论文部分内容阅读
在传统能源日渐枯竭的今天,必须积极寻找绿色新能源。而聚变能是最有前景的绿色能源之一。聚变燃料在托卡马克中以等离子体的状态存在,托卡马克装置放电时等离子体MHD不稳定性会导致等离子体破裂。破裂是一种无法完全避免的灾害性事件,等离子体大破裂在短时间内释放出的大量能量会对装置的第一壁材料造成严重的损害、影响装置的使用年限和操作的安全性。等离子体在托卡马克中的运行会受到密度极限、电流极限、压强极限的限制。等离子体密度作为三大运行极限之一,高密度运行有利于达到聚变点火条件且是实现热核聚变的必要条件,如下一代托卡马克ITER将以密度为0.85倍的Green-wald密度极限的H-mode作为常态化的运行状态,高密度长时间的稳定运行对托卡马克非常重要,但是过高的密度会导致密度极限破裂的发生。EAST作为世界第一个全超导的由中国主导的托卡马克,其位型和运行模式是最接近CFTER和ITER的托卡马卡之一,EAST的密度极限破裂预测对未来的ITER和CFTER有着十分重要的参考意义。本文以“基于神经网络的EAST密度极限破裂的预测”为研究中心,根据GreenWald密度极限定标率从EAST 2014年到2019年炮号在45000～88299的放电炮中筛选出972炮平顶段密度极限破裂炮,以建立密度极限破裂数据库,然后从数据驱动的角度利用多层感知机(MLP)和长短时记忆网络(LSTM)对EAST密度极限破裂建立从平顶段开始训练和测试的离线预测模型,并以破裂概率为模型的输出,离线测试的结果为:对于密度极限破裂炮,在不同的临界预警时间下,LSTM的成功预测率(95%左右)均高于MLP(85%左右),在至少提前20ms发出预警的前提下,LSTM的预测成功率高达95.37%,MLP的预测成功率高达86.21%;对于非破裂炮,LSTM的预测失败率为8.21%,MLP的预测失败率为7.75%。离线预测是实现和研究实时在线预测的前提,为实时预测提供了很好的参考,测试结果表明LSTM的性能较MLP有较大的提升,且利用神经网络对EAST密度极限破裂预测的可行性。下一步计划对EAST进行实时测试,为EAST高密度实验提供算法支撑,同时也为ITER未来的运行提供参考意义。