基于CNN的核电站主冷却剂系统压力预测

卷积神经网络(Convolutional Neural Network,CNN)模型应用在核电领域预测传感器参数走势,以帮助核电站操作员分析当下工况.模型利用CNN对深层次信息进行特征提取,通过除以各传感器参数最大值进行归一化处理和多步窗格滚动进行数据分割,并在模拟仿真软件PCTRAN上完成实验验证.实验结果表明,此模型能够在小破口冷却剂失流事故(Small Break Loss of Coolant Accident,SBLOCA)事件发生后有效地预测主冷却剂系统压力变化趋势,并在破口程度不同的同一类型事件上具有良好的适应性.与循环神经网络的变形方法-长短期记忆(Long and Short-Term Memory,LSTM)进行对比,CNN在时间序列的应用上同样具有LSTM的准确度和时效性,并且预测值的平均绝对误差更低.

Main coolant system pressure prediction in nuclear power plants based on CNN