群體復(fù)合形優(yōu)化算法在核動(dòng)力設(shè)備優(yōu)化設(shè)計(jì)中的應(yīng)用

閻昌琪，李貴敬，王建軍

（哈爾濱工程大學(xué) 核安全與仿真技術(shù)國防重點(diǎn)學(xué)科實(shí)驗(yàn)室，黑龍江 哈爾濱 150001）

目前世界大多電力市場(chǎng)競(jìng)爭日趨激烈，電力生產(chǎn)商和供應(yīng)商更加關(guān)注運(yùn)行成本和投資的盈利能力。現(xiàn)有核電系統(tǒng)在這樣的市場(chǎng)上顯得初期投資太高、建設(shè)期太長、項(xiàng)目規(guī)模太大。盡管核動(dòng)力在中期和遠(yuǎn)期的市場(chǎng)中均具有競(jìng)爭潛力，但欲使這種潛力變?yōu)楝F(xiàn)實(shí)，就必須能在確保核電站運(yùn)行安全的前提下大幅降低成本［1］。因此，選擇一種合理的優(yōu)化方法，通過尋找設(shè)計(jì)參數(shù)的最優(yōu)組合，減小核動(dòng)力裝置重量，具有重要意義。

復(fù)合形優(yōu)化算法（CA）是工程設(shè)計(jì)中較為常用的一種有約束的直接求解方法，對(duì)目標(biāo)函數(shù)和約束函數(shù)的性質(zhì)無特殊要求，并在核工程領(lǐng)域中得到了應(yīng)用［2-3］。但對(duì)復(fù)雜優(yōu)化問題，傳統(tǒng)復(fù)合形優(yōu)化算法（TCA）易于陷入局部最優(yōu)值［4］。本文首先建立多個(gè)復(fù)合形，并基于其相似度最低原則，給出多復(fù)合形的最優(yōu)化組合，增強(qiáng)復(fù)合形頂點(diǎn)的多樣性，提高算法獲取全局優(yōu)點(diǎn)信息的能力，以使算法具有更佳的全局搜索能力。

1 CA原理及改進(jìn)

1.1 CA基本原理

CA 的基本原理是在n 維受約束的設(shè)計(jì)空間內(nèi)創(chuàng)建由k 個(gè)頂點(diǎn)構(gòu)成的多面體（復(fù)合形），然后對(duì)復(fù)合形頂點(diǎn)的函數(shù)值逐一進(jìn)行比較，不斷丟棄函數(shù)值最劣的頂點(diǎn)，代之以滿足約束條件且函數(shù)值有所改善的新頂點(diǎn)，如此重復(fù)，逐步逼近最優(yōu)點(diǎn)。

CA 將目標(biāo)函數(shù)值最大的頂點(diǎn)XH視為最壞點(diǎn)，除最壞點(diǎn)外其余頂點(diǎn)的中心點(diǎn)X0由式（1）計(jì)算得到，即：

式中，Xi為復(fù)合形的各頂點(diǎn)。

在中心點(diǎn)與最壞點(diǎn)的連線上，利用式（2）尋找既滿足約束條件，又較XH目標(biāo)函數(shù)值小的頂點(diǎn)XR，并替換XH構(gòu)成新的復(fù)合形，如此反復(fù)進(jìn)行，當(dāng)復(fù)合形收縮到足夠小時(shí)，即可將復(fù)合形頂點(diǎn)中的最好點(diǎn)作為近似最 優(yōu) 點(diǎn) 輸 出［4-5］。

式中，t為映射系數(shù)，其初始值通常取1.3，隨后不斷減半收縮（t=t／2），直至尋找到改進(jìn)點(diǎn)XR。

1.2 算法改進(jìn)

CA 初始復(fù)合形的頂點(diǎn)個(gè)數(shù)有限，而初始頂點(diǎn)的生成又具有隨機(jī)性，不能保證各頂點(diǎn)均勻覆蓋可行域，因此難以保證CA 對(duì)整個(gè)搜索空間的狀況有足夠的了解。

