基于ARIMA和LSTM组合模型的核电厂主泵状态预测

来源：核动力工程杂志2022年第2期北京时间：

作者：朱少民, 夏虹, 吕新知, 卢川, 张汲宇, 王志超, 尹文哲

单位：1.核安全与先进核能技术工信部重点实验室，哈尔滨，150001；2.哈尔滨工程大学核安全与仿真技术国防重点学科实验室，哈尔滨，150001；3.中国核动力研究设计院核反应堆系统设计技术重点实验室，成都，610213；

摘要：为了对核电厂主泵的运行过程进行监测和追踪，进而提高主泵的预警能力，提出了基于差分自回归移动平均（ARIMA）和长短期记忆（LSTM）神经网络组合模型的主泵状态预测方法，并用该方法对某核电厂主泵止推轴承温度和可控泄漏流量进行单步和多步预测，以根均方误差（RMSE）为指标对预测精度进行评估。结果表明，所建立的ARIMA和LSTM神经网络组合模型能够对主泵的状态进行准确的预测和追踪，并且组合模型的预测精度要优于ARIMA和LSTM单一模型，尤其在多步预测中，组合模型的优势更加明显。

关键词：ARIMA, LSTM, 组合模型, 主泵, 时序预测, 状态监测

基金资助：国家自然科学基金（51379046）；黑龙江省自然科学基金（E2017023）