基于仿真与测量数据间迁移学习的核电厂运行参数预测

来源：核动力工程杂志2025年第2期北京时间：

作者：浦克, 宋厚德, 刘晓晶, 宋美琪

单位：1.上海交通大学国家电投智慧能源创新学院，上海，200240；2.上海市数值反应堆技术融合创新中心，上海，200240；3.上海交通大学核科学与工程学院，上海，200240；

摘要：核电厂安全运行的关键是实现其运行参数的精准预测。近年来，数据驱动方法表现出了强大的预测能力，然而，测量数据的不充分限制了其预测性能。本研究将基于迁移学习框架，开发了一种以多组仿真工况预训练，再利用测量数据微调的预测模型构建方法。首先通过仿真数据训练门控循环单元（GRU）神经网络，再使用部分测量数据微调模型，以预测运行工况的未来状态。使用PKL Ⅲ热工水力台架的B3.1实验的测量数据，及与之相近的9组RELAP5仿真数据，验证了方法的可行性。运用该方法预测得出蒸汽压力、蒸汽温度、下降管流体温度、出口温度、入口温度和质量流量的相对误差分别能够达到0.358%、0.065%、0.020%、0.065%、0.028%和1.705%。最后通过5组数值实验对比说明了方法各模块的有效性。

关键词：迁移学习, 运行参数预测, 门控循环单元（GRU）神经网络