(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111471177.6 (22)申请日 2021.12.0 3 (71)申请人 华北电力大 学 地址 102206 北京市昌平区朱辛庄北农路2 号 (72)发明人 郭张鹏　冯千懿　甘宇　赵后剑　 牛风雷　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 代理人 韩迎之 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) G06F 119/20(2020.01) (54)发明名称 核反应堆安全壳关键参数快速预测系统及 模型的构建方法 (57)摘要 用于核反应堆安全壳关键参数快速预测系 统及模型的构建方法， 用于非能动安全壳冷却系 统的事故预测， 所述方法包括以下步骤： 初始化 安全壳参数， 构建数据集； 构建LSTM快速预测模 型， LSTM快速 预测模型包 括单参量模型和多参量 协同模型， 利用单参量模型和多参量协同模型进 行预测安全参数瞬态； 利用数据集对模型进行训 练得到最优LSTM快速 预测模型； 输入安全壳参数 到最优LSTM快速预测模型对安全壳安全性能进 行预测。 所述系统中包括输入参数获取模块、 数 据处理模块、 预测模块、 预测结果检验模块。 本发 明成果可为核反应堆安全壳关键安全参数的敏 感性、 不确定性分析、 系统设计优化提供快速预 测智能分析模型。 权利要求书1页 说明书8页 附图5页 CN 114139457 A 2022.03.04 CN 114139457 A 1.一种核反应堆安全壳关键参数快速预测模型的构建方法， 其特征在于， 包括以下步 骤： S1:初始化 安全壳参数， 构建数据集， 对所述数据集进行归一 化、 分割、 划分处理； S2:构建LSTM快速预测模型， 所述LSTM快速预测模型包括单参量模型和多参量协同模 型， 利用所述单参 量模型和所述多参 量协同模型 预测安全参数瞬态； 所述单参量模型:第一LSTM循环计算层 ‑Dropout层‑第二LSTM循环计算层 ‑Dropout层‑ 全连接层； 所述多参 量协同模型:第三 LSTM循环计算层 ‑Dropout层 ‑全连接层； 所述第一LSTM循环计算层设定含80个记忆节点、 所述第二LSTM循环计算层设定含100 个记忆节点、 所述第三 LSTM循环计算层设定含128个记 忆节点； 利用所述数据集对所述 LSTM快速预测模型进行训练得到最优LSTM快速预测模型； S3:输入所述 安全壳参数到所述 最优LSTM快速预测模型对安全壳安全性能进行 预测。 2.根据权利要求1所述的一种用于安全壳关键参数快速预测模型的构建方法， 其特征 在于， 对所述数据集的划分: 按时间序列长度划分为小样本数据集和大样本数据集。 3.根据权利要求1所述的一种用于安全壳关键参数快速预测模型的构建方法， 其特征 在于， 所述数据的分割为数据集特 征‑标签对的分割， 将数据集特 征和标签一 一对应分割。 4.根据权利要求1所述的一种用于安全壳关键参数快速预测模型的构建方法， 其特征 在于所述构建LSTM快速预测模 型中利用训练集对所述LSTM快速预测模 型进行训练； 利用验 证集观测训练过程中的效果； 利用测试集对LSTM快速预测模型性能进行检验； 利用所述测试集对LSTM快速预测模型进行检验时所述测试集的时间序列性 不改变。 5.根据权利要求1所述的一种用于安全壳关键参数快速预测模型的构建方法， 其特征 在于所述单参 量模型中所述训练集、 所述验证集、 所述测试集均采用小样本数据集； 所述多参量协同模型中所述训练集、 所述验证集也采用小样本数据集并且在所述多参 量协同模型中所述数据需经数据预处理， 经所述数据预处理过程的训练集、 验证集分布占 比与单参 量模型一 致； 所述多参 量协同模型中以整个大样本数据集作为所述测试集。 