基于深度强化学习的反应堆功率控制系统设计

黄轲; 蒋冠孚; 楚晴; 杨鹏程; 李羿良

doi:10.20190/j.cnki.02580918.202601009

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于深度强化学习的反应堆功率控制系统设计

更新时间：2026-04-26

- 基于深度强化学习的反应堆功率控制系统设计
- Vol. 46, Issue 1, Pages: 65-71(2026)
- 作者机构：
  
  中国核动力研究设计院核反应堆技术全国重点实验室
- 作者简介：
- 基金信息：
- DOI：10.20190/j.cnki.02580918.202601009
  CLC： TP18;TL362
- Published：2026
- 稿件说明：
移动端阅览
黄轲, 蒋冠孚, 楚晴, et al. 基于深度强化学习的反应堆功率控制系统设计[J]. 2026, 46(1): 65-71.
DOI：

黄轲, 蒋冠孚, 楚晴, et al. 基于深度强化学习的反应堆功率控制系统设计[J]. 2026, 46(1): 65-71. DOI： 10.20190/j.cnki.02580918.202601009.

摘要

传统PID控制在应对反应堆大范围变工况时往往效果不佳，而智能控制作为新兴的控制方式，有望改善控制系统的性能，因此，本文旨在探讨反应堆功率智能控制是否存在优越性。以压水堆堆芯为对象，建立了反应堆功率强化学习控制系统。针对反应堆运行特性，设计了基于深度确定性策略梯度（DDPG）的堆芯功率强化学习控制策略和奖励函数。通过典型瞬态工况仿真验证，对比分析反应堆功率强化学习控制系统与PID控制系统的表现。研究结果表明，反应堆功率强化学习控制系统能够实现对堆芯功率的良好控制，在调节时间和超调量方面效果均优于PID控制系统。建立的反应堆功率强化学习控制系统能够用于堆芯功率调节。

Abstract

关键词

Keywords

references

肖盾,曾文杰,于涛,李松发,雷鸣,邓云李,蔡文超,赵鹏,潘瑞安.基于BP神经网络PID的研究堆堆芯功率控制研究[J].核科学与工程,2022(04).

李金阳,刘依诺,曾文杰,胡杨,于涛.基于蚁群算法的小型铅基堆堆芯功率控制研究[J].核动力工程,2022(03).

G.R.Ansarifar,H.R.Akhavan.Robust nonlinear control for nuclear reactors using sliding mode observer to estimate the xenon concentration[J].Nuclear Science and Techniques,2016(02).

李彬,何小旭.核反应堆功率控制系统设计与仿真[J].自动化技术与应用,2008(10).

武红幸,赵福宇,张仲民.新型模糊控制器在小型反应堆功率控制系统中的应用[J].核动力工程,2008(05).

褚新元,李富,黄晓津,张良驹.实验反应堆功率调节系统PID控制器的解析设计方法[J].原子能科学技术,2004(01).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于堆机热协调的大型压水堆反应堆功率控制研究

非能动压水堆一回路自然循环试验功率控制研究

OPTIMIZATION OF RELOAD CORE DESIGN FOR PWR

A STUDY OF PWR QUADRANT POWER TILT

Related Author

宋磊

张楠

张茹

严梦潇

宋磊

张茹

严梦潇

李文凯

Related Institution

西安交通大学核科学与技术学院

中国核电工程有限公司

上海核工程研究设计院股份有限公司

上海核工程研究设计院西安交通大学

YIN BANGHUA

AI问答

⁰