基于软注意力GRU模型的堆芯瞬态热工水力参数预测方法研究

• Published in: 核技术 Vol. 47; no. 1; pp. 124 - 132
• Main Authors: 淳思琦, 冯欢, 张安妮, 赵鹏程
• Format: Journal Article
• Language: Chinese
• Published: 南华大学 核科学技术学院 衡阳 421001%南华大学 资源环境与安全工程学院 衡阳 421001%南华大学 计算机/软件学院 衡阳 421001%南华大学 核科学技术学院 衡阳 421001 2024; 南华大学 核燃料循环技术与装备湖南省协同创新中心 衡阳 421001
• Subjects: 快堆; 瞬态热工水力; Gated recurrent unit; 参数预测; 门控循环单元; Fast reactor; Parameter prediction method; 软注意力; Soft attention; Transient thermal hydraulics
• ISSN: 0253-3219
• DOI: 10.11889/j.0253-3219.2024.hjs.47.010603

TL433; 反应堆在各种工况下堆芯瞬态热工水力参数预测的准确性,直接影响到反应堆的安全性.质量流量和温度作为堆芯热工水力的重要参数,二者常被建模为时间序列预测问题.研究旨在解决瞬时条件下堆芯热工水力参数连续预测的精度问题,检验基于注意力机制的门控循环单元在核心参数预测中的可行性.本文采用1/2中国实验快堆(China Experimental Fast Reactor,CEFR)为研究对象,使用快堆子通道程序SUBCHANFLOW生成瞬态堆芯热工水力参数的时间序列,采用基于软注意力的门控循环单元(Gated Recurrent Unit,GRU)模型预测堆芯的质量流量和温度时间序列.结果表明:相较于自适应径向基(Radial Basis Function,RBF)神经网络,本文使用的软注意力的GRU网络模型预测结果更好,温度在步长为3的情况下平均相对误差不超过0.5%,在15 s内预测效果较好;质量流量在步长为10的情况下平均相对误差不超过5%,且在后续12 s内预测效果较好.本文构建的模型不仅在连续预测过程中表现出更高的预测精度,且能捕捉到动态时间序列中的趋势特点,这对维护反应堆安全,有效防止核电厂事故有极大的用处.基于软注意力的GRU模型能在瞬态反应堆工况下提供一段时间的连续预测,在工程应用中和提高反应堆安全性上具有一定的参考价值.