本发明专利技术公开了一种基于机器学习的核动力装置运行数据分析方法与系统，方法包括：基于核动力装置的运行需求，构建运行数据挖掘模型，通过运行数据挖掘模型对核动力系统运行的历史数据进行管理与挖掘，并对运行数据标注，获得不同类型的数据标签；基于标注后的数据，开发数据可视化驱动与分析模型；采用仿真数据形成离线数据集，通过机器学习算法构建在线预测模型，获取机组运行数据；基于机组运行数据构建系统运行状态识别模型，对核动力装置状态进行识别。本发明专利技术可准确实现系统运行工况识别与运行故障识别，缓解操作人员事故处理压力，避免人因失误导致的事故恶化，提高核动力装置的安全性，在工程领域具有广阔的应用前景。在工程领域具有广阔的应用前景。在工程领域具有广阔的应用前景。
【技术实现步骤摘要】
一种基于机器学习的核动力装置运行数据分析方法与系统
[0001]本专利技术涉及核动力装置运维
，尤其涉及一种基于机器学习的核动力装置运行数据分析方法与系统。
技术介绍
[0002]核能具有安全性、经济性好且污染小等优势，是能源发展中不可或缺的一部分。由于核能的特殊性，保证核动力装置的安全稳定运行至关重要，观测并分析核动力装置运行数据是判断其系统状态并做出合理决策的关键环节。然而，核动力装置是一种高度复杂的非线性时变系统，涉及到的系统繁多且耦合性强，由数据采集系统或集散控制系统收集的数据规模庞大，这为核动力装置的运行数据监测与分析、异常状态的识别与应对以及设备维修与管理等方面带来一定的负担。
[0003]核动力装置在运行过程中，由于运行扰动、停堆时间与深度、设备异常等方面的影响，各运行参数会偏离正常的运行规律，而对系统异常运行状态的判断仍然主要依赖人员的经验。目前，核动力装置通常采取传统的数据分析、统计手段来进行日常的数据汇总、制表、趋势分析等浅层次的处理和使用，对数据进行自动分析与处理能力普遍较弱，无法在异常运行状态出现的早期及时发现，难以满足其紧密跟踪、快速响应的要求。
[0004]随着机器学习技术的快速发展，通过基于数据驱动的方式提高核动力装置的自动化和智能化水平是核工业发展的重要方向。因此，提出基于机器学习的核动力装置运行数据分析方法与系统具有重要工程意义。
技术实现思路
[0005]本专利技术的目的是解决核动力装置运行数据分析难度大、响应不及时、可视化程度差等问题，提供一种基于机器学习的核动力装置运行数据分析方法与系统，快速、准确地实现运行数据挖掘、分析与预测等功能，保证核动力装置的安全、稳定运行。
[0006]为实现上述目的，本专利技术提供了一种基于机器学习的核动力装置运行数据分析方法，包括：
[0007]基于核动力装置的运行需求，构建运行数据挖掘模型，通过运行数据挖掘模型对核动力系统运行的历史数据进行管理与挖掘，并对运行数据标注，获得不同类型的数据标签；
[0008]基于标注后的数据，开发数据可视化驱动与分析模型，用于识别系统重要参数，并展示数据分析结果；
[0009]采用仿真数据形成离线数据集，通过机器学习算法构建在线预测模型，获取机组运行数据；
[0010]基于所述机组运行数据构建系统运行状态识别模型，对所述核动力装置状态进行识别。
[0011]优选地，对所述核动力系统运行的历史数据进行管理，包括：
[0012]对所述核动力系统与设备的信息管理、测点管理、时序数据管理、数据清洗和数据标注。
[0013]优选地，所述信息管理包括：对核动力系统与设备的基本信息、技术参数、设备组成进行管理；
[0014]所述测点管理包括对系统、设备的所有测点信息的综合管理，所述测点信息与系统或设备绑定；
[0015]所述时序数据管理包括基于核动力运行数据的时序特点，通过时序数据库对时序数据进行管理；
[0016]所述数据清洗功能包括在数据正式入库之前和对已经入库的数据进行清洗，剔除脏数据；
[0017]所述数据标注包括对任意时间段内的数据进行基本的注释，并对识别出的工况、异常、事故类型进行分类。
[0018]优选地，对核动力系统运行的历史数据进行挖掘，包括：
[0019]采用随机森林方法对所述核动力系统运行的历史数据进行挖掘，通过所述运行数据挖掘模型对数据进行预处理，获取训练数据集，并将所述训练数据集划分为训练集和测试集；
[0020]使用bootstrap采样方法从所述训练数据集中选取N个不同的子训练集，利用所述子训练集分别对CART回归树进行训练，获得各个不同的回归模型；
[0021]将所述测试集数据输入至所述回归模型中，得到相应的预测值，取各所述预测值的平均值作为最终预测值，根据所述测试集的预测结果评价模型精度，若不满足精度要求，则调整模型结构与超参数直至满足精度要求；
[0022]基于所述最终预测值对所述核动力系统运行数据进行标注，形成不同类型的数据标签。
[0023]优选地，所述数据可视化驱动与分析模型包括自定义分析模型与基于数据挖掘的分析模型；其中，所述自定义分析模型为基于先验知识已知的核动力系统和设备的数据关系，通过自定义关系的方式，对数据关系进行定义和管理；
[0024]所述基于数据挖掘的分析模型用于对于运行机理复杂的隐性关系，基于机器学习的方法挖掘所述隐性关系，并对挖掘的关系进行管理和验证，对自定义的显式关系以及挖掘到的隐式关系进行存储、管理，进行显性化的可视化展示。
