基于遗传算法的核电应急柴油调和边界条件优化设计

doi:10.12422/j.issn.1672-6952.2026.05.007

摘要/Abstract

摘要：

核电应急柴油罐中柴油在长期存储过程中易发生变质，严重影响应急柴油机组的运行效率和可靠性，给核电安全运行带来风险。为确保柴油使用时的品质达标，需要定期对其进行过滤和调和乃至使用添加剂调和。因此，基于FLUENT仿真技术和MATLAB智能算法，提出了一种融合遗传算法和计算流体动力学（CFD）仿真的高效、高精度的应急柴油调和优化设计方法。该方法先通过CFD仿真对油品的调和过程进行模拟分析，再结合遗传算法完成全局寻优，旨在借助遗传算法的全局寻优能力优化应急柴油调和方案，使监测点的柴油在最短时间内满足调和要求。该模型的建立，不仅提升了调和过程的效率和精度，还缩短了调和时间，为应急柴油机组的运行可靠性和效能提供了有力保障。

关键词: 遗传算法, CFD仿真, 应急柴油罐, 油品调和, 优化设计

Abstract:

Diesel fuel stored for long periods in emergency diesel tanks at nuclear power plants is susceptible to deterioration, potentially compromising the operational efficiency and reliability of emergency diesel units and posing risks to nuclear power plant safety. To maintain fuel quality, periodic filtration and blending, with additives when necessary, are required. Accordingly, this study proposes an efficient and accurate optimization method for emergency diesel conditioning that integrates computational fluid dynamics (CFD) simulations in FLUENT with a genetic algorithm implemented in MATLAB. The conditioning process is first simulated and analyzed using CFD, after which the genetic algorithm performs global optimization to determine a conditioning scheme that enables the monitoring points to meet the blending requirements in the shortest possible time. The proposed model improves the efficiency and accuracy of the conditioning process while reducing conditioning time, thereby supporting the operational reliability and performance of emergency diesel units.

Key words: Genetic algorithm, CFD simulation, Emergency diesel tanks, Fuel conditioning, Optimization design

中图分类号:

TK42

初向南, 马起, 习国才, 王有福, 周李宸, 叶昊天. 基于遗传算法的核电应急柴油调和边界条件优化设计[J]. 辽宁石油化工大学学报, 2026, 46(5): 46-51.

Xiangnan CHU, Qi MA, Guocai XI, Youfu WANG, Lichen ZHOU, Haotian YE. Genetic Algorithm⁃Based Optimization of Boundary Conditions for Emergency Diesel Fuel Blending in Nuclear Power Plants[J]. Journal of Liaoning Petrochemical University, 2026, 46(5): 46-51.

图/表 8

图1 应急柴油调和方案优化流程

Fig.1 Optimization process for emergency diesel conditioning solution

图2 柴油储罐流固计算域三视图

Fig.2 Three?dimensional model of the fluid domain in a diesel storage tank

图3 柴油储罐网格划分

Fig.3 Diesel storage tank grid division

图4 调和油体积分数监测位置

Fig.4 Detection location of blended oil volume fraction

表1 不同种群规模下经过5代迭代优化后的最优进出口速度及其调和时间

Table 1 Optimal inlet and outlet velocities and corresponding mixing times after five generations of genetic algorithm optimization at different population sizes

种群规模	$ν 1 ⃗$ /（m·s^－1）	$ν 2 ⃗$ /（m·s^－1）	$ν 3 ⃗$ /（m·s^－1）	最优调和时间/s
5	－7.00	2.00	5.00	158
10	－9.00	1.00	8.00	155
15	3.00	7.00	－10.00	149

表1 不同种群规模下经过5代迭代优化后的最优进出口速度及其调和时间

Table 1 Optimal inlet and outlet velocities and corresponding mixing times after five generations of genetic algorithm optimization at different population sizes

种群规模	$ν 1 ⃗$ /（m·s^－1）	$ν 2 ⃗$ /（m·s^－1）	$ν 3 ⃗$ /（m·s^－1）	最优调和时间/s
5	－7.00	2.00	5.00	158
10	－9.00	1.00	8.00	155
15	3.00	7.00	－10.00	149

图5 不同种群规模下最优调和时间的遗传迭代过程

Fig.5 Evolution of the optimal harmonization time under different population sizes

图6 种群规模为5时最小调和时间和平均调和时间随遗传代数的变化

Fig.6 Variation of the minimum and average harmonization times with genetic generations for a population size of 5

图7 种群规模为5时不同遗传代数下种群个体调和时间分布

Fig.7 Distribution of the harmonisation time of individuals in a population of size 5 across different genetic generations

