基于預(yù)警系統(tǒng)的反應(yīng)堆非能動設(shè)備故障的研究

任帥 錢虹

摘 要：在已有的核電智能診斷方法研究的基礎(chǔ)上，為提高核電故障診斷的及時性，提出了以專家系統(tǒng)置信規(guī)則庫技術(shù)為基礎(chǔ)的基于時間周期性觸發(fā)的預(yù)警系統(tǒng)。在運(yùn)行過程中，預(yù)警參數(shù)超過閾值，系統(tǒng)進(jìn)入預(yù)警狀態(tài)，應(yīng)用預(yù)警系統(tǒng)中的專家系統(tǒng)置信規(guī)則庫，完成故障的定位與識別。采用故障機(jī)理模型與核電模型相結(jié)合的方式，通過報警時刻核電運(yùn)行參數(shù)的研究，構(gòu)建置信規(guī)則庫。以此為基礎(chǔ)進(jìn)一步構(gòu)建預(yù)警參數(shù)集合及預(yù)警閾值集。預(yù)警系統(tǒng)的研究對象為反應(yīng)堆非能動設(shè)備故障，通過在核電模型中人為引入故障，預(yù)警系統(tǒng)能夠在故障發(fā)生時進(jìn)入預(yù)警狀態(tài)，故障識別結(jié)果與引入的故障一致，驗證了預(yù)警系統(tǒng)的有效性和可靠性。

關(guān)鍵詞：預(yù)警系統(tǒng);非能動設(shè)備;故障診斷;置信規(guī)則庫

DOI：10.15938/j.jhust.2019.04.005

中圖分類號： TM623

文獻(xiàn)標(biāo)志碼： A

文章編號： 1007-2683（2019）04-0029-07

Abstract：Based on research on the intelligent diagnosis method of nuclear power plant， in order to improve the timeliness of nuclear power plant fault diagnosis， a time periodic triggering early warning system based on expert system belief rule base is proposed. In the process of running， the off-limit of early warning parameters make the system into the early warning state， and through the belief rule base， location and identification of fault is completed. Based on the fault mechanism model， both with the nuclear power model， the belief rule base is constructed by studying the operation parameters when alarm occur. In this way， the set of early warning parameters and the set of its threshold value will be built. The object studied about is the fault of the passive devices of the reactor. Faults artificially inserted into the nuclear power model indicate that the early warning system can enter the early warning state at the time of the fault. The diagnosis result is consistent with the fault insert. Proves that the early warning system is effective and reliable.

Keywords：early warning system; passive device; fault diagnosis; belief rule base

0 引 言

非能動安全系統(tǒng)是為了提高核電安全性而設(shè)計的，但在核電正常運(yùn)行時，由于非能動系統(tǒng)的設(shè)備異常，如非能動堆芯補(bǔ)水箱出口隔離閥閥門誤開等，反而對反應(yīng)堆一回路正常運(yùn)行產(chǎn)生影響，甚至導(dǎo)致非正常停堆。因此為避免非能動設(shè)備的異常導(dǎo)致的不必要后果，有必要設(shè)計非能動系統(tǒng)的預(yù)警系統(tǒng)，以達(dá)到非能動系統(tǒng)及時的正常維護(hù)。

