一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法

1.本发明涉及协调控制技术领域，尤其涉及一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法。


背景技术：

2.一体化压水堆是一种先进核动力设备，它将主要设备集成到一个紧凑型压力容器内，从而大幅缩小了系统的占地面积，提高了核反应堆的可靠性和经济效益。然而，由于一体化压水堆系统集成度较高，其主冷却剂循环所承受的压力变化较大，同时对故障诊断与应急处理能力的要求也相应提高。因此，对一体化压水堆采取合适的控制方法尤为重要。
3.协调控制是一种将多个控制器协调工作以完成特定任务的控制方法，可以提高反应堆的运行效率、增强系统间的协调性、保证安全性和稳定性，从而为核电站的安全生产和稳定运行提供重要支持。
4.支持向量机(svm)是一种机器学习算法，通常用于分类和回归分析，采用支持向量机进行一体化压水堆工况识别可以提高识别的准确率和可靠性，在核电站的运行和控制中具有重要价值。
5.主动干扰抑制控制(adrc)是一种基于观测器的高级控制方法，目标是在面对干扰时，通过观测器模型估计干扰以最小化其影响，采用主动干扰抑制控制能够大大提高一体化压水堆反应堆的控制性能，并能够在不同工作条件下实现自适应控制，为核电站的安全生产和稳定运行提供稳定的保障。
6.因此，提出一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，解决现有技术中存在的问题，是本领域技术人员亟需解决的问题。


