Автоматизация поиска оптимальных режимов работы РУ на основе использования методов поиска глобального оптимума и кодов типа RELAP5

План презентации
Мотивация проведенных работ
Основные характеристики разработанного подхода NPO
Примеры использования NPO для: ВВЭР-1000/В320; Пассивная система безопасности
Перспективы развития

Основные проблемы в анализе переходных и аварийных процессов на АЭС:
Большой объем информации
Нелинейные связи между параметрами
Существенно нелинейное поведение результирующих характеристик безопасности
Необходимо проводить многомерный анализ данных
Субъективный фактор в обычном анализе безопасности АЭС, как в выборе точек расчета, так и в анализе результатов
Существенные временные затраты на проведение расчетов с использованием кодов типа RELAP5

Основной путь решения:
Цель → Разработка максимально автоматизированного программного комплекса для решения оптимизационных задач применительно к АЭС
Современные информационные технологии → эффективны в обработки больших объемов сложной информации
Следовательно → решение:
Их использование совместно с имеющимися технологиями анализа динамических процессов на АЭС на основе кодов типа RELAP5

Основные характеристики подхода:
Существенная нелинейность результирующих характеристик (целевой функции)
Решение - использование алгоритмов семейства поиска глобального оптимума → алгоритмы: эволюционные, simulated annealing…
Значимые временные затраты на получение данных по одной расчетной точке с использованием интегральных кодов типа RELAP5
Решение - использование методов параллельных вычислений
Эффективность процесса поиска глобального оптимума на основе согласования оптимизационного алгоритма и параллельных вычислений
Решение - Генетические алгоритмы (ГА) наиболее подходят на текущем этапе

Основные принципы ГА
Основная задача – решение проблемы нахождения глобального оптимума функции Y=F(X) Y – вектор критериев, X – вектор оптимизируемых параметров
Техника ГА базируется на биологических принципах, которые формализованы и преобразованы в математическую форму

Общая принципиальная схема функционирования программы NPO
Накопление промежуточных результатов и текущий их анализ на аномальность
Управляющая программа -
NPO на главном узле кластера
Файл стандартного ввода информации в код на узле кластера i
Расчетный код на узле кластера i - ΔTci
Файл стандартного вывода информации из кода на узле кластера i
Пользователь: задание целевых критериев и параметров работы программы
Нахождение оптимума
Подготовка данных
Выработка управляющего воздействия
Выбор метода оптимизации:
Градиентный
Статистический - МК
Эволюционный
Другие алгоритмы ?
Распределение заданий по машинам кластера
Управление узлами кластера
Выход
Анализ на основе методов классификации полученных многомерных данных –> рекомендации

Этапы решения оптимизационной задачи на основе NPO
Создание оптимизационной модели и формирование пространства поиска
Создание модели ЯЭУ на основе используемого кода (RELAP5)
Определение варьируемых параметров и их интервалов изменения
Определение целевой функции оптимизации и соответствующей функции приспосабливаемости ГА (например максимальная температура оболочки ТВЭЛов)
Кодирование оптимизационной задачи в конфигурационный файл NPO
Проведение оптимизационных расчетов на основе параллельных вычислений – NPO – накопление результатов
Анализ результатов расчетов (постпроцессинг)

RELAP5 модель, 4 петли
В оптимизационных расчетах комплексный критерий оптимизации Cop использовался
Время включения оператором БРУ-К было выбрано как одно из возможных управляющих воздействий и проводился поиск на его оптимальное значение.
Рассматривались аварии - LOCA: течи 25 мм; 50 мм; + отказ насосов высокого давления САОЗ
Tcld – максимальная температура оболочки ТВЭЛа TA – время окончания расчета.
Примеры использования NPO для оптимизационных расчетов ВВЭР-1000/В320

Зависимость комплексного критерия оптимизации от времени начала срабатывания БРУ-К; разрыв Ду 25 мм ; ВВЭР-1000 / В320
Комплексный критерий оптимизации Kop
Время, с

