ALSTM-GPC在核电厂协调控制系统中的应用

作者：邓志光; 青先国; 吴茜; 郑晓; 朱毖微; 朱加良; 吕鑫

来源：核动力工程, 2021, S2: 41-47.

DOI：10.13832/j.jnpe.2021.S2.0041

• 长短期记忆网络(LSTM)
• 注意力机制
• 阶梯式广义预测控制
• 协调系统
• 核电厂

针对常规比例积分微分(PID)控制器面对复杂系统时控制效果欠佳的问题,充分结合深度学习在特征提取、回归预测以及预测控制在处理多变量、强耦合等问题的优势,先通过ALSTM深度网络构建预测模型控制器,该预测模型以对象一维时序信号作为输入,以长短期记忆网络(LSTM)完成特征提取,然后通过引入注意力机制,对LSTM提取特征的权重参数进行优化,筛选保留目标特征,滤除冗杂特征,实现精准提取有效时序特征。再将广义预测控制(GPC)作为滚动优化控制器,搭建注意力长短期记忆网络-广义预测控制器(ALSTM-GPC)。随后在核电站双入双出多变量协调控制系统进行仿真实验,通过设定值扰动、内扰以及外扰等一系列仿真实验的验证,与常规PID控制相比,ALSTM-GPC控制器具有更优的控制效果。

• 单位
  中国核动力研究设计院