(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111488902.0 (22)申请日 2021.12.07 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 苟军利　郑源明　纪龙　单建强　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 闵岳峰 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/04(2020.01) G06F 113/04(2020.01) G06F 113/08(2020.01) (54)发明名称 基于捕食者策略和粒子群算法的先进安注 箱参数优化方法 (57)摘要 本发明公开了一种基于捕食者策略和粒子 群算法的先进安注箱参数优化方法， 该方法包 括： 基于先进安注箱的分析计算模型； 基于捕食 者策略和粒子群优化算法； 结合并行计算技术， 实现了满足压水堆核电厂大破口失水事故下安 注容量需求的先进安注箱结构参数的快速自动 寻优设计。 与现有核电厂先进安注箱结构参数设 计的“试错法”相比， 本发明方法结合优化算法和 并行计算技术， 实现了先进安注箱结构参数的快 速自动寻优设计， 能使反应堆在满足安全准则的 前提下， 获得更小的先进安注 箱的体积。 权利要求书2页 说明书6页 附图3页 CN 114169098 A 2022.03.11 CN 114169098 A 1.基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 包括如下 步骤： 步骤一： 基于先进安注 箱的分析模型， 选取影响先进安注 箱的安注流 量的结构参数； 步骤二： 根据已知的反应堆安注流量曲线和核电厂设备布置特点， 设置各结构参数的 取值域； 步骤三： 根据核安全准则， 制定限制作为设计准则； 步骤四： 依据设计准则， 分别选取四个变量构造了适应度函数， 即大流量阶段的水装 量、 大流量阶段的持续时间、 小流 量阶段的水装量和小流 量阶段的持续时间； 步骤五： 应用粒子群算法对安注 箱体积进行优化设计； 步骤六： 考虑到粒子群算法过程中粒子容易陷入局部最优值的局限性， 使用捕食者策 略增加算法的局部 搜索能力； 步骤七： 捕食者策略中， 通过给定每一个设计参数的浮动范围， 组成捕食者策略的局部 空间进行集中搜索， 直到没有更 佳的适应值， 从而跳出捕食者策略， 更新优化变量； 步骤八： 判断最优适应值对应的优化变量组合在算法中是否连续四代未更新， 未更新 表示最优优化变量组合已经收敛， 或者判断是否到达算法设置的最高迭代次数； 没有收敛 或者未达到最高迭代次数， 将返回步骤五操作， 并重复步骤五到步骤七操作； 收敛或者达到 最高迭代次数， 将进行 下一步操作； 步骤九： 最优优化变量组合收敛或到达最高迭代次数， 最终找到所有符合约束的设计 参数集， 在其 参数集中找到安注 箱体积最小的设计参数组合 为最优优化变量组合。 2.根据权利要求1所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 步骤一中， 影响先进安注箱的安注流量的结构参数， 包括安注箱直径和高度、 立管高度和宽度、 小管的宽度、 阻尼器直径和厚度、 大小管夹角以及安注箱汽水比， 将其设 置为先进安注 箱的设计参数。 3.根据权利要求2所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 步骤三中， 设计准则包括： (a)先进安注 箱总水容积大于大破口失水事故下堆芯再灌水和再淹没阶段的用水量； (b)先进安注箱大流量阶段的流量大于堆芯再灌水阶段的流量需求； 大流量阶段的持 续时间的浮动范围不超过堆芯再灌水时间的5％； (c)先进安注箱小流量阶段的流量大于堆芯再淹没阶段的流量需求； 小流量持续时间 的浮动范围不超过堆芯再淹没阶段持续时间的5％。 4.根据权利要求3所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 步骤四中， 适应度函数如下： 其中， ΔQL——大流量阶段的水装量与堆芯再灌水阶段水装量的差值， tL——大流量阶 段持续时间与再灌水阶段持续时间的差值， ΔQs——小流量阶段水装量与堆芯再淹没阶段 水装量的差值， ts——小流量阶段持续时间和堆芯再淹没阶段持续时间的差值。 5.根据权利要求4所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法，权　利　要　求　书 1/2 页 2 CN 114169098 A 2其特征在于， 由适应度函数可知， 当适应值f无穷大时， 先进安注箱的设计参数正好满足堆 芯安注流 量的需求， 而且此时的安注 箱结构体积最小。 6.根据权利要求4所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 步骤五中， 设计过程如下： 步骤501、 初始化参数： 由设计参数的数目确定粒子的维数， 在取值域内对所有设计参 数进行随机抽样得到粒子当前位置， 同时给定粒子的初始飞行速度， 得到一群分布于多维 空间的随机粒子群； 步骤502、 适应度评价： 每一个粒子都根据步骤四中建立的适应度函数计算得到适应 值； 步骤503、 确定个体历史最佳位置和全局最佳位置： 利用先进安注箱分析计算程序并行 计算具有不同优化变量的分析对 象模型， 运用粒子群算法在全局空间搜索， 寻找出迄今为 止所有粒子发现的适应值最大的粒子位置 即全局最优值， 同时得到每一个粒子到目前为止 发现的适应值 最大的粒子位置即粒子个 体历史最优值； 步骤504、 粒子速度和位置更新： 在每一次迭代中， 用安注箱分析模型并行计算每个粒 子的速度、 全局 适应值最大 的粒子位置和个体历史适应值最大的粒子位置， 根据公式更新 粒子， 直到最终找出 粒子围绕一个或多个最优点的集 合。 7.根据权利要求6所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 步骤六中， 首先运用粒子群算法在全局空间搜索， 每一次迭代完成后， 如果没 有满足约束限值的粒子， 粒子更新自己的位置， 进入下一次迭代； 如果粒子群算法过程中有 满足约束限值的设计参数组合输出， 算法进入捕食者策略进行局部空间的搜索。 8.根据权利要求7所述的基于捕食者策略和粒子群算法的先进安注箱参数优化方法， 其特征在于， 步骤七中， 先进行全局搜索， 找到一个较好的适应值， 然后集中搜索该适应值 的附近区域， 直到没有找到更较好的适应值后放弃局域搜索返回进 行全局搜索， 如此循环， 直到找到最 好的适应值。权　利　要　求　书 2/2 页 3 CN 114169098 A 3