阅读说明：本技术 一种面向无人值守小型压水堆的协调控制方法 (Coordination control method for unattended small pressurized water reactor ) 是由 成守宇 张博文 彭敏俊 于 2019-11-02 设计创作，主要内容包括：本发明公开了一种面向无人值守小型压水堆的协调控制方法,其特征在于,包括如下步骤：(1)建立协调控制器；(2)建立基于模糊逻辑的底层控制器；(3)建立基于神经网络PID的底层控制器；(4)协调控制方法实施,通过协调控制判断反应堆功率控制系统、稳压器压力控制系统和蒸汽发生器压力控制系统分别使用哪种底层控制器。本发明可以对小型压水堆进行不同于现有方式的协调控制,采用两种优势互补的底层控制器,提高了控制性能；能够更加准确地判断何种工况采用何种底层控制器,从而更大限度地发挥两种底层控制器的优势；能够通过协调控制器对底层控制器进行切换,来克服故障带来的影响。(The invention discloses a coordination control method for an unattended small pressurized water reactor, which is characterized by comprising the following steps: (1) establishing a coordination controller; (2) establishing a fuzzy logic-based bottom controller; (3) establishing a neural network PID-based bottom controller; (4) and (4) implementing a coordination control method, and judging which bottom layer controller is respectively used by the reactor power control system, the voltage stabilizer pressure control system and the steam generator pressure control system through coordination control. The invention can carry out coordination control different from the prior mode on the small pressurized water reactor, adopts two bottom controllers with complementary advantages and improves the control performance; the method can more accurately judge which working condition adopts which bottom layer controller, thereby exerting the advantages of the two bottom layer controllers to a greater extent; the impact caused by the fault can be overcome by switching the bottom controller through the coordination controller.)

一种面向无人值守小型压水堆的协调控制方法

技术领域

本发明涉及一种协调控制方法，尤其涉及一种面向无人值守小型压水堆的协调控制方法。

背景技术

一回路系统和二回路系统是小型压水堆核动力装置的主系统，由反应堆、主泵、稳压器、直流蒸汽发生器、汽轮机等设备及相关管路、泵阀组成，反应堆堆芯产生的核能在冷却剂的慢化作用下转化为热能，并通过冷却剂将热量传递给直流蒸汽发生器二次侧的水工质，将水加热为蒸汽，蒸汽进入汽轮机做功将热能转化为机械能和电能。核安全是核动力装置的生命线，当目标稳态工况确定后，必须采用有效的控制方法，保证小型压水堆从当前运行工况快速、平稳、安全地过渡到目标稳态工况，特别是故障状态下，对控制方法的要求更高。

一体化压水堆的底层控制器主要包括反应堆功率控制、稳压器压力控制器、蒸汽发生器压力控制器等，这些底层控制器用于使被控参数趋于设定值；协调控制器用于协调各个底层控制器的运行，使瞬态过程的参数变化更加平稳、安全，目前尚未有统一的协调控制器设计方法。

目前，针对小型压水堆的协调控制方法研究较少，具体包括以下两种：

(1)没有协调控制器，通过“堆跟机”运行模式保证一回路和二回路符合匹配，底层控制器设定值一般保持恒定，在任何工况下都采用同一种控制器，不考虑故障工况；

(2)有协调控制器，通过简单的算法和规则使底层控制器设定值保持不变或线性变化，在任何工况下都采用同一种控制器，不考虑故障工况。

在第(1)种方法中，由于没有协调控制器，“堆跟机”运行模式很难适应快速变负荷工况，容易出现超调；在第(2)种方法中，虽然具有协调控制器，但算法和规则较为简单，仅仅用于改变控制器的设定值，没有考虑对控制器的优化。上述两种方法具有的共性问题是：各个底层控制器均内置一种控制算法(如PID 控制算法)，这种底层控制器无法在所有工况下都具有良好的控制效果；故障工况下小型压水堆的运行特性会发生改变，原有的控制方法无法适用。

发明内容

本发明的目的是提供一种面向无人值守小型压水堆的协调控制方法，实现智能协调控制。

为解决上述技术问题，本发明采用如下技术方案：

一种面向无人值守小型压水堆的协调控制方法，包括如下步骤：

(1)建立协调控制器，对输入参数进行标准化处理，对输入数据进行模糊化，建立模糊规则库，根据模糊规则库规则进行模糊推理，将推理结果解模糊，得到协调控制器的输出；

(2)建立基于模糊逻辑的底层控制器，同时建立底层控制器的模糊规则表，给出控制器输入和输出之间的表达式；

(3)建立基于神经网络PID的底层控制器，给出控制器输入和输出之间的表达式，以及PID系数优化方法；

(4)协调控制方法实施，通过协调控制判断反应堆功率控制系统、稳压器压力控制系统和蒸汽发生器压力控制系统分别使用哪种底层控制器。

进一步的，所述步骤(1)中建立协调控制器，具体包括：

a.对输入参数进行标准化处理：输入参数包括反应堆热功率实际值和设定值、冷却剂平均温度实际值和设定值、稳压器压力实际值和设定值、给水流量实际值和设定值、直流蒸汽发生器出口蒸汽压力实际值和设定值；

