基于神经网络的核安全级主控制器负荷率预测研究

摘要

cqvip:为保证系统运行的可靠性,核电厂对安全级数字化仪控系统主控制器的负荷率有着严格的要求,在系统投入正式运行前需要测试主控制器的负荷率。为了能够在设计阶段得到准确的负荷率值,有必要对具有非线性组合特点的主控制器的组态模块的执行时间进行研究,从而得到主控制器负荷率的预测值。为此设计了基于BP神经网络模型预测主控制器负荷率的方案;针对BP神经网络在训练过程出现的最优化问题,采用遗传算法加以优化改进。结果表明,该方法能够对主控制器负荷率进行快速准确的预测,满足实际工程需求。