一种氢能反应堆的建模方法

摘要

本发明公开了一种氢能反应堆的建模方法。首先确定表征氢能反应堆工作状态及性能的参数作为模型输入、输出，按照输入、输出要求采集氢能反应堆数据；其次在氢能反应堆数据的基础上，利用基于敏感度分析的动态神经网络建模技术建立氢能反应堆动态神经网络模型；最后在模型仿真时通过氢能反应堆性能评价，决定是否对氢能反应堆动态神经网络模型进行在线优化。利用本发明所述方法，能够建立氢能反应堆动态神经网络模型并自动对其进行在线优化，准确地表示氢能反应堆具体参数间的相互影响、模拟其不同性能状态下的工作情况，为氢能反应堆的控制与性能优化奠定基础。

主权项

一种氢能反应堆的建模方法，其特征在于，包含以下步骤：1.1：设计氢能反应堆动态神经网络模型，选取能够表征氢能反应堆工作状态的参数为模型输入，即反应堆温度、氢气入口压力、空气入口压力、氢气入口流量、空气入口流量、增湿罐温度、电流密度；选取能够体现氢能反应堆性能的参数为模型输出，即反应堆输出电压；1.2：针对氢能反应堆动态神经网络建模中的数据采集环节，利用变密度采样法采集步骤1.1中所确定模型输入、输出数据；1.3：针对氢能反应堆动态神经网络建模中的数据筛选与处理环节，首先，判断步骤1.2所采集的数据是否符合氢能反应堆的实际工作范围，若不符合则直接剔除该数据以及与其同时采集的其他数据；其次，判断数据中是否存在异常数据，即若数据偏差大于3倍数据样本标准差则认为该数据为异常数据，应剔除该数据以及与其同时采集的其他数据；再次，计算剔除异常数据后每项输入数据的均值，作为本次建模数据的特征值；最后，对氢能反应堆数据按项进行归一化处理；1.4：采用基于敏感度分析的动态神经网络构建氢能反应堆模型，按照步骤1.1确定的动态神经网络模型输入与输出参数，利用步骤1.3中所得数据进行动态神经网络模型的训练与验证；此氢能反应堆动态神经网络模型基于误差逆传播算法构建，在训练一定批次后计算每一个隐含层神经元的敏感度，然后判断其是否在预先设定的合理敏感度区间上，若低于区间下限或高于区间上限则相应选择删除或分裂对应隐含层神经元，继续训练神经网络直至达到预期性能要求，至此完成氢能反应堆动态神经网络模型的建立；1.5：对氢能反应堆输入、输出进行实时数据采集，采集的新数据不少于之前的建模数据；然后按照步骤1.3所述对其进行筛选与处理，若新数据的特征值中有数项大于或小于之前数据对应特征值，则认为前后建模数据存在明显差异，即氢能反应堆处于不同的性能状态下，需要利用新数据对氢能反应堆动态神经网络模型进行在线优化，在线优化的具体实施方法同步骤1.4；反之，则不对氢能反应堆动态神经网络模型实施在线优化。