基于KNN方法的熔盐堆系统瞬态识别模型开发及分析.pdfVIP

第46卷第11期核技术NUCLEARTECHNIQUESVol.46，No.11

2023年11月November2023

基于KNN方法的熔盐堆系统瞬态识别模型

开发及分析

周天泽1,2虞凯程2,3程懋松2,3戴志敏1,2,3

1（上海科技大学上海201210）

2（中国科学院上海应用物理研究所上海201800）

3（中国科学院大学北京100049）

摘要熔盐堆作为第四代先进核能系统之一，在安全性、经济性、防核扩散和可持续性等方面具有独特的优势。

为了保障熔盐堆运行安全，需要快速、准确地识别瞬态工况，目前的瞬态识别方法主要依赖于操作员人工识别，

这会引入较大的人为因素，严重影响核电安全。为了减少熔盐堆系统瞬态识别过程中引入的人为因素，提高熔

盐堆运行安全，使用RELAP5-TMSR程序对美国橡树岭国家实验室建造运行的熔盐实验堆（MoltenSaltReactor

Experiment，MSRE）的瞬态工况进行建模与仿真，产生数据集，基于K近邻（K-NearestNeighbor，KNN）机器学习

方法，建立了熔盐堆系统瞬态识别模型，并对识别模型在噪声下的鲁棒性进行了分析和优化。结果显示：基于

KNN方法建立的熔盐堆系统瞬态识别模型在测试集上的F1分数达到99.99%；在噪声下的识别F1分数达到

94.32%，具有较高的鲁棒性；进一步优化后的熔盐堆系统瞬态识别模型在噪声下的F1分数达到99.73%，能较为

准确地识别MSRE的瞬态工况，满足熔盐堆系统瞬态识别需求。基于KNN方法的熔盐堆系统瞬态识别模型能

够有效识别系统瞬态工况，可应用于熔盐堆智能运维，确保熔盐堆运行安全。

关键词熔盐堆，K近邻，系统瞬态识别，鲁棒性

中图分类号TL426

DOI:10.11889/j.0253-3219.2023.hjs.46.110604

DevelopmentandanalysisofaK-nearest-neighbor-basedtransientidentificationmodel

formoltensaltreactorsystems

ZHOUTianze1,2YUKaicheng2,3CHENGMaosong2,3DAIZhimin1,2,3

1(ShanghaiTechUniversity,Shanghai201210,China)

2(ShanghaiInstituteofAppliedPhysics,ChineseAcademyofSciences,Shanghai201800,China)

3(UniversityofChineseAcademyofSciences,Beijing100049,China)

Abstract[Background]Moltensaltreactors(MSRs)arefourth-generationadvanced