基于CART-LSTM算法的压水堆LOCA诊断方法

来源：核动力工程杂志2025年第4期北京时间：

作者：孙哲俊, 王于龙, 魏新宇, 孙培伟

单位：西安交通大学能源与动力工程学院，西安，710049；

摘要：失水事故（LOCA）是压水堆的典型事故，事故可能诱发反应堆堆芯熔化，因此及时诊断LOCA非常重要。长短期记忆（LSTM）神经网络是一种改进的循环神经网络（RNN），能够更好地捕捉时序数据中的长期依赖关系，被广泛应用于与时序有关的故障诊断中。分类与回归树（CART）是一种常用的分类方法，具有分类速度快、准确率高、可读性强等特点。本文提出一种基于CART-LSTM的压水堆LOCA诊断方法，利用LOCA的数据集对诊断模型进行训练并优化参数，然后将训练好的模型用于LOCA诊断，从而实现对LOCA的早期快速诊断。结果表明，基于CART-LSTM的诊断方法能够准确判断LOCA的位置以及具体的破口尺寸。

关键词：失水事故（LOCA）, 故障诊断, 长短期记忆（LSTM）, 决策树