| 摘 要： | 熔盐堆作为第四代先进核能系统之一,在安全性、经济性、防核扩散和可持续性等方面具有独特的优势。为了保障熔盐堆运行安全,需要快速、准确地识别瞬态工况,目前的瞬态识别方法主要依赖于操作员人工识别,这会引入较大的人为因素,严重影响核电安全。为了减少熔盐堆系统瞬态识别过程中引入的人为因素,提高熔盐堆运行安全,使用RELAP5-TMSR程序对美国橡树岭国家实验室建造运行的熔盐实验堆（Molten Salt Reactor Experiment,MSRE）的瞬态工况进行建模与仿真,产生数据集,基于K近邻（K-Nearest Neighbor,KNN）机器学习方法,建立了熔盐堆系统瞬态识别模型,并对识别模型在噪声下的鲁棒性进行了分析和优化。结果显示：基于KNN方法建立的熔盐堆系统瞬态识别模型在测试集上的F1分数达到99.99%;在噪声下的识别F1分数达到94.32%,具有较高的鲁棒性;进一步优化后的熔盐堆系统瞬态识别模型在噪声下的F1分数达到99.73%,能较为准确地识别MSRE的瞬态工况,满足熔盐堆系统瞬态识别需求。基于KNN方法的熔盐堆系统瞬态识别模型能够有效识别系统瞬态工况,可应用于熔盐堆智能运...
|