目前國內(nèi)外對于核電智能診斷研究很多，但對于非能動設(shè)備預(yù)警系統(tǒng)的研究較少，文[1]從預(yù)警特征條件及預(yù)警系統(tǒng)結(jié)構(gòu)方面闡述了傳統(tǒng)的核電預(yù)警技術(shù)，并提出了預(yù)警系統(tǒng)與仿真模型相結(jié)合的實現(xiàn)構(gòu)想。文[2]提出了以報警狀態(tài)為觸發(fā)條件的診斷系統(tǒng)，對專家系統(tǒng)置信規(guī)則庫進(jìn)行了研究，并建立了故障程度與置信規(guī)則度函數(shù)的閾值限值間的數(shù)學(xué)模型。文[3]通過定性仿真理論的相關(guān)原理的分析，引入模糊集理論及相似性原理完成對故障檢測與診斷的研究。文[4]分析了國內(nèi)外對故障診斷的研究現(xiàn)狀，提出了在故障診斷基礎(chǔ)方面存在的不足。并將故障診斷的研究從信號獲取與傳感技術(shù)，故障機(jī)理與征兆聯(lián)系、信號處理與特征提取、識別分類與智能決策幾個方面進(jìn)行了介紹。文[5]從征兆提取方面提出了基于最優(yōu)Morlet小波自適應(yīng)包絡(luò)解調(diào)的弱故障特征提取方法，能有效地從強(qiáng)噪背景中提取微弱故障特征。文[6]從識別分類角度，提出一種將核主成分分析（kernel principal component analysis，KPCA） 和相關(guān)向量機(jī)（relevance vector machine，RVM） 相結(jié)合的感應(yīng)電機(jī)故障診斷方法。文[7]提出一種基于后驗概率輸出的CE-SVM（交叉熵支持向量cross entropy support vector machine）和模糊積分動態(tài)融合的大電網(wǎng)故障診斷策略。利用交叉熵優(yōu)化算法對支持向量機(jī)參數(shù)尋優(yōu)，提升了支持向量機(jī)的推廣泛化能力。

本文提出預(yù)警集與故障識別相結(jié)合，以非能動設(shè)備故障為對象的預(yù)警系統(tǒng)，預(yù)警集觸發(fā)預(yù)警時，系統(tǒng)通過專家系統(tǒng)置信規(guī)則庫對故障進(jìn)行快速的故障定位。通過測試平臺，對非能動設(shè)備預(yù)警系統(tǒng)在故障發(fā)生時的及時性和可靠性進(jìn)行了驗證。

1 故障預(yù)警系統(tǒng)設(shè)計

為了達(dá)到對核電運(yùn)行出現(xiàn)故障時的及時定位和操作指引的作用，預(yù)警系統(tǒng)設(shè)計為按照時間周期性觸發(fā)。其結(jié)構(gòu)如圖1所示。從實時數(shù)據(jù)庫中獲取預(yù)警參數(shù)值，對比預(yù)警閾值集，輸出預(yù)警值。僅當(dāng)觸發(fā)預(yù)警后，預(yù)警系統(tǒng)通過置信規(guī)則庫對當(dāng)前核電運(yùn)行狀態(tài)進(jìn)行識別。通過征兆異常信息對故障進(jìn)行定位，得出預(yù)警狀態(tài)下的故障的位置信息及故障置信度信息。

因此，核電站預(yù)警系統(tǒng)能夠更早得知設(shè)備故障的發(fā)生，在非能動故障演變成難以處理的地步之前得到對于故障的預(yù)警，有助于操作員及時采取有效措施。

為了體現(xiàn)預(yù)警與故障間的對應(yīng)關(guān)系，預(yù)警參數(shù)從置信規(guī)則庫中按照機(jī)理及重要度進(jìn)行提取。

1.1 構(gòu)建置信規(guī)則庫

1.1.1故障征兆的提取

在構(gòu)建置信規(guī)則庫時，首先應(yīng)當(dāng)確定故障類型集，假設(shè)系統(tǒng)可能發(fā)生n種故障類型，則所有故障組成的集合稱為故障集Y，可描述為

對應(yīng)的核電站設(shè)備故障會導(dǎo)致相關(guān)的系統(tǒng)運(yùn)行參數(shù)超過一定限值而產(chǎn)生報警，所以可根據(jù)報警發(fā)生時刻對應(yīng)的一系列故障征兆構(gòu)建規(guī)則庫，以yi表示其中一種故障類型。故障類型所對應(yīng)的故障征兆的集合為

為了提高故障識別的準(zhǔn)確性，需實現(xiàn)故障類型集與故障征兆集之間的一一映射關(guān)系。

除了要在故障機(jī)理模型的基礎(chǔ)上提取報警時的該故障主要征兆Xa={xa1，xa2，…，xa3，…xak}外，還需要通過核電模型、相關(guān)設(shè)備結(jié)構(gòu)功能和核電領(lǐng)域?qū)＜医?jīng)驗相結(jié)合的方式提取關(guān)聯(lián)征兆Xb={xb1，xb2，…，xb3，…xbm}。然后將故障與征兆之間一一對應(yīng)的關(guān)系通過規(guī)則表示為yi=Ri（Xi）。

