模块化高温气冷堆核电站的快速动态优化框架：集成asMHE-asNMPC方法

《IEEE Transactions on Nuclear Science》：A Fast Dynamic Optimization Framework for Modular High-Temperature Gas-Cooled Reactors Power Plants: An Integrated asMHE-asNMPC Approach

本文针对模块化高温气冷堆(HTGR)非线性动态系统控制难题，提出了一种集成先进步移动水平估计(asMHE)与先进步非线性模型预测控制(asNMPC)的鲁棒实时控制框架。研究人员通过离线预计算和在线校正策略，有效解决了传统PID控制器在高度非线性环境中性能下降的问题。实验结果表明该方法在负载跟踪和设定点控制场景中均表现出优越的跟踪精度、强扰动抑制能力和实时计算效率，为核能系统等复杂工业过程的控制提供了理论指导和技术支持。

　　

在当今全球能源结构转型的背景下，核能作为低碳电力的重要来源正发挥着关键作用。然而，随着电网需求波动和燃料更替要求的不断增加，核电站需要具备灵活的负载跟踪能力。特别是第四代核能技术代表——模块化高温气冷堆(HTGR)，虽然具有固有安全性高、燃料利用率高等优势，但其强烈的非线性特性、模块间显著耦合以及时变不确定性等因素，给控制系统设计带来了巨大挑战。

传统比例-积分-微分(PID)控制器在处理高度非线性系统时往往表现不佳，而模糊控制方法又过于依赖经验规则。针对这些问题，研究人员开发了一种新型控制框架，将移动水平估计(MHE)与非线性模型预测控制(NMPC)协同集成，通过先进步策略实现计算效率的显著提升。该研究成果发表在《IEEE Transactions on Nuclear Science》期刊上，为核能系统的智能控制提供了创新解决方案。

本研究采用的关键技术方法主要包括：首先建立了基于第一性原理的HTR-PM动态模型，包含反应堆和蒸汽发生器的关键模块；其次开发了集成asMHE-asNMPC控制框架，利用非线性规划灵敏度分析实现离线预计算；最后通过两个代表性控制场景（负载跟踪控制和设定点控制）进行实验验证，使用IPOPT求解器进行数值求解，并在Intel i9-13900HX CPU平台上评估计算性能。

反应堆数学模型

研究人员建立了球床模块高温气冷堆(HTR-PM)的集中参数动态模型，包括堆芯、反射层、出口联箱等关键组件。模型通过中子动力学、能量守恒等方程描述核裂变反应过程，其中相对中子密度n_r、反应性ρ等参数通过微分方程表征系统动态行为。结果表明该模型能准确反映反应堆在稳态和瞬态工况下的运行特性。

蒸汽发生器模型

针对螺旋管直流蒸汽发生器(OTSG)，研究采用三区域移动边界建模方法，将二次侧分为过冷段、沸腾段和过热段。通过质量、动量和能量守恒方程，结合水蒸汽性质表，建立了精确的热交换模型。模型验证显示能有效捕捉相变过程中的热力学特性，为控制策略设计提供了可靠基础。

集成控制框架

提出的asMHE-asNMPC框架通过灵敏度分析将计算密集型操作转移到离线阶段。asMHE负责状态和参数估计，asNMPC处理约束优化控制，两者通过灵敏度矩阵实现协同。实验表明该框架在保持控制精度的同时，将在线计算时间从1.87秒降低至0.82秒，显著提升了实时性。

负载跟踪控制性能

在双机组从75%额定功率(RFP)提升至90% RFP的负载变化场景中，asMHE-asNMPC表现出优良的跟踪性能。虽然积分平方误差(ISE=35.983)略高于理想MHE-NMPC(ISE=21.671)，但显著优于PID控制器(ISE=206.781)，验证了框架在动态工况下的有效性。

设定点控制鲁棒性

在氦气泄漏率发生5%阶跃变化的扰动工况下，asMHE-asNMPC展现出卓越的鲁棒性。其ISE指标(172.267)明显优于MHE-NMPC(358.694)和PID控制(994.265)，表明该框架能有效处理系统不确定性，维持关键控制变量稳定。

计算效率分析

通过对比传统框架与先进步框架的计算耗时，发现asMHE-asNMPC将主要的KKT矩阵分解等操作置于离线阶段，在线仅需执行灵敏度更新。案例研究表明，在线计算时间降低约56%，为复杂工业过程的实时优化控制提供了可行方案。

本研究成功开发了一种适用于模块化高温气冷堆的快速动态优化框架，通过集成先进步估计与控制策略，有效解决了非线性系统控制中的实时性难题。理论分析和实验验证表明，该框架不仅保证了系统的闭环稳定性，而且在负载跟踪和扰动抑制方面均表现出优越性能。相比传统控制方法，asMHE-asNMPC在控制精度和计算效率之间实现了良好平衡。

该研究的创新性体现在三个方面：首先提出了针对MHTGR的定制化控制框架，确保精确的负载跟踪能力；其次通过离线灵敏度分析提升计算效率；最后增强了系统对不确定性的鲁棒性。这些成果为核能系统等高安全要求领域的智能控制提供了重要技术支撑，推动了非线性控制理论在工程实践中的发展。

未来研究方向包括探索降阶建模和并行计算技术，进一步提升框架的实时性能。同时，将先进多步估计(amsMHE)和多步预测控制(amsNMPC)方法引入MHTGR系统，有望在保持控制性能的同时大幅提升计算效率，为复杂工业过程的智能控制开辟新的可能性。