一种用于核动力系统态势感知的深度梯度链式引擎算法

摘要

态势感知是实现核动力系统“少人值守”目标的核心，特别是对反应堆一回路参数的精准预测.基于人工智能算法在解决复杂非线性问题方面的优越性，本文在自动化机器学习和深度学习的基础上利用深度梯度链式引擎建立了一种离线的核动力系统瞬态运行参数分析算法——深度梯度链式引擎（Deep Gradient Chain Engine, DGCE）算法.该算法主要由元学习模块、时间滑动窗口、深度链式引擎核心及贝叶斯优化等4部分组成.其中，深度梯度链式引擎的优势在于不依赖设计人员而自主地完成DGCE的拓扑结构搭建、选参、调试和训练.深度梯度链式引擎本身拓扑结构的搭建和超参数选择主要依赖贝叶斯优化算法，而调试和训练则主要依赖元学习模块.基于该算法，本文从数据驱动和统计学的视角提出了一个反应堆一回路系统关键参数预测模型，分析了系统瞬态运行参数的变化趋势，以充分挖掘瞬态运行参数间的内在关联性.仿真结果表明：模型可以精准预测冷却剂流量、稳压器压力、水位、堆芯热功率及蒸汽发生器中的相关参数，预测算法在降功率工况下的最低可信度达94.25%，事故工况下最低可信度达90.92%，运行速度达到10-5秒级，实现了精准快速预测.

关键词

核动力系统 / 一回路参数预测 / 态势感知 / 深度梯度链式引擎

基金资助

国家重点研发计划（2024YFA1012804）; 四川省自然科学基金（2024NSFSC1487）