針對(duì)TCA 的缺點(diǎn)提出以下改進(jìn)方案，得到群體復(fù)合形優(yōu)化算法（CCA）。

1）建立群體復(fù)合形，它由多個(gè)復(fù)合形組成。CCA 初始復(fù)合形頂點(diǎn)個(gè)數(shù)較TCA 有大幅提高，因而群體初始復(fù)合形對(duì)可行域空間的覆蓋面明顯大于TCA，從而增強(qiáng)了算法對(duì)可行域空間狀況的了解能力，提高了算法搜索到全局最優(yōu)點(diǎn)的概率。圖1為CCA 邏輯框圖。

2）群體復(fù)合形中任選1個(gè)復(fù)合形與其余復(fù)合形之間實(shí)現(xiàn)相似度最低的最優(yōu)化組合。所謂相似度，是由兩個(gè)頂點(diǎn)之間的海明距離表示的，海明距離越小，兩頂點(diǎn)的相似度就越大，海明距離的計(jì)算如下：

式中：n 為頂點(diǎn)向量的元素個(gè)數(shù)；xim、xjm為Xi、Xj的第m 個(gè)元素。

最優(yōu)化組合具體實(shí)施措施為：首先，除被選中的復(fù)合形——第α 個(gè)復(fù)合形外，其余復(fù)合形基于CA 基本尋優(yōu)措施完成并行自身優(yōu)化，分別收斂于自身最優(yōu)復(fù)合形；其次，第α個(gè)復(fù)合形與上步優(yōu)化所得到的每個(gè)自身最優(yōu)復(fù)合形，形成組合優(yōu)化關(guān)系，即在每個(gè)自身最優(yōu)復(fù)合形中，選取與第α個(gè)復(fù)合形各頂點(diǎn)平均相似度最低且優(yōu)良度最高的頂點(diǎn)，作為第α 個(gè)復(fù)合形的尋優(yōu)操作基準(zhǔn)點(diǎn)，優(yōu)化第α個(gè)復(fù)合形，最終第α個(gè)復(fù)合形達(dá)到收斂要求后，最優(yōu)頂點(diǎn)即為優(yōu)化結(jié)果。最優(yōu)化組合利用每個(gè)復(fù)合形的相對(duì)最優(yōu)信息優(yōu)化被選中的復(fù)合形，使第α 個(gè)復(fù)合形充分獲取各復(fù)合形的相對(duì)最優(yōu)信息，算法的全局搜索能力顯著提高。

2 CCA性能測(cè)試

選取典型基準(zhǔn)測(cè)試函數(shù)，測(cè)試CCA 較TCA 是否具有更佳的全局搜索能力。Schwefel函數(shù)為：

式（4）屬多維連續(xù)多峰函數(shù)，可行域空間內(nèi)廣泛分布大量局部極值點(diǎn)，僅有1個(gè)全局極小點(diǎn)為f1（X）=-418.982 874 8 N，xi=420.968 7（i=1，2，…，N）。由于空間中存在多個(gè)局部極小點(diǎn)與全局極小點(diǎn)目標(biāo)函數(shù)值較接近，且遠(yuǎn)離全局極小點(diǎn)，TCA 受搜索能力的限制極易收斂于次優(yōu)解。為更直觀地認(rèn)識(shí)基準(zhǔn)測(cè)試函數(shù)，其三維視圖（N=2）示于圖2a。

將TCA 和CCA 分別用于Schwefel測(cè)試函數(shù)的優(yōu)化計(jì)算中，對(duì)比結(jié)果示于圖2b，其中N=5。CCA 對(duì)基準(zhǔn)函數(shù)的優(yōu)化結(jié)果均分布在函數(shù)解析最優(yōu)值附近，與函數(shù)解析最優(yōu)值偏差很小，最大相對(duì)偏差的數(shù)量級(jí)為10-6，隨機(jī)產(chǎn)生的25次計(jì)算結(jié)果與最優(yōu)值幾乎完全重合。而TCA 對(duì)Schwefel函數(shù)的優(yōu)化結(jié)果散亂地分散在函數(shù)最優(yōu)值的上方，最大相對(duì)偏差達(dá)49.94%，最小相對(duì)偏差為10.37%，與CCA 相比計(jì)算精度極差。結(jié)果顯示：CCA 對(duì)Schwefel函數(shù)的單次優(yōu)化平均時(shí)間為1.073 3s，TCA 對(duì)Schwefel函數(shù)的單次優(yōu)化平均時(shí)間為0.038 2s。可見，CCA 的計(jì)算時(shí)間普遍大于TCA，但計(jì)算時(shí)間以s為單位，其實(shí)際偏差并不大。

