本研究由上海电力大学能源与机械工程学院彭程副教授团队与中国核动力研究设计院反应堆系统设计技术重点实验室合作完成相关成果已发表在 Nature 旗下工程类子刊。这项研究是NUMAP 在核反应堆热工水力建模仿真与智能化诊断领域的具体实践。原文链接https://doi.org/10.1038/s44172-026-00690-9在核反应堆及其热工水力系统中并行通道是最常见的基本结构形式之一通过多通道分流可以降低流速、减小流动阻力并提升系统的冗余度与运行可靠性。但这一构型也天然带来了各支路之间的异质性在特定运行条件下会诱发流量分配不均和流动不稳定性直接威胁设备结构与运行安全。其中最具代表性的是密度波振荡Density Wave Oscillation, DWO一种依靠两相流密度波反馈机制维持的自持周期性压力-流量振荡。它本质上是系统在参数敏感区间表现出的强非线性动力学行为经典线性稳定性理论难以完整解释而基于物理模型的传统预测方法在高维、非线性、时变工况下又面临计算复杂、适应性不足的困难。如何快速、准确地在复杂参数空间中识别与诊断这类危险流动状态是核能安全领域的现实挑战。本文工作基于NUMAP系统仿真平台建立了开式与闭式两类并行通道系统的数值模型将傅里叶变换与自相关分析相结合实现流型自动识别进而引入遗传算法GA对K近邻KNN分类器进行超参数优化构建了数值仿真—信号识别—智能诊断一体化的分析框架实现了对稳定流动、不规则振荡与DWO三类流动状态的高精度预测。一、基于NUMAP的并行通道系统建模1.研究对象开式与闭式并行通道系统研究涵盖了两种典型构型。开式并行通道系统由三条并联支路组成入口给定质量流量边界、出口给定压力边界用于模拟工程上常见的强制流动分配场景闭式系统则将进出口连接成闭合回路依靠加热段与冷却段之间的流体密度差形成浮升力驱动工质自然循环同时设置换热器排出热量、以汽水分离装置控制系统压力用于模拟事故条件下的非能动排热过程。加热元件采用延迟启动策略以复现实际设备的启停瞬态。图1 开式a与闭式b并行通道系统几何模型2.NUMAP平台从控制方程到工程可信的仿真引擎并行通道流动不稳定性涉及汽液两相流动、相变传热与通道间耦合等复杂物理过程。本研究选用NUMAP作为系统级热工水力建模与仿真平台它基于控制体积方法严格遵循双流体六方程框架即液相与气相各自的连续性方程、动量方程与能量方程完整刻画相间质量、动量与能量交换适合开展大规模参数扫描与瞬态过程分析。在数值方法上管系沿轴向划分为离散控制体加热管采用与既有验证研究一致的离散方案时间推进采用自适应步长策略在加热启动、振荡触发等剧烈瞬态时自动缩小步长保证数值稳定性。模型可信度方面本文的数值配置与已发表的高温高压汽水两相流动不稳定性实验基准进行了对照非均匀加热工况下的最大相对偏差约16%多通道系统的不稳定边界预测与参考结果保持在±5%以内为后续大规模参数研究提供了可靠基础。3.NUMAP在研究中的三重角色在这项研究中NUMAP发挥的作用远不止算出曲线其一是物理数据源。开式系统在整个热流密度参数空间内开展了数千组工况的系统扫描闭式系统则在遗传算法引导下对敏感区域加密采样形成了覆盖稳定流动、不规则振荡与DWO的完整标注数据集——这是机器学习模型训练与盲测评估的根基。其二是标准化封装与自动化协同。NUMAP建立的模型按 FMI 标准导出为功能样例单元FMU在 Python 环境中通过 PyFMI 实现参数下发、批量运行与数据同步配合多进程并行调度将数千次仿真组织为一条可复现的自动化流水线。其三是机理解释支撑。NUMAP 输出的流量、压力、空泡率等时序数据不仅用于分类标注也为解释失稳机理如热负荷空间分配对流动稳定性的影响提供了物理依据。图2 基于NUMAP的数值仿真与机器学习耦合分析框架二、流型识别与 GA-KNN 智能诊断方法1.信号识别傅里叶变换与自相关函数互补流型识别是智能诊断的前提。本研究采用非参数化信号处理方法傅里叶变换将时域流量信号转换到频域识别主导振荡频率自相关函数则从时域角度评估信号在不同时间滞后下的自相似性揭示周期结构。