基于神经网络的蒸汽发生器过程辨识方法研究

在核电站运行过程中,由于蒸汽流量随负荷变化,蒸汽发生器内沸腾区域的气泡数量因局部压力变化而变化,水位呈现瞬时“虚假水位”现象,给蒸汽发生器的水位特性辨识带来困难。如果处理不当,就会严重影响核电站的安全运行。为了提高蒸汽发生器水位特性的辨识效果,对基于神经网络的蒸汽发生器水位辨识方法进行了研究。辨识模型采用串-并联型辨识结构。网络训练采用Levenberg-Marququardt BP学习算法(LMBP)。仿真结果表明,所提出的方法具有良好的辨识性能。

基于Elman神经网络的NSG水位特性辨识方法研究

针对核动力蒸汽发生器在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应使核动力蒸汽发生器水位特性难以辨识的问题,提出了基于Elman神经网络的NSG水位特性辨识的新方法.采用串-并联型辨识结构,以保证辨识的收敛性和稳定性.网络训练采用Levenberg-Marququardt BP学习算法.仿真结果表明,所提出的方法能够正确地辨识核动力蒸汽发生器的水位特性,且具有较高的辨识精度.

NSG水位特性神经网络辨识方法研究

核动力蒸汽发生器(NSG)是压水堆核动力装置中把一回路冷却剂从反应堆堆芯带出的热量传递给二回路水的关键性设备。在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应使核动力蒸汽发生器水位呈现瞬时“虚假水位”现象,并使其水位特性难以辨识。为了提高辨识效果,提出了NSG水位神经网络辨识的新方法。采用串—并联型辨识结构,以保证辨识的收敛性和稳定性。网络训练采用带动量因子与自适应学习率的BP学习算法。仿真结果表明,所提出的方法能够正确地辨识核动力蒸汽发生器的水位特性,且具有较高的辨识精度。