基于软注意力GRU模型的堆芯瞬态热工水力参数预测方法研究

反应堆在各种工况下堆芯瞬态热工水力参数预测的准确性,直接影响到反应堆的安全性。质量流量和温度作为堆芯热工水力的重要参数,二者常被建模为时间序列预测问题。研究旨在解决瞬时条件下堆芯热工水力参数连续预测的精度问题,检验基于注意力机制的门控循环单元在核心参数预测中的可行性。本文采用1/2中国实验快堆(China Experimental Fast Reactor,CEFR)为研究对象,使用快堆子通道程序SUBCHANFLOW生成瞬态堆芯热工水力参数的时间序列,采用基于软注意力的门控循环单元(Gated Recurrent Unit,GRU)模型预测堆芯的质量流量和温度时间序列。结果表明:相较于自适应径向基(Radial Basis Function,RBF)神经网络,本文使用的软注意力的GRU网络模型预测结果更好,温度在步长为3的情况下平均相对误差不超过0.5%,在15 s内预测效果较好;质量流量在步长为10的情况下平均相对误差不超过5%,且在后续12 s内预测效果较好。本文构建的模型不仅在连续预测过程中表现出更高的预测精度,且能捕捉到动态时间序列中的趋势特点,这对维护反应堆安全,有效防止核电厂事故有极大的用处。基于软注意力的GRU模型能在瞬态反应堆工况下提供一段时间的连续预测,在工程应用中和提高反应堆安全性上具有一定的参考价值。