study of neutron-physical characteristics of VVER-1200 considering feedbacks using MCU Monte Carlo code | |
| Ishikawa et al. | ZPPR benchmarks for large LMFBR core physics from JUPITER cooperative program between United States and Japan | |
| Asgari et al. | Computational Neutronics Methods and Transmutation Performance Analyses for Light Water Reactors | |
| JANSKI | Using Green’s Functions to Compute 3 Dimensional Neutron Flux Maps | |
| Boo | Investigations on the Uncertainties in Plutonium to Curium-244 Ratio Method of Plutonium Accountancy in Pyroprocessing | |
| Janski | Measuring, Cutting and Sorting Irradiated Control Rods to Limit the Volume of Intermediate Level Long-lived Waste-17001 | |
| Bykov | High-Fidelity Determination of Nuclide Inventories for Radioactive Waste Disposal | |
| Pope et al. | Transmutation Performance Analysis for Inert Matrix Fuels in Light Water Reactors and Computational Neutronics Methods Capabilities at INL | |
| Smith et al. | The Holdup Measurement System II (HMSII) | |
| Radulescu et al. | Review of Experimental Data for Validating Computer Codes Used in Shielding Calculations for Spent Fuel Storage and Transportation Systems | |
| Roberto | Optimization of machine learning models for the safeguards verification of spent fuel assemblies | |
| Walters et al. | Methodology and Determination of Field of View of Neutron and Gamma Detectors in the Atucha Spent Fuel Storage Pool | |
| Brolly et al. | Development and application of SITON, a new fuel cycle simulation code | |
| Bekar | Modular optimization code package: MOZAIK | |
| Wen et al. | Development and verification of the activation source term capability in NECP-X | |
| Csontos et al. | Thermal modeling round robin of the high-burnup demonstration cask | |
| Ivanova et al. | Overview of the NEA Activities Related to Experimental Needs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |