PREDICTIVE MODEL CONSTRUCTION METHOD AND PREDICTION METHOD
A reactor water radioactivity concentration of a nuclear power plant can be predicted with high accuracy. First, a plant state quantity prediction value is calculated by using a physical model that describes plant state quantities of the power plant including a flow rate of feedwater and a metal cor...
Gespeichert in:
Hauptverfasser: | , , , , |
---|---|
Format: | Patent |
Sprache: | eng ; spa |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | A reactor water radioactivity concentration of a nuclear power plant can be predicted with high accuracy. First, a plant state quantity prediction value is calculated by using a physical model that describes plant state quantities of the power plant including a flow rate of feedwater and a metal corrosion product concentration in feedwater of the reactor water is calculated. Next, data for supervised learning is created, and the data for supervised learning includes the previously calculated plant state quantity prediction value and a plant state quantity such as the flow rate of feedwater, the metal corrosion product concentration in feedwater, a metal corrosion product concentration in reactor water, and a radioactive metal corrosion concentration of the reactor water in the reactor as input data and includes a radioactive metal corrosion concentration in the reactor water which is an actual measured value as output data, and a predictive model is trained..
La concentración de radiactividad en el agua del reactor de una planta de energía nuclear puede predecirse con gran exactitud. Un método de construcción de modelos predictivos de una concentración de radiactividad del agua del reactor de un reactor nuclear en una planta de energía nuclear incluye los siguientes pasos. Primero, un valor de predicción cantidad del estado de la planta que se calculará utilizando un modelo físico que describe cantidades del estado planta de la planta de energía nuclear incluyendo el cálculo de una velocidad de flujo de agua de alimentación y una concentración de producto de corrosión de metales en el agua de alimentación del agua del reactor en el reactor nuclear (paso S12). Después, los datos de aprendizaje supervisado se crean, y los datos de aprendizaje supervisado incluyen el valor de predicción de cantidad del estado de la planta previamente calculado y una cantidad del estado de la planta tal como la velocidad de flujo del agua de alimentación, la concentración del producto de corrosión de metales en el agua de alimentación, la concentración del producto de la corrosión de metales en el agua del reactor, y la concentración del producto de corrosión de metales radiactivos en el agua del reactor del agua del reactor en el reactor nuclear como datos de entrada, e incluye una concentración de producto de corrosión de metales radiactivo en el agua del reactor que es un valor medido real como datos de salida (paso S13 ), y un modelo predictivo se entrena (paso S15). [DIBU |
---|