【技术实现步骤摘要】
本专利技术涉及核反应，特别是球床式高温气冷堆燃料球流动机器模拟预测方法及系统。
技术介绍
1、目前模块式高温气冷堆技术是第四代核反应堆技术，核蒸汽供应系统(简称nsss模块)连接汽轮发电机组运行发电的结构型式，运行期间一个或多个nsss模块向汽轮机组供应蒸汽并做功，汽轮机带动发电机组发电。
2、球床式高温气冷堆是一种先进的固有安全性核反应堆，其核心采用图ite球形燃料元素，在反应堆正常运行和各种事故条件下，准确预测和评估燃料球的流动状态对保证反应堆的安全运行非常重要，目前，国内外对pbhtgr燃料球流动行为的理解还存在一定困难，pbhtgr核心内部结构复杂，存在各向异性细观结构，燃料球流动受多方面因素影响，应用简化的物理模型难以准确描述球床内部的流动现象，此外，不同的计算方法在处理球床流动问题上也存在一定局限性。
技术实现思路
1、鉴于现有的球床式高温气冷堆燃料球流动机器模拟预测方法及系统中存在的问题，提出了本专利技术。
2、因此，本专利技术的目的是提供球床式高温气冷堆燃料球流动机器模拟预测方法及系统，能够在处理球床流动局限性问题上，利用速度分布求解上下游区域合并份额，从而模拟燃料球在球床堆芯内部的流动。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了球床式高温气冷堆燃料球流动机器模拟预测方法，其包括，收集现有的球床式高温气冷堆燃料球速度数据并进行预处理；对预处理后的数据进行划分，将划分后的
5、作为本专利技术所述球床式高温气冷堆燃料球流动机器模拟预测方法的一种优选方案，其中：所述预处理包括选取典型流道燃料球速度分布数据，将收集的数据进行去重化和标准化，去除不必要的数据。
6、作为本专利技术所述球床式高温气冷堆燃料球流动机器模拟预测方法的一种优选方案，其中：所述去重化包括装料管穿过压力容器顶盖进入压力容器内，通过反射层上部，从堆芯上部将燃料元件装入堆芯，燃料球在堆芯球床内自上向下流动，堆芯底部的卸料管流出反应堆压力容器，完好的燃料元件通过燃耗测量进行燃耗测量，未达到设计燃耗值的燃料元件重新装入堆芯进行再循环，将另一部分已通过燃耗测量后的燃料元件输送到乏燃料贮罐贮存；
7、所述标准化包括在反应堆运行期间将无数个燃料球连续不断地循环，沿着通道流入下游区域，将底层出来的燃料球进行批量的结合，用新的燃料球替换旧的燃料球，循环到堆芯球床顶部。
8、作为本专利技术所述球床式高温气冷堆燃料球流动机器模拟预测方法的一种优选方案，其中：所述对预处理后的数据进行划分包括按照比例划分为训练数据集和测试数据集；所述将划分后的分布特征作为目标变量建立模型包括从原始的球体流动训练样本中选择n个样本生成训练子集，将球床式高温气冷堆中燃料球的流动速度分布设定为目标变量y，在训练集子集上，建立机器学习模型，以特征变量x为输入，以目标变量y为输出，将特征变量进行分割，建立一个高层的集成模型，分割后的各特征子集进行交替学习，通过堆叠或混合的方式与高层集成模型匹配，若匹配失败，则机器学习模型进行全方位移动，进行校对，直至高层集成模型与机器学习模型校对成功，此时，当机器学习模型无法扫描到高层集成模型时，模型建立摧毁结束此次命令，若匹配成功，则对模型进行评估。
9、作为本专利技术所述球床式高温气冷堆燃料球流动机器模拟预测方法的一种优选方案，其中：所述根据测试数据集对模型进行预测评估包括根据评价指标进行评价，所述评价指标包括accuracy、precision和recall，所述accuracy表示分类正确的样本占总样本比例、所述precision表示所有被分类后的正样本中实际为正的比例，所述recall表示实际为正的样本中的分类正样本的比例，所述评价指标如下所示：
10、accuracy＝(tp+tn)/(tp+tn+fp+fn)
11、precision＝tp/(tp+fp)
12、recall＝tp/(tp+fn)
13、其中，tp表示模型分类为正的正样本，fp表示模型分类为正的负样本，fn表示模型分类为负的正样本，tn表示模型分类为负的负样本。
14、作为本专利技术所述球床式高温气冷堆燃料球流动机器模拟预测方法的一种优选方案，其中：所述通过神经网络优化对评估后的模型进行训练包括利用正向传播和反向传播调整参数进行映射，所述正向传播是将神经网络优化评估后的模型调整以适应数据的模式，所述反向传播是将模型的输出与实际数据进行比较，所述输入输出之间的映射关系公式如下所示：
15、v＝f*(x1,x2,…,xn)
16、其中，v表示球床式高温气冷堆燃料球流动速度分布，f*表示模型训练后所得的目标变量与输入变量之间的映射关系，x1,x2,…,xn表示输入变量，即影响燃料球流动速度分布的变量。
17、作为本专利技术所述球床式高温气冷堆燃料球流动机器模拟预测方法的一种优选方案，其中：所述模型训练完成后需将输入变量投入模型进行计算包括将模型分为若干层网状结构，根据输入变量x＝(x1,x2,...,xn)，模型预测输出为其中表示预测结果，x表示输入特征变量，模型f包含若干层网状结构，每层执行如下公式所示：
18、zl＝wl*al-1+bl
19、al＝g(zl)
20、
21、其中，w1和bl分别为第l层权重矩阵和偏置向量，g为激活函数，al-1为上一层输出，表示预测结果，an表示网状结构的最后一层输出向量，x表示输入特征变量。
22、第二方面，本专利技术实施例提供了球床式高温气冷堆燃料球流动机器模拟预测系统，其包括：预处理模块，其收集现有的球床式高温气冷堆燃料球速度数据并进行预处理；建立模块，其对预处理后的数据进行划分，将划分后的分布特征作为目标变量建立模型；预测评估模块，其根据测试数据集对模型进行预测评估；训练模块，其通过神经网络优化算法对评估后的模型进行训练，得到输入输出之间的映射关系；计算模块，其模型训练完成后需将输入变量投入模型进行计算。
23、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的球床式高温气冷堆燃料球流动机器模拟预测方法的任一步骤。
24、第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的球床式高温气冷堆燃料球流动机器模拟预测方法的任一步骤。
25、本专利技术有益效果为：本方法通过机器学习技术对球床式高温气冷堆内燃料球的流动进行模拟预测，收集现有的燃料球速度数据并进行预处理，对预处理后的数据进行划分建立模型，根据测试数据集对模本文档来自技高网...
