基于LSTM的核反应堆一回路传感器故障智能检测

核反应堆一回路部署大量各类型传感器,用于获取核电厂实时运行数据.这些数据的准确、有效是保障核电厂安全运行的前提和基础.实现对传感器运行状态的实时在线监测和传感器故障的智能检测,对提高核电厂的安全性与经济性具有重要意义.基于长短期记忆(LSTM)神经网络深度学习的方法,建立了预测传感器正常状态下期望输出的分析模型.结合滑动时间窗口四分位距(IQR)方法,定义了传感器故障检测阈值,从而建立了一套传感器故障智能检测方法.以CPR1000型压水堆一回路稳压器压力传感器为研究对象,基于CPR1000全范围模拟机提供的近似真实核电厂行为数据,对传感器LSTM分析模型进行了训练和仿真验证.结合故障检测阈值算法检测传感器输出数据中的异常数据点,实现了对稳压器压力传感器偏差故障和漂移故障的在线检测,证实了传感器故障智能检测方法的可行性.