1.1.2 置信規(guī)則庫中規(guī)則的表示

在規(guī)則庫中，故障集和征兆集以規(guī)則的形式存在。規(guī)則庫由前提條件和結(jié)論組成，前提條件之間由邏輯連接詞組成不同組合，當(dāng)前提條件為真時，得到后項結(jié)論。其基本形式一般為：“P→Q”或“IF P THEN Q”。但由于核電系統(tǒng)的復(fù)雜性、故障征兆本身的模糊不確定性，本系統(tǒng)采用基于分布式置信度的置信規(guī)則，可描述為

式中：Ai為該規(guī)則的第個前提條件;εi為第i個前提條件的置信度;m為前提條件的個數(shù);Di為第i個結(jié)論;βi為第i個結(jié)論的置信度;n為結(jié)論的個數(shù)。

1.1.3 置信規(guī)則庫中的變量設(shè)定

在置信規(guī)則庫的構(gòu)建過程中，置信規(guī)則變量的設(shè)定包括規(guī)則置信度的設(shè)定與征兆的閾值限值設(shè)定，其中規(guī)則置信度又分為征兆置信度和故障置信度。征兆閾值限值影響置信度的大小并決定故障識別結(jié)果的準(zhǔn)確度和精確度。

1）規(guī)則置信度的設(shè)定

[β1，β2，β3，…βn]為故障的置信度，指預(yù)警狀態(tài)下出現(xiàn)各個故障的可能性，由核電領(lǐng)域?qū)＜腋鶕?jù)經(jīng)驗設(shè)定;

[ε1，ε2，ε3，…εm]為與該故障對應(yīng)的各征兆的置信度向量，其大小參考基于核電模型得到的報警時刻對應(yīng)征兆的值，遵循一定的置信度函數(shù)計算原則，并結(jié)合核電領(lǐng)域?qū)＜医?jīng)驗進(jìn)行最終設(shè)定[8]。

2）閾值限值的設(shè)定

征兆的限值被認(rèn)為是可以確信故障發(fā)生的界限，征兆特征參數(shù)值超過閾值時，則被認(rèn)為故障可能發(fā)生，并且在閾值和限值之間，變現(xiàn)出隨著征兆特征參數(shù)向限值的靠近，故障發(fā)生的可能性也越大。

分別用vmini，vLi，vHi和vmaxi表示某故障下第i個征兆特征參數(shù)的下限值、下閾值、上閾值和上限值。

1.2 構(gòu)建預(yù)警集

預(yù)警系統(tǒng)的觸發(fā)采用時間周期性觸發(fā)，和雙向越限預(yù)警的形式。

預(yù)警參數(shù)集表現(xiàn)出在發(fā)生故障類型集中各故障的情況下，能夠在報警系統(tǒng)報警之前體現(xiàn)出故障信息的核電運(yùn)行參數(shù)的特性。

預(yù)警閾值集中的預(yù)警閾值，是預(yù)警參數(shù)集中參數(shù)能夠反映出，故障在一定的可能性上發(fā)生的界限。在參數(shù)越過閾值時，認(rèn)為核電運(yùn)行有出現(xiàn)對應(yīng)故障的風(fēng)險。

1.2.1構(gòu)建預(yù)警參數(shù)集

預(yù)警系統(tǒng)的建立要對應(yīng)一定的故障類型集合，即對集合范圍內(nèi)的故障具有辨識與定位的能力，故障集合的表示如下：

1.2.2 預(yù)警閾值集

預(yù)警閾值集的設(shè)定參考置信規(guī)則庫中的閾值限值設(shè)定方法，置信規(guī)則庫中，對于每一個征兆值，都有對應(yīng)的下限值、下閾值、上閾值和上限值，分別表示：vmini ，vLi，vHi，vmaxi。

