基于重构概念的变负荷工况下核功率预测研究

• 作者: 宋梅村 王晓龙 盖秀清 蔡琦 陈玉清
• 来源期刊: 原子能科学技术
• 关键词: BP神经网络 支持向量机 需求功率预测 统计学习
• 年，卷（期）: 2012,（z1）
• 所属期刊栏目: 反应堆工程
• 页码范围: 351-355
• 分类号: TL364.9
• 语种: 中文

摘要

为适应船用核动力装置变负荷运行工况时功率的调节,提出了一种基于运行数据统计学习的方法计算需求功率,并分别运用支持向量机和BP神经网络两种机器学习方法进行了数值试验.结果表明,在负荷急剧变化过程中,基于数据统计学习的方法计算精度优于物理模型法,特别是基于支持向量机的方法,它可在短时间内经一遍训练即可得到符合精度的训练模型,且可保证其得到的极值解即为全局最优解.此外,该方法还可应对某些输入信号缺失的情况,提高了计算过程的稳定性、可靠性和容错控制能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈玉清	海军工程大学船舶与动力学院	39	103	6.0	7.0
2	蔡琦	海军工程大学船舶与动力学院	157	628	11.0	14.0
3	宋梅村	海军工程大学船舶与动力学院	8	64	5.0	8.0
4	王晓龙	海军工程大学船舶与动力学院	10	50	4.0	6.0
5	盖秀清	海军工程大学船舶与动力学院	4	3	1.0	1.0