基于KNN方法的熔盐堆系统瞬态识别模型开发及分析

TL426; 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,...

Full description

Saved in:
Bibliographic Details
Published in核技术 Vol. 46; no. 11; pp. 122 - 132
Main Authors 周天泽, 虞凯程, 程懋松, 戴志敏
Format Journal Article
LanguageChinese
Published 中国科学院大学 北京 100049%上海科技大学 上海 201210 2023
上海科技大学 上海 201210
中国科学院大学 北京 100049
中国科学院上海应用物理研究所 上海 201800
中国科学院上海应用物理研究所 上海 201800%中国科学院上海应用物理研究所 上海 201800
Subjects
熔盐堆
K近邻
K-nearest neighbor
System transient identification
Molten salt reactor
Robustness
系统瞬态识别
鲁棒性
Online AccessGet full text
ISSN0253-3219
DOI10.11889/j.0253-3219.2023.hjs.46.110604

Cover

More Information
Summary:TL426; 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维,确保熔盐堆运行安全.
ISSN:0253-3219
DOI:10.11889/j.0253-3219.2023.hjs.46.110604