[發明專利]一種基于改進隨機森林的核電站系統運行趨勢預測方法

在審

• 申請號: 202111107117.6
• 申請日: 2021-09-22
• 公開（公告）號: CN113837463A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 劉永闊;單龍飛;艾鑫;黃學穎
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F30/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種基于改進隨機森林的核電站系統運行趨勢預測方法，包括以下步驟：(1)隨機森林單步預測步驟；(2)隨機森林多步預測步驟；(3)多步預測修正。本發明所用的隨機森林方法在單步預測預測較為準確，但在多步預測效果較差，這是由于隨機森林在預測時雖然能夠預測曲線的變化趨勢，但由于對于數據變化不敏感，當數據增加或減小變緩時其誤差可能變大，而斜率預測考慮到短時間內斜率的變化，對數據短時間內的變化較為敏感，故可以通過隨機森林預測與斜率預測加權平均的方式來進行預測，這種方法能夠有效地提高多步預測的精確度，提高了隨機森林多步預測的可用性。

技術領域

本發明涉及核電站系統在線運行趨勢預測領域，具體為一種基于改進隨機森林的核電站系統運行趨勢預測方法。

背景技術

在工業領域，安全是重中之重，尤其對于事故多發，危害性較大的核電領域，其安全性尤為重要。運行趨勢預測方法運用核電站運行的歷史數據，預測核電未來運行趨勢，在發生故障前采取相應的措施，可避免事故的進一步惡化。因此研究運行趨勢預測方法對于提高核電站的安全性具有重要意義。

目前，核電站有多種方法應用于趨勢預測。如：傳統統計學時間序列方法(自回歸預測法、滑動平均預測法、自回歸滑動平均預測法)、灰色預測法、神經網絡預測法(如：BP神經網絡等)以及一些機器學習預測法(如：支持向量機、隨機森林等)。其中灰色預測法與神經網絡預測法時應用較為廣泛的方法。灰色預測法適合于短期負荷預測，特別是在數據樣本缺乏時。神經網絡預測法中BP神經網絡運用最多，但其對于初始參數依賴性較強容易陷入局部極小值，收斂速度慢，預測效果有待提高。尤其實時預測過程中，每一次預測都需要重新訓練，為了避免陷入局部極小需要參數尋優算法進行優化，故需要占用大量資源。隨機森林雖然也常用于運行趨勢預測但其在多步預測過程中預測精度較差。

發明內容

本發明的目的是為了解決運行趨勢預測方法多步預測誤差較大的問題的一種基于改進隨機森林的核電站系統運行趨勢預測方法。

本發明的目的是這樣實現的：

一種基于改進隨機森林的核電站系統運行趨勢預測方法，包括以下步驟：

步驟1：隨機森林單步預測步驟；

步驟1.1：根據當前參數的歷史數據構造出隨機森林模型；

步驟1.2：將下一刻時間戳的數據帶入到隨機森林中。在決策樹中時間戳會根據構建決策樹時的規則，從根節點遍歷整棵決策樹直到葉子節點，并將該葉子節點的值當做該決策樹的預測值；

步驟1.3：重復步驟1.2時間戳會遍歷每一個決策樹，每一棵決策樹都會產生一個預測值，將所有預測值的加權平均值，就是最終預測值

步驟2：隨機森林多步預測步驟；

時間序列多步預測是根據該參數當前時間以前的歷史數據X以及每一步預測的預測值p_i來預測該參數下一步的數據，步驟如下：

步驟2.1：根據步驟1中的隨機森林單步預測，預測下一時刻的數據p_i；

步驟2.2：將步驟1.1中預測的數據和歷史數據作為新的訓練數據[X,...p_i]，通過隨機森林進行訓練。重復隨機森林單步預測來預測下一刻的數據。

步驟2.3：重復步驟1.2和步驟1.3，實現多步預測。

步驟3：多步預測修正；

對曲線斜率進行修正，通過當前時刻數據與下一刻曲線斜率預測下一刻數據：

設當前時間為t，當前時間n個歷史數據為：

x＝{x_t-n+1,x_t-n+2,......,x_t}