一种基于结构的凝汽器精细化建模方法

    公开(公告)号:CN115455755A

    公开(公告)日:2022-12-09

    申请号:CN202210997555.2

    申请日:2022-08-19

    Abstract: 本发明属于仿真技术领域,涉及一种基于结构的凝汽器精细化建模方法。包括如下步骤:S1:根据核电站凝汽器的实际物理结构,将热阱划分为液相节点,将进汽口至管束顶部区域划分为进汽节点;S2:将其余区域按照实际的管板数目,沿管束径向将凝汽器划分为若干汽室,然后将汽室划分二维模型;S3:对进汽节点、蒸汽下行通道节点和各管束区节点进行流动阻力、流量和压力分布计算;S4:对管束区节点进行传热计算;S5:对管束区节点、蒸汽下行通道节点和液相节点进行相间传热和传质计算;S6:建立计算机仿真程序,将步骤S3‑S5中各节点的流动、传热和相变计算进行封装,并通过算法执行程序调度。优点是:提高核电厂凝汽器的设计研发效率和系统级动态仿真效果。

    一种核电厂流体系统运行性能的量化分析方法

    公开(公告)号:CN119885927A

    公开(公告)日:2025-04-25

    申请号:CN202311389868.0

    申请日:2023-10-24

    Abstract: 本发明属于系统仿真分析技术领域,具体涉及一种核电厂流体系统运行性能的量化分析方法。S1首先需要选取待分析的流体系统,明确系统边界;然后根据系统的功能需求选取目标性能参数,若目标性能参数有强关联的机组测点,则将此测点作为目标测点,进入步骤S2,否则将目标性能参数视为目标测点,进入步骤S3;S2.建立运行数据库,并定量评估运行数据中各测点与目标测点的相关性,然后根据相关性强弱,将与目标测点相关性高的测点作为影响因子;S3.采用专家判断的方式,选择目标测点的重要影响因子。本发明实现对核电厂流体系统运行性能的量化分析和评估,挖掘出制约系统运行性能的关键因素,辅助优化系统运行状态。

    一种机理和优化算法相结合的系统级孪生模型初始化方法

    公开(公告)号:CN117454582A

    公开(公告)日:2024-01-26

    申请号:CN202311189195.4

    申请日:2023-09-14

    Abstract: 本发明提供了一种机理和优化算法相结合的系统级孪生模型初始化方法,包括:将复杂的运行数字孪生系统解耦成单一系统,并计算边界参数;从机组运行数据中筛选出于待调试系统相关联的机组数据,并进行预处理;仿真模型输入和输出参数分类,判断有无确定关系的性能参数;对于有确定关系的性能参数,根据物理原理采用处理后的机组运行数据进行倒推计算并建立调试经验库进行微调;对于无确定关系的性能参数,选用智能优化算法进行寻优计算;执行计算程序,使仿真模型计算并达到稳态。本发明误差更小,相比仅依赖智能优化算法的初始化,速度更快更准确。

    一种用于核电厂给水加热器运行状态跟踪的模型优化方法

    公开(公告)号:CN117828831A

    公开(公告)日:2024-04-05

    申请号:CN202311650680.7

    申请日:2023-12-05

    Abstract: 本发明提供了一种用于核电厂给水加热器运行状态跟踪的模型优化方法,包括:收集核电厂给水加热器及进出口管线测点数据;建立电厂系统的实时仿真模型;建立给水加热器传热效能分析模型;利用传热效能分析模型实时优化仿真模型。本发明提供的方法利用实时仿真模型生成仿真样本库,并应用人工智能技术基于样本库进行给水加热器测点参数至传热效能的预测。最终通过预测结果实时优化仿真模型。该方法具有可操作性强的特点,能够实现给水加热器仿真模型与机组实际状态的同步跟踪,对于数字孪生系统、给水加热器运行事件分析和运行状态预测等领域具有良好的应用价值。

    基于智能优化算法的仿真系统多工况调试方法及装置

    公开(公告)号:CN117826634A

    公开(公告)日:2024-04-05

    申请号:CN202311784565.9

    申请日:2023-12-22

    Abstract: 本公开属于核电技术领域,具体涉及一种基于智能优化算法的仿真系统多工况调试方法及装置。本公开以模拟机产品开发过程中不符合项较多的蒸汽系统为例,通过分析蒸汽系统仿真建模过程中的各类标定参数,从中确定待优化参数,采用智能优化算法,对其进行多工况寻优,以获得满足多工况仿真需求的最优标定参数,减小模拟机开发过程中因为标定参数不适用导致的偏离,提高模拟机产品质量和开发调试效率。本公开的方法采用智能优化算法对重要标定参数进行优化,可获得一组满足多工况误差最小的标定参数值,减小仿真模型在多个工况下的计算误差,提高模拟机开发调试效率和产品质量。

    一种融合机器学习和机理模型的二回路设备模型仿真方法

    公开(公告)号:CN116415394B

    公开(公告)日:2025-04-11

    申请号:CN202111660845.X

    申请日:2021-12-31

    Abstract: 本发明属于仿真技术领域,具体涉及一种融合机器学习和机理模型的二回路设备模型仿真方法。包括如下步骤:建立二回路设备的机理模型并进行仿真,将所述二回路设备的机理模型的仿真结果与当前机组运行的机组数据进行对比;获取数据库存储的历史机组数据集;将所述历史机组数据集输入所述机组数据处理模型中;利用机器学习方法对所述样本集进行训练,以得到目标过程的输入参数和输出参数的映射模型,将所述映射模型作为数据模型;将所述数据模型集成到所述二回路设备的机理模型中,以得到二回路设备仿真模型。其优点是:采用机器学习技术建立的数据模型与机理模型具有非常好的兼容性,极大地降低了数据模型与机理模型的集成难度。

    一种机理和优化算法相结合的系统级孪生模型初始化方法

    公开(公告)号:CN117454582B

    公开(公告)日:2025-01-07

    申请号:CN202311189195.4

    申请日:2023-09-14

    Abstract: 本发明提供了一种机理和优化算法相结合的系统级孪生模型初始化方法,包括:将复杂的运行数字孪生系统解耦成单一系统,并计算边界参数;从机组运行数据中筛选出于待调试系统相关联的机组数据,并进行预处理;仿真模型输入和输出参数分类,判断有无确定关系的性能参数;对于有确定关系的性能参数,根据物理原理采用处理后的机组运行数据进行倒推计算并建立调试经验库进行微调;对于无确定关系的性能参数,选用智能优化算法进行寻优计算;执行计算程序,使仿真模型计算并达到稳态。本发明误差更小,相比仅依赖智能优化算法的初始化,速度更快更准确。

Patent Agency Ranking