基于图神经网络的铅铋快堆上腔室三维热分层现象非线性降阶分析

来源：核动力工程杂志2025年第3期北京时间：

作者：曾付林, 赵鹏程, 李玲莉, 刘紫静, 李卫

单位：1.南华大学核科学技术学院，湖南衡阳，421001；2.国立核能研究大学莫斯科工程物理学院，莫斯科，115409；3.南华大学资源环境与安全工程学院，湖南衡阳，421001；

摘要：铅铋快堆上腔室的热分层现象对堆内构件的结构安全性和系统余热排出能力具有重要影响，需重点分析。本文首先基于计算流体动力学（CFD）程序FLUENT得到铅铋快堆上腔室热分层现象的高精度全阶快照，然后利用图神经网络（GNN）构建的图自编码器（GAE）对快照进行非线性降阶，并将非线性降阶后的重构结果与本征正交分解（POD）的线性降阶结果进行对比分析，最后通过结合多层感知机对热分层快照开展在线状态识别与预测分析。结果表明，由于GNN具有高度的非线性，使其在大规模CFD数据的非线性降阶方面具备独特优势，其1阶模态重构精度与POD的30~50阶基函数的重构精度相当；在在线阶段，以472 ms的时长即可完成对热分层快照的特征识别和预测，且预测精度与直接重构精度相近。相关研究成果可为铅铋快堆热分层现象演化机理分析及后果预测提供新的分析方法支撑。

关键词：铅铋快堆, 热分层, 非线性降阶, 图神经网络（GNN）, 本征正交分解（POD）

基金资助：核反应堆系统设计技术重点实验室运行基金（KFKT-05-FW-HT-20220014）