一种基于深度确定性策略梯度算法和自抗扰控制的小型模块化反应堆容错控制方法

    公开(公告)号:CN117095847A

    公开(公告)日:2023-11-21

    申请号:CN202311173750.4

    申请日:2023-09-12

    Abstract: 本发明公开了一种基于深度确定性策略梯度算法和自抗扰控制的小型模块化反应堆容错控制方法,通过仿真模型获得数据;搭建DDPG‑LADRC控制模型;应用基于DDPG和LADRC的容错控制方法;评价基于DDPG和LADRC的容错控制方法。用深度确定性策略梯度算法,在小型模块化反应堆运行过程中主动学习系统特征,根据其运行工况的不同,自动调节自抗扰控制器的内置参数,从而保障小型模块化反应堆的安全运行,采用深度确定性策略梯度算法,在小型模块化反应堆运行过程中主动学习系统特征,根据其运行工况的不同,自动调节自抗扰控制器的内置参数,应用DDPG‑LADRC控制器和传统的PID控制器进行比较,验证了基于深度确定性策略梯度算法和自抗扰控制的小型模块化反应堆容错控制方法的优势。

    一种小型压水堆运行计划可达性验证方法

    公开(公告)号:CN118246316A

    公开(公告)日:2024-06-25

    申请号:CN202410220090.9

    申请日:2024-02-28

    Abstract: 本发明公开了一种小型压水堆运行计划可达性验证方法,包括以下步骤:S101、设定核动力装置运行限值和初始运行工况;S201、建立仿真模型,得到小型压水堆运行计划运行结果,对运行结果进行分析;S301、建立DNN代理模型进行拟合,与训练结果进行对比验证;S401、不同工况决策结果对比验证。本发明针对小型一体化反应堆的仿真模型,根据运行任务对安全性、经济性、灵活性的考虑程度制定奖励函数,输出给定运行任务下最优反应堆运行稳态工况。开展提高产能、降低产能任务下反应堆正常运行工况、主泵转速故障工况测试,并对优化结果进行决策结果验证,验证反应堆由初始工况转换到优化工况的瞬态过程中各运行参数均在运行限值内。

    一种小型压水堆关键参数预测方法

    公开(公告)号:CN118114556A

    公开(公告)日:2024-05-31

    申请号:CN202410219607.2

    申请日:2024-02-28

    Abstract: 本发明公开了一种小型压水堆关键参数预测方法,包括以下步骤:S101、设定核动力装置初始工况和奖励加权;S201、构建决策环境,建立不同参数单输出深度神经网络代理模型;S301、训练得出反应堆关键参数最优状态值;S401、使用均方误差评估决策环境代理模型的预测值与真实值之间的差异程度,验证模型可靠性。本发明针对小型压水堆的仿真模型,考虑该反应堆运行过程中的经济性、安全性、灵活性,使用近些年在优化决策领域应用广泛的A3C算法,将其应用于小型压水堆的关键参数预测,即设计一个智能体在不同的运行工况下,对不同工况关键参数的变化情况进行预测,辅助操作员能够提前做出不同运行工况下的最优决策。

    一种小型一体化反应堆运行多目标优化决策方法

    公开(公告)号:CN117709090A

    公开(公告)日:2024-03-15

    申请号:CN202311697364.5

    申请日:2023-12-12

    Abstract: 本发明涉及一种决策方法,并具体公开了一种小型一体化反应堆运行多目标优化决策方法,具体包括以下步骤:S101、设定核动力装置运行限值和初始运行工况;S201、建立多目标优化目标函数及其加权值;S301、构建递归函数,建立多目标优化目标函数值与多目标优化可行解之间的定量关系;S401、设计小型一体化反应堆运行多目标优化决策算法MO‑A3C,并通过此算法获得最优稳态运行工况。基于A3C架构,在其批判者网络后加以评价函数网络,以批判者网络输出为多目标优化总目标函数权值,开发出基于A3C算法的多目标优化决策算法MO‑A3C,一定程度上使用数据驱动方法减弱了认为主观性对优化结果的影响。

    一种基于HNN的小型模块化反应堆传感器数值重构方法

    公开(公告)号:CN117669356A

    公开(公告)日:2024-03-08

    申请号:CN202311171914.X

    申请日:2023-12-16

    Abstract: 本发明公开了一种基于HNN的小型模块化反应堆传感器数值重构方法,通过仿真模型获得数据,搭建基于混合神经网络的数值重构模型;应用基于混合神经网络的数值重构方案;评价基于混合神经网络的数值重构方法。用接近正常传感值的重构值替换异常传感值,即使传感器发生故障,也能向控制和保护系统传递精确的过程参数值,从而保障小型模块化反应堆的安全运行,采取膨胀卷积网络提取多维时间序列的空间特征信息;采取LSTM提取多维时序数据的时间特征,此外,本方法还采用跳跃连接结构,以防止在训练过程中出现梯度消失。最后,训练常规LSTM模型,将其作为对比模型,验证了基于混合神经网络的小型模块化反应堆传感器数值重构方法的优势。

Patent Agency Ranking