
1. 中核武汉核电运行技术股份有限公司
2. 三峡大学数理学院
Published:2025
移动端阅览
刘培邦, 张才科, 周光荣, et al. 基于MCC的KPCA核电数据异常检测方法[J]. 2025, 45(6): 1232-1240.
刘培邦, 张才科, 周光荣, et al. 基于MCC的KPCA核电数据异常检测方法[J]. 2025, 45(6): 1232-1240. DOI: 10.20190/j.cnki.02580918.202506022.
针对核电运行数据的异常检测,能够及早发现系统和设备运行状态的偏移从而发出预警,这对于减少触发保护信号造成停机停堆,以及提升核电机组运行的安全稳定性具有重要意义。由于故障数据的稀有性,实际应用中通常通过正常运行数据建模来实现异常检测,其中主成分分析(Principal Component Analysis
PCA)算法由于简单有效而被应用。然而,由于真实核电数据缺乏标注,其中包含的离群点和异常数据可能干扰PCA模型训练从而影响异常检测性能。针对这一问题,本文提出了一种基于最大相关熵准则(Maximum Correntropy Criterion
MCC)和核主成分分析(Kernel Principal Component Analysis
KPCA)的KPCA-MCC方法用于核电运行数据的异常检测,并在全范围模拟机仿真数据与真实核电运行数据上进行了验证实验。实验结果表明,所提KPCA-MCC算法借助基于MCC的迭代优化方法提升了模型对训练数据中异常片段的鲁棒性,具备较强的数据重构和异常检测能力,相较对比算法取得了更优的检测指标。这对于缺乏数据标注的真实核电场景中的异常检测方法应用具有重要意义。
周路生,王立仁,刘一舟,陈君荣.AP1000核电厂主泵法兰螺栓在役检查系统开发[J].核动力工程,2022(04).
李其烨,邢红杰.基于最大相关熵的KPCA异常检测方法[J].计算机科学,2022(08).
侯修群,蒋庆磊,包彬彬,苗碧琪,李元姣,张梦阳.基于相关系数的核电主泵振动异常定位方法研究[J].核科学与工程,2021(05).
陈甲华,邹树梁.基于噪声信号分析和HMM-SVM混合模型的乏燃料剪切机故障诊断研究[J].核科学与工程,2018(05).
李晗,萧德云.基于数据驱动的故障诊断方法综述[J].控制与决策,2011(01).
Hoang-Phuong Nguyen,Jie Liu,Enrico Zio.A long-term prediction approach based on long short-term memory neural networks with automatic parameter optimization by Tree-structured Parzen Estimator and applied to time-series data of NPP steam generators[J].Applied Soft Computing Journal,2020.
Kim Cheolmin,Klabjan Diego.A Simple and Fast Algorithm for L1-norm Kernel PCA[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2019.
A. Messai,A. Mellit,I. Abdellani,A. Massi Pavan.On-line fault detection of a fuel rod temperature measurement sensor in a nuclear reactor core using ANNs[J].Progress in Nuclear Energy,2015.
Yingchao Xiao,Huangang Wang,Wenli Xu,Junwu Zhou.L1 norm based KPCA for novelty detection[J].Pattern Recognition,2013.
Baidya Nath Saha,Nilanjan Ray,Hong Zhang 0013.Snake Validation: A PCA-Based Outlier Detection Method.[J].IEEE Signal Process. Lett.,2009.
Jong-Min Lee,ChangKyoo Yoo,Sang Wook Choi,Peter A. Vanrolleghem,In-Beum Lee.Nonlinear process monitoring using kernel principal component analysis[J].Chemical Engineering Science,2003.
Bernhard Sch&ouml,lkopf,Alexander Smola,Klaus-Robert M&uuml,ller.Nonlinear Component Analysis as a Kernel Eigenvalue Problem[J].Neural Computation,1998(5).
de Jong Sijmen.SIMPLS: An alternative approach to partial least squares regression[J].Chemometrics and Intelligent Laboratory Systems,1993(3).
Information Theoretic Learning[J].2010.
0
Views
0
下载量
0
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution
京公网安备11010802024621