群體復合形優化算法在核動力設備優化設計中的應用

閻昌琪，李貴敬，王建軍

（哈爾濱工程大學 核安全與仿真技術國防重點學科實驗室，黑龍江 哈爾濱 150001）

目前世界大多電力市場競爭日趨激烈，電力生產商和供應商更加關注運行成本和投資的盈利能力?，F有核電系統在這樣的市場上顯得初期投資太高、建設期太長、項目規模太大。盡管核動力在中期和遠期的市場中均具有競爭潛力，但欲使這種潛力變為現實，就必須能在確保核電站運行安全的前提下大幅降低成本［1］。因此，選擇一種合理的優化方法，通過尋找設計參數的最優組合，減小核動力裝置重量，具有重要意義。

復合形優化算法（CA）是工程設計中較為常用的一種有約束的直接求解方法，對目標函數和約束函數的性質無特殊要求，并在核工程領域中得到了應用［2-3］。但對復雜優化問題，傳統復合形優化算法（TCA）易于陷入局部最優值［4］。本文首先建立多個復合形，并基于其相似度最低原則，給出多復合形的最優化組合，增強復合形頂點的多樣性，提高算法獲取全局優點信息的能力，以使算法具有更佳的全局搜索能力。

1 CA原理及改進

1.1 CA基本原理

CA 的基本原理是在n 維受約束的設計空間內創建由k 個頂點構成的多面體（復合形），然后對復合形頂點的函數值逐一進行比較，不斷丟棄函數值最劣的頂點，代之以滿足約束條件且函數值有所改善的新頂點，如此重復，逐步逼近最優點。

CA 將目標函數值最大的頂點XH視為最壞點，除最壞點外其余頂點的中心點X0由式（1）計算得到，即：

式中，Xi為復合形的各頂點。

在中心點與最壞點的連線上，利用式（2）尋找既滿足約束條件，又較XH目標函數值小的頂點XR，并替換XH構成新的復合形，如此反復進行，當復合形收縮到足夠小時，即可將復合形頂點中的最好點作為近似最 優 點 輸 出［4-5］。

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

1.2 算法改進

CA 初始復合形的頂點個數有限，而初始頂點的生成又具有隨機性，不能保證各頂點均勻覆蓋可行域，因此難以保證CA 對整個搜索空間的狀況有足夠的了解。

針對TCA 的缺點提出以下改進方案，得到群體復合形優化算法（CCA）。

1）建立群體復合形，它由多個復合形組成。CCA 初始復合形頂點個數較TCA 有大幅提高，因而群體初始復合形對可行域空間的覆蓋面明顯大于TCA，從而增強了算法對可行域空間狀況的了解能力，提高了算法搜索到全局最優點的概率。圖1為CCA 邏輯框圖。

2）群體復合形中任選1個復合形與其余復合形之間實現相似度最低的最優化組合。所謂相似度，是由兩個頂點之間的海明距離表示的，海明距離越小，兩頂點的相似度就越大，海明距離的計算如下：

式中：n 為頂點向量的元素個數；xim、xjm為Xi、Xj的第m 個元素。

最優化組合具體實施措施為：首先，除被選中的復合形——第α 個復合形外，其余復合形基于CA 基本尋優措施完成并行自身優化，分別收斂于自身最優復合形；其次，第α個復合形與上步優化所得到的每個自身最優復合形，形成組合優化關系，即在每個自身最優復合形中，選取與第α個復合形各頂點平均相似度最低且優良度最高的頂點，作為第α 個復合形的尋優操作基準點，優化第α個復合形，最終第α個復合形達到收斂要求后，最優頂點即為優化結果。最優化組合利用每個復合形的相對最優信息優化被選中的復合形，使第α 個復合形充分獲取各復合形的相對最優信息，算法的全局搜索能力顯著提高。

2 CCA性能測試

選取典型基準測試函數，測試CCA 較TCA 是否具有更佳的全局搜索能力。Schwefel函數為：

式（4）屬多維連續多峰函數，可行域空間內廣泛分布大量局部極值點，僅有1個全局極小點為f1（X）=-418.982 874 8 N，xi=420.968 7（i=1，2，…，N）。由于空間中存在多個局部極小點與全局極小點目標函數值較接近，且遠離全局極小點，TCA 受搜索能力的限制極易收斂于次優解。為更直觀地認識基準測試函數，其三維視圖（N=2）示于圖2a。

將TCA 和CCA 分別用于Schwefel測試函數的優化計算中，對比結果示于圖2b，其中N=5。CCA 對基準函數的優化結果均分布在函數解析最優值附近，與函數解析最優值偏差很小，最大相對偏差的數量級為10-6，隨機產生的25次計算結果與最優值幾乎完全重合。而TCA 對Schwefel函數的優化結果散亂地分散在函數最優值的上方，最大相對偏差達49.94%，最小相對偏差為10.37%，與CCA 相比計算精度極差。結果顯示：CCA 對Schwefel函數的單次優化平均時間為1.073 3s，TCA 對Schwefel函數的單次優化平均時間為0.038 2s?？梢?，CCA 的計算時間普遍大于TCA，但計算時間以s為單位，其實際偏差并不大。

圖2 Schwefel函數三維圖像（N=2）（a）及CCA、TCA 對Schwefel函數優化效果對比（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）

