收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

核电站热工水力系统工况预测与诊断方法研究

陈涵瀛  
【摘要】: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。将所提出的工况参数短期预测模型应用于热工水力系统工况参数的软测量和测量仪表的故障监测。工况参数软测量模型和测量仪表故障监测模型在仿真测试中均取得了良好的结果,可以为核电站系统的在线监测提供支持。基于改进的径向基函数网络模型,提出了一种新的核电站热工水力系统故障工况诊断方法。该方法不仅能够以较高精度识别训练数据中已有的故障类型,并且具有对不包含在训练集内的故障瞬态类型正确作出“Don’t know”诊断响应的能力,这一能力是其他常用的神经网络模型所不具备的。所提出的径向基函数网络诊断模型以基于K-means聚类的自组织方法选取隐含层基函数中心,减少了隐含层节点数量。另外根据核电站故障瞬态工况数据的特点,提出了一种新的专门适用于核电站故障诊断问题的隐含层基函数方差选取方法,提高了故障诊断的准确度。使用遗传算法对诊断模型的输入数据结构进行了优化。在优化过程中,首次提出了对输入数据设置缩放系数,进一步提高了径向基函数网络诊断模型的性能。基于近年来在人工智能领域得到广泛应用的循环神经网络和LSTM等深度学习算法,提出了核电站故障瞬态工况下剩余未停堆时间的预测模型。该预测模型可以有效利用热工水力系统工况数据序列中的信息,效果优于常规的使用单个工况时间点作为输入的前馈神经网络预测模型。在建模中通过引入长短期记忆模型,解决了简单循环神经网络预测模型中存在的梯度消失问题,提高了预测的精度。通过在基于长短期记忆循环神经网络的剩余未停堆时间预测模型中增加dropout层,避免了预测实验中出现的过拟合。应用长短期记忆循环神经网络算法,建立了故障工况下核电站热工水力系统重要工况参数的预测模型。该工况参数预测模型以核电站故障工况初始阶段的瞬态工况数据为输入,可以对较长期的工况参数变化趋势进行预测。提出一种基于最大信息系数的预测模型特征选取优化方法,通过应用该特征选择优化方法提高了长短期记忆循环神经网络模型的预测精度。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 刘高宇;;深度神经网络在煤质数据分析与预测中的应用[J];电脑知识与技术;2019年28期
3 冯伟业;廖可非;欧阳缮;牛耀;;基于胶囊神经网络的合成孔径雷达图像分类方法[J];科学技术与工程;2019年28期
4 温赞扬;;基于群智优化神经网络的音乐风格分类模型研究[J];现代电子技术;2019年21期
5 郑丽;;建筑设计中神经网络技术与遗传算法探究[J];湖北农机化;2019年21期
6 易炜;何嘉;邹茂扬;;基于循环神经网络的对话系统记忆机制[J];计算机工程与设计;2019年11期
7 黄为;李永刚;胡上成;汪毅;;基于循环神经网络的船摇数据实时预测[J];科学技术与工程;2019年31期
8 赖策;魏小琴;;卷积神经网络的训练方式研究[J];信息与电脑(理论版);2019年22期
9 周济民;;基于神经网络改进的元胞自动机分析——美国阿片类药物滥用情况[J];信息系统工程;2019年11期
10 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
11 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
12 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
13 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
14 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
15 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
4 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
5 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
6 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
7 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
8 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
9 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
10 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
中国硕士学位论文全文数据库 前10条
1 白会杰;基于人工智能的光伏发电短期功率预测技术[D];北京交通大学;2019年
2 张荣葳;基于卷积神经网络与SimHash的网络异常流量检测技术研究[D];中国工程物理研究院;2019年
3 张超利;基于神经网络的河南省空气污染预测研究[D];华北水利水电大学;2019年
4 范汝鑫;基于深度神经网络的个性化商品推荐研究[D];合肥工业大学;2019年
5 贾凯;人工蜂群算法与BP神经网络并行集成学习研究[D];合肥工业大学;2019年
6 黄国维;基于深度学习的城市垃圾桶智能分类研究[D];安徽理工大学;2019年
7 江白华;基于深度学习的人脸识别研究[D];安徽理工大学;2019年
8 侯栋楠;基于深度特征学习的振动状态识别方法[D];华北电力大学;2019年
9 肖炜茗;基于Bernstein多项式和阶梯路径构造的前向插值神经网络及逼近能力[D];天津师范大学;2019年
10 强硕;基于神经网络的电锅炉动态过程建模研究[D];华北电力大学;2019年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
5 ;神经网络小史[N];电子报;2018年
6 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
7 ;人工智能将取得大面积突破[N];中国企业报;2017年
8 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
9 ;人类正迎来云端机器人时代[N];中国企业报;2017年
10 张斌;谁还需要“同传”[N];文汇报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978