【技术实现步骤摘要】
本专利技术本专利技术涉及核电堆芯智能化监控，具体公开了一种基于3ao法的氙震荡自动抑制辅助预警提示方法。
技术介绍
1、当前国内核电机组应电网要求调整负荷的情况日益频繁，频繁的负荷变动要求将给反应堆操控及堆芯安全管理带来一定的挑战。同时，寿期末的负荷变动可能引起氙震荡，对于操纵员控制能力提出一定挑战，存在控制不当引起堆芯局部功率畸变的风险。针对已经在运多年的二代及二代加型机组，不具备堆内自给能探测器及开展类似技术改造的可能。为具备三代压水堆机组的堆芯在线监测功能，增强机组应对负荷跟踪变化的控制能力，而现有氙震荡抑制方法多依赖操纵员手动调整控制棒和硼浓度，反应速度慢，易受人为因素影响，存在一定的安全隐患。
技术实现思路
1、本专利技术旨在解决核反应堆操作中关于氙震荡的监控和预警提示问题。在传统的核反应堆运行中，氙震荡的出现往往因为手动或半自动控制系统响应不及时，导致核反应堆功率不稳定，严重时可能引发安全事故。此外，传统方法中操作人员需持续监控反应堆状态，这不仅增加了操作复杂性，也提高了因人为错误导致的风险。因此，本专利技术需要解决以下技术问题：
2、1、如何实时准确地监测并预测氙震荡的发生，以便及时做出反应。
3、2、如何辅助预警提示地调整控制棒位置和硼浓度，减少人为操作，并提高控制的准确性和效率。
4、3、如何确保在不同运行条件下，核反应堆的安全性和稳定性，避免因控制不当导致的反应堆事故。
5、为了克服现有技术中的不足，本专利技术提供
6、一种基于3ao法的氙震荡自动抑制辅助预警提示方法，包括以下步骤：
7、步骤1，实时监测堆芯的运行参数，并采用卷积神经网络识别氙震荡的发生；
8、步骤2，基于3ao法算法，计算最优的控制棒和硼浓度调整方案，适应不同运行工况下的动态变化。
9、步骤3，根据控制模块的指令，自动提示操作者调整控制棒位置和硼浓度。
10、步骤4，实时反馈调整效果，分析调整结果与预期目标的差异，动态优化后续调整策略。
11、进一步，步骤1具体过程为：
12、首先在堆芯关键部位安装高精度的传感器，全面监测堆芯的运行状态。
13、温度传感器：在中央轴线周围均匀布置温度传感器，监测堆芯的温度变化，识别热点区域及温度异常。
14、压力传感器：在堆芯顶部和底部安装压力传感器，分布在四个象限，监测冷却剂压力，识别压力波动与异常。
15、中子通量（功率）：堆外核测系统rpn功率量程探测器。
16、冷却剂流量传感器：在冷却剂入口和出口处安装流量传感器，监测冷却剂的流量，确保冷却系统的稳定运行。
17、将采集到的原始传感器数据进行去噪、归一化和特征提取；采用移动平均滤波器去除高频噪声，归一化处理消除不同量纲的影响后进行特征提取，提取每个传感器的时域特征：均值、方差、峰度、偏度、最大值、最小值；频域特征：频谱能量、主频率和时频域特征：小波变换系数，形成综合特征向量。再采用滑动窗口技术将连续的数据划分为多个重叠的窗口，每个窗口作为一个样本输入卷积神经网络模型。
18、
19、其中，为窗口长度的时间步长，为第个样本,为时间步长的数据。
20、卷积神经网络架构如下：
21、输入层：形状，即每个样本包含个时间步长的数据，每个时间步长有个传感器数据。
22、卷积层1：64个(3,3)卷积核，激活函数relu；
23、池化层1：最大池化，窗口大小(2,2)；
24、卷积层2：128个(3,3)卷积核，激活函数relu；
25、池化层2：最大池化，窗口大小(2,2)；
26、全连接层1：256个节点，激活函数relu；
27、输出层：1个节点，激活函数sigmoid，输出氙震荡发生的概率；
28、损失函数与优化算法
29、采用二元交叉熵作为损失函数，衡量模型预测概率与实际标签之间的差异：
30、
31、其中，作为二元交叉熵损失函数指导模型优化，为样本数量，为样本真实标签，0表示无氙震荡，1表示发生氙震荡，表示模型对第个样本的预测概率。
32、采用adam优化器，结合梯度下降方法自适应调整学习率：
33、
34、
35、
36、
37、
38、其中，和分别为一阶和二阶矩的估计，和分别为一阶和二阶矩的偏差修正形式，表示梯度，和分别为一阶和二阶矩的衰减率，为学习率，ϵ为防止除零的小常数，为参数更新前的值，为参数更新后的值。