圖2 Schwefel函數(shù)三維圖像（N=2）（a）及CCA、TCA 對(duì)Schwefel函數(shù)優(yōu)化效果對(duì)比（b）Fig.2 Three-dimensional outlooks of Schwefel function with N=2（a）and contrast between CCA and TCA optimization effect based on Schwefel function（b）

結(jié)果表明：CCA 較TCA 具有明顯的優(yōu)越特性，包括全局搜索能力強(qiáng)、收斂精度高、穩(wěn)定性好。雖然計(jì)算時(shí)間略大于TCA，但其實(shí)際偏差并不明顯，計(jì)算時(shí)間的增加量對(duì)優(yōu)化工作無太大的影響。因此，CCA 在優(yōu)化性能方面所取得的改進(jìn)效果具有重要的應(yīng)用價(jià)值。

3 將CCA應(yīng)用于核動(dòng)力設(shè)備的優(yōu)化設(shè)計(jì)

本文以減小核電高壓加熱器重量為優(yōu)化目標(biāo)，基于CCA 尋求高壓加熱器結(jié)構(gòu)參數(shù)的最佳組合。

3.1 高壓加熱器數(shù)學(xué)模型的建立

選取秦山300 MW 壓水堆核電廠系統(tǒng)中的3號(hào)高壓加熱器為設(shè)計(jì)原型。數(shù)學(xué)模型的設(shè)計(jì)過程參見文獻(xiàn)［6-8］，注意以下幾點(diǎn)。

1）核電高壓加熱器的抽汽是飽和蒸汽，因此高壓加熱器僅具有凝結(jié)段和疏水冷卻段，凝結(jié)段和疏水冷卻段的過渡點(diǎn)給水溫度tt（℃）依照下式［6］計(jì)算：

式中：tw1為給水入口溫度，℃；hhw為加熱器殼側(cè)壓力ph（MPa）下的飽和水比焓，kJ／kg；hod為疏水出口比焓，kJ／kg；qms、qml、qmw分別為進(jìn)入加熱器的蒸汽流量、上級(jí)疏水流量和給水流量，kg／s；cp為給水平均比定壓熱容，kJ／（kg·℃）；Cq為散熱損失系數(shù)，一般可取1.01～1.02。

2）對(duì)凝結(jié)段和疏水冷卻段分別進(jìn)行傳熱設(shè)計(jì)計(jì)算，其中凝結(jié)段對(duì)數(shù)平均溫差Δtmc（℃）［6］為：

式中：tw2為給水出口溫度，℃；ts為進(jìn)入加熱器的蒸汽溫度，℃。

3）疏水冷卻段對(duì)數(shù)平均溫差Δtmdc（℃）［6］為：

式中，tod為疏水出口溫度，℃。

4）在凝結(jié)段，進(jìn)入加熱器的蒸汽在水平管束外凝結(jié)放熱，當(dāng)管外雷諾數(shù)Reoc＜2 100時(shí)，凝結(jié)段管外換熱系數(shù)αoc（W／（m2·℃））［7］為：

式中：λl為冷凝液導(dǎo)熱系數(shù)，W／（m·℃）；ρl 為冷凝液密度，kg／m3；μl 為冷凝液黏度，Pa·s；g 為重力加速度，m／s2；G 為冷凝負(fù)荷，kg／（m·s）。

當(dāng)Reoc＞2 100 時(shí)，凝結(jié)段管外換熱系數(shù)αoc（W／（m2·℃））［7］為：

3.2 優(yōu)化約束條件

基于工程限制及設(shè)備穩(wěn)態(tài)性能要求，給定高壓加熱器優(yōu)化約束條件。約束條件包括優(yōu)化變量范圍約束、給水出口溫度約束、管程、殼程壓降約束及管內(nèi)流速約束，約束條件限制列于表1。

