核电厂设备状态多参数同步监测技术研究

核电厂设备稳定的运行状态以及长期的运行数据积累为实现数据驱动的设备状态智能监测建立了良好的数据基础。本文提出一种基于多参数关联关系的设备状态智能监测方法,该方法包括建模、训练和推断3个步骤,建立数据驱动的设备状态智能监测和预警模型。首先识别并分析系统设备监测参数、参数监测内容和关联关系,设计建立监测参数的关联关系模型;其次,采集并筛选设备正常运行历史数据作为训练数据,基于反向传播（BP）前馈神经网络训练关联关系模型;最终,实时采集设备监测参数实测值,并基于模型推断各参数的预测值,监控实测值与预测值的偏差,当偏差超过预定的阀值时发出预警信息。本文以某电厂热交换器和主给水泵为例进行建模并验证,结果表明本文提出的监测模型可以有效同步监测设备参数微小异常变化,预警早期异常,同时保持极低的误报警率。      

核电厂重大设备健康状态的模糊综合评价方法

针对核电厂重大设备管理细则、设备运行特点和要求,提出了核电厂的重大设备健康状态综合评价方法。根据核电厂设备状态监测特点,建立了基于监测任务的多层次指标体系模型。基于设备零部件潜在故障模式分析故障现象,分析设备监测任务,并构建监测任务隶属度函数模型。总结专家实际评估经验,提出指标权重由所辖多个监测任务共享,由劣化最严重的监测任务继承权重,得到设备的指标状态;通过改进的层次分析法,分配各指标的初始权重,并提出基于指标状态等级的分级变权理论模型,均衡考虑关键指标的恶化情况。将建立的评价方法应用于核岛主泵轴封系统健康状态评估,结果表明该方法可靠实用,能够有效表征重大设备的实际运行健康状态。      

基于核主元分析法的核电厂设备状态监测技术研究

为解决核电厂传统监测手段的局限性,提出将核主元分析法（KPCA）引入核电厂设备在线监测领域中,并设计了监测模型建设方法以及在线监测策略。为验证算法的有效性,将其应用在国内某核电机组电动主给水泵的真实监测案例中。仿真结果表明,KPCA算法可适应核电厂设备监测的要求,能比现有阈值监测手段提供更为早期的故障预警。同时,相比于常规的主元分析法（PCA）,KPCA算法能够提取各变量之间的非线性关系,识别出设备不同的运行模式,有效减少误报警。      

基于参数自回归算法的核电厂关键设备早期预警方法研究

本研究设计并开发了一种基于参数自回归算法的用于核电厂关键设备早期预警的方法,该方法创新性地引入了基于多维度时序数据的参数自回归算法,对设备正常运行状态下的参数进行估计,并通过与实测值分析比较来提取残差特征,从而实现了基于动态阈值的设备状态监测机制。此外,结合设备机理,本研究提出并采用了测点重要度的关键概念,通过对设备核心部件拆分建模,实现了对设备运行状态的识别、异常征兆的早期预警、故障部件的确定和相关报警事件的生成。本研究在AP1000核电机组的核心设备——反应堆冷却剂泵（简称主泵）上对设计开发的方法进行了测试验证,通过对主泵实际运行数据和异常事件的相关数据分析,结果表明,与现有设备状态监测方法相比,新建立的关键设备早期预警方法可以在早期发现相关设备的异常征兆,进行预警,并给出关键信息协助工程师进行故障的分析和定位,从而显著缩短了故障诊断和排故的时间,同时极大降低了关键设备监测的人力投入。      

基于PCA的主泵传感器状态监测模型

核电厂主泵的主、辅系统中布置了大量的传感器,随着主泵的运行,传感器会出现不同程度的老化或故障。为了改善现有核电厂传感器周期性测试和校准方案的不足,提高运行的安全性与经济性,采用主成分分析（PCA）技术对主泵的传感器进行状态监测。使用某核电厂主泵的运行数据建立PCA监测模型,并利用该模型对传感器的小漂移故障和共模故障进行识别,仿真结果表明该模型对主泵传感器具有很好的监测效果。      

