基于相加模型的冷却水泄漏量预测方法技术

本发明专利技术提供一种基于相加模型的冷却水泄漏量预测方法，其包括以下步骤；S1：对输入的原始冷却水泄漏量时间序列数据，采用CEEMDAN分解方法，获得原始泄漏量时间序列数据在不同特征频率限带的K个分量序列；S2：利用N种时间序列信号预测模型，构建预测模型方法库；S3：在给定输入步数下，基于改进的遗传算法，依据各分量相加预测结果，对预测模型进行联合学习与优化，优化各分量预测所使用的预测模型类型、预测模型未知参数与分量相加权重；S4：根据优化结果建立预测模型，获得最终优化预测结果。本发明专利技术自动化程度高，能够简化预测建模过程的操作，提高冷却水泄漏量预测效率；同时能减小建模过程中过拟合或欠拟合问题的发生，提高预测结果的准确性。结果的准确性。结果的准确性。

【技术实现步骤摘要】
基于相加模型的冷却水泄漏量预测方法


[0001]本专利技术涉及核电站主泵泄露安全领域，特别涉及一种基于相加模型的冷却水泄漏量预测方法。

技术介绍

[0002]随着科学技术的发展成熟，核能在全球能源供给中的占比持续提高。庞大的核电规模，为社会能源供给提供了坚实保障，同时也对核电站安全运行提出了更高的要求。核电站主泵作为反应堆冷却系统的重要设施，承担着为冷却剂回路循环提供动力并输送热量的关键任务。而在实际情况中，核主泵受到极端工作环境的影响，容易发生各种故障，并以密封圈泄漏量持续增大作为其主要故障模式。泄漏故障将对核设施的运行造成严重后果，因此进行主泵密封组件泄漏量预测，对于保证核电站健康运行具有重要意义。
[0003]在传统研究中，由于泄露过程的复杂动态性，通常需要借助相关物理及数学模型来研究泄漏量的变化趋势，但因系统复杂的结构组成与运行关系，该类方法往往难以刻画不同变量间的物理关系，导致解决问题时的局限性。随着数据科学的发展与故障数据的不断积累，基于数据驱动的预测手段逐渐得到了广泛的应用并取得了不少成果，其中时间序列预测是数据驱动核主泵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相加模型的冷却水泄漏量预测方法，其特征在于：其包括以下步骤；S1：对输入的原始冷却水泄漏量时间序列数据，采用CEEMDAN分解方法，获得原始泄漏量时间序列数据在不同特征频率限带下的K个分量序列；S2：利用N种时间序列信号预测模型，构建预测模型方法库，作为各个分量序列进行单独预测时预测模型的备选库；S3：对步骤S2的预测模型进行优化:给定输入步数，基于改进的遗传算法，依据各分量相加预测结果，对整体预测模型进行联合学习与优化，优化各个分量预测所使用的预测模型类型、预测模型未知参数与分量相加权重，其具体包括以下子步骤：S31：确定各预测模型待优化的目标参数及其参数优化搜索域；S32：采用二进制编码，根据分解获得的分量序列个数与目标优化参数随机初始化种群编码，种群编码的内容包括预测模型的类型、预测模型的未知参数与各分量相加权重，即种群中每个染色体的编码包含了所有K个分量序列对应的各自预测模型类型、预测模型参数与分量预测结果相加权重3部分信息；染色体的编码长度随分量序列的个数与模型类型的选择不同而不同，并设定种群包含染色体的个数为S；S33：建立由各模型各分量最优参数与对应均方根误差RMSE组成的最优参数
‑
RMSE数据库，最优参数
‑
RMSE数据库包括两个矩阵，矩阵的大小均为N
×
K维，两个矩阵分别命名为历史最优参数矩阵和历史RMSE矩阵；历史最优参数矩阵中各元素的初始值设为各模型参数搜索域的中值，历史RMSE矩阵中元素的初始值设为无穷大；两个矩阵中元素M
ij
与P
ij
一一对应，M
ij
与P
ij
分别代表了第j个分量利用第i种模型预测时的最优模型参数与该最优模型参数下的RMSE,矩阵具体如下所示：数下的RMSE,矩阵具体如下所示：S34：对种群中每个染色体，利用解码后的信息分别训练各分量序列对应的预测模型，并计算各分量序列预测模型的预测结果与分量序列真实值的RMSE；S35：将步骤S34得到的各分量序列预测结果与最优参数
‑
RMSE数据库中数据进行对比，更新最优参数
‑
RMSE数据库，具体对比方法为，对比当前预测中，各分量序列模型获得预测结果的RMSE值与历史RMSE矩阵中存储的该分量序列使用对应模型的RMSE值，若当前RMSE值小于历史RMS...

【专利技术属性】
技术研发人员：刘杰，郑舒文，任伟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：