基于Kriging代理模型的铅铋反应堆智能优化方法北大核心CSCD

铅铋反应堆广泛应用的需求要求研究人员在现有堆芯方案的基础上开展大量优化设计工作。针对铅铋反应堆多物理、多变量、多约束耦合影响的多维非线性约束优化设计问题,基于Kriging代理模型、正交拉丁超立方抽样和SEUMRE空间搜索技术构建铅铋反应堆智能优化方法,耦合物理蒙卡计算/热工分析程序,开发包含抽样、耦合程序前后处理、反应堆优化分析功能的优化平台,并以铅铋反应堆SPALLER-4,URANUS为原型分别开展最小燃料装载量的方案寻优与参数优化验证。验证结果表明,该智能优化方法用于铅铋反应堆设计方案寻优和堆芯参数优化可行、有效,相比传统蒙卡程序计算寻优,在保证预测精度前提下极大地降低了计算成本,与URANUS初始模型比较,燃料装载量、堆芯总质量、活性区体积、堆芯总体积分别优化10.8%,11.5%,18.1%,17.1%,为基于代理模型的智能优化方法应用于铅铋反应堆的优化设计提供参考。