基于机器学习的小型核反应堆系统状态预测方法

来源：核动力工程杂志2018年第1期北京时间：

作者：曾聿赟, 刘井泉, 杨春振, 孙凯超

单位：1. 清华大学工程物理系, 北京, 100084;；2. 麻省理工学院核反应堆实验室, 美国剑桥, 02139；

摘要：为支持小型可移动高温熔盐堆(TFHR)自动控制系统的开发,提出了一种基于机器学习的反应堆状态预测模型,以根据仪控系统的监测数据评估反应堆当前状态并预测其未来发展。该模型由一个反应堆物理子模型和热工子模型构成,由TFHR一回路的RELAP模型生成训练数据,通过支持向量回归(SVR)训练得到,并采用粒子滤波(PF)方法估计其中的未知模型参数。通过TFHR反应性引入事故的测试算例表明,本文提出的预测模型在预测反应堆状态、估计模型参数(如反应性引入率)等方面具有良好的性能。

关键词：机器学习, 状态预测, 粒子滤波(PF), 反应堆自动控制