【技术实现步骤摘要】
模型库的建立方法及装置、诊断方法及装置、预测方法
[0001]本专利技术属于核电严重事故分析
，具体涉及一种诊断模型库的建立方法及装置、核电厂严重事故的诊断方法及装置、核电厂严重事故的进程预测方法。
技术介绍
[0002]严重事故管理导则(Severe Accident Management Guidelines，SAMG)是核电厂在发生严重事故时，用于主控室和技术支持中心的工作人员采取措施以缓解堆芯损伤事故造成后果的指导性管理文件。
[0003]SAMG实施成功的关键因素之一为需及时、全面、准确地通过仪表获取电厂状态的物理参数。但在严重事故发生时，监测物理参数的仪表可能出现损坏或数据不准确的情况，从而导致现有的严重事故诊断结果的准确度不高。
技术实现思路
[0004]本专利技术要解决的技术问题是针对现有技术存在的上述不足，提供一种诊断模型库的建立方法及装置、核电厂严重事故的诊断方法及装置、核电厂严重事故的进程预测方法，实现在严重事故发生时，可根据有限数量的仪表监测的物理参数准确地诊断出严重事故...
【技术保护点】
【技术特征摘要】
1.一种诊断模型库的建立方法，其特征在于，包括：确定严重事故的诊断目标，严重事故的诊断目标包括N个始发事件及其相应的参数之间的映射关系；获取M个物理参数在N个始发事件下的时间序列，形成N个序列集，其中，每个序列集包括M列数据，每列数据为单个的物理参数的时间序列，M个物理参数包括仪表测量到的蒸汽发生器水位、蒸汽发生器压力、一回路压力、堆芯温度、压力容器内水位、安全壳水位、安全壳氢气、安全壳压力、以及安全壳温度，N和M为正整数；依次从N个序列集中分别选取T个具有同一物理参数的时间序列，形成数据集，其中，所述数据集包括N个第一序列集，每个第一序列集包括T列数据，2≤T＜M，T为正整数；获取与T个物理参数对应的分类模型和回归模型，并将T个物理参数、与T个物理参数对应的分类模型、回归模型及其三者之间的对应关系存储至模型库，以形成诊断模型库，其中，分类模型的数量为一个。2.根据权利要求1所述的诊断模型库的建立方法，其特征在于，在所述将T个物理参数、与T个物理参数对应的分类模型、回归模型及其三者之间的对应关系存储至模型库，以形成诊断模型库之后，还包括：依次从N个序列集中分别选取T+t个具有同一物理参数的时间序列，其中，t＝1,2,3,...,M
‑
T，遍历t的取值，获取与各T+t个物理参数对应的分类模型和回归模型，并将各T+t个物理参数、与T+t个物理参数对应的分类模型、回归模型及其三者之间的对应关系存储至诊断模型库。3.根据权利要求2所述的诊断模型库的建立方法，其特征在于，所述获取M个物理参数在N个始发事件下的时间序列，形成N个序列集，具体包括：调用严重事故一体化分析程序分别对N个始发事件相应的参数进行模拟计算，获取M个物理参数在N个始发事件下的时间序列，形成N个序列集。4.根据权利要求2所述的诊断模型库的建立方法，其特征在于，所述依次从N个序列集中分别选取T个具有同一物理参数的时间序列，形成数据集，具体包括：依次从N个序列集中分别选取与诊断目标相关性大于第一相关阈值，且仪表可用性大于第一仪表阈值的T个具有同一物理参数的时间序列，形成数据集。5.根据权利要求2所述的诊断模型库的建立方法，其特征在于，所述获取与T个物理参数对应的分类模型和回归模型，具体包括：采用长短期记忆算法对所述数据集进行深度学习模型训练和性能评估，得到与T个物理参数对应的分类模型集合和回归模型集合；对与T个物理参数对应的分类模型集合和回归模型集合中的各模型进行性能评价，获取性能评价值超过性能阈值所对应的分类模型和回归模型，确定为与T个物理参数对应的分类模型和回归模型，所述依次从N个序列集中分别选取T+t个具有同一物理参数的时间序列，其中，t＝1,2,3,...,M
‑
T，遍历t的取值，获取与各T+t个物理参数对应的分类模型和回归模型，具体包括：依次从N个序列集中分别选取T+t个具有同一物理参数的时间序列，其中，t＝1,2,3,...,M
‑
T，遍历t的取值，采用长短期记忆算法对每次选取的时间序列分别进行深度学习模型训练和性能评估，得到与各T+t个物理参数对应的分类模型集合和回归模型集合；
对各T+t个物理参数对应的分类模型集合和回归模型集合...
【专利技术属性】
技术研发人员：刘政，张慧敏，元一单，马如冰，杨小明，余婧懿，
申请(专利权)人：中国核电工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。