摘要
在碳中和的大背景下，我国政府加强了对全国能源结构的调整力度，意在推进国家清洁能源的全面部署，力争实现全国产业链的低碳化、绿色化和可持续化。作为清洁能源之一的核电是其中的重要一环，因此在“十四五”规划中明确规定了到2025年实现在运核电达到7000万千瓦的期望。核电的全面建设对核电站设计提出了更高的要求，以保证核电站运行的安全性、可靠性和高效性。核反应堆设备布局设计是核电站总体设计的重点，是指在一个封闭空间内，充分考虑各级设备属性和特点以及设备间的多种约束条件，进行多约束目标驱动下的设备布局。在对核反应堆进行布局设计时需要面临待布物体多，约束条件多等困难，再加上针对不同的布局需求往往需要重新设计目标函数来生成满足相应约束条件的设备布局，这使得核反应堆的设计工作变得难上加难，严重影响了设计效率，极大增加了设计成本。 针对以上难题，本文旨在基于变分自动编码器提出一种核反应堆设备布局的自动化生成技术，学习设备布局的约束特征并掌握核反应堆设备布局设计经验，能根据不同的设计需求快速生成满足相应约束条件的设备布局。本文的主要内容如下： （1）本文建立了设备布局场景的数学模型，并探讨了设备布局中涉及的对称、靠近、低重心、边界约束和重叠约束等约束条件的数学化分析，进一步实现约束条件的量化计算，以此作为网络生成布局结果的量化评价指标或作为网络训练的损失项。 （2）进一步的构建了基于结构化可变形网格的设备布局生成网络。该模型以核反应堆中的单个设备为编码单元，对与该设备有关的约束条件、与该设备有联系的其他设备以及该设备的形变信息进行编码。对其他设备进行同样的编码并输入设备布局生成网络进行训练，训练后的网络能完成对核反应堆设备布局的自动化生成。 （3）针对基于结构化可变性网格的设备布局生成网络在设备信息编码的不全面性，布局生成过程的不可指导性和输出设备布局数据的不可直接使用性，提出了基于条件变分自动编码器的设备布局生成网络。该网络以整体核反应堆设备布局为编码单位，将真实设备布局转换成包含各种约束条件的场景图，并使用图卷积神经网络进一步处理输入的场景图。通过预测场景图中对象的边界框来学习设备布局特征，依据学习到的设备分布特征并以场景图作为条件快速地生成符合给定评价指标要求的生成设备布局。
NETL