一种融合注意力机制与ED-LSTM模型的核工程虚拟测量方法

摘要

虚拟测量方法常被用于核反应堆瞬态工况监测.基于数据驱动方法，虚拟测量方法不直接依赖传感器获取的数据，能够解决传统监测方法部署成本高、维护困难等问题.当前，主流虚拟测量方法往往存在特征捕获能力不强、预测精度不足等问题.本文构建了一种融合注意力机制与ED-LSTM(Encoder-Decoder LSTM)模型的虚拟量测方法 .基于PCTRAN仿真软件生成的高保真核反应堆动态数据集，本文分别将时间注意力、因果自注意力、卷积注意力及分层注意力等4种注意力机制引入ED-LSTM模型，以增强ED-LSTM模型对关键时序特征的提取能力.其中，引入注意力机制的方式有3种，即只在编码器添加、只在解码器添加以及同时在编码器和解码器添加.为获得最佳模型参数值，本文设计了13种方案，分别进行仿真，并通过均方根误差（RMSE）、平均绝对误差（MAE）和判定系数（R2）等指标对模型的预测性能进行评价.结果显示：（i）在编码器中添加各种注意力机制都能提升模型的预测性能，其中添加融合时间注意力机制的效果最好（RMSE降低23.4%）;(ii)以不同方式添加因果注意力机制后，模型的预测性能均有提升且效果较稳定；（iii）在解码器中添加时间、卷积或分层注意力机制导致模型的预测性能下降，可能原因是存在信息冗余或过拟合问题.本文的研究表明，将注意力机制引入ED-LSTM模型、提升虚拟测量方法的精度是可行的.

关键词

核工程 / 虚拟测量 / ED-LSTM / 注意力机制