基于BP神经网络的核电厂主动容错控制方法研究

针对核电厂中的传感器故障,采用改进的BP神经网络算法对传感器进行神经网络训练,建立各种运行状态下的动态模型库,并应用BP神经网络对系统进行实时检测。当传感器发生故障时,采用控制率重构的方法进行容错控制。在核动力装置模拟器上以稳压器为对象进行了仿真实验验证,结果表明该方法对于核电厂中的传感器故障进行容错控制是有效的。     

核电厂控制区出入监测系统联网改进

以某核电厂的改造项目为例,在现役运行核电厂控制区出入监测系统的基础上,对现场运行设备进行联网改造并增加相应的集中控制管理软件,增设视频采集模块采集测量沾污人员的面部信息,实现对现场设备状态的实时监控及设备报警后的人员响应,提高现场辐射安全管控能力。为核电厂控制区出入监测系统及类似系统的联网升级优化提供参考。     

核电厂智能诊断方法研究的进展

文章评述神经网络、模糊逻辑和专家系统3种典型的智能方法在核电厂(NPP)运行状态监测和故障诊断中的应用研究进展.分析了基于神经网络(ANN)、模糊逻辑和专家系统的核电厂运行状态监测和故障诊断方法的研究状况及其特点.探索了核电厂智能诊断方法应用研究的发展趋势.分析表明:基于模糊逻辑和专家系统的核电厂智能诊断方法的研究成果相对较少;核电厂智能诊断方法研究主要集中在基于神经网络的状态监测与故障诊断方面;多种智能诊断方法的结合、神经网络与其它方法的结合,以及基于多神经网络的核电厂运行状态监测和故障诊断方法研究是核电厂智能诊断方法研究的重要发展趋势.     

基于SDG-QTA的核动力装置故障诊断技术研究

通过对核动力装置进行在线状态监测与故障诊断研究,帮助操作人员及时了解核动力装置的运行状态和事故进程,有助于操作人员进行正确操作,防止事故进一步恶化。符号有向图（SDG）能很好地展示出复杂系统变量之间的关系,同时具有建立模型简单、推理灵活等优点。本文采用SDG对核动力装置进行故障诊断研究。首先,将定性趋势分析(QTA)和阈值法结合对核动力装置进行状态监测。然后,采用SDG对核动力装置进行故障诊断,并通过SDG模型给出故障的传播路径。最后,以核电厂二回路典型故障为例,建立其SDG模型,并通过仿真机对该方法进行验证。     

核电厂重要设备的监视与预警技术

针对核电厂运行过程中出现的重要设备的异常变化,利用数据挖掘技术,建立重要设备的动态规则库,在核电厂实时信息监控系统的实时数据和历史数据基础上,分析核电厂重要设备的变化趋势和规律,对重要设备的异常情况进行实时在线监视和预警。为操纵员提供判断依据,降低核事故发生的几率,从而有效地提高了核电厂运行的安全性。     

基于核主元分析法的核电厂设备状态监测技术研究

In order to solve the limitations of the traditional monitoring methods for nuclear power plants, this paper proposes to introduce Kernel Principal Component Analysis (KPCA) into the online monitoring field of nuclear power plant equipment, and design the monitoring method and online monitoring strategy. In order to verify the effectiveness of the algorithm, it has been applied in the real monitoring case of the motor driven main feed water pump a nuclear power plant in China. The simulation results show that the KPCA algorithm can adapt to the requirements of nuclear power plant equipment monitoring, and can provide earlier warnings of failure than the existing threshold monitoring methods. At the same time, compared with the conventional PCA algorithm, the KPCA algorithm can extract the nonlinear relationship between variables, identify different operating modes of the device, and effectively reduce false alarms.     