二者互补交叉验证有效弥补了单一方法在瞬态谱峰或长周期振荡上的不足将各工况自动判定为稳定流动、不规则振荡或DWO三类总体识别准确率达99.19%且对DWO工况无一漏检。2.GA-KNN让分类器自己选超参数KNN通过样本间距离进行分类无需复杂的参数估计对非线性数据与小样本场景适应性好但标准KNN面临特征冗余与超参数敏感问题——近邻数K和距离度量的选择直接影响分类性能。为此本研究引入遗传算法对KNN的两个关键超参数进行联合寻优K值与八种候选距离度量欧氏、曼哈顿、切比雪夫等被编码为染色体以预测准确率为适应度通过选择、交叉与变异迭代进化自动确定最适合当前数据集的配置。这一策略规避了传统网格搜索的指数级计算量也显著提升了模型的泛化能力。模型最终在完全未参与训练与调参的盲测集上评估确保结果可信。三、仿真结果分析1.开式系统失稳随功率呈规律性演化对开式系统全参数空间的流型分布分析表明系统稳定性随加热功率呈现明显的规律性转变在低功率区稳定流动占绝对主导流动扰动被通道固有的阻尼特性迅速衰减在中等功率区当两加热器功率呈不对称配置时出现对功率比高度敏感的DWO易发区间此时支路间流动惯性与密度梯度之间产生类似共振的耦合效应显著降低失稳阈值进入高功率区后强烈的的热输入导致流体密度剧烈波动DWO成为主导流型。这说明绝对功率、功率比与功率梯度共同决定了系统的动力学稳定性。图3 开式系统各支路在整个热流密度区间的流型分布2.闭式系统GA 两阶段搜索圈定 DWO 敏感区闭式自然循环系统的参数空间更为复杂。本研究采用两阶段搜索策略先利用遗传算法的全局寻优能力在加热功率空间中圈定DWO潜在易发区域再对该区域加密采样精细刻画失稳边界。结果显示相同几何与阻力布置下各支路表现出截然不同的稳定性特征一条支路呈窄条状DWO分布带另一条呈局部岛状DWO区域而位于某一加热器下游的支路在整个研究域内几乎不发生DWO。这种结构对称、行为不对称的现象源于热负荷的空间非均匀分配该支路的出口蒸汽干度始终保持在较低水平总压降随流量的导数在全域内保持正值满足 Ledinegg 稳定性准则因而不具备DWO的触发条件。这一发现说明热负荷空间分配是调控并行通道系统不稳定性的关键手段可为差异化安全设计提供直接依据。图4 遗传算法搜索的DWO敏感参数域及各支路DWO工况分布3.预测性能盲测中的高精度泛化在上述数据集上训练的GA-KNN模型在盲测集上表现出稳定的泛化能力开式系统各支路预测准确率约97.6%~97.8%闭式系统为96.8%~100%其中DWO类别的查准率与查全率均保持较高水平未出现稳定流型与DWO之间的系统性混淆。与随机森林等基准模型相比GA-KNN在更具挑战性的支路预测上优势明显验证了自适应超参数优化策略在复杂非线性热工水力系统中的有效性。图5 开式与闭式系统GA-KNN模型的盲测集预测结果混淆矩阵本研究将 NUMAP 系统仿真、信号识别与机器学习串联为一条完整的证据链NUMAP 提供了物理可信的数据来源与标准化封装能力傅里叶-自相关方法实现了流型的客观标注GA-KNN则将这些数据转化为可直接用于运行监测的预测模型。研究揭示了热负荷空间非均匀性对失稳模式的调控机制为并行通道系统的实时监测、早期预警与差异化安全设计提供了数字化工具。后续工作将引入雷诺数、相变数、过冷度数等无量纲特征以增强模型的跨构型适应性并探索LSTM、Transformer等序列学习模型以捕捉瞬态信号中更精细的非线性动力学特征。本研究进一步表明NUMAP的核心价值并不止于完成单次热工水力计算而在于以高保真机理模型为底座依托标准接口、自动化流程和模型库融合建模仿真与智能算法形成针对特定业务的高效支撑功能为安全边界识别、风险预警、方案优化和运行决策提供可信支撑推动复杂系统研发由“完成计算”向“形成认知、推演研判、辅助决策”跃迁。