基于神经网络的热管反应堆多物理场耦合快速预测

作     者：张俊达 刘晓晶 熊进标 柴翔 张滕飞 ZHANG Junda;LIU Xiaojing;XIONG Jinbiao;CHAI Xiang;ZHANG Tengfei

作者机构：上海交通大学机械与动力工程学院上海200240 

出 版 物：《原子能科学技术》 (Atomic Energy Science and Technology)

年 卷 期：2024年第58卷第6期

页      面：1218-1225页

核心收录：

学科分类：08[工学] 082701[工学-核能科学与工程] 0827[工学-核科学与技术] 

基　　金：国家重点研发计划(2020YFB1901900) 国家自然科学基金(12175138) 中核集团领创科研项目 

主　　题：热管反应堆 多物理场耦合 神经网络 快速预测 

摘      要：本文基于热管反应堆多物理场耦合分析框架,提出了一种基于数据驱动型神经网络构建的快速预测方案。该方案利用神经网络部分代替分析框架中的数值计算模块,实现核-热-力多物理场耦合迭代过程的高效求解。以Megapower作为分析对象,搭建了相应的神经网络模型构建快速预测方案并对其进行相关参数的预测,与传统数值计算方法对比。快速预测产生的关键参数和数值计算的结果差异很小,其中,最大应力差值不超过2 MPa,燃料平均温度差值不超过3 K。相同计算环境中,相比于数值计算需要6 h的计算时间,快速预测仅需4 min,计算时间降低了95%以上。基于上述结果,认为基于神经网络的快速预测方案具有准确性高、速度快的特点。配合其灵活性及对训练数据量要求低、可针对性的优化模型等特点,认为基于神经网络的快速预测方案是应对堆芯优化等大规模计算需求场景的优选方案。