6.一种核反应堆 安全壳关键参数 快速预测系统， 其特 征在于包括： 输入参数获取模块， 其中， 输入参数有安全壳内初始压力、 初始液膜覆盖率、 冷却水流 量、 风速； 数据处理模块， 将所述输入参数获取模块所获取的参数 数据进行 预处理； 预测模块， 将经过所述数据处理模块处理过的输入参数数据输入LSTM快速预测模型中 获取预测值； 预测结果检验模块， 将所述预测值与实际值进行对比， 同时选用均方误差MSE评估模型 预测效果。 7.根据权利要求6所述的一种安全壳关键参数快速预测系统， 其特征在于所述LSTM快 速预测模型为 通过权利要求1 ‑5所获取的。权　利　要　求　书 1/1 页 2 CN 114139457 A 2核反应堆安全壳关键参数快速预测系统及 模型的构建 方法 技术领域 [0001]本发明涉及对核反应堆非能动安全壳冷却系统的事故预测领域， 特别涉及一种用 于核反应堆 安全壳关键参数 快速预测系统及模型的构建方法。 背景技术 [0002]主蒸汽管道断裂事故MS LB是威胁核反应堆安全壳完整性的典型设计基准事故。 在 发生MSLB事故时非能动安全壳冷却系统PCCS通过非能动自然循环将安全壳内的热量传至 最终热阱中， 用于缓解事故工况下核反应堆一回路破口质能释放导致的压力和温度骤升， 保证核反应堆安全壳的完整性并防止放射性物质外泄。 现有技术广泛采用两相流热工水力 分析程序对核反应堆安全壳建模， 通过求解复杂的两相流方程， 分别是汽相质量、 动量、 能 量守恒， 以及液相质量、 动量、 能量守恒， 考虑两相之间复杂的汽液质能交换， 以此作为基础 物理模型对安全壳进行建模， 分析MSLB事故情况下瞬态特征。 但是上述方法普遍存在以下 问题： 求解速度慢、 分析效率低， 求 解精度依赖 两相流流动换热经验关系式。 [0003]为此如何更加准确 快速预测核反应堆非能动安全壳冷却系统PCCS在MSLB事故下 的关键安全参数随时间变化的瞬态响应， 是本发明亟需解决的技 术性问题。 发明内容 [0004]本发明的目的在于， 提供一种核反应堆安全壳关键参数快速预测系统及模型的构 建方法， 可以更加准确快速预测非能动安全壳冷却系统PCCS在MSLB事故下的关键安全参数 随时间变化的瞬态响应。 [0005]为了实现上述目的， 本发明提供了如下技 术方案： [0006]一种用于安全壳关键参数 快速预测模型的构建方法， 包括以下步骤： [0007]S1:初始化 安全壳参数， 构建数据集， 对所述数据集进行归一 化、 分割、 划分处理； [0008]S2:构建LSTM快速预测模型， 所述LSTM快速预测模型包括单参量模型和多参量协 同模型， 利用所述单参 量模型和所述多参 量协同模型进行安全参数瞬态响应特性预测； [0009]利用所述数据集对所述 LSTM快速预测模型进行训练得到最优LSTM快速预测模型； [0010]S3:输入所述安全壳参数到所述最优LSTM快速预测模型对安全壳安全性能进行预 测。 [0011]可选的， 对所述数据集的划分: [0012]按时间序列长度划分为小样本数据集和大样本数据集。 [0013]可选的， 所述数据的分割为数据集特征 ‑标签对的分割， 将数据集特征和标签一一 对应分割。 [0014]可选的， 所述单参量模型:第一LSTM循环计算层 ‑Dropout层 ‑第二LSTM循环计算 层‑Dropout层 ‑全连接层； [0015]所述多参 量协同模型:第三 LSTM循环计算层 ‑Dropout层 ‑全连接层； [0016]所述第一LSTM循环计算层、 所述第二LSTM循环计算层、 所述第三LSTM循环计算层说　明　书 1/8 页 3 CN 114139457 A 3