結果表明：CCA 較TCA 具有明顯的優越特性，包括全局搜索能力強、收斂精度高、穩定性好。雖然計算時間略大于TCA，但其實際偏差并不明顯，計算時間的增加量對優化工作無太大的影響。因此，CCA 在優化性能方面所取得的改進效果具有重要的應用價值。

3 將CCA應用于核動力設備的優化設計

本文以減小核電高壓加熱器重量為優化目標，基于CCA 尋求高壓加熱器結構參數的最佳組合。

3.1 高壓加熱器數學模型的建立

選取秦山300 MW 壓水堆核電廠系統中的3號高壓加熱器為設計原型。數學模型的設計過程參見文獻［6-8］，注意以下幾點。

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段和疏水冷卻段，凝結段和疏水冷卻段的過渡點給水溫度tt（℃）依照下式［6］計算：

式中：tw1為給水入口溫度，℃；hhw為加熱器殼側壓力ph（MPa）下的飽和水比焓，kJ／kg；hod為疏水出口比焓，kJ／kg；qms、qml、qmw分別為進入加熱器的蒸汽流量、上級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，一般可取1.01～1.02。

2）對凝結段和疏水冷卻段分別進行傳熱設計計算，其中凝結段對數平均溫差Δtmc（℃）［6］為：

式中：tw2為給水出口溫度，℃；ts為進入加熱器的蒸汽溫度，℃。

3）疏水冷卻段對數平均溫差Δtmdc（℃）［6］為：

式中，tod為疏水出口溫度，℃。

4）在凝結段，進入加熱器的蒸汽在水平管束外凝結放熱，當管外雷諾數Reoc＜2 100時，凝結段管外換熱系數αoc（W／（m2·℃））［7］為：

式中：λl為冷凝液導熱系數，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 為冷凝負荷，kg／（m·s）。

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

3.2 優化約束條件

基于工程限制及設備穩態性能要求，給定高壓加熱器優化約束條件。約束條件包括優化變量范圍約束、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）將優化變量限制在所給定的變化區間內，其中優化變量選取高壓加熱器的主要結構參數，包括傳熱管外徑、傳熱管總根數、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，應保證給水出口溫度至少達到母型值；3）高壓加熱器優化設計應保證管程、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，通常限制管內流速小于4.6m／s。

3.3 評價及優化結果

評價模型的計算值與母型值的對比結果，以及基于TCA、CCA 對高壓加熱器重量的優化設計結果列于表2。

表1 約束條件Table 1 Limitation condition

表2 高壓加熱器重量的評價及優化結果Table 2 Assessment and optimized results of weight for high-pressure heater

由于高壓加熱器熱工水力設計計算是基于簡單計算模型的，同時各組成部分的重量采用了近似計算，因此計算結果存在誤差。評價結果顯示各參數的計算相對誤差控制在5%以內，可認為基于所建立的數學模型的優化結果可信。

基于CCA，高壓加熱器的優化重量與評價模型計算結果相比減小了7.116%，優化效果顯著。其中，優化變量與母型相比，傳熱管外徑增大1.6%，傳熱管總根數減少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與評價模型計算結果相比，給水出口溫度與評價模型計算結果一致，總換熱面積減少1.667%，管側壓降減少8.558%，殼側壓降減少4.601%。優化結果證明，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化空間。優化結果說明列于表3。

表3 優化結果說明Table 3 Explanation of optimized results

然而，基于TCA 的優化重量僅減小了6.194%，低于CCA 的優化率將近1%。CCA的優化性能明顯高于TCA，雖然CCA 計算耗時高于TCA，但基于CCA 的高壓加熱器單次優化耗時近似為2 min，是可接受的。優化結果對比分析是以本文所建立的數學模型的計算結果作為參考，優化后重量的減小量并不包含數學模型評價結果的誤差。本文將自主改進的CCA 應用于核電高壓加熱器重量的優化設計中，表明高壓加熱器結構參數的優化組合可實現其重量的減小，從理論上證明了高壓加熱器重量優化的可能性，可為核動力裝置的設計提供理論優化方向。

4 結論

本文基于相似度最低建立多復合形的最優化組合，得到改進后的CCA。典型測試函數的優化結果證明，CCA 較TCA 具有更佳的全局搜索能力?；贑CA 實現了高壓加熱器重量的優化設計，得出以下結論。

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

2）典型函數Schwefel函數的優化結果證明，CCA 較TCA 具有更佳的全局搜索能力、計算精度及穩定性，雖然計算時間略大于TCA，但其實際偏差并不明顯，計算時間的增加量對優化工作無太大影響。

3）將CCA 應用于核電高壓加熱器重量的優化設計計算，優化后，高壓加熱器的重量與評價模型計算結果相比減小了7.116%，優化效果明顯，但優化過程未能全面考慮工程中的實際影響因素，優化結果可為工程設計提供理論參考。

［1］ 楊孟嘉，任俊生，周志偉.第4代核能系統研發介紹［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，FILHO 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.改進復合形法及其在邊坡穩定分析中的應用［J］.哈爾濱工業大學學報，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.復合形-遺傳算法在核動力設備優化設計中的應用研究［J］.核動力工程，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.熱工技術手冊（第三篇）：汽輪機組［M］.北京：水利電力出版社，1991：295-303.

［7］ 錢頌文.換熱器設計手冊［M］.北京：化學工業出版社，2002：55-92.

［8］ 顧瓊彥，虞佶，奚磊.高壓加熱器管板計算方法簡析［J］.電站輔機，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）.