技术实现要素：

7.本发明一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，适用于处理一体化压水堆在不同工作状态下的复杂控制问题，提高了反应堆的控制性能，实现了精确控制和更好的操作效果。
8.为了实现上述目的，本发明采用如下技术方案：
9.一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，采用支持向量机和主动干扰抑制控制对一体化压水堆进行控制，包括以下步骤：
10.s101、通过仿真软件获得数据；
11.s201、建立svm协调控制器；
12.s301、设立不同工况下adrc控制器的内置参数；
13.s401、实施协调控制。
14.可选的，s101包括以下步骤：
15.s1011、根据需要分析的工况和事故情况，设定相应的模拟初始条件和瞬态过程；
16.s1012、运行仿真软件，将设定的工况输入模型中，进行瞬态模拟分析，输出每个时刻系统的变量和响应信息；
17.s1013、收集不同类型的数据，包括但不限于压力、流量、温度、功率、控制参数。
18.可选的，s201包括以下步骤：
19.s2011、设立三个不同工况，低功率运行工况、高功率运行工况和事故工况；
20.s2012、对s101中收集的数据进行预处理；
21.s2013、基于s2012的数据集，采取合适的方法，选择与工况识别密切相关的特征；
22.s2014、将处理好的数据集按比例划分为训练数据集和测试数据集；
23.s2015、选择合适的核函数；
24.s2016、求解优化问题，得到svm分类器；
25.s2017、使用测试数据集评估svm分类器的性能，包括但不限于准确率、查准率、查全率。
26.作为进一步的方案：s2011中事故工况和非事故工况的划分标准是反应堆温度、压力、流速是否超过设计范围，低功率运行工况和高功率运行工况划分标准是反应堆功率的高低。
27.作为进一步的方案：s2012中数据进行预处理包括：数据清洗和数据归一化；
28.数据清洗，以消除异常值、噪声、空缺数据；包括异常值检测、缺失值填充或删除以及数据平滑；
29.数据归一化，采用最小最大归一化，将数据转换到一个新的范围，对其进行量纲标准化。
30.可选的，s301包括以下步骤：
31.s3011、设立低功率工况下，adrc控制器的内置参数；
32.s3012、设立高功率工况下，adrc控制器的内置参数；
33.s3012、设立事故工况下，adrc控制器的内置参数。
34.作为进一步的方案：在s3011步骤中adrc控制器的内置参数进行设定时，采取粒子群优化算法，对低功率工况下的adrc控制器的内置参数进行优化，具体步骤如下：
35.s30111.定义适应度函数：根据低功率工况下的控制要求，进行适应度函数定义，在首要关注跟踪性能的前提下，兼顾抗干扰性能，从而保证系统能够快速、准确地响应设定值和指令，且在外部干扰下仍能保持稳定；
36.s30112.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点；
37.s30113.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能；
38.s30114.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置，从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
39.s30115.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回s30113步骤迭代，否则输出全局最优解。
40.作为进一步的方案：在s3012步骤中adrc控制器的内置参数进行设定时，采取粒子
群优化算法，对高功率工况下的adrc控制器的内置参数进行优化，具体步骤如下：
41.s30121.定义适应度函数：根据高功率工况下的控制要求，进行适应度函数定义，在首要关注抗干扰性能的前提下，兼顾跟踪性能，从而保证系统能在大负载变化和外部干扰下仍能维持稳定性，且迅速响应设定值变化；
42.s30122.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点；
43.s30123.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能；
44.s30124.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置；从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
45.s30125.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回s30123步骤迭代，否则输出全局最优解。
46.作为进一步的方案：在s3013步骤中adrc控制器的内置参数进行设定时，采取粒子群优化算法，对事故工况下的adrc控制器的内置参数进行优化，具体步骤如下：
47.s30131.定义适应度函数：根据事故工况下的控制要求，进行适应度函数定义，着重关注超调量、抗干扰性能和调整时间，从而保证系统能在异常情况发生后能够快速回到稳定状态，保持系统的稳定性和安全性；
48.s30132.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点；
49.s30133.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能；
50.s30134.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置；引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
51.s30135.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回s30133步骤迭代，否则输出全局最优解。
52.可选的，s401包括以下步骤：
53.s4011、通过s201中建立的svm协调控制器进行工况识别；
54.s4012、基于s301中所设立的不同工况下的adrc控制器内置参数，对一体化压水堆进行控制。
55.经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法：通过仿真软件获得数据，根据所获得数据划分不同工况并建立svm协调控制器，设立不同工况下adrc控制器的内置参数，从而通过svm协调控制器判断当前工况，在adrc控制器内采用当前工况的内置参数，对一体化压水堆进行协调控制。本发明通过采用svm协调控制器对一体化压水堆进行工况识别，有效提高了识别的准确率和可靠性；通过采用adrc底层控制器，大大提高了一体化压水堆反应堆的控制性能，并在不同工作条件下实现了自适应控制。
附图说明
56.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