参考文献[1] Ozawa, M., Akagawa, K., Sakaguchi, T., Tsukahara, T. Fujii, T. Oscillatory flow instabilities in air-water two-phase flow system. Bulletin of the JSME, 22 (1979) 1763-1770.[2] Zhu, L.-T., Chen, X.-Z., Ouyang, B., Yan, W.-C., Lei, H., Chen, Z. Luo, Z.-H. Review of machine learning for hydrodynamics, transport, and reactions in multiphase flows and reactors. Industrial Engineering Chemistry Research, 61 (2022) 9901-9949.[3] Kööp, K., Jeltsov, M., Grishchenko, D. Kudinov, P. Pre-test analysis for identification of natural circulation instabilities in TALL-3D facility. Nuclear Engineering and Design, 314 (2017) 110-120.[4] Tong, Q., Lv, X., Deng, K., Zeng, X., Ding, J. Zhou, F. Simulation study of flow instability in parallel multi-channel systems based on Modelica. Proceedings of the 15th International Modelica Conference, Aachen, Germany, (2023). 基于NUMAP与机器学习的并行通道系统流动不稳定性识别与诊断
本研究由上海电力大学能源与机械工程学院彭程副教授团队与中国核动力研究设计院反应堆系统设计技术重点实验室合作完成相关成果已发表在 Nature 旗下工程类子刊。这项研究是NUMAP 在核反应堆热工水力建模仿真与智能化诊断领域的具体实践。原文链接https://doi.org/10.1038/s44172-026-00690-9在核反应堆及其热工水力系统中并行通道是最常见的基本结构形式之一通过多通道分流可以降低流速、减小流动阻力并提升系统的冗余度与运行可靠性。但这一构型也天然带来了各支路之间的异质性在特定运行条件下会诱发流量分配不均和流动不稳定性直接威胁设备结构与运行安全。其中最具代表性的是密度波振荡Density Wave Oscillation, DWO一种依靠两相流密度波反馈机制维持的自持周期性压力-流量振荡。它本质上是系统在参数敏感区间表现出的强非线性动力学行为经典线性稳定性理论难以完整解释而基于物理模型的传统预测方法在高维、非线性、时变工况下又面临计算复杂、适应性不足的困难。如何快速、准确地在复杂参数空间中识别与诊断这类危险流动状态是核能安全领域的现实挑战。本文工作基于NUMAP系统仿真平台建立了开式与闭式两类并行通道系统的数值模型将傅里叶变换与自相关分析相结合实现流型自动识别进而引入遗传算法GA对K近邻KNN分类器进行超参数优化构建了数值仿真—信号识别—智能诊断一体化的分析框架实现了对稳定流动、不规则振荡与DWO三类流动状态的高精度预测。一、基于NUMAP的并行通道系统建模1.研究对象开式与闭式并行通道系统研究涵盖了两种典型构型。开式并行通道系统由三条并联支路组成入口给定质量流量边界、出口给定压力边界用于模拟工程上常见的强制流动分配场景闭式系统则将进出口连接成闭合回路依靠加热段与冷却段之间的流体密度差形成浮升力驱动工质自然循环同时设置换热器排出热量、以汽水分离装置控制系统压力用于模拟事故条件下的非能动排热过程。