大亚湾和岭澳核电厂先兆事件分析

本文采用先兆事件分析方法对大亚湾和岭澳核电厂的执照运行事件（LOE）和内部运行事件（IOE）进行定性分析、筛选和定量评价后,确定出对核电厂核安全影响较大的事件--先兆事件（ASP）;并对核电厂ASP 进行统计、分类及趋势分析,以便有效地支持核电厂的核安全管理。     

基于文本挖掘的核电厂运行事件致因分析

为了对核电厂运行事件的致因进行分析,本文基于文本挖掘技术和python工具对国家核安全局近几年通报的运行事件进行语料库构建和文本预处理,利用基于TF-IDF的SVD算法对原始特征项进行去噪降维处理,得到最大解释度的维度200维,接下来对文本中的相似描述进行分类归纳,最后得到34项核电厂运行事件致因,借助可视化词云图将事件致因词频统计结果呈现,构建共现网络以得出事件致因之间的关联性,用可视化事件致因的TF-IDF特征值分析事件致因的重要度。结果表明：设备相关事件和人因相关事件占核电厂运行事件的比例较大,相比于前两年的核电厂运行事件,后两年的核电厂运行事件中误碰和监督不到位两项致因的频率明显降低,核电厂应继续加强安全管理,重视运行事件防范。     

基于ARIMA和LSTM组合模型的核电厂主泵状态预测

为了对核电厂主泵的运行过程进行监测和追踪,进而提高主泵的预警能力,提出了基于差分自回归移动平均（ARIMA）和长短期记忆（LSTM）神经网络组合模型的主泵状态预测方法,并用该方法对某核电厂主泵止推轴承温度和可控泄漏流量进行单步和多步预测,以根均方误差（RMSE）为指标对预测精度进行评估。结果表明,所建立的ARIMA和LSTM神经网络组合模型能够对主泵的状态进行准确的预测和追踪,并且组合模型的预测精度要优于ARIMA和LSTM单一模型,尤其在多步预测中,组合模型的优势更加明显。      

核电厂仪控板件故障检测与诊断技术研究

仪控板件是核电厂仪控系统的重要组成部分,仪控板件的性能对核电厂能否安全、可靠、经济的运行有直接影响。本工作以在线测试为基础,对核电厂仪控板件的故障检测及其诊断技术进行了探讨;介绍了国外同行在该领域的相关经验和在线测试的主要功能、开发流程以及测试数据的分析方法,该故障检测与诊断技术对提高核电厂的安全运行水平有重要作用。     

核安全级电缆鉴定寿命的分析再评估技术

基于对安全级电气设备（1E设备）鉴定方法和鉴定寿命的分析和研究,将分析再评估技术应用于核电厂有环境鉴定要求的电缆（EQ电缆）的寿命评估,可在满足安全要求的前提下合理地延长EQ电缆的鉴定寿命,确保电缆在鉴定寿命的延长期内仍然能够按照规范的要求实现其预期功能。该方法不仅可用于核电厂正常运行期间电缆合格鉴定状态的评估,也可用于电缆在核电厂运行许可证延续（OLE）期间实现其预期功能的能力评估,该方法在国内核电厂已有实际应用。     

国内核电厂丧失厂外电源始发事件频率分析及风险评价

丧失厂外电源（LOOP）是核电厂概率安全分析（PSA）中一个重要的始发事件。本文首先介绍了基于运行经验的始发频率分析方法,然后根据国内核电厂数据进行初步分析并与通用数据比较,最后以一个能动核电厂为例分析LOOP对堆芯损伤频率（CDF）的影响。分析表明,在功率运行工况下国内核电厂LOOP始发频率要明显低于通用数据（约为1/3）,而停堆工况下的频率则接近。LOOP事件是影响核电厂风险的重要因素,本文的分析可为形成国内通用的LOOP始发频率提供参考。     

核电厂概率安全分析中动态可靠性方法综述

用动态可靠性方法弥补传统事件树/故障树方法的不足,补充和完善现有核电厂的可靠性与安全性评估,已成为核电厂概率安全研究的一新发展点。近30年来,动态可靠性已具有相对成熟的理论基础——概率动力学,并形成了蒙特卡罗（MC）模拟和离散动态事件树（DDET）两类主要方法。本文简要介绍动态可靠性理论和方法的研究现状与技术特点,并对未来趋势进行分析。     