b.对输入数据进行模糊化：采用高斯模糊器对标准化后的输入数据进行模糊化；

c.建立模糊规则库：分别为反应堆功率控制系统、蒸汽压力控制系统和稳压器压力控制系统建立规则库；

d.模糊推理：模糊推理机中将代数积算子作为T范数，将最大算子作为S 范数；

e.解模糊：采用中心平均解模糊器，根据模糊规则库规则，当底层控制器选择为基于模糊逻辑的底层控制器时，规程输出为-1，当底层控制器选择为基于神经网络PID的底层控制器时，规则输出为1。

进一步的，所述步骤(2)中建立基于模糊逻辑的底层控制器，具体包括：

a.建立底层控制器的模糊规则表；

b.给出控制器输出与输入的表达式。

进一步的，所述步骤(3)中建立基于神经网络PID的底层控制器，具体包括：

a.给出控制器输入和输出之间的表达式；

b.给出权重系数优化方法：采用梯度下降法进行权重系数优化。

进一步的，所述步骤(4)中协调控制方法实施，具体包括：

a.确定协调控制器输入输出；

b.确定基于模糊逻辑的底层控制器输入输出；

c.确定基于神经网络PID的底层控制器输入输出。

进一步的，所述步骤(1)中建立协调控制器的具体过程为：

a.对输入参数进行标准化处理：输入参数包括反应堆热功率实际值和设定值、冷却剂平均温度实际值和设定值、稳压器压力实际值和设定值、给水流量实际值和设定值、直流蒸汽发生器出口蒸汽压力实际值和设定值，标准化处理方法如下式所示：

式中，x_i——标准化处理前实际值；

x_i，min——标准化处理前最小值；

x_i，max——标准化处理前最大值；

——标准化处理后实际值；

——标准化处理后最小值；

——标准化处理后最大值；

b.对输入数据进行模糊化：采用高斯模糊器对标准化后的输入数据进行模糊化，高斯模糊器是对输入数据的一种模糊化映射，模糊化后得到输入参数的模糊集A′的隶属度函数μ_A′(x)，如下式所示

式中，a_i——描述数据的分散程度，为正数；

x_i——第i个自变量；

——第i个标准化输入数据；

c.建立模糊规则库：分别为反应堆功率控制系统、蒸汽压力控制系统和稳压器压力控制系统建立规则库，为模糊推理提供知识；

d.模糊推理：模糊推理机中将代数积算子作为T范数，将最大算子作为S 范数，第j个输出参数在其对应模糊集上的隶属度函数如下式所示

式中，σ_i——描述数据的分散程度，为正数；

——第l条规则中第i个输入参数的模糊集中心点；

x_ip——

——第l条规则中第j个输出参数在规则模糊集上的隶属度函数；

e.解模糊：采用中心平均解模糊器，取

获得加权中心平均值的点，如下式所示：

式中，

——第l个模糊集的中心，即使

取得最大值的y_j值；

ω^l——第l个模糊集的高度，即步骤d公式中

的系数；

根据模糊规则库规则，当底层控制器选择为FC时，为-1，当底层控制器选择为BC时，

为1。

进一步的，所述步骤(2)中建立基于模糊逻辑的底层控制器的具体过程为：

a.建立底层控制器的模糊规则表：e₁和e₂为控制器的输入参数；

b.给出控制器输出与输入的表达式：e₁的第m个语言变量与e₂的第n个语言变量对应出输出值为y_m，n，控制器输出如下式所示：

式中，

——e₁的第m个语言变量对应的隶属度函数；

——e₂的第n个语言变量对应的隶属度函数。

进一步的，所述步骤(3)中建立基于神经网络PID的底层控制器的具体过程为：

a.给出控制器输入和输出之间的表达式：神经网络PID控制器包括三层网络，输入层、隐含层和输出层；输入层与隐含层输入之间关系如下式所示：

式中，¹ω_ij——输入层的第j个节点和隐藏层的第i个节点之间的权重；

隐含层输入与隐含层输出之间关系如下式所示：

q₁(k)＝x₁(k)

q₂(k)＝q₂(k-1)+x₂(k)

q₃(k)＝x₃(k)-x₃(k-1)