加热元件采用延迟启动策略以复现实际设备的启停瞬态。图1 开式a与闭式b并行通道系统几何模型2.NUMAP平台从控制方程到工程可信的仿真引擎并行通道流动不稳定性涉及汽液两相流动、相变传热与通道间耦合等复杂物理过程。本研究选用NUMAP作为系统级热工水力建模与仿真平台它基于控制体积方法严格遵循双流体六方程框架即液相与气相各自的连续性方程、动量方程与能量方程完整刻画相间质量、动量与能量交换适合开展大规模参数扫描与瞬态过程分析。在数值方法上管系沿轴向划分为离散控制体加热管采用与既有验证研究一致的离散方案时间推进采用自适应步长策略在加热启动、振荡触发等剧烈瞬态时自动缩小步长保证数值稳定性。模型可信度方面本文的数值配置与已发表的高温高压汽水两相流动不稳定性实验基准进行了对照非均匀加热工况下的最大相对偏差约16%多通道系统的不稳定边界预测与参考结果保持在±5%以内为后续大规模参数研究提供了可靠基础。3.NUMAP在研究中的三重角色在这项研究中NUMAP发挥的作用远不止算出曲线其一是物理数据源。开式系统在整个热流密度参数空间内开展了数千组工况的系统扫描闭式系统则在遗传算法引导下对敏感区域加密采样形成了覆盖稳定流动、不规则振荡与DWO的完整标注数据集——这是机器学习模型训练与盲测评估的根基。其二是标准化封装与自动化协同。NUMAP建立的模型按 FMI 标准导出为功能样例单元FMU在 Python 环境中通过 PyFMI 实现参数下发、批量运行与数据同步配合多进程并行调度将数千次仿真组织为一条可复现的自动化流水线。其三是机理解释支撑。NUMAP 输出的流量、压力、空泡率等时序数据不仅用于分类标注也为解释失稳机理如热负荷空间分配对流动稳定性的影响提供了物理依据。图2 基于NUMAP的数值仿真与机器学习耦合分析框架二、流型识别与 GA-KNN 智能诊断方法1.信号识别傅里叶变换与自相关函数互补流型识别是智能诊断的前提。本研究采用非参数化信号处理方法傅里叶变换将时域流量信号转换到频域识别主导振荡频率自相关函数则从时域角度评估信号在不同时间滞后下的自相似性揭示周期结构。二者互补交叉验证有效弥补了单一方法在瞬态谱峰或长周期振荡上的不足将各工况自动判定为稳定流动、不规则振荡或DWO三类总体识别准确率达99.19%且对DWO工况无一漏检。2.GA-KNN让分类器自己选超参数KNN通过样本间距离进行分类无需复杂的参数估计对非线性数据与小样本场景适应性好但标准KNN面临特征冗余与超参数敏感问题——近邻数K和距离度量的选择直接影响分类性能。为此本研究引入遗传算法对KNN的两个关键超参数进行联合寻优K值与八种候选距离度量欧氏、曼哈顿、切比雪夫等被编码为染色体以预测准确率为适应度通过选择、交叉与变异迭代进化自动确定最适合当前数据集的配置。这一策略规避了传统网格搜索的指数级计算量也显著提升了模型的泛化能力。模型最终在完全未参与训练与调参的盲测集上评估确保结果可信。三、仿真结果分析1.开式系统失稳随功率呈规律性演化对开式系统全参数空间的流型分布分析表明系统稳定性随加热功率呈现明显的规律性转变在低功率区稳定流动占绝对主导流动扰动被通道固有的阻尼特性迅速衰减在中等功率区当两加热器功率呈不对称配置时出现对功率比高度敏感的DWO易发区间此时支路间流动惯性与密度梯度之间产生类似共振的耦合效应显著降低失稳阈值进入高功率区后强烈的的热输入导致流体密度剧烈波动DWO成为主导流型。这说明绝对功率、功率比与功率梯度共同决定了系统的动力学稳定性。图3 开式系统各支路在整个热流密度区间的流型分布2.闭式系统GA 两阶段搜索圈定 DWO 敏感区闭式自然循环系统的参数空间更为复杂。本研究采用两阶段搜索策略先利用遗传算法的全局寻优能力在加热功率空间中圈定DWO潜在易发区域再对该区域加密采样精细刻画失稳边界。结果显示相同几何与阻力布置下各支路表现出截然不同的稳定性特征一条支路呈窄条状DWO分布带另一条呈局部岛状DWO区域而位于某一加热器下游的支路在整个研究域内几乎不发生DWO。