基于神经网络与遗传算法的压水堆堆芯装载模式方案优化研究

来源：核动力工程杂志2025年第2期北京时间：

作者：陈刚, 邹建, 刘仕倡, 蔡云, 王连杰

单位：1.华北电力大学核科学与工程学院，北京，100096；2.中国核动力研究设计院，成都，610213；

摘要：堆芯装载模式（LP）优化可以提高反应堆的安全性和经济性，但是其优化过程需要大量耗时计算和丰富的人工经验。针对堆芯LP优化方案的快速评价问题，本研究利用全连接神经网络（FCNN）和卷积神经网络（CNN）生成大亚湾核电站首循环堆芯的中子学参数快速预测模型，实现了压水堆堆芯LP方案的快速评价。通过堆芯计算程序DONJON对预测模型的泛化能力和精度进行验证。针对堆芯LP方案的全局搜索问题，利用非支配排序遗传算法（NSGA）对大亚湾核电站首循环堆芯进行LP方案多目标优化并通过NSGA的参数调整提升了优化效果。结果表明NSGA系列算法可以用于包括堆芯LP优化在内的不同类型的核设计优化问题，并可以弥补人工搜索方案全局性差的缺点，同时NSGA结合超算的并行优化可以极大提高优化效率。针对堆芯LP方案快速优化的问题，利用基于GPU并行下的神经网络预测模型和NSGA开发联合优化程序，实现了大亚湾核电站首循环堆芯LP方案的快速优化。通过联合优化程序与“DONJON+NSGA”的优化结果比较，结果表明神经网络-遗传算法（GA）的联合优化程序能够得到结果比较接近的堆芯LP方案，同时将优化时间缩短了99%以上。

关键词：堆芯装载模式（LP）, 神经网络, 非支配排序遗传算法（NSGA）, 多目标优化, 预测模型

基金资助：国家自然科学基金（U2330117、12175067）；中央高校基本科研业务费专项资金（2024MS046）