核电站瞬态运行参数数据压缩与复原方法

李翔宇， 程坤， 黄涛， 余霖， 谭思超

(1.黑龙江省核动力装置性能与设备重点实验室，黑龙江 哈尔滨 150001； 2.哈尔滨工程大学 核科学与技术学院，黑龙江 哈尔滨 150001； 3.核反应堆系统设计技术重点实验室，四川 成都 610213)

特征工程是一种工程化方法[1]，该方法可以从原始数据集选择一组具有明显物理或统计意义的数据子集，并将该数据子集作为后续算法或模型的经验数据，为建立自动化的数据分析方法提供数据支持[2]。通常特征工程方法利用机器学习、随机信号、小波分析等算法最大限度的增强原始数据集中的有效数据特征，弱化或简化冗余的数据信息[3-5]。经该方法预处理后的数据集，可从源数据的角度优化和精简后续算法或模型的结构，提高算法或模型训练以及分析效率。

在核电站运行状态分析与预测方面，为准确判断核电站运行状态以及发生故障时诊断故障类型，核电站布置了大量的传感器实时监测各项瞬态运行参数。而种类多、总量大的瞬态运行参数在网络传输、数据存储和算法训练过程中，将导致数据传输速度慢，占据存储空间大，以及算法拓扑结构复杂、训练速度慢等问题。因此可利用特征工程技术压缩瞬态运行参数，提取数据特征并精简数据集。特征工程包括特征构建、特征提取和特征选择3个部分[6]，但在数据分析过程中，可根据实际需求自由选择或组合的3种方法搭建特征工程分析模型。特征构建是指通过人工手段，利用物理、自然规律，人类知识和经验，从数据集中构建数据特征[7]。……