参考文献 18

[1]	朱学蕊. 我国核电安全运行水平全球领先［N］. 中国能源报， 2024⁃04⁃22（8）.
[2]	陈桂龙，刘晓锋，林教. 某核电站应急柴油发电机散热系统问题研究及改进［J］. 上海大中型电机， 2024（2）： 17⁃20.
	CHEN G L， LIU X F， LIN J. Research and improvement on the cooling system of emergency diesel generator in a nuclear power plant［J］. Shanghai Medium and Large Electrical Machines， 2024（2）： 17⁃20.
[3]	张帮亮，黄伟莉，刘朋.混浊变质柴油磁致澄清现象紫外⁃可见分光光度法研究［J］.科学技术与工程，2016，16（24）：30⁃34.
	ZHANG B L， HUANG W L， LIU P. Study of clarification phenomenon of turbid & degenerative diesel caused by magnetization with UV⁃Vis spectrophotometry［J］. Science Technology and Engineering， 2016， 16（24）： 30⁃34.
[4]	MARQUSEE J， JENKET D. Reliability of emergency and standby diesel generators： Impact on energy resiliency solutions［J］. Applied Energy， 2020， 268： 114918.
[5]	张奥. 壁面粗糙度和壁面滑移耦合作用下的微喷孔内空化流动［D］. 大连：大连理工大学， 2022.
[6]	王聪. 热工系统中智能优化算法及反演技术研究［D］. 南京：东南大学， 2021.
[7]	鲍文，李伟鹏，常军涛，等. 基于遗传算法的高超声速进气道自动优化设计［J］. 系统仿真学报， 2012， 24（4）： 765⁃768.
	BAO W， LI W P， CHANG J T， et al. Automated optimization design of hypersonic inlet using genetic algorithm［J］. Journal of System Simulation， 2012， 24（4）： 765⁃768.
[8]	莫伟南. 基于粘弹性模型CFD模拟的减阻流体管道流动研究［D］. 太原：太原理工大学， 2018.
[9]	杨新武，杨丽军. 基于交叉模型的改进遗传算法［J］. 控制与决策， 2016， 31（10）： 1837⁃1844.
	YANG X W， YANG L J. An improved genetic algorithm based on crossover model［J］. Control and Decision， 2016， 31（10）： 1837⁃1844.
[10]	蔡伟元，余小兵. 煤直接液化柴油与煤间接液化柴油配比调和研究［J］. 能源科技， 2022， 20（1）： 73⁃78.
	CAI W Y， YU X B. Research on blending ratio of direct coal liquefaction diesel and indirect coal liquefaction diesel［J］. Energy Science and Technology， 2022， 20（1）： 73⁃78.
[11]	刘浩然，李帮俊，王如竹. 基于FLUENT/MATLAB联合优化的移动终端功耗预算分配方法［J］. 工程热物理学报， 2022， 43（1）： 233⁃239.
	LIU H R， LI B J， WANG R Z. Power budget allocation optimization of mobile devices via FLUENT/MATLAB co⁃optimization［J］. Journal of Engineering Thermophysics， 2022， 43（1）： 233⁃239.
[12]	CHEN Q P， JI H， ZHU Y， et al. Proposal for optimization of spool valve flow force based on the MATLAB⁃AMESim⁃FLUENT joint simulation method［J］. IEEE Access， 2018， 6： 33148⁃33158.
[13]	李晓敏，王立军. 循环流化床锅炉循环回路的数值模拟与仿真［J］. 真空科学与技术学报， 2017， 37（7）： 744⁃748.
	LI X M， WANG L J. Modeling and simulation of flow fields in circulating fluidized bed boiler［J］. Chinese Journal of Vacuum Science and Technology， 2017， 37（7）： 744⁃748.
[14]	王浩，亢燕铭，钟珂，等. Mixture和Species模型模拟低速通风管道内气体混合时的差异分析［J］. 东华大学学报（自然科学版）， 2022， 48（2）： 100⁃104.
	WANG H， KANG Y M， ZHONG K， et al. Analysis of difference between mixture and species models in simulating gas mixing in low⁃speed ventilation ducts［J］. Journal of Donghua University（Natural Science Edition）， 2022， 48（2）： 100⁃104.
[15]	鲍文，李伟鹏，常军涛，等. 基于FLUENT/MATLAB接口的分布参数系统闭环控制仿真［J］. 系统仿真学报， 2008， 20（11）： 2851⁃2854.
	BAO W， LI W P， CHANG J T， et al. Closed⁃loop control simulation technology of distributed parameter system based on FLUENT/MATLAB interface［J］. Journal of System Simulation， 2008， 20（11）： 2851⁃2854.
[16]	SOKHANSANJ A， ZABIHI M. Remarkable dynamic adsorption of Hg²⁺ ions on the magnetic MOF nanocomposite （CuNi⁃BTC@Fe₃O₄）： Experimental and modeling using GA+CFD+ANFIS method［J］. Journal of Cleaner Production， 2022， 371： 133304.
[17]	谢海斌，张代兵，沈林成. 基于MATLAB/SIMULINK与FLUENT的协同仿真方法研究［J］. 系统仿真学报， 2007， 19（8）： 1824⁃1827.
	XIE H B， ZHANG D B， SHEN L C. Collaborative simulation based on MATLAB/SIMULINK and FLUENT［J］. Journal of System Simulation， 2007， 19（8）： 1824⁃1827.
[18]	SADRIAN V， LAKZIAN E， KIM H D. Optimization of operating conditions in the stage of steam turbine by black⁃box method［J］. International Communications in Heat and Mass Transfer， 2024， 155： 107499. （编辑宋锦玉）