来源：期刊VIP网 时间：
作者：殷钰卓;汪标鑫;林梅;王秋旺;
单位：西安交通大学能源与动力工程学院;
摘要：为提升蒸汽发生器液位监测的实时性与准确性，以保障核动力系统安全运行，提出了主蒸汽管道破裂事故下蒸汽发生器的动态液位预测方法。首先，通过模拟主蒸汽管道破裂工况进行实验，采用AP1000蒸汽发生器缩比建模，结合电动球阀控制与高速相机图像识别，实现了液位与关键热工参数采集；接着，构建了液位时间序列集并进行了小波分解和相关性分析，研究了液位本身的时频特征以及与热工参数之间的关系；最后，建立了基于Informer、深度线性网络(DLinear)的深度学习液位预测模型，并进行了预测结果的对比分析。结果显示，DLinear模型在预测精度与模型鲁棒性方面均优于Informer模型，能更准确地反映液位剧烈波动特征，验证了其在处理长时序依赖问题中的适用性与优势。DLinear模型在均方误差、平均绝对误差和决定系数上较Informer模型分别提升了24.9%、16.0%、9.3%,在±5 mm误差范围内预测准确率达到81.5%,不仅能更好地捕捉液位细节变化，还表现出更强的鲁棒性与泛化能力。研究验证了DLinear模型在液位预测任务中的高效性与工程应用潜力，为核电站事故预警和智能监测提供技术支持。
关键词：深度学习;;蒸汽发生器;;液位预测;;主蒸汽管道破裂事故
基金资助：热能动力技术重点实验室开放基金资助项目（TPL2022C01）