一回路核级设备磨损的监测模型

核级设备的结构失效与微动损伤有直接关系,在应力集中部位,微动又是许多核电设备提前失效的直接原因。本文以一回路核级设备为对象,研究其磨损失效的原理和特征,并针对不同的磨损失效情况建立监测模型,针对难以避免的典型磨损,构建监测模型,在线监测敏感部位的磨损,并提取信号进行分析,确定磨损部位和磨损程度。监测模型可以通过至少两种监测手段监测易发生磨损的部位,同时,通过不同的定位方法找到磨损发生的位置,并发出警报,做到事故前预防。     

动态γ辐射场中的气溶胶监测系统优化设计北大核心CSCD

为满足核电站及应急监测环境中具有动态强γ本底的α、β放射性气溶胶在线监测的需求,本文结合该监测场景的源项特点,对表面钝化的离子注入型(PIPS)半导体探测器晶体结构进行了优化设计。并使用蒙特卡罗方法,对探测系统结构优化后的集成双PIPS探测器,进行了角度响应模拟。为满足大角度范围更为优异的角度响应相对标准偏差指标(根据现场工作及实验总结要求小于15%),对集成双PIPS探测器探测系统(包括:探筒、走纸部分及气溶胶输运管路)结构进行了优化,并将整个探测系统置于立体设备处。将改进后的设备分别置于^(60)Co和^(137)Cs参考辐射场中,进行了线性、能量和角度响应实验。实验结果表明:(1)经优化设计的集成双探测器结构在角度、能量及线性响应方面的性能更优异;(2)整机组件材料的结构及密度的各向异性可仅通过对探测系统局部的结构优化,实现角度响应不大于5%,从而避免对整机进行改造。最终将优化后的设备置于空气比释动能为10μGy/h的137 Cs参考辐射场中运行,测量结果表明:经γ补偿及天然氡、钍子体扣除后,α气溶胶的探测限小于0.03 Bq/cm^(3),β气溶胶的探测限小于0.4 Bq/cm^(3),且在长期稳定运行中未出现误报警。     

一种自适应的控制棒驱动机构滚轮丝杠副剩余寿命预测方法研究

针对反应堆控制棒驱动机构（CRDM）滚轮丝杠副剩余使用寿命（RUL）预测中如何选取有效的健康状态指标和合理构建预测模型的难题,提出了一种新的滚轮丝杠副RUL预测模型。采用基于生成拓扑映射算法（GTM）的负对数似然概率（NLLP）指标作为滚轮丝杠副的健康状态指标,利用K均值聚类算法对NLLP指标进行状态划分。利用历史数据和在线监测数据构建基于Markov模型和最小均方算法（LMS）的自适应预测模型,根据设定的阈值预测得出剩余寿命。通过实验验证,结果表明本文选取的健康状态指标能够有效地反映设备状态,所给出的自适应预测模型比一般的预测模型的预测精度高,为合理构建RUL预测模型提供了依据。      

基于浮动报警阈值的燃料元件包壳破损监测方法的分析与研究

针对燃料元件包壳破损监测报警阈值设置为固定阈值的不足,利用数理统计与概率分析理论提出浮动报警阈值的概念,对浮动报警阈值的设置进行了初步探讨。分析表明,在燃料元件包壳破损监测中,浮动报警阈值可较真实、快速地判定燃料元件包壳破损情况并及时报警。     

秦山核电厂松动部件监测系统典型误报警事件分析和处理

松动部件监测系统（LPMS）是核电厂监测一回路中是否有松脱件的基本安全工具,误报警是困扰松动部件监测的一个最重要的问题。为了甄别误报警事件,分析了秦山核电厂运行过程中的典型报警事件数据和工况信息,确认主泵启停过程中的报警、雷雨天气触发的报警、堆顶风机切换触发的报警、主系统在升温升压过程的报警为误报警,并针对这几类典型的误报警给出了解决方案。      

基于概率神经网络的核动力装置异常运行工况识别方法设计

核动力装置结构复杂、运行参数多且耦合程度高,在异常运行工况时,运行参数之间存在极其复杂的非线性关系。采用人工方式进行故障诊断难度较大,亟需一种能高效识别异常运行工况类型的智能技术。概率神经网络（PNN）具有良好的非线性映射功能,适用于核动力装置多参数、强耦合情况下的异常运行工况识别。本文选取6种核动力装置异常运行工况,依托核动力装置事故分析平台进行了模拟计算并提取了特征参数。分别采用PNN与BP神经网络方法,在MATLAB环境中建立了异常运行工况识别模型,并进行了验证。结果表明,基于PNN的异常运行工况识别方法有效,且较传统BP神经网络方法更准确、快速。