一种基于Li-TConvformer模型的核电站异常事件识别方法

本发明涉及核电检测技术领域，具体地说，涉及一种基于Li‑TConvformer模型的核电站异常事件识别方法，其包括如下步骤：通过核电厂全范围仿真机获取工况正常运行时的传感器数据X，对原始测量数据作标准化处理，求解标准化矩阵X的协方差矩阵Σ，对Σ进行特征值分解，将主元分量作为深层特征，通过Pytorch框架搭建Li‑TConvformer网络；采用在多头自注意力机制基础上进行改进，构建广播自注意力机制，将混合尺度特征集输入至Li‑TConvformer模型中，设置迭代次数与模型学习率，得到核电站异常事件识别模型。本发明解决了传统核电站异常事件识别方法依赖人工经验、阈值判断简单，无法有效处理复杂工况与数据时序、多尺度特征，难以准确及时识别异常，导致核电站运行安全隐患难以有效把控的问题。