基于神经网络的堆芯三维功率预测控制方法研究
发布时间：2021-02-03 14:49
随着社会的发展和经济的快速增长,人们逐渐意识到传统能源在使用方面的局限性和对环境的危害性,寻求清洁高效的能源被提上日程,能源研究的方向开始拓展到核能领域。从核电事业发展以来,反应堆堆芯就是人们研究的热点,堆内功率的控制情况在很大程度上决定了反应堆的安全性。但现今对于反应堆功率控制系统的研究都是基于反应堆的点堆模型,这种模型与反应堆的实际功率分布相比,偏差较大,因此基于点堆模型设计的控制器与实际控制器的差异较大。为此,本文建立了反应堆堆芯的三维功率分布模型,并尝试利用三种比较成熟的智能控制方法去改进传统的反应堆功率控制系统,对控制器的性能进行了深入的研究。首先,针对秦山一期300MW反应堆,建立了反应堆堆芯的三维功率分布仿真模型。模型以GSE公司开发的REMARK堆芯物理计算程序为基础,采用三维两群带六组缓发中子的扩散方程,将中子通量密度分解为形状函数和幅值函数两部分进行求解。针对只设置堆外核功率探测器的反应堆,尝试利用堆外探测器计数和神经网络建立智能三维堆芯功率分布模型,重构出堆芯内部的功率分布情况,减小功率实时监测的难度。其次,针对传统PID控制器不能实时在线整定参数的缺点,选择了智...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
0%额定功率下径向功率分布
（b）图 2.11 100%额定功率下堆芯径向功率分布两种工况下堆芯功率分布趋势大致相同，轴向功率对于轴向功率，在两种工况下均为堆芯顶部和底部大，30%额定功率运行时轴向功率分布较为平缓，1伏更大；对于径向功率，在两种工况下功率分布起侧分布趋势相同。由 2.3.3 节和 2.3.4 节的分析可以期 300MW 核电站的基本情况进行了介绍，包括一物理性能参数，堆内控制棒的布置情况等信息。芯的物理模型，首先将中子通量分解为幅值函数和子通量密度的分布情况，从而求解出裂变功率和衰
图 3.2 神经元模型示意图个激励输入，接受从各个轴突传入的输入神经元 j ，输出值仅有一个jo 。系数的正负值模拟了生物突触的兴奋要对全部的输入信号加和，确定总体点被激活。 f 则代表了输入和输出之习方法学习能力，从人脑抽象简化而来的神具有较高的信息处理性能，能够解决样本对网络进行训练，在训练过程中学习规则或称为训练算法。
【参考文献】：
期刊论文
[1]基于遗传算法的核电站蒸汽发生器水位动态滑模控制[J]. 曾碧凡,吴婕,武万强,许志斌,马晓茜. 热力发电. 2016(08)
[2]基于个体相似度的改进自适应遗传算法研究[J]. 刘建文,丁洁玉,潘坤,张晓强. 青岛大学学报(工程技术版). 2016(01)
[3]基于BP神经网络PID控制器在水产温室温度控制中的应用[J]. 于海南,郑荣进,步文月,蒋欢. 安徽农业科学. 2016(03)
[4]基于模型预测控制的主动配电网电压控制[J]. 蔡宇,林今,宋永华,舒彬,张凯. 电工技术学报. 2015(23)
[5]基于神经网络-混合进化算法的桥式起重机的防摇摆控制[J]. 施登亮. 数学的实践与认识. 2015(22)
[6]永磁同步电机电流预测控制电流静差消除算法[J]. 王庚,杨明,牛里,贵献国,徐殿国. 中国电机工程学报. 2015(10)
[7]溶解氧浓度的直接自适应动态神经网络控制方法[J]. 张伟,乔俊飞,李凡军. 控制理论与应用. 2015(01)
[8]基于模块化特征线方法的二维/一维耦合输运程序开发[J]. 梁亮,吴宏春,郑友琦,李云召. 核动力工程. 2014(S2)
[9]异步电机无速度传感器模型预测控制[J]. 张永昌,杨海涛. 中国电机工程学报. 2014(15)
[10]六角形格林函数节块法[J]. 安萍,姚栋. 原子能科学技术. 2014(04)
博士论文
[1]在机器人系统中神经网络智能控制技术的研究[D]. 陈杰.西安电子科技大学 2015
[2]船用核动力装置二回路系统预测控制方法研究[D]. 苏杰.哈尔滨工程大学 2008
[3]核电厂反应堆堆芯物理在线仿真系统研究[D]. 赵强.哈尔滨工程大学 2006
硕士论文
[1]RBF无网格法在核反应堆堆芯中子扩散数值计算中的应用[D]. 张亦宁.哈尔滨工业大学 2016
[2]LM优化算法和神经网络预测控制在非线性系统中的研究[D]. 王炳萱.太原理工大学 2016
[3]预测控制在核电蒸汽发生器水位控制中的研究应用[D]. 陈盈洁.华北电力大学 2013
[4]二维粒子输运问题的Krylov子空间方法求解[D]. 王晓慧.华北电力大学 2013
[5]反应堆物理实时仿真模型改进研究[D]. 宿健.哈尔滨工程大学 2013