對應(yīng)各預(yù)警參數(shù)zi∈Z，其閾值表示為對應(yīng)的集合形式。

1.2.3 預(yù)警觸發(fā)規(guī)則

在核電站的運(yùn)行過程中，預(yù)警系統(tǒng)以固定時間周期觸發(fā)形式運(yùn)行，對應(yīng)于預(yù)警參數(shù)zi∈Z，有唯一的預(yù)警值αi：

2 構(gòu)建非能動設(shè)備預(yù)警系統(tǒng)

非能動堆芯冷卻系統(tǒng)由兩部分組成，非能動堆芯余熱排出系統(tǒng)和非能動安全注入系統(tǒng)。圖2所示的非能動安全注入系統(tǒng)由兩個堆芯補(bǔ)水箱，兩個安注箱，一個安全殼內(nèi)置換料水箱和相應(yīng)的管道、閥門、儀表組成。

兩個堆芯補(bǔ)水箱（Core Makeup Tank，CMT）可以在較長的時間內(nèi)提供較大的注射流。堆芯補(bǔ)水箱位于安全殼內(nèi)，其位置稍高于反應(yīng)堆冷卻劑泵，箱內(nèi)充滿低溫濃硼水。在主蒸汽管道破裂事故下，該水箱內(nèi)的濃硼水能提供足夠的停堆裕度。兩個CMT的入口壓力平衡管與RCS（Reactor Coolant System冷卻劑系統(tǒng)）的冷段連接，平衡管上裝有一個常開的電動閥使CMT內(nèi)的壓力與RCS壓力一致。每臺CMT出口注射管上均安裝了兩個并聯(lián)的常關(guān)氣動隔離閥和兩個串聯(lián)的逆止閥，出口管經(jīng)過壓力容器直接注入管線與反應(yīng)堆壓力容器相接。CMT的注射分兩個過程：若RCS冷段處于滿水狀態(tài)，則以水循環(huán)方式注射;若RCS水裝量減少至冷段出現(xiàn)汽腔，則以蒸汽補(bǔ)償方式注射[9]。

2.1 構(gòu)建非能動設(shè)備預(yù)警系統(tǒng)置信規(guī)則庫

對于非能動安全系統(tǒng)預(yù)警系統(tǒng)的研究及實現(xiàn)，選定三種典型的故障，作為預(yù)警系統(tǒng)的故障類型：

①非能動堆芯補(bǔ)水箱出口隔離閥閥門誤開;②非能動堆芯補(bǔ)水箱入口管線破裂;③壓力容器直接注入管線破裂，分別對應(yīng)y1， y2， y3。

2.1.1 提取故障主要征兆

通過對穩(wěn)壓器的運(yùn)行機(jī)理分析，由穩(wěn)壓器壓力PZ及蒸汽發(fā)生器壓力PSG建立的數(shù)學(xué)模型[10-11]如下：

將研究對象分為3個子系統(tǒng)：穩(wěn)壓器部分系統(tǒng)C，包含壓力容器及壓力容器注入管線在內(nèi)的冷卻劑系統(tǒng)熱管段的A系統(tǒng)，以及包含蒸汽發(fā)生器、CMT入口管線及冷卻劑系統(tǒng)冷管段在內(nèi)的B系統(tǒng)，對各部分進(jìn)行建模[12]如下：

在此基礎(chǔ)上結(jié)合核電仿真模型的故障實驗，最終確定CMT系統(tǒng)相關(guān)的3個故障的主要征兆為：

1）故障y1：非能動堆芯補(bǔ)水箱出口隔離閥閥門誤開;主要征兆：蒸汽發(fā)生器壓力PSG。

2）故障y2：非能動堆芯補(bǔ)水箱入口管線破裂;主要征兆：穩(wěn)壓器壓力PZ。

3）故障y3：壓力容器直接注入管線破裂;主要征兆：穩(wěn)壓器壓力PZ。

2.1.2 提取故障關(guān)聯(lián)征兆

當(dāng)發(fā)生相關(guān)故障時，應(yīng)保持狀態(tài)平衡的硼水開始流動，所以可能引起CMT輸入管線及DVI （direct vessel injection）管線的溫度分布的變化。并且CMT相關(guān)的破裂事故，將打破CMT與冷卻劑系統(tǒng)間通過DVI管線維持的壓力平衡。由于反應(yīng)堆冷卻劑系統(tǒng)與安全殼大氣存在較大的溫度、壓力差，因此泄放出的水有一部分閃蒸為蒸汽，引起安全殼內(nèi)壓力變化[13]。

