-
公开(公告)号：CN117057255A
公开(公告)日：2023-11-14
申请号：CN202311307445.X
申请日：2023-10-10
Applicant: 中核武汉核电运行技术股份有限公司 , 核动力运行研究所
Abstract: 一种用于数字孪生模型在线同步的预训练模型获取方法，包括：构建并初始化数字孪生模型与强化学习网络模型，数字孪生模型包括数字孪生模型本体以及差分进化算法，强化学习网络模型的状态包括迭代百分比、种群多样性和个体停滞变化的持续时间，强化学习网络模型的动作包括控制差分进化算法的伸缩因子F与交叉概率CR，以数字孪生模型本体作为待优化对象分批次进行训练，直至数字孪生模型本体的损失函数不再下降，获取此时优化该数字孪生模型的自适应差分进化算法的动作网络，该动作网络能够根据在线同步过程中不同的迭代状态提供差分进化算法的最优超参数组合，实现数字孪生模型与机组快速、高效的状态同步。
-
公开(公告)号：CN116415394A
公开(公告)日：2023-07-11
申请号：CN202111660845.X
申请日：2021-12-31
Applicant: 核动力运行研究所 , 中核武汉核电运行技术股份有限公司
IPC: G06F30/20
Abstract: 本发明属于仿真技术领域，具体涉及一种融合机器学习和机理模型的二回路设备模型仿真方法。包括如下步骤：建立二回路设备的机理模型并进行仿真，将所述二回路设备的机理模型的仿真结果与当前机组运行的机组数据进行对比；获取数据库存储的历史机组数据集；将所述历史机组数据集输入所述机组数据处理模型中；利用机器学习方法对所述样本集进行训练，以得到目标过程的输入参数和输出参数的映射模型，将所述映射模型作为数据模型；将所述数据模型集成到所述二回路设备的机理模型中，以得到二回路设备仿真模型。其优点是：采用机器学习技术建立的数据模型与机理模型具有非常好的兼容性，极大地降低了数据模型与机理模型的集成难度。
-
公开(公告)号：CN117454582A
公开(公告)日：2024-01-26
申请号：CN202311189195.4
申请日：2023-09-14
Applicant: 中核武汉核电运行技术股份有限公司
IPC: G06F30/20 , G06F18/241 , G06F111/06
Abstract: 本发明提供了一种机理和优化算法相结合的系统级孪生模型初始化方法，包括：将复杂的运行数字孪生系统解耦成单一系统，并计算边界参数；从机组运行数据中筛选出于待调试系统相关联的机组数据，并进行预处理；仿真模型输入和输出参数分类，判断有无确定关系的性能参数；对于有确定关系的性能参数，根据物理原理采用处理后的机组运行数据进行倒推计算并建立调试经验库进行微调；对于无确定关系的性能参数，选用智能优化算法进行寻优计算；执行计算程序，使仿真模型计算并达到稳态。本发明误差更小，相比仅依赖智能优化算法的初始化，速度更快更准确。
-
公开(公告)号：CN116108738A
公开(公告)日：2023-05-12
申请号：CN202211553701.9
申请日：2022-12-06
Applicant: 中核武汉核电运行技术股份有限公司
Inventor： 肖云龙
Abstract: 本发明属于仿真系统技术领域，具体涉及一种基于样本迁移的核电设备数据预测模型搭建方法。包括如下步骤：收集核电系统各机组测点的观测数据，通过数字孪生技术得到对应各测点的仿真数据；对得到的数据进行预处理操作；对训练集进行交叉验证，计算出每个仿真数据被识别为观测数据的频率，以此频率作为该仿真数据被识别为观测数据的概率；将得到的仿真数据被识别为观测数据的概率，使用合适的拟合函数，将概率映射为对应仿真数据进行模型训练时的样本权重；搭建人工神经网络模型，将所有数据输入人工神经网络模型进行训练，通过模型在测试集上进行评估。有益效果在于：有效避免了因为数据分布差异导致直接采用仿真数据训练模型性能不佳的问题。
-
公开(公告)号：CN117826634A
公开(公告)日：2024-04-05
申请号：CN202311784565.9
申请日：2023-12-22
Applicant: 中核武汉核电运行技术股份有限公司
IPC: G05B17/02
Abstract: 本公开属于核电技术领域，具体涉及一种基于智能优化算法的仿真系统多工况调试方法及装置。本公开以模拟机产品开发过程中不符合项较多的蒸汽系统为例，通过分析蒸汽系统仿真建模过程中的各类标定参数，从中确定待优化参数，采用智能优化算法，对其进行多工况寻优，以获得满足多工况仿真需求的最优标定参数，减小模拟机开发过程中因为标定参数不适用导致的偏离，提高模拟机产品质量和开发调试效率。本公开的方法采用智能优化算法对重要标定参数进行优化，可获得一组满足多工况误差最小的标定参数值，减小仿真模型在多个工况下的计算误差，提高模拟机开发调试效率和产品质量。
-
Patent Agency Ranking
公开(公告)号：CN115242826B
公开(公告)日：2023-06-13
