一种核电厂取水口海洋生物量变化预测方法技术

本发明专利技术涉及一种核电厂取水口海洋生物量变化预测方法，其是基于软测量技术之上，主要包括了建模（训练）和预测（测试）两方面，建模即为利用核电厂取水口海洋生物影响因素的变量，如温度、盐度、溶氧、浊度、流速、x‑流向，Y‑流向，Z‑流向等数据，通过数据特征提取，采用不同算法进行学习与训练，从而得到合适的数学模型；预测主要通过已获得的模型，根据现场实际变量推测取水口海洋生物变化，用以断定海生物入侵程度及发生取水口堵塞的可能性，为全面提高核电厂冷源可靠性提供支持。

【技术实现步骤摘要】
一种核电厂取水口海洋生物量变化预测方法
本专利技术涉及属于核电厂安全领域，具体涉及一种核电厂取水口海洋生物量变化预测方法。
技术介绍
软测量技术是自动控制技术、计算机技术、传感器技术相结合，利用易测得的辅助变量，应用计算机技术针对难以测量或者暂时不能测量的主导变量，选择另外一些容易测量的辅助变量，通过构建数学模型来推断或者估计，是以软件来替代硬件测量，实现主导变量测量的技术；在建立核电厂入水口海洋生物量软测量模型能预测入水口海洋生物量，直观的反应出海洋生物量的变化，对管理者决策，捕捞鱼虾防止挂网的时机有着很大的指导意义。目前对海生物入侵程度及发生取水口堵塞情况分析基本基于声呐探测技术，主要是在分析一定时间、一定范围内特定海生物数量变化趋势后，对后续海生物单位时间内爆发情况进行分析并做出相关预警；但由于海生物数量爆发时间极短，且受海洋水文、洋流等影响较大，采用此探测方法存在一定的滞后，往往留给打捞等预防措施的时间极少，无法充分发挥提前预警的目标。国内外研究大都在集中在数据分析、探测优化、提高探测效率等方面，而针对通过海洋特性建立海生物趋势模型研究还比较少。因此通过前端采集数据，开发预警系统模型，并用于取水口海生物预警显得十分必要。
技术实现思路
本专利技术目的是为了克服现有技术的不足而提供一种核电厂取水口海洋生物量变化预测方法。为达到上述目的，本专利技术所采用的技术方案为：一种核电厂取水口海洋生物量变化预测方法，所述预测方法包括如下步骤：①、通过硬件测量影响海洋生物数量的多个辅助变量的数据，并提取各数据特征；②、根据步骤①中提取的数据特征，采用不同的学习算法进行学习和训练，并得到软测量模型；③、将测试用的辅助变量的数据或者新测量的辅助变量的数据代入步骤②中训练好的软测量模型中，得到海洋生物的数量结果；④、将步骤③中得到海洋生物的数量结果与已知的测试用结果进行比较，并根据比较结果判断是否满足预期要求，进而判断步骤②中训练好的软测量模型是否为合格模型；⑤、若根据步骤④判断出步骤②中训练好的软测量模型为合格模型，则利用该合格模型在现场进行海洋生物量变化实时预测；⑥、若根据步骤④判断出步骤②中训练好的软测量模型为不合格模型，则重新依次进行步骤②、步骤③、步骤④。优选地，预测方法还包括:步骤⑦、根据步骤①中测量的辅助变量的范围不足或提取的数据特征普遍性不足以及外界条件变化因素的影响，对步骤②中得到的软测量模型进行相应的修正。优选地，步骤②中采用的学习算法包括神经网络算法、深度学习算法。优选地，步骤①中的辅助变量包括温度、盐度、溶氧、浊度、流速、x-流向、Y-流向、Z-流向。优选地，步骤①中的硬件包括温度计、盐度测量仪、氧量测量仪。优选地，步骤④中已知的测试用结果为通过声呐实验获得的海洋生物数量。由于以上技术方案的实施，本专利技术与现有技术相比具有如下优点：本专利技术的核电厂取水口海洋生物量变化预测方法，其是基于软测量技术之上，通过将自动控制技术、计算机技术、传感器技术相结合，利用易测得的辅助变量通过构建软测量数学模型，以软件的数据模型计算代替硬件测量，实现主导变量（海生物数量）的预测，从而断定海生物入侵程度及发生取水口堵塞的可能性，为全面提高核电厂冷源可靠性提供支持。附图说明图1为本专利技术的软测量建模及预测过程示意图。具体实施方式下面结合附图和具体的实施例对本专利技术做进一步详细的说明。如图1所示，核电厂入水口海洋生物量可以通过入水口处的声纳进行密度测量，但是声纳只能监视实时的区域海洋生物量，无法对现场的情况进行预判。一般来说，海生物的增长基本为指数级快速爆发，往往刚监测到海生物密度的增长，实际现场已无法通过提前打捞等措施进行预防。因此通过对影响使海生物生存环境的一些辅助变量的监测（即海水的各项参数，包括海水的温度、盐度、溶氧、浊度、流速、x-流向，Y-流向，Z-流向等，）推测海生物将来爆发的可能性，用于辅助现场决策成为必要。海生物数量与入水口相关，因此依托这些易测量的海水参数，建立软测量模型推测海生物入侵程度及发生取水口堵塞的可能性，具体如下：一种核电厂取水口海洋生物量变化预测方法，预测方法包括如下步骤：①、通过硬件测量影响海洋生物数量的多个辅助变量的数据，并提取各数据特征；②、根据步骤①中提取的数据特征，采用不同的学习算法进行学习和训练，并得到软测量模型；③、将测试用的辅助变量的数据或者新测量的辅助变量的数据代入步骤②中训练好的软测量模型中，得到海洋生物的数量结果；④、将步骤③中得到海洋生物的数量结果与已知的测试用结果（即通过声呐实验获得的海洋生物数量）进行比较，并根据比较结果判断是否满足预期要求，进而判断步骤②中训练好的软测量模型是否为合格模型；⑤、若根据步骤④判断出步骤②中训练好的软测量模型为合格模型，则利用该合格模型在现场进行海洋生物量变化实时预测；⑥、若根据步骤④判断出步骤②中训练好的软测量模型为不合格模型，则重新依次进行步骤②、步骤③、步骤④。所述预测方法还包括:步骤⑦、根据步骤①中测量的辅助变量的范围不足或提取的数据特征普遍性不足以及外界条件变化因素的影响，对步骤②中得到的软测量模型进行相应的修正。本例中，步骤②中采用的学习算法包括神经网络算法、深度学习算法。步骤①中的辅助变量包括温度、盐度、溶氧、浊度、流速、x-流向、Y-流向、Z-流向。步骤①中的硬件包括温度计、盐度测量仪、氧量测量仪。综上所述，本专利技术的核电厂取水口海洋生物量变化预测方法，其是基于软测量技术之上，通过将自动控制技术、计算机技术、传感器技术相结合，利用易测得的辅助变量通过构建软测量数学模型，以软件的数据模型计算代替硬件测量，实现主导变量（海生物数量）的预测，从而断定海生物入侵程度及发生取水口堵塞的可能性，为全面提高核电厂冷源可靠性提供支持。上述实施例只为说明本专利技术的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本专利技术的内容并据以实施，并不能以此限制本专利技术的保护范围，凡根据本专利技术精神实质所作的等效变化或修饰，都应涵盖在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种核电厂取水口海洋生物量变化预测方法，其特征在于：所述预测方法包括如下步骤：①、通过硬件测量影响海洋生物数量的多个辅助变量的数据，并提取各数据特征；②、根据步骤①中提取的数据特征，采用不同的学习算法进行学习和训练，并得到软测量模型；③、将测试用的辅助变量的数据或者新测量的辅助变量的数据代入步骤②中训练好的软测量模型中，得到海洋生物的数量结果；④、将步骤③中得到海洋生物的数量结果与已知的测试用结果进行比较，并根据比较结果判断是否满足预期要求，进而判断步骤②中训练好的软测量模型是否为合格模型；⑤、若根据步骤④判断出步骤②中训练好的软测量模型为合格模型，则利用该合格模型在现场进行海洋生物量变化实时预测；⑥、若根据步骤④判断出步骤②中训练好的软测量模型为不合格模型，则重新依次进行步骤②、步骤③、步骤④。

