热管微反应器的技术经济优化，第二部分：多目标优化分析

Paul Seurin; Dean Price

热管微反应器的技术经济优化，第二部分：多目标优化分析

机器学习 2026-01-29 v1 计算物理

作者: Paul Seurin , Dean Price

摘要

热管微反应器(HPMRs)是紧凑且可运输的核动力系统，具有固有安全性，非常适合部署在交通不便且依赖昂贵化石燃料的偏远地区。在先前的工作中，我们开发了一个设计优化框架，通过代理建模和基于强化学习(RL)的优化纳入技术经济考量，仅专注于通过自下而上的成本估算方法最小化平准化电力成本(LCOE)。在本研究中，我们将该框架扩展到使用增强型强化学习帕累托包络(PEARL)算法的多目标优化。目标包括在满足安全和运行约束的前提下，最小化棒积分峰因子( $F_{\Delta h}$ )和LCOE。我们评估了三种成本情景：(1) 高成本轴向和鼓形反射层，(2) 低成本轴向反射层，以及 (3) 低成本轴向和鼓形反射层。我们的发现表明，减小固体慢化剂半径、棒间距和鼓形涂层角度，同时增加燃料高度，能有效降低 $F_{\Delta h}$ 。在所有三种情景中，优化LCOE始终出现四个关键策略：(1) 当轴向反射层昂贵时最小化其贡献，(2) 减少控制鼓的依赖，(3) 用价格与石墨相当的轴向反射层材料替代昂贵的三层各向同性(TRISO)燃料，以及 (4) 最大化燃料燃耗。虽然PEARL在应对不同设计场景的权衡方面显示出潜力，但代理模型预测与全阶模拟之间的差异仍然存在。通过约束松弛和代理开发有望进一步改进，这是正在进行的探索领域。

关键词

热管微反应器技术经济优化多目标优化强化学习帕累托包络平准化电力成本峰因子三层各向同性燃料

引用

@article{arxiv.2601.20079,
  title  = {Techno-economic optimization of a heat-pipe microreactor, part II: multi-objective optimization analysis},
  author = {Paul Seurin and Dean Price},
  journal= {arXiv preprint arXiv:2601.20079},
  year   = {2026}
}

热管微反应器的技术经济优化，第二部分：多目标优化分析

摘要

关键词

引用

相关论文