基于混合驱动降阶模型的中子注量率快速预测方法研究

来源：核动力工程杂志2024年第4期北京时间：

作者：赵梓炎, 向钊才, 赵鹏程

单位：南华大学核科学技术学院，湖南衡阳，421001；

摘要：反应堆参数发生扰动后的瞬间，中子注量率和反应堆功率的准确预测对反应堆安全运行至关重要，而现有的本征正交分解（POD）与Galerkin投影相结合的方法存在累积误差而导致精度不高的问题。使用隐式差分法得到一维中子时空扩散的精确解，并作为基准数据，引入2个长短期记忆（LSTM）神经网络项，用于降低POD的累积误差和截断误差，实现物理驱动和数据驱动的混合驱动模型的构建。结果表明，添加神经网络修正项后，对中子注量率、总功率和各阶模态系数预测的均方根误差（RMSE）均降低了1~2个数量级，添加神经网络扩展项后，在预测相同阶数情况下计算时间显著减小，基于2阶和3阶扩展到6阶的改进模型相较于原始6阶模型分别提速了13%和7.6%。混合驱动模型可以很好得改善POD快速预测精度，结果有一定的参考价值。

关键词：本征正交分解（POD）, Galerkin投影, 长短期记忆（LSTM）神经网络, 降阶模型, 中子注量率预测

基金资助：装备预研教育部联合基金（8091B032243）