申请号：CN202210568516.0
申请日：2022-05-23
Applicant: 中核武汉核电运行技术股份有限公司
IPC: H04L67/12 , H04L47/12 , H04L67/568 , G06F3/06 , G06F16/215 , G06F16/2455 , G06F16/25 , G06F16/28
Abstract: 本公开属于核电技术领域，具体涉及一种核电厂数据实时传输、存储方法。本公开中所有用于数据采集、传输、分发的系统和程序以及数字孪生系统都部署在生产区，分发系统使用了分布式消息系统进行数据的缓存，以避免当数据量过大的时候，数据处理程序无法技术处理所有数据，造成数据的堆积和传输链路的拥塞。时序数据写入程序以及数字孪生系统通过订阅分布式消息系统Kafka中相应的Topic从而实时获取机组数据，进而得以实时追踪机组运行状态此外，本公开中对于时序数据库中的所有传感器测点数据和DCS测点数据都进行了分类、分区存储，提高存储和使用效率。
-
公开(公告)号：CN115185508A
公开(公告)日：2022-10-14
申请号：CN202210553046.0
申请日：2022-05-20
Applicant: 中核武汉核电运行技术股份有限公司
Abstract: 本发明提供了一种基于图元的算法组态工具，包括：部件编辑子模块，用于生成算法部件，其使用基本图元组合形成部件外观，并实现部件的计算引脚的定义；画面编辑子模块，用于通过可视化手段，由算法部件相连形成的具备调用关系的图形化文件，若干个画面经过组合、编译后可生成算法模块；算法模型编译模块，用于使用编译工具编译算法模型，并根据配置生成动态库或者可执行程序。本发明还提供了一种基于图元的算法组态方法。本发明提供的基于图元的算法组态工具和方法，可有效降低开发工作量，方便工程师快速生成所需要的组态文件。
-
公开(公告)号：CN119783777A
公开(公告)日：2025-04-08
申请号：CN202411796507.2
申请日：2024-12-09
Applicant: 中核武汉核电运行技术股份有限公司
Abstract: 本申请属于进化算法技术领域，公开了一种混合TD3的多机制协同自适应进化算法，初始化种群得到多个独立的个体，再对种群中的每个个体进行重构操作，得到新的个体，并将新种群和旧种群进行合并；从合并的种群中随机挑选部分个体进入改进的TD3中进行优化，并返回出优化的个体以及其对应的目标函数值，进而将优化后的个体添加到合并的种群中得到新的合并种群；从新的合并种群中通过轮盘赌法挑选出优秀个体用于下一轮循环中，直至达到终止条件后得到最终的优化结果。本申请结合种群进化和TD3算法的优势，帮助TD3跳出局部最优并加速种群个体的收敛速度，并在原有的基础上大大提升了优化速度和精度。
-
公开(公告)号：CN115185508B
公开(公告)日：2024-06-11
申请号：CN202210553046.0
申请日：2022-05-20
Applicant: 中核武汉核电运行技术股份有限公司
Abstract: 本发明提供了一种基于图元的算法组态工具，包括：部件编辑子模块，用于生成算法部件，其使用基本图元组合形成部件外观，并实现部件的计算引脚的定义；画面编辑子模块，用于通过可视化手段，由算法部件相连形成的具备调用关系的图形化文件，若干个画面经过组合、编译后可生成算法模块；算法模型编译模块，用于使用编译工具编译算法模型，并根据配置生成动态库或者可执行程序。本发明还提供了一种基于图元的算法组态方法。本发明提供的基于图元的算法组态工具和方法，可有效降低开发工作量，方便工程师快速生成所需要的组态文件。
-
公开(公告)号：CN116227323A
公开(公告)日：2023-06-06
申请号：CN202211553709.5
申请日：2022-12-06
Applicant: 中核武汉核电运行技术股份有限公司
Inventor： 肖云龙
IPC: G06F30/27 , G06F18/214 , G06Q10/04 , G06Q10/20 , G06Q50/06
Abstract: 本发明属于仿真系统技术领域，具体涉及基于GBDT的可解释性核电站给水加热器换热系数预测方法。包括以下步骤：S1：收集核电给水加热器凝结换热区传热过程中的各测点数据；S2：对数据集生成探索性分析报告，对输入变量与换热系数进行相关性分析；S3：对数据集进行初步筛选、数据归一化，清洗数据并划分为训练集和测试集；S4：对数据集进行建模，使用GBDT梯度提升决策树模型在所述步骤S3中的训练集上进行预测，根据模型在所述步骤S3中的测试集上的实验结果进行评价；S5：使用SHAP值、PDP图和ICE图解释所述步骤S4中模型的预测结果。有益效果在于：本方法达到了很好的预测效果，简单且易于实现，并通过解释方法为给水加热器的检修决策提供针对性的理论指导。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.043 seconds)