这种结构对称、行为不对称的现象源于热负荷的空间非均匀分配该支路的出口蒸汽干度始终保持在较低水平总压降随流量的导数在全域内保持正值满足 Ledinegg 稳定性准则因而不具备DWO的触发条件。这一发现说明热负荷空间分配是调控并行通道系统不稳定性的关键手段可为差异化安全设计提供直接依据。图4 遗传算法搜索的DWO敏感参数域及各支路DWO工况分布3.预测性能盲测中的高精度泛化在上述数据集上训练的GA-KNN模型在盲测集上表现出稳定的泛化能力开式系统各支路预测准确率约97.6%~97.8%闭式系统为96.8%~100%其中DWO类别的查准率与查全率均保持较高水平未出现稳定流型与DWO之间的系统性混淆。与随机森林等基准模型相比GA-KNN在更具挑战性的支路预测上优势明显验证了自适应超参数优化策略在复杂非线性热工水力系统中的有效性。图5 开式与闭式系统GA-KNN模型的盲测集预测结果混淆矩阵本研究将 NUMAP 系统仿真、信号识别与机器学习串联为一条完整的证据链NUMAP 提供了物理可信的数据来源与标准化封装能力傅里叶-自相关方法实现了流型的客观标注GA-KNN则将这些数据转化为可直接用于运行监测的预测模型。研究揭示了热负荷空间非均匀性对失稳模式的调控机制为并行通道系统的实时监测、早期预警与差异化安全设计提供了数字化工具。后续工作将引入雷诺数、相变数、过冷度数等无量纲特征以增强模型的跨构型适应性并探索LSTM、Transformer等序列学习模型以捕捉瞬态信号中更精细的非线性动力学特征。本研究进一步表明NUMAP的核心价值并不止于完成单次热工水力计算而在于以高保真机理模型为底座依托标准接口、自动化流程和模型库融合建模仿真与智能算法形成针对特定业务的高效支撑功能为安全边界识别、风险预警、方案优化和运行决策提供可信支撑推动复杂系统研发由“完成计算”向“形成认知、推演研判、辅助决策”跃迁。参考文献[1] Ozawa, M., Akagawa, K., Sakaguchi, T., Tsukahara, T. Fujii, T. Oscillatory flow instabilities in air-water two-phase flow system. Bulletin of the JSME, 22 (1979) 1763-1770.[2] Zhu, L.-T., Chen, X.-Z., Ouyang, B., Yan, W.-C., Lei, H., Chen, Z. Luo, Z.-H. Review of machine learning for hydrodynamics, transport, and reactions in multiphase flows and reactors. Industrial Engineering Chemistry Research, 61 (2022) 9901-9949.[3] Kööp, K., Jeltsov, M., Grishchenko, D. Kudinov, P. Pre-test analysis for identification of natural circulation instabilities in TALL-3D facility. Nuclear Engineering and Design, 314 (2017) 110-120.[4] Tong, Q., Lv, X., Deng, K., Zeng, X., Ding, J. Zhou, F. Simulation study of flow instability in parallel multi-channel systems based on Modelica. Proceedings of the 15th International Modelica Conference, Aachen, Germany, (2023).