秦山核电厂运行许可证延续申请环境影响评估的实践与思考

针对秦山核电厂运行许可证有效期限到期，为延续运行开展的运行许可证延续（OLE）相关工作，研究分析了美国执照更新（LR）和国际原子能机构（IAEA）长期运行（LTO）体系，并基于国家核安全局颁布的《〈核电厂运行许可证〉有效期限延续的技术政策（试行）》，对核电厂延续运行环境影响评估的适当性、可接受性、符合性进行了分析研究，提出了适用于我国的核电厂OLE环境影响评估工作方法与流程；结合秦山核电厂的工程实践经验对评估过程中评价基础、评价标准、资料收集范围、源项优化问题进行了研究，并对我国核电厂延续运行相关工作提出了建议。     

基于时间卷积胶囊网络的核动力装置事故诊断技术研究

核动力装置是复杂的系统工程且具有潜在的放射性危险，因此要及时发现并处理其事故问题，避免造成严重后果。为建立核动力装置事故诊断方法，对操纵员的安全分析提供新的辅助手段，提出了一种基于时间卷积胶囊网络的核动力装置事故诊断方法。首先通过时间卷积核提取数据的时序信息，并降低计算难度，然后通过胶囊网络挖掘数据的深度向量特征，能够最大化利用运行信息中的数据特征，在事故数据较少的情况下也能得到很好的收敛效果，最后通过核动力装置全范围仿真模拟机获取事故仿真数据对模型进行训练和测试。研究结果表明，在核动力模拟机事故数据较少的情况下，相比于传统的深度学习方法，时间卷积胶囊网络模型有更好的收敛效果和诊断准确性。     

基于LSTM的核电传感器多特征融合多步状态预测

针对核电工况参数预测的问题,利用核电站传感检测系统采集的大量时间序列,提出了基于长短时记忆网络（LSTM）的多特征融合多步状态预测模型。以某核电厂实时参数系统采集到的SG1蒸汽压力传感数据为研究对象,首先针对数据缺失、采样时标不一致问题进行数据预处理,然后完成基于LSTM的多特征融合多步状态预测模型的结构设计与建模,最后将本文提出的预测模型与循环神经网络（RNN）、门控循环单元（GRU）、本文模型-全连接层1以及单变量LSTM等多步预测模型进行比较。实验结果表明,本文提出的预测模型的拟合性能和预测性能整体最优,同时也验证了基于LSTM模型的深度学习方法在核电站运行安全保障领域的适用性。      

基于ESD的船用核动力装置一回路系统失水事故的事件序列

针对船用核动力装置事故分析的特点,从核动力装置运行安全的角度出发,采用基于事件序列图(ESD)和运行安全分析的联合分析方法,建立船用堆一回路系统失水事故的ESD模型。分析研究事故的演变过程和后果,获得完整的事件序列。     

核电厂仪控设备电磁干扰分析与定位

电磁干扰（EMI）对核电厂仪控设备的影响显著,某些核电厂发生EMI导致保护设备误报警、保护系统误动或拒动,从而造成误停机甚至停堆事故。因此,必须有针对性地对EMI各干扰源制定解决方案。本文以某核电厂温度测量元件受干扰为例,采用层层演进的方法,发现定位干扰源、分析干扰特性,直至提出解决方案,并采取完善重要保护信号接地、出台运行机组防EMI管理规定等措施,大大降低了EMI对于核电厂运行设备的影响。     

对美国罗宾逊核电厂由火灾导致的反应堆紧急停堆和主泵丧失轴封冷却的运行事件的经验反馈

描述和分析了美国罗宾逊(H.B.Robinson)核电厂发生的一次由电缆故障引起的火灾并导致安注启动、主泵丧失轴封冷却的运行事件。介绍了操纵员处理事件的过程和失误。从设备、管理、人员培训等方面探究了事件的直接原因和根本原因,并针对这些原因进行总结,对我国核电厂的运行管理工作提出了具体建议。     

