基于TCN的核电蓄电池异常检测方法

作     者：李吉生 于艇 岳鹏 周剑秋 徐鹏 

作者机构：大亚湾核电运营有限公司 深圳中广核工程设计有限公司 南京工业大学能源科学与工程学院 

出 版 物：《软件导刊》 (Software Guide)

年 卷 期：2025年

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：江苏省科技厅前瞻性联合研究项目(BY2016005) 江苏省自然科学基金项目(BK20190374) 中央军委装备发展部装备预先研究项目(61407200302) 

主　　题：蓄电池 异常检测 机器学习 工业安全 

摘      要：在核电站的生产与运营中，铅酸蓄电池组发挥着至关重要的作用，能在反应堆正常关闭或发生紧急情况时关键阀门，保障关键设备仪表及控制系统正常运作。由于蓄电池长期运行会导致可靠性下降，但定期更换蓄电池组的维护成本较高。为此，提出基于时间卷积网络的异常检测方法。首先，结合大核深度卷积结构与深度逐点卷积，对历史电压数据进行长跨度的特征提取；其次，加入残差卷积层跨层连接特征，以加快模型训练速度，避免层数过深造成的梯度爆炸等问题。实验表明，当卷积核大小为2 048时，模型性能最优，准确率、精确率、召回率和F1值分别为96.5%、93.5%、80.2%、86.3%，可并行处理长时间窗口内的电池关键数据，准确识别异常电池进行单节更换，实现了降低维护成本、提升经济效益的目的。