【技术特征摘要】
1.一种核电厂取水口海洋生物量变化预测方法，其特征在于：所述预测方法包括如下步骤：①、通过硬件测量影响海洋生物数量的多个辅助变量的数据，并提取各数据特征；②、根据步骤①中提取的数据特征，采用不同的学习算法进行学习和训练，并得到软测量模型；③、将测试用的辅助变量的数据或者新测量的辅助变量的数据代入步骤②中训练好的软测量模型中，得到海洋生物的数量结果；④、将步骤③中得到海洋生物的数量结果与已知的测试用结果进行比较，并根据比较结果判断是否满足预期要求，进而判断步骤②中训练好的软测量模型是否为合格模型；⑤、若根据步骤④判断出步骤②中训练好的软测量模型为合格模型，则利用该合格模型在现场进行海洋生物量变化实时预测；⑥、若根据步骤④判断出步骤②中训练好的软测量模型为不合格模型，则重新依次进行步骤②、步骤③、步骤④。2.根据权利要求1所述的核...

【专利技术属性】
技术研发人员：孟威，李建文，陆海荣，刘笑麟，张锦飞，成志娟，
申请(专利权)人：苏州热工研究院有限公司，中国广核集团有限公司，中国广核电力股份有限公司，
类型：发明
国别省市：江苏,32