57.图1为本发明中协调控制方法的流程图；
58.图2为本发明中s101的方法流程图；
59.图3为本发明中s201的方法流程图；
60.图4为本发明中s301的方法流程图；
61.图5为本发明中s401的方法流程图；
具体实施方式
62.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
63.参照图1所示，本发明公开了一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，采用支持向量机和主动干扰抑制控制对一体化压水堆进行控制，包括以下步骤：
64.s101、通过仿真软件获得数据；
65.s201、建立svm协调控制器；
66.s301、设立不同工况下adrc控制器的内置参数；
67.s401、实施协调控制。
68.在一个具体实施例中，参照图2所示，s101包括以下步骤：
69.s1011、根据需要分析的工况和事故情况，设定相应的模拟初始条件和瞬态过程；
70.s1012、运行仿真软件，将设定的工况输入模型中，进行瞬态模拟分析，输出每个时刻系统的变量和响应信息；
71.s1013、收集不同类型的数据，包括压力，流量，温度，功率，控制参数等。
72.在一个具体实施例中，参照图3所示，s201包括以下步骤：
73.s2011、设立三个不同工况，低功率运行工况，高功率运行工况和事故工况。其中，事故工况和其他工况的划分标准是反应堆温度、压力、流速等是否超过设计范围，而低功率运行工况和高功率运行工况划分标准则是反应堆功率的高低；
74.s2012、对s101中收集的数据进行预处理，包括数据清洗和数据归一化，以确保数据的质量，具体步骤为：
75.a.数据清洗：进行数据清洗以消除异常值、噪声、空缺数据等质量问题。这个过程包括异常值检测、缺失值填充或删除以及数据平滑等操作。消除这些质量问题能提高数据质量，降低模型过拟合的风险，从而提高模型在未知数据上的泛化能力；
76.b.数据归一化：采用最小最大归一化，将数据转换到一个新的范围，对其进行量纲标准化。这样做可以消除不同物理量之间量纲和量级带来的影响，使得模型更容易进行收
敛，加速模型的训练过程；
77.s2013、基于s2012的数据集，采取过滤方法方法，通过计算单个特征与目标变量的关联度对所有特征进行评分，选择与工况识别密切相关的特征，从而提高模型性能、降低计算复杂度并增强模型可解释性；
78.s2014、将处理好的数据集按比例划分为训练数据集和测试数据集；
79.s2015、选择合适的核函数：选取高斯核函数、线性核函数、多项式核函数和sigmoid核函数，对其使用训练数据集进行交叉验证，从交叉验证结果、计算复杂度和应用背景等角度进行评价，最终选取高斯核函数；
80.s2016、设定svm优化问题的目标函数和约束条件，求解优化问题，得到svm分类器；
81.s2017、使用测试数据集评估svm分类器的性能，包括准确率、查准率、查全率等指标。
82.在一个具体实施例中，参照图4所示，s301包括以下步骤：
83.s3011、采取粒子群优化算法，对低功率工况下的adrc控制器的内置参数进行优化，具体步骤如下：
84.a.定义适应度函数：根据低功率工况下的控制要求，进行适应度函数定义，在首要关注跟踪性能的前提下，尽量兼顾抗干扰性能，从而保证系统能够快速、准确地响应设定值和指令，且在外部干扰下仍能保持稳定；
85.b.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点。
86.c.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能。
87.d.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置。从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
88.e.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回c步骤迭代，否则输出全局最优解。
89.s3012、采取粒子群优化算法，对高功率工况下的adrc控制器的内置参数进行优化，具体步骤如下：
90.a.定义适应度函数：根据高功率工况下的控制要求，进行适应度函数定义，在首要关注抗干扰性能的前提下，尽量兼顾跟踪性能，从而保证系统能在大负载变化和外部干扰下仍能维持稳定性，且迅速响应设定值变化；
91.b.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点。
92.c.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能。
93.d.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置。从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
94.e.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回c步骤迭代，
否则输出全局最优解。
95.s3013、采取粒子群优化算法，对事故工况下的adrc控制器的内置参数进行优化，具体步骤如下：
96.a.定义适应度函数：根据事故工况下的控制要求，进行适应度函数定义，着重关注超调量、抗干扰性能和调整时间，从而保证系统能在异常情况发生后能够快速回到稳定状态，保持系统的稳定性和安全性；
97.b.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点。
98.c.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能。
99.d.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置。从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
100.e.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回c步骤迭代，否则输出全局最优解。
101.在一个具体实施例中，参照图5所示，s401包括以下步骤：
102.s4011、在s201中建立的svm协调控制器进行工况识别；
103.s4012、基于s301中所设立的不同工况下的adrc控制器内置参数，对一体化压水堆进行控制。
