随着我国核电机组装机容量的持续增加,提升核电机组运行的经济性成为我国在运核电机组的普遍需求。针对国内某核电机组夏季工况出力不足的问题,提出了一种基于长短期记忆神经网络和随机森林算法的核电汽轮机组出力优化方法。长短期记忆神经网络可以实现对季节性时间序列的准确预测;随机森林算法对离群点不敏感、泛化能力强,因此被广泛应用于分类和回归问题。本文基于长短期记忆神经网络建立海水温度时间序列预测模型,基于随机森林算法建立海水温度和电功率设定值对高压调节阀开度和热功率影响关系的回归模型,将两个模型结合起来,得到未来24小时内的电功率设定值优化曲线,机组运行人员可以根据该优化曲线对机组出力进行调整。通过该核电机组的历史运行数据,验证了该方法的有效性。以2019年8月7日为例,如机组运行人员按照电功率设定值优化曲线设定机组出力,当日机组出力将平均提升8.98 MW,可多发约21.5万度电。基于Flask框架开发了核电机组出力优化WEB应用,并通过Flask+Tornado+Nginx的形式部署于该核电站局域网。根据电功率设定值优化曲线来设定机组出力,将在保证机组运行参数不超过限制的情况下,有效提升机组夏季出力,从而改善机组经济性。