[6]基于遗传算法的PID控制参数优化在炉温监控系统中的应用[D]. 候志强.中南大学 2012
[7]基于点堆模型的快堆堆芯物理仿真研究[D]. 朱文章.哈尔滨工程大学 2012
[8]结合神经网络的压水堆堆芯动态模型的研究[D]. 高明明.华北电力大学 2012
[9]基于堆外计数的堆芯功率分布重构方法研究[D]. 李伟.哈尔滨工程大学 2009
[10]堆芯功率精细分布实时仿真研究[D]. 赵斌.哈尔滨工程大学 2008
本文编号：3016694
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
0%额定功率下径向功率分布
（b）图 2.11 100%额定功率下堆芯径向功率分布两种工况下堆芯功率分布趋势大致相同，轴向功率对于轴向功率，在两种工况下均为堆芯顶部和底部大，30%额定功率运行时轴向功率分布较为平缓，1伏更大；对于径向功率，在两种工况下功率分布起侧分布趋势相同。由 2.3.3 节和 2.3.4 节的分析可以期 300MW 核电站的基本情况进行了介绍，包括一物理性能参数，堆内控制棒的布置情况等信息。芯的物理模型，首先将中子通量分解为幅值函数和子通量密度的分布情况，从而求解出裂变功率和衰
图 3.2 神经元模型示意图个激励输入，接受从各个轴突传入的输入神经元 j ，输出值仅有一个jo 。系数的正负值模拟了生物突触的兴奋要对全部的输入信号加和，确定总体点被激活。 f 则代表了输入和输出之习方法学习能力，从人脑抽象简化而来的神具有较高的信息处理性能，能够解决样本对网络进行训练，在训练过程中学习规则或称为训练算法。
【参考文献】：
期刊论文
[1]基于遗传算法的核电站蒸汽发生器水位动态滑模控制[J]. 曾碧凡,吴婕,武万强,许志斌,马晓茜. 热力发电. 2016(08)
[2]基于个体相似度的改进自适应遗传算法研究[J]. 刘建文,丁洁玉,潘坤,张晓强. 青岛大学学报(工程技术版). 2016(01)
[3]基于BP神经网络PID控制器在水产温室温度控制中的应用[J]. 于海南,郑荣进,步文月,蒋欢. 安徽农业科学. 2016(03)
[4]基于模型预测控制的主动配电网电压控制[J]. 蔡宇,林今,宋永华,舒彬,张凯. 电工技术学报. 2015(23)
[5]基于神经网络-混合进化算法的桥式起重机的防摇摆控制[J]. 施登亮. 数学的实践与认识. 2015(22)
[6]永磁同步电机电流预测控制电流静差消除算法[J]. 王庚,杨明,牛里,贵献国,徐殿国. 中国电机工程学报. 2015(10)
[7]溶解氧浓度的直接自适应动态神经网络控制方法[J]. 张伟,乔俊飞,李凡军. 控制理论与应用. 2015(01)
[8]基于模块化特征线方法的二维/一维耦合输运程序开发[J]. 梁亮,吴宏春,郑友琦,李云召. 核动力工程. 2014(S2)
[9]异步电机无速度传感器模型预测控制[J]. 张永昌,杨海涛. 中国电机工程学报. 2014(15)
[10]六角形格林函数节块法[J]. 安萍,姚栋. 原子能科学技术. 2014(04)
博士论文
[1]在机器人系统中神经网络智能控制技术的研究[D]. 陈杰.西安电子科技大学 2015
[2]船用核动力装置二回路系统预测控制方法研究[D]. 苏杰.哈尔滨工程大学 2008
[3]核电厂反应堆堆芯物理在线仿真系统研究[D]. 赵强.哈尔滨工程大学 2006
硕士论文
[1]RBF无网格法在核反应堆堆芯中子扩散数值计算中的应用[D]. 张亦宁.哈尔滨工业大学 2016
[2]LM优化算法和神经网络预测控制在非线性系统中的研究[D]. 王炳萱.太原理工大学 2016
[3]预测控制在核电蒸汽发生器水位控制中的研究应用[D]. 陈盈洁.华北电力大学 2013
[4]二维粒子输运问题的Krylov子空间方法求解[D]. 王晓慧.华北电力大学 2013
[5]反应堆物理实时仿真模型改进研究[D]. 宿健.哈尔滨工程大学 2013
[6]基于遗传算法的PID控制参数优化在炉温监控系统中的应用[D]. 候志强.中南大学 2012
[7]基于点堆模型的快堆堆芯物理仿真研究[D]. 朱文章.哈尔滨工程大学 2012
[8]结合神经网络的压水堆堆芯动态模型的研究[D]. 高明明.华北电力大学 2012
[9]基于堆外计数的堆芯功率分布重构方法研究[D]. 李伟.哈尔滨工程大学 2009
[10]堆芯功率精细分布实时仿真研究[D]. 赵斌.哈尔滨工程大学 2008
本文编号：3016694
本文链接：https://www.wllwen.com/projectlw/hkxlw/3016694.html