隐含层输出与输出层之间关系如下式所示：

式中，²ω_i——输出层和隐藏层的第i个节点之间的权重；

b.给出权重系数优化方法：采用梯度下降法进行权重系数优化，如下式所示：

式中，η2——输出层和隐含层之间的学习因子；

δ′(k)——输出层和隐含层之间的梯度；

η₁——输入层和隐含层之间的学习因子；

δ_i(k)——输入层和隐含层之间的梯度。

进一步的，所述步骤(4)中协调控制方法实施的具体过程为：

a.确定协调控制器输入输出：输入参数包括反应堆热功率实际值和设定值、冷却剂平均温度实际值和设定值、稳压器压力实际值和设定值、给水流量实际值和设定值、直流蒸汽发生器出口蒸汽压力实际值和设定值；当协调控制器输出为[-1,0]时，选择基于模糊逻辑的底层控制器，当协调控制器输出为(0,1] 时，选择基于神经网络PID的底层控制器；

b.确定基于模糊逻辑的底层控制器输入输出：对于反应堆功率控制系统，输入为蒸汽流量偏差和冷却剂平均温度偏差，输出为控制棒移动速度矢量；对于蒸汽压力控制系统，输入为蒸汽压力偏差和蒸汽压力偏差变化率，输出为给水流量；对于稳压器压力控制系统，输入为稳压器压力偏差和冷却剂平均温度偏差，输出为电加热功率或喷淋阀开度；

c.确定基于神经网络PID的底层控制器输入输出；对于反应堆功率控制系统，输入冷却剂平均温度和其设定值，输出为控制棒移动速度矢量；对于蒸汽压力控制系统，输入为蒸汽压力和其设定值，输出为给水流量；对于稳压器压力控制系统，输入为稳压器压力和其设定值，输出为电加热功率或喷淋阀开度。

与现有技术相比，本发明的有益技术效果：

(1)本发明采用两种优势互补的底层控制器，在需要快速调节时可采用基于模糊逻辑的底层控制器，在需要准确调节时可采用基于神经网络PID的底层控制器，相比于在任何工况下都采用一种底层控制器，这种方式提高了控制性能。

(2)本发明采用的协调控制器，基于模糊逻辑理论建立协调控制器，能够更加准确地判断何种工况采用何种底层控制器，从而更大限度地发挥两种底层控制器的优势，相比于采用简单算法调节底层控制器设定值的协调控制器，这种协调控制器起到了真正意义上的协调作用。

(3)本发明协调控制方法的故障容错能力，相比现有的协调控制方法不能适用于故障工况，本发明的协调控制方法在故障工况下也能获得较好的性能，通过协调控制器对两种底层控制器进行切换，来克服故障带来的影响。

附图说明

下面结合附图说明对本发明作进一步说明。

图1为本发明(面向无人值守小型压水堆的协调控制方法)的智能协调控制方法流程框图。

图2为反应堆功率控制系统规则库示意图。

图3为蒸汽压力控制系统规则库示意图。

图4为稳压器压力控制系统规则库示意图。

图5为基于模糊逻辑的底层控制器规则库示意图。

图6为基于神经网络PID底层控制器流程框图。

图7为协调控制器在特定工况下实施过程示意图。

具体实施方式

以下结合附图对本发明做进一步的说明。

结合图1，本发明的实现步骤主要包括：

(1)建立协调控制器，具体过程为：

a.对输入参数进行标准化处理：输入参数包括反应堆热功率实际值和设定值、冷却剂平均温度实际值和设定值、稳压器压力实际值和设定值、给水流量实际值和设定值、直流蒸汽发生器出口蒸汽压力实际值和设定值，标准化处理方法如下式所示：

式中，x_i——标准化处理前实际值；

x_i，min——标准化处理前最小值；

x_i，max——标准化处理前最大值；

——标准化处理后实际值；

——标准化处理后最小值；

——标准化处理后最大值；

b.对输入数据进行模糊化：采用高斯模糊器对标准化后的输入数据进行模糊化，高斯模糊器是对输入数据的一种模糊化映射，模糊化后得到输入参数的模糊集A′的隶属度函数μ_A′(x)，如下式所示