基于频域数据注意力机制的核电厂水泵故障模式识别模型研究

针对核电厂水泵共性的异常振动、转子部件摩擦与磨损等故障模式,利用水泵最容易获取的泵壳加速度信号的频域数据为输入,提出了一种结合卷积神经网络和注意力网络的频域数据注意力机制方法,并建立了核电厂水泵故障模式识别模型。研究结果表明:相对于传统方法,利用频域数据作为输入、基于频域数据注意力网络算法建立的水泵故障模式识别模型输入的数据长度更短,能够有效提升模型训练的效率,该故障模式识别模型在测试集上的故障模式识别准确率达到100%,优于其他基于深度学习算法建立的故障诊断模型,证明了本文提出方法的优势。      

基于时序深度学习模型的安全壳关键参数快速预测研究

主蒸汽管道断裂（MSLB）事故威胁核电厂安全运行。本文基于时序深度学习模型预测核电厂非能动安全壳冷却系统（PCCS）在MSLB事故下关键安全参数随时间变化的瞬态响应。以瞬态安全参数为研究对象,数据通过线性归一化、特征标签分割预处理,使用短期数据集训练,采用长短时记忆网络（LSTM）和循环神经网络（RNN）建立单参量与多参量协同的时序深度学习模型;由多参量协同模型预测未经训练的长期数据集。研究表明:在同类事故、不同工况下,基于时序深度学习模型的预测具有适用性;基于训练短期数据来预测长期数据方法可行;使用LSTM的单参量模型或多参量协同模型的预测精度比RNN更高,基于LSTM深度学习模型能够有效、高精度快速预测MSLB事故下PCCS瞬态安全参数响应特性, 可为事故安全分析提供快速预测分析。      

Comparisons between the various types of neural networks with the data of wide range operational conditions of the Borssele NPP

This paper addresses a trend monitoring in operating nuclear power plant by use of two types of Recurrent Neural Networks (RNN). The interesting feature of the RNN is intrinsic dynamic memory that reflects the current output as well as the previous inputs and outputs are gradually quenched. The first one Elman type of RNN which has a feed-back from hidden layer to the input layer neurons while in the Jordan type, from the outputs of the neural net to the inputs of the neural net. In this paper the theoretical assessment of the both RNNs is given. Both topological structures including Back Propagation (BP) neural network were implemented to the Borssele NPP. Learning achieved from 30% to 100% nominal power at the starting period of the new core 30 September 2001. After learning period the reactor operation is followed by the neural network. Paper will present the reactor system, the real time data collection and the merits of the three types of the neural network applied while in the learning and continuous processing of the changing of the operational conditions.     

新燃料组件运输容器加速度计跳离事件的处理方法研究

新燃料组件运输容器上的加速度计是用于监测燃料组件运输过程中的异常冲击。加速度计的跳离表示在运输过程中可能存在对燃料组件产生损坏的载荷。近年来,国内核电站发生多起新燃料组件运输容器的加速度计跳离事件。发生运输容器的加速度计跳离事件后,需对事发燃料组件的机械完整性以及可用性进行评估,并判断其是否可入堆使用。本文在对加速度计的作用原理及加速度计跳离过程进行深入分析基础上,提出了一种新燃料组件运输容器加速度计跳离事件的通用处理方法。利用该通用处理方法对某核电站近年来发生的新燃料组件运输容器加速度计跳离事件进行了处理,处理结果得到了业主的采纳。本文中提出的加速度计跳离事件通用处理方法,可为国内核电站后续加速度计跳离事件的处理提供重要的参考和依据。      

基于本体的核电运行规程模型构建方法

Nuclear power operating procedures are the operational procedures that must be followed for the safe operation of nuclear power plants. Having a lot of texts, the operation procedures are inconvenient for users to browse. However, the current electronic procedures have problems such as lack of simplification, weak content relevance, and less superiority than paper procedures. It is imperative to design a simple and efficient electronic procedure system based Ontology model for nuclear power operation. This paper takes the operating procedures of the chemical and volume systems in a nuclear power plant as an example, uses the ontology model theory, analyzes the text of procedures, develops the knowledge of the procedures and extracts key concepts. Using the ontology development tool to build the system, the electronic procedures and visualization are realized. This construction method is also applicable to the operating procedures of other systems, which not only enables the reuse and sharing of ontology knowledge, but also facilitates querying, understanding, and memorizing procedures. It can help the operators in nuclear power plants to use procedures, thereby improving the efficiency and enhancing the safety and intelligence of nuclear power plants.