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

TL329.2; 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孪生系统搭建了一个参数反演模型,实现在热管失效工况下的堆芯温度数据的反演.使用20％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...

Full description

Saved in:
Bibliographic Details
Published in原子能科学技术 Vol. 58; no. 1; pp. 125 - 134
Main Authors 龙家雨, 宋美琪, 柴翔, 刘晓晶, 妥艳洁
Format Journal Article
LanguageChinese
Published 国家电力投资集团有限公司,北京 100029 2024
上海交通大学智慧能源创新学院,上海 200240%上海交通大学机械与动力工程学院,上海 200240%上海交通大学机械与动力工程学院,上海 200240
Subjects
K-means聚类
artificial neural network
数字孪生
space thermionic reactor
人工神经网络
空间热离子反应堆
parameter inversion
digital twin
K-means clustering
参数反演
Online AccessGet full text
ISSN1000-6931
DOI10.7538/yzk.2023.youxian.0176

Cover

More Information
Summary:TL329.2; 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孪生系统搭建了一个参数反演模型,实现在热管失效工况下的堆芯温度数据的反演.使用20％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.
ISSN:1000-6931
DOI:10.7538/yzk.2023.youxian.0176