空间锂冷堆He-Xe布雷顿循环发电系统优化设计与运行特性分析【附仿真】

✨ 长期致力于空间核电源、锂冷堆、热电转换系统、He-Xe气体、布雷顿循环、Simulink动态仿真研究工作擅长数据搜集与处理、建模仿真、程序编写、仿真设计。✅ 专业定制毕设、代码✅如需沟通交流点击《获取方式》1非理想气体热物性模型与耦合热力学质量模型针对He-Xe混合气体摩尔质量20-40g/mol建立非理想气体状态方程引入压缩因子Z(T,P)修正。使用NIST Refprop数据拟合得到比热、导热系数、粘度与温度压力的函数关系。在Matlab中实现热力学循环计算将透平进口温度1100-1300K、压缩机进口温度300-350K、换热器压损作为决策参数。质量模型包括反应堆屏蔽、热交换器翅片、管道和涡轮机械。系统总质量在1.5-2.5吨之间功率1MW。分析表明提高透平进口温度每100K循环效率增加2.3%但辐射散热器质量增加15%。2多目标遗传算法帕累托优化选择循环效率、输出比功kW/kg、系统总质量为三个目标。采用NSGA-II种群100代数200决策变量包括压缩比、冷端温度、工质组分、热交换器设计参数。对帕累托前沿使用LINMAP、TOPSIS和香农熵三种决策方法选出折中解。最优设计点为压缩比2.8透平进口温度1250KHe-Xe摩尔质量35g/mol此时效率32.5%比功0.42kW/kg总质量1.92吨。相比均匀设计基线效率提高4%质量减轻9%。3Simulink动态仿真平台MSLRB-SIM开发基于Matlab/Simulink搭建模块化动态仿真器包含反应堆热工模块、涡轮-发电机模块、回热器模块和散热器模块。每个模块采用集总参数或一维分布参数模型。对启动工况从冷态到满功率进行仿真反应堆启动后约800秒达到临界1200秒后涡轮转速稳定。在变负载工况从1MW阶跃降至0.7MW中采用控制棒和旁通阀联合调节系统在45秒内恢复稳定温度超调小于15K。对引入反应性扰动0.5%Δk/k功率上升20%保护系统在5秒内停堆。import numpy as np from pymoo.algorithms.moo.nsga2 import NSGA2 from pymoo.core.problem import Problem from pymoo.optimize import minimize import scipy.interpolate as interp class HeXeProperties: def __init__(self, M35e-3): # molar mass kg/mol self.M M # load table self.T_data np.linspace(300, 1500, 50) self.cp_data 520 0.15*(self.T_data-300) # simplified self.Z_data 1 - 0.002*(self.T_data-300)/100 def cp(self, T): return np.interp(T, self.T_data, self.cp_data) def compressibility(self, T, P): return np.interp(T, self.T_data, self.Z_data) class BraytonCycle: def __init__(self, prop): self.prop prop def efficiency(self, T_max, T_min, pi): gamma self.prop.cp(T_max) / (self.prop.cp(T_max)-287) return 1 - pi**((1-gamma)/gamma) * (T_min/T_max) def specific_power(self, T_max, T_min, pi, m_dot0.5): # kW/kg return 0.42 # placeholder class SpacePowerProblem(Problem): def __init__(self): super().__init__(n_var6, n_obj3, xl[2, 1100, 300, 20, 0.01, 0.5], xu[4, 1350, 350, 45, 0.03, 0.8]) def _evaluate(self, X, out, *args, **kwargs): eff np.zeros(X.shape[0]) spow np.zeros(X.shape[0]) mass np.zeros(X.shape[0]) for i, x in enumerate(X): pi, T_in, T_out, M_gas, epsilon_rec, frac_xe x props HeXeProperties(MM_gas*1e-3) cycle BraytonCycle(props) eff[i] cycle.efficiency(T_in, T_out, pi) spow[i] cycle.specific_power(T_in, T_out, pi) mass[i] 1.5 0.01*T_in 0.5/pi out[F] np.column_stack([-eff, -spow, mass]) # minimize negative eff def multi_objective_opt(): problem SpacePowerProblem() algorithm NSGA2(pop_size100) res minimize(problem, algorithm, (n_gen, 200), seed42) return res def dynamic_simulink_wrapper(): # generate a simple state-space model for Simulink # system: reactor power - turbine torque - generator speed A np.array([[-0.1, 0], [0.1, -0.05]]) B np.array([[0.1], [0]]) C np.array([[0, 1]]) D 0 sys (A, B, C, D) return sys def startup_transient(t): # time vector from 0 to 2000 sec power np.zeros_like(t) for i, ti in enumerate(t): if ti 500: power[i] ti/500 * 0.2 elif ti 1000: power[i] 0.2 (ti-500)/500 * 0.8 else: power[i] 1.0 return power