39、更新模型参数后，在验证集上评估模型性能，根据验证结果调整模型学习率，提高模型收敛速度和稳定性，对实时监测的数据设定阈值，通过卷积神经网络预测输出氙震荡发生的概率，预测是否发生氙震荡。
40、进一步，步骤2具体过程为：
41、选择深度q网络算法与3ao法融合，利用3ao法提供的初始控制方案，dqn算法在此基础上进行自主学习和策略优化，计算出最优的控制棒和硼浓度调整方案，适应不同运行工况下的动态变化，有效提升氙震荡的抑制效果，确保堆芯运行的安全性和稳定性。
42、融合过程如下：
43、动作空间初始化
44、使用3ao法定义的基本控制动作，作为强化学习智能体的初始动作集，在3ao法的基础上，扩展智能体的动作空间，引入更精细的控制动作，细微调整控制棒位置和硼浓度，以提高控制精度。
45、
46、
47、
48、其中，表示3ao法定义的基本控制动作，表示强化学习扩展的动作，为综合动作空间，分别是控制棒上升、保持和下降，分别是新增动作：控制棒上升0.5%、控制棒下降0.5%、硼浓度增加0.1ppm、硼浓度保持不变、硼浓度减少0.1ppm。
49、策略初始化
50、智能体的初始策略优先选择3ao法提供的动作，通过引入ε-贪婪策略，逐步探索扩展动作；混合控制策略为：
51、
52、其中，表示选择执行的具体控制动作，表示一个决策规则，为从动作空间a中选择的一个动作，使得在当前状态下，q函数值最大化。即在状态下，选择那个根据当前价值函数参数评估下可以获得最大预期回报的动作；
53、策略优化过程
54、动作选择，使用-贪婪策略，部分时间选择随机动作，以促进探索。
55、
56、q网络更新，采用损失函数衡量目标网络与主q网络的差异：
57、
58、其中，为dqn算法的损失函数，用于表示对变量的期望值，为经验回放缓冲本文档来自技高网...
【技术保护点】
1.一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，步骤1具体过程为：
3.根据权利要求1所述的一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，步骤2具体过程为：
4.根据权利要求3所述的一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，分别为：控制棒上升0.5%、控制棒下降0.5%、硼浓度增加0.1ppm、硼浓度保持、硼浓度减少0.1ppm。
5.根据权利要求3所述的一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，智能体逐步优化控制策略输出的控制动作如下：
6.根据权利要求1所述的一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，步骤3具体过程为：
7.根据权利要求6所述的一种基于3AO法的氙震荡自动抑制辅助预警提示方法，其特征在于，PID控制器通过以下工作流程将输入数据转化为调节量：
8.根据权利要求1所述的一种基于3AO法的氙
...【技术特征摘要】
1.一种基于3ao法的氙震荡自动抑制辅助预警提示方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于3ao法的氙震荡自动抑制辅助预警提示方法，其特征在于，步骤1具体过程为：
3.根据权利要求1所述的一种基于3ao法的氙震荡自动抑制辅助预警提示方法，其特征在于，步骤2具体过程为：
4.根据权利要求3所述的一种基于3ao法的氙震荡自动抑制辅助预警提示方法，其特征在于，分别为：控制棒上升0.5%、控制棒下降0.5%、硼浓度增加0.1ppm、硼浓度保持、硼浓度减少0.1ppm。
【专利技术属性】
技术研发人员：焦健，朱昌荣，詹勇杰，金雪娜，杨嗣，王欣，秦玉焘，彭杏林，王涛，吕栋，
申请(专利权)人：中核核电运行管理有限公司，
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。