104.对所公开的实施例的上述说明，按照递进的方式进行，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，采用支持向量机和主动干扰抑制控制对一体化压水堆进行控制，包括以下步骤：s101、通过仿真软件获得数据；s201、建立svm协调控制器；s301、设立不同工况下adrc控制器的内置参数；s401、实施协调控制。2.根据权利要求1所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，s101包括以下步骤：s1011、根据需要分析的工况和事故情况，设定相应的模拟初始条件和瞬态过程；s1012、运行仿真软件，将设定的工况输入模型中，进行瞬态模拟分析，输出每个时刻系统的变量和响应信息；s1013、收集不同类型的数据，包括但不限于压力、流量、温度、功率、控制参数。3.根据权利要求2所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，s201包括以下步骤：s2011、设立三个不同工况，低功率运行工况、高功率运行工况和事故工况；s2012、对s101中收集的数据进行预处理；s2013、基于s2012的数据集，采取合适的方法，选择与工况识别密切相关的特征；s2014、将处理好的数据集按比例划分为训练数据集和测试数据集；s2015、选择合适的核函数；s2016、求解优化问题，得到svm分类器；s2017、使用测试数据集评估svm分类器的性能，包括但不限于准确率、查准率、查全率。4.根据权利要求3所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，s2011中事故工况和非事故工况的划分标准是反应堆温度、压力、流速是否超过设计范围，低功率运行工况和高功率运行工况划分标准是反应堆功率的高低。5.根据权利要求3所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，s2012中数据进行预处理包括：数据清洗和数据归一化；数据清洗，以消除异常值、噪声、空缺数据；包括异常值检测、缺失值填充或删除以及数据平滑；数据归一化，采用最小最大归一化，将数据转换到一个新的范围，对其进行量纲标准化。6.根据权利要求5所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，s301包括以下步骤：s3011、设立低功率工况下，adrc控制器的内置参数；s3012、设立高功率工况下，adrc控制器的内置参数；s3012、设立事故工况下，adrc控制器的内置参数。7.根据权利要求6所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，在s3011步骤中adrc控制器的内置参数进行设定时，采取粒子群优化算法，对低功率工况下的adrc控制器的内置参数进行优化，具体步骤如下：
s30111.定义适应度函数：根据低功率工况下的控制要求，进行适应度函数定义，在首要关注跟踪性能的前提下，兼顾抗干扰性能，从而保证系统能够快速、准确地响应设定值和指令，且在外部干扰下仍能保持稳定；s30112.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点；s30113.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能；s30114.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置，从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；s30115.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回s30113步骤迭代，否则输出全局最优解。8.根据权利要求6所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，在s3012步骤中adrc控制器的内置参数进行设定时，采取粒子群优化算法，对高功率工况下的adrc控制器的内置参数进行优化，具体步骤如下：s30121.定义适应度函数：根据高功率工况下的控制要求，进行适应度函数定义，在首要关注抗干扰性能的前提下，兼顾跟踪性能，从而保证系统能在大负载变化和外部干扰下仍能维持稳定性，且迅速响应设定值变化；s30122.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点；s30123.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能；s30124.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置；从而引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；s30125.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回s30123步骤迭代，否则输出全局最优解。9.根据权利要求6所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，在s3013步骤中adrc控制器的内置参数进行设定时，采取粒子群优化算法，对事故工况下的adrc控制器的内置参数进行优化，具体步骤如下：s30131.定义适应度函数：根据事故工况下的控制要求，进行适应度函数定义，着重关注超调量、抗干扰性能和调整时间，从而保证系统能在异常情况发生后能够快速回到稳定状态，保持系统的稳定性和安全性；s30132.初始化粒子群，在参数空间里随机生成一系列粒子，每个粒子代表一个可能的adrc参数配置，为优化过程提供起点；s30133.根据适应度函数计算每个粒子的适应度，利用适应度值来判断每个粒子的性能；s30134.根据粒子的历史最佳适应度值和全局最佳适应度值，更新每个粒子的速度和位置；引导搜索过程朝向历史局部和全局最优解，保证搜索方向的正确性，加快优化速度；
s30135.检查结束条件，判断优化过程是否完成，若结束条件未满足，则返回s30133步骤迭代，否则输出全局最优解。10.根据权利要求1所述的一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，其特征在于，s401包括以下步骤：s4011、通过s201中建立的svm协调控制器进行工况识别；s4012、基于s301中所设立的不同工况下的adrc控制器内置参数，对一体化压水堆进行控制。

技术总结
本发明公开了一种基于支持向量机和主动干扰抑制控制的一体化压水堆协调控制方法，包括以下步骤：S101、通过仿真软件获得数据；S201、建立SVM协调控制器；S301、设立不同工况下ADRC控制器的内置参数；S401、实施协调控制。本发明通过仿真软件获得数据，根据所获得数据划分不同工况并建立SVM协调控制器，设立不同工况下ADRC控制器的内置参数，从而通过SVM协调控制器判断当前工况，在ADRC控制器内采用当前工况的内置参数，对一体化压水堆进行协调控制。本发明通过采用SVM协调控制器对一体化压水堆进行工况识别，有效提高了识别的准确率和可靠性；通过采用ADRC底层控制器，大大提高了一体化压水堆反应堆的控制性能，并在不同工作条件下实现了自适应控制。条件下实现了自适应控制。条件下实现了自适应控制。


技术研发人员：张博文 顾承炎 严辰星 成守宇 孙觊琳 夏庚磊 王晨阳
受保护的技术使用者：哈尔滨工程大学
技术研发日：2023.06.29
技术公布日：2023/9/19