买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种基于神经网络的压水堆调峰过程轴向功率偏移预测方法，第一，将功率、燃料富集度、燃料组件中可燃毒物棒数量、控制棒棒位、燃耗水平、轴向氙毒分布、轴向钐毒分布、径向氙毒分布、径向钐毒分布等按照特定格式排列好，制作成标准输入文件。第二，将每个目标点下的堆芯轴向功率偏移AO值以特定格式排列好，制作成标准输出文件。第三，搭建卷积神经网络模型。第四，将标准输入文件、标准输出文件放入模型中进行训练，直至模型参数达到要求，并将训练好的模型参数导出。第五，按照第一步的方法制作需要预测目标点的标准输入文件。第六，将需要预测目标点的标准输入文件通过加载模型参数进行计算，获得各个目标点的AO预测值。

主权项：1.一种基于神经网络的压水堆调峰过程轴向功率偏移预测方法，其特征在于：能够精确而快速地预测未来某个时间点的堆芯轴向功率偏移，以下简称堆芯轴向功率偏移为AO；包括如下步骤：步骤1：处理输入数据，制作标准输入文件：首先，根据机组的燃料组件布置图，提取燃料组件的燃料富集度和可燃毒物棒数量信息；然后，基于核电厂调峰过程的实测数据，提取各个目标点的堆芯功率和各控制棒棒位信息，其中不同目标点之间间隔时间步长不超过60分钟；之后，通过堆芯物理计算软件进行功率历史模拟，将调峰过程对应时刻下的燃耗分布、轴向氙毒分布、轴向钐毒分布、径向氙毒分布、径向钐毒分布信息提取出来；最后，将所有目标点的堆芯功率、燃料组件的燃料富集度、可燃毒物棒数量、控制棒棒位、燃耗分布、轴向氙毒分布、轴向钐毒分布、径向氙毒分布、径向钐毒分布按照N×X×Y×M的格式排列，制作标准输入文件；其中N是目标点的个数，即样本数；X代表堆芯x方向燃料组件数目；Y代表堆芯y方向燃料组件数目；M代表提取参数信息的类别数；步骤2：制作标准输出文件：将每个目标点的AO值以N×1的格式排成1列，制作成标准输出文件；其中N与步骤1中的N完全一致；步骤3：搭建卷积神经网络模型：其中卷积神经网络模型基于Inception-Resnet结构进行搭建，包括多个小卷积核、多个Inception-Resnet模块、一个全局平均池化层和多个全连接层连接；步骤4：训练卷积神经网络模型：每个目标点对应的步骤1中得到的标准输入文件与步骤2中得到的标准输出文件共同组成一组训练数据；将所有组训练数据分为训练集、验证集和测试集，用来进行卷积神经网络模型训练，训练卷积神经网络模型采用均方差函数作为损失函数，采用Adam算法实现神经网络参数的更新；训练完成后将卷积神经网络模型参数导出，在后续步骤6中使用；步骤5：制作需要预测目标点的标准输入文件：根据实际情况将需要预测目标点的信息按照步骤1中的过程制作标准输入文件；首先，提取燃料组件的燃料富集度和可燃毒物棒数量信息；然后，提取各个目标点的堆芯功率及控制棒棒位信息；之后，通过堆芯物理计算软件进行功率历史模拟，将调峰过程对应时刻下的燃耗分布、轴向氙毒分布、轴向钐毒分布、径向氙毒分布、径向钐毒分布信息提取出来；最后，将堆芯功率、燃料组件的燃料富集度、可燃毒物棒数量、控制棒棒位、燃耗分布、轴向氙毒分布、轴向钐毒分布、径向氙毒分布、径向钐毒分布按照N×X×Y×M的格式排列好，制作标准输入文件；步骤6：进行AO预测：将步骤5需要预测目标点的标准输入文件通过步骤4中得到的卷积神经网络模型参数进行计算，即获得各个目标点的AO预测值。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于神经网络的压水堆调峰过程轴向功率偏移预测方法