結(jié)合核電模型的故障插入機(jī)制進(jìn)行多次實驗，根據(jù)在故障發(fā)生一定時間段內(nèi)各參數(shù)值的變化，同時對比幾次不同故障之間相同征兆的變化差異，結(jié)合核電領(lǐng)域?qū)＜业慕?jīng)驗，最終選定各故障的關(guān)聯(lián)征兆。分別為：

2.1.3 置信規(guī)則庫的閾值限值

參考由核電模型插入故障得到多組實驗數(shù)據(jù)，及報警發(fā)生時刻對應(yīng)征兆特征參數(shù)實時值，根據(jù)文[14]中通過概率論方法對生產(chǎn)數(shù)據(jù)的有效處理，參考文[15]中貝葉斯網(wǎng)絡(luò)方法及文[16]，得到征兆特征參數(shù)的值并帶有一定裕量來選取閾值。并且經(jīng)過核電模型的多次實驗反饋和領(lǐng)域?qū)＜业慕?jīng)驗修正，最終設(shè)定各征兆的閾值與限值如表1所示。

2.1.4 置信規(guī)則庫的規(guī)則

2.2 構(gòu)建非能動設(shè)備預(yù)警系統(tǒng)的預(yù)警集

2.2.1 預(yù)警參數(shù)集合

通過上面的研究，已經(jīng)確定了3個非能動安全設(shè)備故障類型所對應(yīng)的征兆集合，按照預(yù)警系統(tǒng)預(yù)警參數(shù)集合的建立規(guī)則，對各個故障類型的征兆集合取并集，得到預(yù)警參數(shù)集合：

2.2.2 預(yù)警閾值集

預(yù)警參數(shù)的閾值通過征兆特征參數(shù)對應(yīng)的閾值和限值，由式（5）、（6）進(jìn)行確定如下：

2.3 案例分析

預(yù)警系統(tǒng)通過C++編程加以實現(xiàn)，以帶有非能動設(shè)備核電模型的仿真機(jī)為對象，通過OPC（OLE for process control）進(jìn)行數(shù)據(jù)通信，構(gòu)成可以引入故障的測試實驗平臺，通過文[17-18]中仿真與試驗的方法，對其有效性進(jìn)行測試。

在核電模型引入非能動堆芯補(bǔ)水箱出口隔離閥閥門誤開故障，獲得各預(yù)警參數(shù)的實時值，在故障引入后時間t=240s時，預(yù)警參數(shù)蒸汽發(fā)生器壓力PSG越過預(yù)警閾值，預(yù)警系統(tǒng)發(fā)出預(yù)警信號，參數(shù)信息如表3所示。

3 結(jié) 語

非能動設(shè)備預(yù)警系統(tǒng)的實現(xiàn)是通過與核電仿真模型的結(jié)合，多次測試實驗得到的。作為對核電安全的提升的系統(tǒng)，預(yù)警系統(tǒng)不是僅適用于非能動安全設(shè)備，其中預(yù)警集與故障識別相結(jié)合的方法，可以通過對核電其他設(shè)備及故障的研究，將預(yù)警系統(tǒng)廣泛應(yīng)用于其他設(shè)備。因此對于非能動設(shè)備預(yù)警系統(tǒng)的研究，對于核電安全性的提高具有積極的意義。

參 考 文 獻(xiàn)：

[1] 王黎澤，程俊杰，周智.非能動安全型核電站運(yùn)行預(yù)警系統(tǒng)設(shè)計[J].發(fā)電設(shè)備，2015（5）：377.

[2] 駱建波. 核電站報警觸發(fā)式智能診斷專家系統(tǒng)的研究[D].上海：上海電力學(xué)院，2015.