約束條件具體限制如下：1）將優(yōu)化變量限制在所給定的變化區(qū)間內(nèi)，其中優(yōu)化變量選取高壓加熱器的主要結(jié)構(gòu)參數(shù)，包括傳熱管外徑、傳熱管總根數(shù)、傳熱管中心距及折流板間距；2）為滿足高壓加熱器的加熱性能要求，應(yīng)保證給水出口溫度至少達(dá)到母型值；3）高壓加熱器優(yōu)化設(shè)計(jì)應(yīng)保證管程、殼程壓降低于母型的，從而降低壓力損失；4）為防止不銹鋼管侵蝕并盡量降低泵功耗，通常限制管內(nèi)流速小于4.6m／s。

3.3 評(píng)價(jià)及優(yōu)化結(jié)果

評(píng)價(jià)模型的計(jì)算值與母型值的對(duì)比結(jié)果，以及基于TCA、CCA 對(duì)高壓加熱器重量的優(yōu)化設(shè)計(jì)結(jié)果列于表2。

表1 約束條件Table 1 Limitation condition

表2 高壓加熱器重量的評(píng)價(jià)及優(yōu)化結(jié)果Table 2 Assessment and optimized results of weight for high-pressure heater

由于高壓加熱器熱工水力設(shè)計(jì)計(jì)算是基于簡單計(jì)算模型的，同時(shí)各組成部分的重量采用了近似計(jì)算，因此計(jì)算結(jié)果存在誤差。評(píng)價(jià)結(jié)果顯示各參數(shù)的計(jì)算相對(duì)誤差控制在5%以內(nèi)，可認(rèn)為基于所建立的數(shù)學(xué)模型的優(yōu)化結(jié)果可信。

基于CCA，高壓加熱器的優(yōu)化重量與評(píng)價(jià)模型計(jì)算結(jié)果相比減小了7.116%，優(yōu)化效果顯著。其中，優(yōu)化變量與母型相比，傳熱管外徑增大1.6%，傳熱管總根數(shù)減少0.982%，傳熱管中心距減少5%，折流板間距增大5%。高壓加熱器性能參數(shù)與評(píng)價(jià)模型計(jì)算結(jié)果相比，給水出口溫度與評(píng)價(jià)模型計(jì)算結(jié)果一致，總換熱面積減少1.667%，管側(cè)壓降減少8.558%，殼側(cè)壓降減少4.601%。優(yōu)化結(jié)果證明，在滿足高壓加熱器加熱性能要求、壓降約束、管道腐蝕及泵功耗約束的前提下，高壓加熱器重量有較大的優(yōu)化空間。優(yōu)化結(jié)果說明列于表3。

表3 優(yōu)化結(jié)果說明Table 3 Explanation of optimized results

然而，基于TCA 的優(yōu)化重量僅減小了6.194%，低于CCA 的優(yōu)化率將近1%。CCA的優(yōu)化性能明顯高于TCA，雖然CCA 計(jì)算耗時(shí)高于TCA，但基于CCA 的高壓加熱器單次優(yōu)化耗時(shí)近似為2 min，是可接受的。優(yōu)化結(jié)果對(duì)比分析是以本文所建立的數(shù)學(xué)模型的計(jì)算結(jié)果作為參考，優(yōu)化后重量的減小量并不包含數(shù)學(xué)模型評(píng)價(jià)結(jié)果的誤差。本文將自主改進(jìn)的CCA 應(yīng)用于核電高壓加熱器重量的優(yōu)化設(shè)計(jì)中，表明高壓加熱器結(jié)構(gòu)參數(shù)的優(yōu)化組合可實(shí)現(xiàn)其重量的減小，從理論上證明了高壓加熱器重量優(yōu)化的可能性，可為核動(dòng)力裝置的設(shè)計(jì)提供理論優(yōu)化方向。

