辅助给水系统神经网络模型预测控制方案设计.pdfVIP

第44卷增刊1自动化仪表Vol.44No.S1

2023年9月PROCESSAUTOMATIONINSTRUMENTATIONSep.2023

辅助给水系统神经网络模型预测控制方案设计

李鸣谦,王硕，陈日罡

（中国核电工程有限公司，北京100840）

摘要：为优化“华龙一号”核电机组辅助给水系统控制性能，对辅助给水控制方案进行了研究，设计了一种基于长短时记忆（LSTM）

网络的辅助给水系统神经网络模型预测控制方案。通过仿真验证平台进行数据采集后，利用LSTM神经网络训练出蒸汽发生器液位

预测器，以反应控制过程的动态特性。应用模型预测控制方案，根据蒸汽发生器液位估计值实时优化控制变量。验证结果表明，与手

动控制/核电厂自动控制方案相比，模型预测控制方案可实现更快、更准确的设定点跟踪功能，同时需要的控制工作量更少，可达到有

效减少对系统部件的磨损、延长系统部件使用寿命的作用。此外，所提方案可被应用于其他需要精确和有效控制的复杂工业过程。

关键词：核电厂；神经网络；长短时记忆；模型预测控制；辅助给水系统；智能控制

中图分类号：TH-702文献标志码：AD0I:10.16086/j.cnki.issn1000-0380.2023030209

DesignofNeuralNetworkModelPredictive

ControlSchemeforAuxiliaryFeedwaterSystem

LIMingqian,WANGShuo,CHENRigang

(ChinaNuclearPowerEngineeringCo.,Ltd.,Beijing100840,China)

Abstract:TooptimizethecontrolperformanceoftheauxiliaryfeedwatersystemofHPR1000nuclearpowerunit,theauxiliary

feedwatercontrolschemeisstudied,andanauxiliaryfeedwaterneuralnetworkmodelpredictioncontrolschemebasedonlong

short-termmemory(LSTM)networkisdesigned.Afterdataacquisitionthroughthesimulationandvalidationplatform,asteam

generatorlevelpredictoristrainedusingtheLSTMneuralnetworktorespondtothedynamiccharacteristicsofthecontrolprocess.

Themodelpredictivecontrolschemeisappliedtooptimizethecontrolvariablesinrealtimebasedontheestimatedsteam

generatorlevel.Thevalidationresultsshowthatthemodelpredictivecontrolschemecanachievefasterandmoreaccuratesetpoint

trackingfunctionthanthemanualcontrol/nuclearpowerplantautomaticcontrolscheme,whilerequiringlesscontroleffort,which

canachieveaneffectivereductionofwearandtearon