智能核电厂的发展及应用
发布时间:2024-05-07 22:05
很多非核能工业已经广泛利用大数据和机器学习技术提升他们的生产力,而核电厂收集了大量历史、实时运转和维修数据,本论文提出核电厂"数字双胞胎"集成大数据和机器学习技术的构想,这就是数据驱动建模加上物理驱动建模的观念,这将更有效的利用核电厂历史和实时运转和维修数据,并依此开发预测维护系统和操作辅助工具,建立智能核电厂,目的是帮助核电厂的工程师和操作员更安全、更有效能地运转和维修核电厂。
【文章页数】:6 页
【部分图文】:
本文编号:3967055
【文章页数】:6 页
【部分图文】:
图1数据同化循环
数据同化技术基本上是一种贝叶斯推理(Bayesianinference)技术,包括控制方程式的时间更新部分和依据测量取得的测量更新部分。时间更新和测量更新是一个循环如图1所示。时间更新方程负责向前(及时)预测当前状态和误差协方差,测量更新方程式则负责反馈,即用于将新的度量合并到....
图2数据同化各列向量相互关系
各列向量相互关系如图2所示[8]。从此二差距可以产生以下成本函数:
图3智能核电厂上层架构设计示意图———研发阶段
图4显示智能核电厂在应用阶段的架构设计,和图3主要差别在于在研发阶段智能核电厂是脱机的,独立执行不会对核电厂有任何影响,经过研发和验证,核电厂可以选择智能核电厂与核电厂联机取得实时运行和维护数据,如此更能有效地为核电厂提供实时的建议和行动指南。图4智能核电厂上层架构设计示意图—....
图4智能核电厂上层架构设计示意图———应用阶段
图3智能核电厂上层架构设计示意图———研发阶段7智能核电厂的实施
本文编号:3967055
本文链接:https://www.wllwen.com/projectlw/hkxlw/3967055.html