4 結(jié)論

本文基于相似度最低建立多復(fù)合形的最優(yōu)化組合，得到改進(jìn)后的CCA。典型測(cè)試函數(shù)的優(yōu)化結(jié)果證明，CCA 較TCA 具有更佳的全局搜索能力。基于CCA 實(shí)現(xiàn)了高壓加熱器重量的優(yōu)化設(shè)計(jì)，得出以下結(jié)論。

1）群體初始復(fù)合形對(duì)可行域空間的覆蓋面明顯大于TCA，增強(qiáng)了算法對(duì)可行域空間狀況的了解能力，群體復(fù)合形中任選1個(gè)復(fù)合形與其余復(fù)合形之間形成相似度最低的最優(yōu)化組合，使被選復(fù)合形充分獲取了其余各復(fù)合形的相對(duì)最優(yōu)信息，算法的全局搜索能力顯著提高。

2）典型函數(shù)Schwefel函數(shù)的優(yōu)化結(jié)果證明，CCA 較TCA 具有更佳的全局搜索能力、計(jì)算精度及穩(wěn)定性，雖然計(jì)算時(shí)間略大于TCA，但其實(shí)際偏差并不明顯，計(jì)算時(shí)間的增加量對(duì)優(yōu)化工作無太大影響。

3）將CCA 應(yīng)用于核電高壓加熱器重量的優(yōu)化設(shè)計(jì)計(jì)算，優(yōu)化后，高壓加熱器的重量與評(píng)價(jià)模型計(jì)算結(jié)果相比減小了7.116%，優(yōu)化效果明顯，但優(yōu)化過程未能全面考慮工程中的實(shí)際影響因素，優(yōu)化結(jié)果可為工程設(shè)計(jì)提供理論參考。

［1］ 楊孟嘉，任俊生，周志偉.第4代核能系統(tǒng)研發(fā)介紹［J］.國際電力，2004，8（5）：30-35.YANG Mengjia，REN Junsheng，ZHOU Zhiwei.Introduction of R＆D on generationⅣnuclear energy system［J］.International Electric Power for China，2004，8（5）：30-35（in Chinese）.

［2］ SACCO W F，F(xiàn)ILHO H A，HENDERSON N，et al.A metropolis algorithm combined with Nelder-Mead simplex applied to nuclear reactor core design［J］.Annals of Nuclear Energy，2008，35（5）：861-867.

［3］ VIVAS G F C，PARISH T A，CURRY G L.Optimization of MOX enrichment distributions in typical LWR assemblies using a simplex methodbased algorithm［J］.Annals of Nuclear Energy，2002，29（17）：2 001-2 017.

［4］ 李亮，遲世春，林皋.改進(jìn)復(fù)合形法及其在邊坡穩(wěn)定分析中的應(yīng)用［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37（10）：1 429-1 432.LI Liang，CHI Shichun，LIN Gao.Modified complex method and its application to the slope stability analysis［J］.Journal of Harbin Institute of Technology，2005，37（10）：1 429-1 432（in Chinese）.

［5］ 賀士晶，閻昌琪，王建軍，等.復(fù)合形-遺傳算法在核動(dòng)力設(shè)備優(yōu)化設(shè)計(jì)中的應(yīng)用研究［J］.核動(dòng)力工程，2010，31（2）：122-125，135.HE Shijing，YAN Changqi，WANG Jianjun，et al.Research on application of complex-genetic algorithm in nuclear component optimal design［J］.Nuclear Power Engineering，2010，31（2）：122-125，135（in Chinese）.

［6］ 能源部西安熱工研究所.熱工技術(shù)手冊(cè)（第三篇）：汽輪機(jī)組［M］.北京：水利電力出版社，1991：295-303.

［7］ 錢頌文.換熱器設(shè)計(jì)手冊(cè)［M］.北京：化學(xué)工業(yè)出版社，2002：55-92.

［8］ 顧瓊彥，虞佶，奚磊.高壓加熱器管板計(jì)算方法簡析［J］.電站輔機(jī)，2011，32（3）：13-17.GU Qiongyan，YU Ji，XI Lei.Simple analysis on the calculation of the tube-sheet in high pressure feedwater heater［J］.Power Station Auxiliary Equipment，2011，32（3）：13-17（in Chinese）.