买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种基于集合卡尔曼滤波算法的核反应堆数据同化方法，在反应堆运行过程中，会出现部分参数异常，但不至脱离安全范围的情况，现有的堆芯子通道程序不能基于该异常信号实时修正模型，做出下一步预测。本发明方法首先对程序中的经验系数进行敏感性分析，之后基于集合卡尔曼滤波算法，结合实验数据或运行数据，对核反应堆堆芯子通道程序内的经验半经验模型参数和状态参数进行实时的自动调整，模型与数据融合的过程称为“同化”；最后利用有测量值的数据修正无测量值的预测数据，进一步减小堆芯子通道程序的预测误差以提高子通道程序的预测精度，为运行操作人员下一步操作提供判断依据。

主权项：1.一种基于集合卡尔曼滤波算法的核反应堆数据同化方法，其特征在于：能够基于集合卡尔曼滤波算法对堆芯子通道程序的模型参数进行实时自动调整，以及通过有测量值的数据修正无测量值的预测数据，提高子通道程序的预测精度，为运行人员提供下一步操作依据；具体步骤如下：步骤1：对堆芯子通道程序中的经验系数进行敏感性分析：对堆芯子通道程序中的经验系数进行敏感性分析：将涉及换热、摩擦、临界热流密度的经验模型和半经验模型中的经验参数作为自变量，每3-5个自变量组合为一组，将每组内自变量的值在初始值基础上分别增减10％，计算堆芯子通道程序预测结果的变化幅度，找出结果变化幅度最大，即对计算结果影响最大的参数组合G；步骤2：定义系统模型和测量模型：将上述参数组合定义为需要同化的系统模型，将传入的测量数据定义为测量模型，同化的主要目的是通过测量模型优化系统模型，提高系统模型预测精度：系统模型和测量模型中的状态向量定义如下：系统模型定义如下： 式1定义了系统模型，其中，表示系统模型在t时刻的初始状态，上标f意为用于预测的系统模型；G表示半经验模型的集合，表示t-1时刻对应的模型参数；式2说明了在系统模型中参与同化的参数，其中Rn为通过包含上述半经验模型的堆芯子通道程序计算得到的n个参数预测值；θc表示c个要进行同化的模型参数；测量模型定义如下： 式3定义了测量模型，obs代表测量模型，exp代表实验参数，yobs是反应堆内传感器接收到的测量数据；Ht表示用于从中提取测量位置状态变量的测量矩阵；w为服从高斯分布的实验噪声，其值由测量设备与测量方法等决定；式4说明了测量模型中参与同化的测量参数代表通过传感器接收到的m个测量值；步骤3：以测量模型为基准，利用卡尔曼滤波算法对系统模型进行同化，得到最优模型状态参数，代入堆芯子通道程序计算得到同化后的Rn：步骤3-1：初始化步骤通过对状态向量θ1,θ2,θ3施加一定的扰动或随机扰动来生成一组初始状态样本，共有N个不同程度的扰动，生产N个不同的集合状态ξia0，由生成的N个集合状态来表示系统模型的不确定性；步骤3-2：预测t时刻的系统模型状态 首先，以t-1时刻的系统模型状态为初始状态，通过半经验模型的集合G计算出t时刻的系统模型状态之后更新误差协方差矩阵： 其中，Ptf为真实误差的协方差矩阵，Ptef为平均近似误差的协方差矩阵，为系统模型在t时刻的初始状态的均值；之后计算系统模型的实验不确定性Rt： W＝[w1,w2,...,wN]8其中：W是测量值的噪声矩阵，wi为对应测量值的实验噪声；步骤3-3：更新t时刻系统模型状态，得到同化后的模型状态首先由系统模型的实验不确定性Rt和真实误差的协方差矩阵Ptf计算卡尔曼增益Kt:Kt＝PtfHTHPtfHT+Rt-19之后通过引入测量系统yobs，将状态变量从同化到上标a代表经过同化的值： 最后按式6重新计算协方差矩阵Ptf，如果达到误差要求则进行步骤3-4，如果没有则回到步骤3-1；步骤3-4：达到误差要求后，将作为最优参数组合，代入堆芯子通道程序，此时计算得到的同化后的Rn；步骤4：在完成一个时间步的计算后，通过利用有测量值参数的测量数据，修正无测量值参数的预测数据，进一步减小堆芯子通道程序的预测误差；步骤4-1：判断是否有测量数据的参数；步骤4-2：计算有测量数据的参数的测量数据与该参数预测数据间的总体均值差异与总体分布差异；步骤4-3：最小二乘法拟合有测量数据的参数的预测数据和无测量数据参数的预测数据，获得一条拟合直线；步骤4-4：以最小二乘法获得的拟合直线为基准，计算有测量数据的参数的测量值和预测值间总体均值差异与总体分布差异，用其调整无测量数据的参数的预测数据，使预测数据的均值和方差均发生变化，完成对无测量数据的参数的修正。步骤5：重复步骤3、4直到堆芯子通道程序运行到设定的计算时间为止。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于集合卡尔曼滤波算法的核反应堆数据同化方法