上海科技大学知识管理系统

熔盐堆作为第四代先进核能系统之一，在安全性、经济性、防核扩散和可持续性等方面具有独特的优势。为了保障熔盐堆运行安全，需要快速、准确地识别瞬态工况，目前的瞬态识别方法主要依赖于操作员人工识别，这会引入较大的人为因素，严重影响核电安全。为了减少熔盐堆系统瞬态识别过程中引入的人为因素，提高熔盐堆运行安全，使用RELAP5-TMSR程序对美国橡树岭国家实验室建造运行的熔盐实验堆（Molten Salt Reactor Experiment,MSRE）的瞬态工况进行建模与仿真，产生数据集，基于K近邻（K-Nearest Neighbor,KNN）机器学习方法，建立了熔盐堆系统瞬态识别模型，并对识别模型在噪声下的鲁棒性进行了分析和优化。结果显示：基于KNN方法建立的熔盐堆系统瞬态识别模型在测试集上的F1分数达到99.99%；在噪声下的识别F1分数达到94.32%，具有较高的鲁棒性；进一步优化后的熔盐堆系统瞬态识别模型在噪声下的F1分数达到99.73%，能较为准确地识别MSRE的瞬态工况，满足熔盐堆系统瞬态识别需求。基于KNN方法的熔盐堆系统瞬态识别模型能够有效识别系统瞬态工况，可应用于熔盐堆智能运维，确保熔盐堆运行安全。