核电站热工水力系统工况预测与诊断方法研究

发布时间：2024-12-22 22:41

　　对核电站热工水力系统的工况监测、工况预测和故障诊断能够帮助操纵员更好地掌握核电站的实时运行工况并提供操作建议,对于提高运行安全性具有重要意义。近年来各类基于神经网络的人工智能算法快速发展,为核电站热工水力系统的工况预测和故障诊断研究提供了新的途径。本文基于极限学习机(ELM)、在线贯序极限学习机(OS-ELM)、径向基函数网络(RBFN)、循环神经网络(RNN)和长短期记忆模型(LSTM)等神经网络算法,开展了核电站热工水力系统工况预测和故障诊断的方法研究。自然循环系统广泛应用于先进核动力反应堆设计中,但其在运行中容易出现复杂无规律的流动不稳定性现象,使系统工况的在线监测较为困难。为此提出了基于极限学习机神经网络的短期工况参数预测模型。该模型以热工水力系统的在线监测数据作为输入,具有极快的训练速度,适用于自然循环系统等存在复杂运行工况的核电站热工水力系统的在线监测。使用遗传算法对预测模型的输入数据结构进行优化,提高了预测的精度。基于在线贯序极限学习机算法建立了具有在线学习能力的工况参数预测模型,进一步提高了预测的精度并消除了增加极限学习机隐含层节点数量所带来的过拟合问题。将所提出的工况参...

【文章页数】：142 页

【学位级别】：博士

【部分图文】：

图1.1五层自联想神经网络结构图

第1章绪论典型的自联想神经网络由输入层，输出层和三个隐层隐含层称为映射层和解映射层，它们的节点数数，第二层隐含层称为瓶颈层，其节点数少于神经层和输出层的节点个数相同，所使用的训练数据也的转换函数均为非线性函数（常用sigmoid函数）用非线性函数作为转换函数。

图1.2Elman循环神经网络结构

哈尔滨工程大学博士学位论文也采用相同的核电厂参数作为输入和输出，实基本相同。该研究使用日本高温气冷工程实验，并进行模拟实验验证了模型的有效性。该研究循环神经网络，Elman型递归神经网络结构如图还具有一个承接层，承接层保存隐含层前一时一部分输入。Jordan型递归神经网络结构....

图1.3Jordan循环神经网络结构

还具有一个承接层，承接层保存隐含层前一时一部分输入。Jordan型递归神经网络结构与El输出层前一时刻的输出，并将其作为隐含层下一图1.2Elman循环神经网络结构Fig.1.2Elman’srecurrentneuralnetworkarchitectur....

图2.1摇摆工况下自然循环实验回路示意图

图2.1摇摆工况下自然循环实验回路示意图Schematicdiagramofthenaturalcirculationexperimentalloopunderrollin环实验回路中布置了测量仪表用以测量各重要热工参量的实时NationalInstr....

本文编号：4019839