Resumen

Los sistemas de la planta de energía nuclear están acoplados entre sí, y sus condiciones de operación son cambiantes y complejas. En caso de una falla de operación en estos sistemas, habrá una gran cantidad de parámetros de alarma, lo que puede causar daños a los humanos en los accidentes bajo una gran presión. Por lo tanto, es necesario predecir los valores de los parámetros clave de un sistema de dispositivos. La predicción de los valores de los parámetros clave puede ayudar a los operadores a determinar las tendencias de cambio de los parámetros del sistema con anticipación, lo que puede mejorar de manera efectiva la seguridad del sistema. En este documento, se desarrolla un modelo de red neuronal de memoria a corto y largo plazo (LSTM) de aprendizaje profundo para predecir los parámetros clave de una planta de energía nuclear. La red propuesta se verifica mediante simulaciones y se compara con la teoría gris tradicional. Los resultados de la simulación y comparación muestran que la red neuronal LSTM propuesta es efectiva y precisa en la predicción de los pará

• Materias:Seguridad nuclear Combustible nuclear Parámetros de neutrones Simulación secuencial Datos operativos
• Subjects:Nuclear safety Nuclear Fuel Neutron parameters Sequential simulation Operational data
• Palabras claves:Central nuclear; Sistemas; Parámetros clave; Aprendizaje profundo; Red neuronal LSTM; Predicción.
• Keywords:Nuclear power plant; Systems; Key parameters; Deep learning; LSTM neural network; Prediction