基于LSTM的核电传感器多特征融合多步状态预测

来源：核动力工程杂志2021年第4期北京时间：

作者：张思原, 卢忝余, 曾辉, 徐春, 张倬, 黄擎宇, 张尧毅, 王媛美

单位：1.中国核动力研究设计院反应堆系统设计技术国家重点实验室，成都， 610213；2.中国核动力研究设计院，成都， 610213；

摘要：针对核电工况参数预测的问题，利用核电站传感检测系统采集的大量时间序列，提出了基于长短时记忆网络（LSTM）的多特征融合多步状态预测模型。以某核电厂实时参数系统采集到的SG1蒸汽压力传感数据为研究对象，首先针对数据缺失、采样时标不一致问题进行数据预处理，然后完成基于LSTM的多特征融合多步状态预测模型的结构设计与建模，最后将本文提出的预测模型与循环神经网络（RNN）、门控循环单元（GRU）、本文模型-全连接层1以及单变量LSTM等多步预测模型进行比较。实验结果表明，本文提出的预测模型的拟合性能和预测性能整体最优，同时也验证了基于LSTM模型的深度学习方法在核电站运行安全保障领域的适用性。

关键词：核电安全, 时间序列数据, 状态预测, 深度学习