基于NSGA-Ⅱ算法及机器学习的压水堆组件装载方案优化研究

发布时间：2024-04-25 19:49

　　压水堆燃料装载方案的优劣与核电站经济性和安全性直接相关,本文针对压水堆燃料组件装载方案优化过程中的两个主要问题:方案搜索空间大以及方案评价耗时长,分别进行优化。以组件无限增殖因数以及功率峰因子作为压水堆组件装载方案的优化目标,本文选用NSGA-Ⅱ算法缩小有效寻优空间,进行组件装载优化,并结合中子物理特性,进一步研究组件装载方案优化过程中,NSGA-Ⅱ算法的交叉概率以及初始化种群大小的设计问题。研究结果表明NSGA-Ⅱ算法在针对组件装载优化问题上,收敛性强,优化能力稳定,交叉概率对功率峰因子优化影响较大,对无限增殖因数影响相对较小,选用种群数目较大的初始条件时,NSGA-Ⅱ算法的优化潜力更大,更容易跳出局部最优解。在使用NSGA-Ⅱ算法进行装载方案优化过程中,每次方案评价都涉及求解中子输运方程,耗时较长,本文选用多种机器学习算法,以3×3,5×5,7×7,9×9,14×14,17×17共六种大小规模的燃料组件作为研究对象,探索机器学习模型对组件燃耗、无限增殖因数以及功率峰因子的预测能力,并结合树模型算法特征,研究针对上述3种目标值的组件装载方案的特征重要性。最后采用lightgbm算法以...

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图1-1CASMO-4计算流程图

图1-1CASMO-4计算流程图CLE-2000的脚本语言进行开发设类算法计算栅元或者组件在反应DRAGON可选用collisionprobaethod（界面流法）以及longcha的组件计算流程如图1-2所示。改DRAGON程序所使用的微观中特征追踪....

图1-2DRAGON-5计算流程图

图1-2DRAGON-5计算流程图3机器学习研究现状1949年Hebb[29]第一次提出机器学习，从此神经网络模型开始出现在学者的，1970年由Linnainmaa[30]提出的“自动微分的反向模型”是现在神经网络算重要的组成部分：Backpropagation....

图2-1普通遗传算法流程图

A-II中以个体之间的拥挤此，与小生境技术比较，更有利于保证种群的一代的优势基因，能够保程。度改进后的遗传算法，在法的进化流程如图2-1所问题的初始解进行编码，的初始适应值，随后仿传到下一代，适应值小的传算子的操作，帮助初始的解集，算法多次迭代后最优解。

图2-2NSGA-II算法流程图

华南理工大学硕士学位论文X2，若X1在S1以及S2两个目标上都优于X2，则称X1支配，若在整个待评价解中，X1不被任何解支配，称X1为非支配-II算法的流程示意如图2-2所示，NSGA-II算法先初始化父代种随机解（个体），然后通过标准的遗传算法得到子代s，....

本文编号：3964174