Автоматизация поиска оптимальных режимов работы РУ на основе использования методов поиска глобального оптимума и кодов типа RELAP5 Ю.Б. Воробьев Каф. АЭС, Московский Энергетический Институт (Технический Университет)

План презентации Мотивация проведенных работМотивация проведенных работ Основные характеристики разработанного подхода NPOОсновные характеристики разработанного подхода NPO Примеры использования NPO для: ВВЭР- 1000/В320; Пассивная система безопасностиПримеры использования NPO для: ВВЭР- 1000/В320; Пассивная система безопасности Перспективы развитияПерспективы 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) 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 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 вычисленийЭффективность 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 задачаОсновная 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 - Tci 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 поискаСоздание 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 результатовПроведение оптимизационных расчетов на основе параллельных вычислений – NPO – накопление результатов Анализ результатов расчетов (постпроцессинг)Анализ результатов расчетов (постпроцессинг)

RELAP5 модель, 4 петлиRELAP5 модель, 4 петли В оптимизационных расчетах комплексный критерий оптимизации C op использовалсяВ оптимизационных расчетах комплексный критерий оптимизации C op 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 T cld – максимальная температура оболочки ТВЭЛа T A – время окончания расчета.T cld – максимальная температура оболочки ТВЭЛа T A – время окончания расчета. Примеры использования NPO для оптимизационных расчетов ВВЭР- 1000/В320

ННД НВД ННД РУ ВВЭР – 1000 / В320 ТЕЧЬ БРУ-К БРУ-А ПК

Зависимость комплексного критерия оптимизации от времени начала срабатывания БРУ-К; разрыв Ду 25 мм ; ВВЭР-1000 / В320 K op Комплексный критерий оптимизации K op 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 1Авария – петля 1 Цель – уменьшение пика температуры оболочки наиболее нагруженного ТВЭЛа в первые 10 с аварии.Цель – уменьшение пика температуры оболочки наиболее нагруженного ТВЭЛа в первые 10 с аварии. Оптимизация аварии на основе задержки сигнала на отключение ГЦНОптимизация 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.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 циркуляцииОсновная задача – нахождение количества теплоносителя в промежуточном контуре для получения стабильной естественной циркуляции Адаптация системы NPO для решения данной задачиАдаптация системы NPO для решения данной задачи Варьирование количества жидкой фазы в 7 нодализационных элементах моделиВарьирование количества жидкой фазы в 7 нодализационных элементах модели

Пассивная система безопасности (ПСБ) Нодализационная схема для RELAP5

Результаты оптимизационных расчетов ПСБ Дисперсия Расход, кг/с Время, с

Общие направления развития Оптимизация параметров оборудования, процессов NPO;Оптимизация параметров оборудования, процессов NPO; Оптимизации управления аварией (переходным процессом) – система поддержки оператора в процессе аварии NPOneuro;Оптимизации управления аварией (переходным процессом) – система поддержки оператора в процессе аварии NPOneuro; Поиск возможных аварийных ситуаций задачи ДВАБ - GA-NPO метод ;Поиск возможных аварийных ситуаций задачи ДВАБ - GA-NPO метод ; Оптимизация соотношения эксперимент – расчет по коду – уменьшение epistemic uncertainties в пост тест моделировании;Оптимизация соотношения эксперимент – расчет по коду – уменьшение epistemic uncertainties в пост тест моделировании; Поиск аномального поведения кодов и исследуемых объектов – автоматизация верификации кодов;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 1.Выбор целевой функции оптимизации (функции приспосабливаемости ГА) –Важность выбора правильной функции Выбор физической величины (температура оболочки ТВЭЛов, уровень в АЗ и т.д.)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) 2.Возможность использования альтернативных алгоритмов поиска глобального оптимума для сложных случаев Экстремальная оптимизацияЭкстремальная оптимизация Simulated annealingSimulated annealing Разработка собственных алгоритмов ?Разработка собственных алгоритмов ? 3.Адаптация к другим кодам RELAP5, RELAP5 + PARCSRELAP5, RELAP5 + PARCS Другие коды?Другие коды?

Направления развития (продолжение) 4.Автоматизация анализа результатов расчетов Анализ чувствительности – основная проблема наличие кросс корреляций между компонентамиАнализ чувствительности – основная проблема наличие кросс корреляций между компонентами Формализация описания найденной оптимальной области, автоматизация анализаФормализация описания найденной оптимальной области, автоматизация анализа 5.Реализация многокритериальной оптимизации Наличие положительного опыта для ГАНаличие положительного опыта для ГА

Заключение Существует ряд проблем при использовании интегральных кодов для анализа динамических процессов на АЭССуществует ряд проблем при использовании интегральных кодов для анализа динамических процессов на АЭС Представленный подход позволяет решить выделенные проблемыПредставленный подход позволяет решить выделенные проблемы Рассмотренные примеры использования системы NPO показывают возможность решения сложных оптимизационных задач применительно к АЭСРассмотренные примеры использования системы NPO показывают возможность решения сложных оптимизационных задач применительно к АЭС Представленные направления развития предлагаемого метода позволят существенно улучшить качество проводимых расчетовПредставленные направления развития предлагаемого метода позволят существенно улучшить качество проводимых расчетов