語言:

基于神经网络的核反应堆堆芯热功率预测

张奥鑫 ; 滕婧 ; 琚贇 ; 杨韬燃

计算机仿真, 2021, Vol.38 (10), p.455-461 [同儕審閱期刊]

可取得全文

引用被引用

題名:
基于神经网络的核反应堆堆芯热功率预测
著者: 张奥鑫 ; 滕婧 ; 琚贇 ; 杨韬燃
所屬期刊: 计算机仿真, 2021, Vol.38 (10), p.455-461
描述: TP183; 由于核反应堆经常变负荷运行,为使堆芯热功率与负荷相匹配,保证核电站的安全运行,需要精确预测反应堆堆芯热功率分布,以做出及时调整.传统方法包括基于核反应机理物理模型和实验模型,难以通过直接分析相关数据,准确预测功率分布.采用某CANDU重水堆核电站真实监测数据,根据数据的分布特征,分别构建了基于满功率日时间序列的LSTM循环神经网络和基于特征再提取的卷积神经网络CNN模型,并对网络结构优化,以此来进行核反应堆堆芯热功率预测仿真研究.相比于传统的BP神经网络,构建的LSTM和CNN模型在预测性能上有显著提升.在LSTM和CNN的预测结果中,绝对误差小于50MW的数据所占比例分别为97.63％和96.31％,相对误差在5％以内的数据所占比例为98.73％和98.42％,平均相对误差均不超过2.65％和2.96％.仿真研究表明,所提基于LSTM和CNN的模型可有效预测核反应堆堆芯热功率分布.
出版者: 华北电力大学控制与计算机工程学院,北京102206
語言: 中文
識別號: ISSN: 1006-9348
DOI: 10.3969/j.issn.1006-9348.2021.10.091
資源來源: Alma/SFX Local Collection

返回到檢索清單