反应堆智能自动启堆及监测技术研究
摘要
目前反应堆的启堆过程主要由操纵人员手动完成，与满功率运行相比，启堆过程涉
及系统众多，步骤复杂且耗时很长，因此容易产生人因事故，进而威胁反应堆的安全。
此外，堆芯功率分布在启堆阶段会发生剧烈变化，需要持续监测该过程的堆芯功率分布。
然而，现役运行的大部分反应堆，其固定在堆内中子探测器均无法提供连续的中子信号。
堆芯一体化布置的小型模块化反应堆，其内部无法布置过多的中子探测器。堆外中子探
测器就成了大部分反应堆的唯一实测中子探头。因此，研究反应堆智能自动启堆方法与
堆芯功率分布在线监测方法具有重要意义。
对于反应堆自动启堆方法的研究普遍是基于顺序控制的，顺序控制技术在启堆阶段
会有所不足，因为反应堆是复杂的非线性系统，想要将启堆过程中如此多的操作任务转
化为准确的顺序逻辑是很困难的。在利用堆外探测器的堆芯功率分布监测方法的研究上，
过去的研究过于依赖中子输运计算的准确性，或者仅仅考虑堆内各个物理节块与堆外探
测器之间简单的线性与非线性关系，未考虑空间上各个物理节块之间的关系。
基于此，本文参考手动启堆的操作策略，将人工智能算法应用于反应堆自动启堆领
域，基于优先级经验回放深度双Q网络(DDQN)框架开发了一种智能自动启堆控制算法，
使用UDP协议搭建反应堆仿真机与智能自动启堆算法的在线数据交互平台，通过在线
数据交互的方式训练智能自动启堆算法。考虑到堆外探测器的数量过少，本文研究提出
了一种本征正交分解-极限学习机(POD-ELM)的堆芯功率分布在线监测方法。使用POD
对堆芯功率分布模型进行降阶处理，然后利用ELM拟合堆外探测器与POD正交基系数
的关系，获得新的POD正交基系数，进而实现堆芯功率分布的在线监测。
仿真结果表明，DDQN智能自动启堆算法能实现反应堆的智能自动启堆，将所有安
全参数均控制在启堆规程规定的范围内。对比传统自动启堆方法，DDQN智能自动启堆
算法能根据堆芯的状态选择合理的动作，不需要将操作任务完全转换为准确的顺序逻辑。
在功率分布在线监测方面，POD-ELM法取得了良好的效果。与传统的堆芯功率在线监
测方法相比，POD-ELM法不用过于依赖中子输运计算的求解精度，是一种良好的功率
分布在线监测方法。本文的研究对于提升反应堆启堆阶段的自动化水平、提高启堆阶段
的安全性和效率具有一定参考价值。
关键词：自动启堆；堆芯功率监测；深度双Q网络；本征正交分解；极限学习机
反应堆智能自动启堆及监测技术研究
Abstract
Thestart-upprocessofcurrentreactorsisprimarilycarriedoutmanuallybyoperators.
Comparedtofull-poweroperation,thestart-upprocessinvolvesagreaternumberofsystems,
complexprocedures,andlengthyexecutiontimes,leadingtoahigherpotentialforhuman-
inducedaccidentsandposingasignificantthreattoreactorsafety.Inaddition,thecorepower
distributionchangesdramaticallyduringthestart-upphase,requiringcontinuousmonitoringof
thecorepowerdistributionduringthisprocess.However,formostofthereactorsinoperation,
theirfixedin-coreneutrondetectorsdonotprovideacontinuousneutronsignal.Smallmodular
reactorswithintegratedcorearrangementca