式中，a_i——描述数据的分散程度，为正数；

x_i——第i个自变量；

——第i个标准化输入数据；

c.建立模糊规则库：分别为反应堆功率控制系统、蒸汽压力控制系统和稳压器压力控制系统建立规则库，为模糊推理提供知识；

d.模糊推理：模糊推理机中将代数积算子作为T范数，将最大算子作为S 范数，第j个输出参数在其对应模糊集上的隶属度函数如下式所示

式中，σ_i——描述数据的分散程度，为正数；

——第l条规则中第i个输入参数的模糊集中心点；

x_ip——

——第l条规则中第j个输出参数在规则模糊集上的隶属度函数；

e.解模糊：采用中心平均解模糊器，取

获得加权中心平均值的点，如下式所示：

式中，

——第l个模糊集的中心，即使

取得最大值的y_j值；

ω^l——第l个模糊集的高度，即步骤d公式中

的系数；

根据模糊规则库规则，当底层控制器选择为FC时，

为-1，当底层控制器选择为BC时，

为1。

(2)建立基于模糊逻辑的底层控制器，具体过程为：

a.建立底层控制器的模糊规则表：如图5，：e₁和e₂为控制器的输入参数；

b.给出控制器输出与输入的表达式：如图5，e₁的第m个语言变量与e₂的第n个语言变量对应出输出值为y_m，n，控制器输出如下式所示：

式中，——e₁的第m个语言变量对应的隶属度函数；

——e₂的第n个语言变量对应的隶属度函数。

(3)建立基于神经网络PID的底层控制器。具体过程为：

a.给出控制器输入和输出之间的表达式：如图6，神经网络PID控制器包括三层网络，输入层、隐含层和输出层；输入层宇隐含层输入之间关系如下式所示：

式中，¹ω_ij——输入层的第j个节点和隐藏层的第i个节点之间的权重；

隐含层输入与隐含层输出之间关系如下式所示：

q₁(k)＝x₁(k)

q₂(k)＝q₂(k-1)+x₂(k)

q₃(k)＝x₃(k)-x₃(k-1)

隐含层输出与输出层之间关系如下式所示：

式中，²ω_i——输出层和隐藏层的第i个节点之间的权重；

b.给出权重系数优化方法：采用梯度下降法进行权重系数优化，如下式所示：

式中，η₂——输出层和隐含层之间的学习因子；

δ′(k)——输出层和隐含层之间的梯度；

η₁——输入层和隐含层之间的学习因子；

δ_i(k)——输入层和隐含层之间的梯度。

(4)协调控制方法实施，具体过程为：

a.确定协调控制器输入输出：输入参数包括反应堆热功率实际值和设定值、冷却剂平均温度实际值和设定值、稳压器压力实际值和设定值、给水流量实际值和设定值、直流蒸汽发生器出口蒸汽压力实际值和设定值；当协调控制器输出为[-1,0]时，选择基于模糊逻辑的底层控制器，当协调控制器输出为(0,1] 时，选择基于神经网络PID的底层控制器。

b.确定基于模糊逻辑的底层控制器输入输出：对于反应堆功率控制系统，输入为蒸汽流量偏差和冷却剂平均温度偏差，输出为控制棒移动速度矢量；对于蒸汽压力控制系统，输入为蒸汽压力偏差和蒸汽压力偏差变化率，输出为给水流量；对于稳压器压力控制系统，输入为稳压器压力偏差和冷却剂平均温度偏差，输出为电加热功率或喷淋阀开度。

c.确定基于神经网络PID的底层控制器输入输出；对于反应堆功率控制系统，输入冷却剂平均温度和其设定值，输出为控制棒移动速度矢量；对于蒸汽压力控制系统，输入为蒸汽压力和其设定值，输出为给水流量；对于稳压器压力控制系统，输入为稳压器压力和其设定值，输出为电加热功率或喷淋阀开度。

下面对小型压水堆实际协调控制过程进行说明。初始工况为小型压水堆在 60％FP功率水平下稳定运行，冷却剂平均温度为575.15K，稳压器压力为15MPa，给水流量为52.8kg/s，蒸汽压力为3MPa；突然引入四台主泵全部失电故障，反应堆热功率设定值为20.5％FP，冷却剂平均温度设定值为555.15K，稳压器压力为15MPa，给水流量为18.0kg/s，蒸汽压力为3MPa；为实现上述过程的平稳过渡，采用本发明提出的协调控制方法，具体步骤如下：

(1)建立协调控制器。对输入参数进行标准化处理，如下表所示；模糊化过程中a_i和σ_i的取值为0.5；规则库如图2、图3、图4所示；模糊推理和解模糊过程按照公式进行计算；图7展示了协调控制器对于三个控制系统给出的协调控制器选择情况。

(2)建立基于模糊逻辑的底层控制器。规则库如图5所示，结合规则库按照公式计算底层控制器输出。

(3)建立基于神经网络PID的底层控制器。将权重系数¹ω_ij和²ω_i的初值设为1，按照公式计算控制器的输出，并在线优化权重系数。

(4)协调控制方法实施。确定协调控制器的输入输出接口；确定基于模糊逻辑的底层控制器和基于神经网络PID的底层控制器与三个控制系统的输入输出接口。

以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。