基于压水堆运行数据机器学习的临界硼浓度和停堆燃耗深度预测方法

一种基于压水堆运行数据机器学习的临界硼浓度和停堆燃耗深度预测方法，基于压水堆运行数据和根据实际燃耗点采用堆芯物理分析软件计算确定的燃料组件燃耗分布数据训练临界硼浓度预测模型，采用卷积神经网络算法搭建模型，添加Dropout层以避免过拟合现象并增强模型泛化能力，采用学习率指数衰减的超参数调整策略以提高模型训练效率，向预测模型输入燃料组件富集度信息、燃料组件装载可燃毒物棒数量信息、燃料组件燃耗分布、G棒棒位、R棒棒位、功率水平和堆芯平均燃耗深度七个堆芯关键参数，模型输出堆芯临界硼浓度预测值，当临界硼浓度降至10ppm时得到停堆燃耗深度。