面向蒸汽发生器数字孪生的数据融合方法研究

来源：核动力工程杂志2025年第5期北京时间：

作者：宋厚德, 宋美琪, 刘晓晶

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

摘要：数字孪生技术为核电厂关键设备的研究与安全运行提供了创新手段。其中蒸汽发生器作为一、二回路能量交换的核心设备，其内部复杂的热工水力现象对核电安全至关重要，然而在构建蒸汽发生器数字孪生的过程中，面临高精度数据稀缺问题。通过融合不同精度、尺度的数据，以提升低精度数据的价值，缓解数据饥渴问题。为此，本研究基于神经网络构建了一种在不同精度数据间建立联系的数据融合模型，首先通过大量低精度样本数据学习建立基础近似模型，然后通过少量高精度数据建立跨精度修正关系，最终组合得到高精度代理模型。基于该方法，利用2291组低精度样本点和582组高精度样本点进行验证，数据来自RELAP5程序对PKL实验台架B3.1工况下蒸汽发生器的模拟。验证结果表明，数据融合模型的测试集平均归一化均方误差能够达到2.0×10⁻⁴以下，相比于仅使用高精度数据直接建模能够达到相近甚至更高的精度，有利于解决数字孪生构建过程中高精度数据稀缺带来的精度不足问题。

关键词：数据融合, 核电厂, 蒸汽发生器, 数字孪生, 神经网络