基于iForest-Adaboost的核电厂一回路故障诊断技术研究

作     者：艾鑫 刘永阔 蒋利平 夏虹 周馨萩 Ai Xin;Liu Yongkuo;Jiang Liping;Xia Hong;Zhou Xinqiu

作者机构：哈尔滨工程大学核安全与仿真技术国防重点学科实验室哈尔滨150001 

出 版 物：《核动力工程》 (Nuclear Power Engineering)

年 卷 期：2020年第41卷第3期

页      面：208-213页

核心收录：

学科分类：08[工学] 082701[工学-核能科学与工程] 0827[工学-核科学与技术] 

基　　金：核反应堆系统设计技术重点实验室基金项目(HT-KFKT-14-2017003) 核电安全监控技术与装备国家重点实验室项目(K-A2019.418) 

主　　题：核电站 一回路 故障诊断 孤立森林(iForest)算法 Adaboost算法 

摘      要：传统的故障诊断方法如主元分析方法与BP神经网络等在复杂非线性系统中存在泛化能力较差、故障识别准确度较低的问题。而孤立森林(iForest)算法使用孤立树划分思想识别异常数据,可适用于非线性系统的状态监测;Adaboost算法是一种基于组合分类思想的提升算法,可通过多个弱分类器的叠加,使整体算法具有较好的泛化能力。因此采用i Forest算法与Adaboost算法建立iForest-Adaboost核电厂一回路故障诊断系统,使用GSE实时仿真平台与福清核电站一号机组仿真数据测试。测试结果表明,iForest算法相比于主元分析与QTA阈值法可以更快识别出系统异常,Adaboost算法相比于BP神经网络与支持向量机方法具有更高的故障识别准确率。