專欄評述：核反應堆智能控制

核能是重要的清潔基荷能源.發(fā)展核能對減少化石能源依賴、提升國家能源供應的自主性、韌性和安全性至關重要．先進可靠的反應堆運行控制技術是確保核電站安全、穩(wěn)定、高效運行的基礎，反應堆的核心控制系統(tǒng)、關鍵傳感器、先進算法等是具有戰(zhàn)略價值的關鍵核心技術．目前，持續(xù)加大研發(fā)力度，早日實現(xiàn)從硬件到軟件的完全自主可控已成為打破國外技術封鎖、保障國家核工業(yè)安全可靠的迫切需求.

2024年6月，四川大學學報（自然科學版）發(fā)起了“核反應堆智能控制\"專欄征稿活動.該專欄聚焦目前核反應堆數(shù)據(jù)處理、系統(tǒng)控制熱點難點的最新研究理論及應用，不僅征集到來自高校的研究成果，還征集到來自研究院和企業(yè)一線科研人員的最新成果.經(jīng)過邀請、投稿及嚴格的審稿程序，最終在四川大學學報（自然科學版）2025年第4期“核反應堆智能控制\"專欄發(fā)表6篇研究論文，作者分別來自四川大學、西南石油大學、中國核動力研究設計院及國家電網(wǎng)四川省電力公司等單位，具體論文內(nèi)容如下：

（1）《用于核動力系統(tǒng)態(tài)勢感知的深度梯度鏈式引擎算法》針對反應堆一回路參數(shù)的精準預測問題建立了一種離線的核動力系統(tǒng)瞬態(tài)運行參數(shù)分析預測方法，并基于仿真模型開展了算法驗證.仿真結果表明，預測算法在降功率工況下的最小可信度達 94.25% ，事故工況下最小可信度達 90.92% ，運行速度達到秒級，可實現(xiàn)精準快速的預測.

（2）《基于參數(shù)遞歸的核電機組弱影響參數(shù)辨識模型》針對復雜系統(tǒng)的弱影響參數(shù)辨識問題，基于參數(shù)遞歸構建了一種弱影響參數(shù)辨識模型.所謂弱影響參數(shù)是指這樣一類參數(shù)，在大部分情形下它們對系統(tǒng)的輸出僅有較小影響，但參數(shù)的精確值又對系統(tǒng)操控等起著關鍵作用.作為應用，該文對核電機組蒸汽發(fā)生器的閥門開度、閥門CV值和參考水位等3個參數(shù)進行了辨識，其中閥門開度和參考水位是弱影響參數(shù).數(shù)值模擬結果表明，相比多元感知機，該方法的精度較高：兩次遞歸后，閥門開度平均辨識誤差率下降11. 07% ，閥門CV值平均辨識誤差率下降 2.601% ，參考水位參數(shù)平均辨識誤差率下降達 95.79%

（3）《融合注意力機制與ED-LSTM模型的核工程虛擬測量方法》針對如何提高反應堆傳感器的虛擬測量精度的問題構建了一類融合多種注意力機制的Encoder-Decoder LSTM（ED-LSTM）模型，并設計13組方案對模型的性能進行了評估.仿真結果表明，將不同注意力機制應用于ED-LSTM模型的編碼器后，模型的預測性能都有提升，其中時間注意力機制的效果最好;因果注意力機制在不同添加方式下均能有效提升模型性能，且效果較穩(wěn)定;在模型的解碼器中添加注意力機制則模型性能出現(xiàn)下降.

（4）《基于模糊策略的核反應堆功率非線性PI控制》針對如何進一步提高浮動式核電廠壓水堆核反應堆系統(tǒng)反應堆功率控制性能的問題，建立一種結合模糊控制和非線性PI控制的控制方法，實現(xiàn)對PI控制器參數(shù)和棒速程序的自適應調(diào)整．低負荷且負荷大幅變化工況下的仿真結果表明，相較傳統(tǒng)PI控制，該控制策略能夠進一步優(yōu)化反應堆功率和冷卻劑平均溫度的超調(diào)量和調(diào)節(jié)時間，進一步減少控制棒行程.

（5）《基于改進強化學習的小型模塊化核反應堆智能路徑規(guī)劃》針對自主控制的智能路徑規(guī)劃決策的問題，提出一種改進的強化學習路徑規(guī)劃算法，最終實現(xiàn)了全范圍核反應堆控制路徑的智能路徑規(guī)劃決策.

（6）《核反應堆堆芯功率的神經(jīng)網(wǎng)絡分數(shù)階PID復合控制器》針對堆芯功率的穩(wěn)定控制和動態(tài)響應慢的問題，提出了一種結合分數(shù)階控制與神經(jīng)網(wǎng)絡控制的復合方案，設計了基于BP神經(jīng)網(wǎng)絡的分數(shù)階PI^λD^μ 復合控制器，最終實現(xiàn)堆芯的平穩(wěn)快速控制.仿真結果表明，該控制器不僅可以通過神經(jīng)網(wǎng)絡實時參數(shù)調(diào)優(yōu)，還在響應效果上保留了分數(shù)階 PI^λD^μ 控制器的優(yōu)點.

（責任編輯：周興旺）