[0025]优选地，采用仿真数据形成所述离线数据集，包括：
[0026]以仿真数据为基础，通过对不同工况下的核动力系统运行特性进行数值模拟，构建所述离线数据集。
[0027]优选地，通过机器学习算法构建在线预测模型，包括：
[0028]采用经过所述数据挖掘的分析模型处理后的数据作为神经网络算法的训练数据；设置超参数，构建满足精度要求的神经网络模型；
[0029]将所述离线数据集作为神经网络模型的输入，实现重要参数变化趋势的在线预测。
[0030]优选地，构建所述系统运行状态识别模型，包括：构建专家知识库、对神经网络模型超参数初始化、ADAM权重更新、确定损失函数以及完成模型精度验证；其中，所述系统运
行状态识别模型中包括分类器模型，所述分类器模型用于判断当前系统运行工况，以及判断当前系统是否处于故障状态。
[0031]为了实现上述目的，本专利技术还提供了基于机器学习的核动力装置运行数据分析方法的分析系统，包括：
[0032]数据挖掘模块：用于实现数据管理、数据结构化、数据挖掘算法库以及模型管理功能，并为其他模块的开发与使用提供数据支撑；
[0033]数据可视化分析模块：用于对系统运行产生的时序数据进行显性关系和隐性关系的挖掘和可视化；
[0034]在线预测模块：用于对特定的预测场景使用最优的预算算法，并对预测模型的版本进行管理，实现对系统运行数据的在线实时预测；
[0035]系统状态识别模块：用于实时运行并反馈识别结果；
[0036]其中，所述数据可视化分析模块、所述在线预测模块分别与所述数据挖掘模块交互，所述系统状态识别模块与所述在线预测模块交互。
[0037]优选地，所述数据挖掘模块包括：
[0038]数据管理子模块：用于对核动力系统的数据进行综合管理，包括：系统信息管理、设备信息管理、测点管理、时序数据管理、数据清洗和数据标注；
[0039]数据结构子模块：用于将系统参数进行结构化，形成模型的输入或输出节点。
[0040]与现有技术相比，本专利技术具有如下优点和技术效果：
[0041](1)本申请提出基于机器学习的核动力装置运行数据分析方法与系统，实现了核动力系统运行数据挖掘、数据可视化分析、系统状态在线预测等功能，建立数据可视化驱动模型，自主提供监控参数需本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的核动力装置运行数据分析方法，其特征在于，包括：基于核动力装置的运行需求，构建运行数据挖掘模型，通过运行数据挖掘模型对核动力系统运行的历史数据进行管理与挖掘，并对运行数据标注，获得不同类型的数据标签；基于标注后的数据，开发数据可视化驱动与分析模型，用于识别系统重要参数，并展示数据分析结果；采用仿真数据形成离线数据集，通过机器学习算法构建在线预测模型，获取机组运行数据；基于所述机组运行数据构建系统运行状态识别模型，对所述核动力装置状态进行识别。2.根据权利要求1所述的基于机器学习的核动力装置运行数据分析方法，其特征在于，对所述核动力系统运行的历史数据进行管理，包括：对所述核动力系统与设备的信息管理、测点管理、时序数据管理、数据清洗和数据标注。3.根据权利要求2所述的基于机器学习的核动力装置运行数据分析方法，其特征在于，所述信息管理包括：对核动力系统与设备的基本信息、技术参数、设备组成进行管理；所述测点管理包括对系统、设备的所有测点信息的综合管理，所述测点信息与系统或设备绑定；所述时序数据管理包括基于核动力运行数据的时序特点，通过时序数据库对时序数据进行管理；所述数据清洗功能包括在数据正式入库之前和对已经入库的数据进行清洗，剔除脏数据；所述数据标注包括对任意时间段内的数据进行基本的注释，并对识别出的工况、异常、事故类型进行分类。4.根据权利要求1所述的基于机器学习的核动力装置运行数据分析方法，其特征在于，对核动力系统运行的历史数据进行挖掘，包括：采用随机森林方法对所述核动力系统运行的历史数据进行挖掘，通过所述运行数据挖掘模型对数据进行预处理，获取训练数据集，并将所述训练数据集划分为训练集和测试集；使用bootstrap采样方法从所述训练数据集中选取N个不同的子训练集，利用所述子训练集分别对CART回归树进行训练，获得各个不同的回归模型；将所述测试集数据输入至所述回归模型中，得到相应的预测值，取各所述预测值的平均值作为最终预测值，根据所述测试集的预测结果评价模型精度，若不满足精度要求，则调整模型结构与超参数直至满足精度要求；基于所述最终预测值对所述核动力系统运行数据进行标注，形成不同类型的数据标签。5.根据权利要求1所述的基于机器学习的核动力装置运行数据分析方法，其特征在于，所述数据可视化驱动与分析模型包括自定义分析模型与基于数据挖掘的分析模型；其中，所述自定义分析模型为基于先验知识已...
【专利技术属性】
技术研发人员：王晨阳，夏庚磊，朱海山，彭敏俊，张博文，张元东，
申请(专利权)人：哈尔滨工程大学，
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。