Зависимость изменения максимальной температуры ТВЭЛа от различного времени включения БРУ-К ; разрыв Ду 25 мм ; ВВЭР-1000 / В320
Температура оболочки ТВЭЛа, °К
Время, с
automatic
95 s
185 s
198 s
161 s

Зависимость комплексного критерия оптимизации от времени начала срабатывания БРУ-К и впрыска в КД; разрыв Ду 50 мм ; ВВЭР-1000 / В320

Зависимость изменения максимальной температуры ТВЭЛа от различного времени включения БРУ-К и впрыска в КД; разрыв Ду 50 мм ;
ВВЭР-1000 / В320
Температура оболочки ТВЭЛа, °К
Время, с
optimal
Not optimal
automatic

Зависимость комплексного критерия оптимизации от времени начала срабатывания БРУ-К при отказе группы насосов высокого давления; разрыв Ду 50 мм; ВВЭР-1000 / В320
, с

Зависимость изменения максимальной температуры ТВЭЛа от различного времени включения БРУ-К при отказе группы насосов высокого давления; разрыв Ду 50 мм ; ВВЭР-1000 / В320
Температура оболочки ТВЭЛа, °К
Время, с
automatic
74 s
23 s
277 s

Большая течь, гильотинный разрыв , отказ двух гидроаккумуляторов САОЗ.
Авария – петля 1
Цель – уменьшение пика температуры оболочки наиболее нагруженного ТВЭЛа в первые 10 с аварии.
Оптимизация аварии на основе задержки сигнала на отключение ГЦН
Оптимизационные расчеты на основе NPO нашли оптимальные задержки для ГЦН на аварийных петель 2, 3 и 4.

Изменение максимальной температуры оболочки наиболее нагруженного ТВЭЛа для стандартного и оптимального вариантов отключения ГЦН (увеличено).
стандартный
оптимальный

Оптимизация пассивной системы безопасности для транспортных ЯЭУ
Основная задача – нахождение количества теплоносителя в промежуточном контуре для получения стабильной естественной циркуляции
Адаптация системы NPO для решения данной задачи
Варьирование количества жидкой фазы в 7 нодализационных элементах модели

Пассивная система безопасности (ПСБ)
Нодализационная схема для RELAP5

Результаты оптимизационных расчетов ПСБ

Общие направления развития
Оптимизация параметров оборудования, процессов → NPO;
Оптимизации управления аварией (переходным процессом) – система поддержки оператора в процессе аварии → NPOneuro;
Поиск возможных аварийных ситуаций → задачи ДВАБ - GA-NPO метод;
Оптимизация соотношения “эксперимент – расчет по коду” – уменьшение epistemic uncertainties в пост тест моделировании;
Поиск аномального поведения кодов и исследуемых объектов – автоматизация верификации кодов;
Поддержка по гранту МинОбр. - МинАтом до 2005 г.
Частичная Поддержка Стокгольмского Технологического Института с 2006 г., интерес группы разработчиков RELAP7 в настоящий момент

Направления развития
Выбор целевой функции оптимизации (функции приспосабливаемости ГА)
Важность выбора правильной функции
Выбор физической величины (температура оболочки ТВЭЛов, уровень в АЗ и т.д.)
Обработка по анализируемому интервалу времени :
Минимум/максимум
Среднее значение
Интегральное значение
Отклонение от среднего значение – дисперсия
Другие варианты по мере накопления опыта?

Направления развития (продолжение)
Возможность использования альтернативных алгоритмов поиска глобального оптимума для сложных случаев
Экстремальная оптимизация
Simulated annealing
Разработка собственных алгоритмов ?
Адаптация к другим кодам
RELAP5 , RELAP5 + PARCS
Другие коды?

Направления развития (продолжение)
Автоматизация анализа результатов расчетов
Анализ чувствительности – основная проблема → наличие кросс корреляций между компонентами
Формализация описания найденной оптимальной области, автоматизация анализа
Реализация многокритериальной оптимизации
Наличие положительного опыта для ГА