[3] 鄧?yán)倮伲瑥埆I(xiàn). 基于定性仿真理論的故障檢測與診斷[J]. 哈爾濱理工大學(xué)學(xué)報，2012，17（5）：79.

[4] 王國彪，何正嘉，陳雪峰，等. 機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J]. 機(jī)械工程學(xué)報，2013，49（1）：63.

[5] 侯新國，牛超，楊忠林. 基于最優(yōu)Morlet小波自適應(yīng)包絡(luò)解調(diào)的弱故障特征提取方法[J]. 電機(jī)與控制學(xué)報，2016，20（10）： 88.

[6] 陽同光，桂衛(wèi)華. 基于KPCA與RVM感應(yīng)電機(jī)故障診斷研究[J]. 電機(jī)與控制學(xué)報，2016，20（9）：89.

[7] 邊莉，邊晨源. 采用交叉熵支持向量機(jī)和模糊積分的電網(wǎng)故障診斷[J]. 電機(jī)與控制學(xué)報，2016，20（2）：112.

[8] 蘇群，楊隆浩，傅仰耿，等.基于BK樹的擴(kuò)展置信規(guī)則庫結(jié)構(gòu)優(yōu)化框架[J].計算機(jī)科學(xué)與探索，2015（9）：1.

[9] 林誠格，郁祖盛等.非能動安全先進(jìn)核電廠AP1000[M].北京：原子能出版社，2008.

[10]TSAI Chiungwen， SHIH Chunkuan， WANG Jongrong，et al. Parametric Analysis of Pressure Control Based on Feedback Dissipation and Backstepping[J]. Nuclear Science， IEEE Transactions on， 2010， 57（3）：1577.

[11]陳永偉，邱河文，付敬強(qiáng).核電廠穩(wěn)壓器壓力瞬態(tài)波動故障診斷及方法研究[J].核動力工程，2014， 35（3）：92-96.

[12]陳士強(qiáng). 核電站非能動安全注入系統(tǒng)仿真研究[D].哈爾濱：哈爾濱工程大學(xué)，2008.

[13]林誠格，趙瑞昌，劉志弢. 安全殼在事故情況下的完整性分析[J]. 核科學(xué)與工程，2010，30（2）：181.

[14]周真，周浩，馬德仲，等. 風(fēng)電機(jī)組故障診斷中不確定性信息處理的貝葉斯網(wǎng)絡(luò)方法[J]. 哈爾濱理工大學(xué)學(xué)報，2014，19（1）：64.

[15]金杉，崔文，金志剛. 正態(tài)分布的貝葉斯網(wǎng)絡(luò)火災(zāi)數(shù)據(jù)融合預(yù)警研究[J]. 計算機(jī)應(yīng)用研究，2016，33（5）：1473.

[16]李偉. 基于改進(jìn)閾值函數(shù)及SVM的滾動軸承故障診斷[D].太原：太原理工大學(xué)，2015.

[17]時獻(xiàn)江，房欽國，趙曉文，等. 風(fēng)力發(fā)電機(jī)傳動系統(tǒng)故障診斷的機(jī)電仿真研究[J]. 電機(jī)與控制學(xué)報，2016，20（7）： 82.

[18]江東，周衛(wèi)宏，孔德善，等. 磁懸浮振動測試系統(tǒng)信號分析及振動信號的提取[J]. 電機(jī)與控制學(xué)報，2017（10）： 102.

[19]馬萃萃.基于穩(wěn)壓器運(yùn)行狀態(tài)的非能動型壓水堆智能故障診斷專家系統(tǒng)的研究[D].上海：上海電力學(xué)院，2017.

[20]錢虹，駱建波，金蔚霄，等.報警觸發(fā)式蒸汽發(fā)生器傳熱管破裂事故診斷系統(tǒng)的研究[J].核動力工程，2015， 36（1）：98.

[21]朱紅霞，沈炯，李益國. 基于滿意模糊聚類的熱工過程多模型建模方法[J]. 電機(jī)與控制學(xué)報，2016，20（10）：94.

（編輯：溫澤宇）