【技术保护点】
1.球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：包括，
2.如权利要求1所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述预处理包括选取典型流道燃料球速度分布数据，将收集的数据进行去重化和标准化，去除不必要的数据。
3.如权利要求2所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述去重化包括装料管穿过压力容器顶盖进入压力容器内，通过反射层上部，从堆芯上部将燃料元件装入堆芯，燃料球在堆芯球床内自上向下流动，堆芯底部的卸料管流出反应堆压力容器，完好的燃料元件通过燃耗测量进行燃耗测量，未达到设计燃耗值的燃料元件重新装入堆芯进行再循环，将另一部分已通过燃耗测量后的燃料元件输送到乏燃料贮罐贮存；
4.如权利要求3所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述对预处理后的数据进行划分包括按照比例划分为训练数据集和测试数据集；所述将划分后的分布特征作为目标变量建立模型包括从原始的球体流动训练样本中选择n个样本生成训练子集，将球床式高温气冷堆中燃料球的流动速度分布设定为目标变量y，在训练集子集上，
5.如权利要求4所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述根据测试数据集对模型进行预测评估包括根据评价指标进行评价，所述评价指标包括Accuracy、Precision和Recall，所述Accuracy表示分类正确的样本占总样本比例、所述Precision表示所有被分类后的正样本中实际为正的比例，所述Recall表示实际为正的样本中的分类正样本的比例，所述评价指标如下所示：
6.如权利要求5所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述通过神经网络优化对评估后的模型进行训练包括利用正向传播和反向传播调整参数进行映射，所述正向传播是将神经网络优化评估后的模型调整以适应数据的模式，所述反向传播是将模型的输出与实际数据进行比较，所述输入输出之间的映射关系公式如下所示：
7.如权利要求6所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述模型训练完成后需将输入变量投入模型进行计算包括将模型分为若干层网状结构，根据输入变量x＝(x1,x2,...,xn)，模型预测输出为其中表示预测结果，x表示输入特征变量，模型f包含若干层网状结构，每层执行如下公式所示：
8.球床式高温气冷堆燃料球流动机器模拟预测系统，基于权利要求1～7任一所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的球床式高温气冷堆燃料球流动机器模拟预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的球床式高温气冷堆燃料球流动机器模拟预测方法的步骤。
...【技术特征摘要】
1.球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：包括，
2.如权利要求1所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述预处理包括选取典型流道燃料球速度分布数据，将收集的数据进行去重化和标准化，去除不必要的数据。
3.如权利要求2所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述去重化包括装料管穿过压力容器顶盖进入压力容器内，通过反射层上部，从堆芯上部将燃料元件装入堆芯，燃料球在堆芯球床内自上向下流动，堆芯底部的卸料管流出反应堆压力容器，完好的燃料元件通过燃耗测量进行燃耗测量，未达到设计燃耗值的燃料元件重新装入堆芯进行再循环，将另一部分已通过燃耗测量后的燃料元件输送到乏燃料贮罐贮存；
4.如权利要求3所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述对预处理后的数据进行划分包括按照比例划分为训练数据集和测试数据集；所述将划分后的分布特征作为目标变量建立模型包括从原始的球体流动训练样本中选择n个样本生成训练子集，将球床式高温气冷堆中燃料球的流动速度分布设定为目标变量y，在训练集子集上，建立机器学习模型，以特征变量x为输入，以目标变量y为输出，将特征变量进行分割，建立一个高层的集成模型，分割后的各特征子集进行交替学习，通过堆叠或混合的方式与高层集成模型匹配，若匹配失败，则机器学习模型进行全方位移动，进行校对，直至高层集成模型与机器学习模型校对成功，此时，当机器学习模型无法扫描到高层集成模型时，模型建立摧毁结束此次命令，若匹配成功，则对模型进行评估。
5.如权利要求4所述的球床式高温气冷堆燃料球流动机器模拟预测方法，其特征在于：所述根据测试数据集对模型...
【专利技术属性】
技术研发人员：罗勇，汪景新，曹良志，王永平，周勤，吴宇轩，刘伟，刘嵩阳，李雪琳，王朗，刘平，
申请(专利权)人：华能核能技术研究院有限公司，
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。