一种基于深度学习的核电厂热工水力参数长期预测方法

本发明公开了一种基于深度学习的核电厂热工水力参数长期预测方法，属于核电站安全分析及运行支持领域，包括以下步骤：S1、采集不同工况下核电厂热工水力参数数据，构成核电厂热工水力参数仿真数据集；S2、通过计算特征空间相似度，在核电厂热工水力参数仿真数据集中搜索与待测工况相似度达到设定阈值的相似工况以及最佳相似工况；S3、将步骤S2搜索的两个及以上的相似工况数据进行回归拟合，并将回归拟合数据作为LSTM模型的目标域，将最佳相似工况数据作为LSTM模型的源域，对待测工况进行长期时序预测。本发明采用上述基于深度学习的核电厂热工水力参数长期预测方法，通过结合回归算法和神经网络的方法，实现了核电厂事故工况中热工水力参数的长期预测，从而可快速预测核电厂未来运行状态及事故发展趋势，为核电厂的事故应急处置提供支持。