公开(公告)号：CN118332929A

公开(公告)日：2024-07-12

申请号：CN202410603460.7

申请日：2024-05-15

Applicant: 福州大学

Inventor： 缪希仁 ,  林蔚青 ,  陈静 ,  陈彦 ,  江灏

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/084 ,  G06Q50/06 ,  G06Q10/20

Abstract: 本发明涉及一种基于深度学习模型的发电厂仿真与真实数据联合学习方法，包括以下步骤：获取发电厂模拟机各种正常与故障工况的仿真数据，以及发电机组有限的正常运行真实数据；将仿真数据和真实数据标注不同的域标签,包括源域和目标域，生成训练集；构建仿真与真实数据的联合学习模型并基于训练集进行训练，所述联合学习模型包括特征提取器、预测器、多核最大均值差异(MK‑MMD)模块和域鉴别器；基于训练后的联合学习模型，调整预测器输出层的神经元数量，将模型用于故障诊断任务或关键参量预测任务。本发明将仿真数据的变工况知识迁移至真实场景，避免了因仿真与真实数据的差异，导致仅依靠仿真数据训练深度学习模型在实际发电厂中适用性不足的问题。

公开(公告)号：CN118036653A

公开(公告)日：2024-05-14

申请号：CN202410205435.3

申请日：2024-02-23

Applicant: 福州大学

Inventor： 缪希仁 ,  林蔚青 ,  陈静 ,  邱星华 ,  江灏

IPC: G06N3/042 ,  G01D18/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/084 ,  G06F18/25

Abstract: 本发明涉及一种抗干扰图神经网络的传感器故障检测方法,包括以下步骤：步骤S1：获取系统内全部传感器历史数据，并预处理；步骤S2:根据系统内传感器的布局信息构建传感器间的关系图；步骤S3:构建功率节点；步骤S4:构建整个系统的传感器特征矩阵;步骤S5:构建无自环计算过程的图卷积网络步骤S6:构建多图卷积网络MGCN；步骤S7:构建MGCN‑TCN模型，并利用训练集训练模型；步骤S8:将传感器的关系图和特征矩阵同时输入MGCN‑TCN模型，得到重构信号；步骤S9:根据重构与真实信号间的残差，利用并发式检测策略，计算每个传感器的统计量以量化异常行为。本发明实现故障检测与隔离，提高发电厂运行的安全性和可靠性。

公开(公告)号：CN116884658A

公开(公告)日：2023-10-13

申请号：CN202310859393.0

申请日：2023-07-13

Applicant: 福州大学

Inventor： 缪希仁 ,  林蔚青 ,  陈静 ,  卢燕臻 ,  江灏

IPC: G21C17/108 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于混合图模型的堆芯中子探测器信号实时修正方法，基于现有核电厂仪表控制设施，利用图聚合网络与长短时记忆网络（GSA‑LSTM）构建堆芯中子探测器解析模型。首先，利用堆芯中子探测器的历史监测数据和空间布局信息输入混合图模型(GSA‑LSTM)以完成训练并部署于工控机；其次，采集堆芯中子探测器产生的多维电流信号，通过信号芯线将多维电流信号传输至信号处理柜中，进行数据滤波后送入工控机；最后，将多维堆芯中子探测器信号输入至该模型进行实时重构，利用模型输出实现偏离信号的修正以保持信号的高精度输出，为监测人员提供更准确的反应堆状态监测信息。