中国实验快堆热工参数的自适应BP神经网络预测方法研究

摘要

中国实验快堆(CEFR)堆芯的热工参数是否超出限值是评价反应堆安全运行的标准.本文针对燃料包壳最高温度预测问题,通过堆芯子通道分析程序COBRA生成数据样本后,开发基于BP神经网络自适应算法的智能预测程序,对于特定的单盒组件,仅需给出堆芯进口功率和流量,即可实现燃料包壳最高温度的快速准确预测.结果表明,与COBRA相比,在大规模重复性计算的场景下,自开发程序能节约大量计算时间和算力,提高燃料包壳设计和CEFR运行时的操作效率.实验分析得出BP神经网络方法的最大相对误差不超过6％,平均预测相对误差不超过3％,计算效率提升至原程序的300倍,网络模型的预测精度高,且易推广至实验快堆其他参数预测,具有很大的应用前景.