李成鈿 何 歐 潘隆軒 程笑宇 王宏業(yè)
(中國核動力研究設計院反應堆運行與應用研究所)
凝給水系統(tǒng)是工程試驗裝置的核心系統(tǒng)之一,二回路的重要組成部分,對整個裝置的穩(wěn)定運行起著至關重要的作用[1]。 某企業(yè)現(xiàn)有的二回路凝給水系統(tǒng)采用了大量新技術和新設備,系統(tǒng)極為復雜,涉及多個子系統(tǒng),各個子系統(tǒng)相互影響,其中任一設備出現(xiàn)故障都將對凝給水系統(tǒng)的安全生產(chǎn)帶來威脅,甚至影響整個裝置的穩(wěn)定運行[2,3]。系統(tǒng)性能跨越式發(fā)展的同時也給故障診斷帶來了新的難題,受系統(tǒng)復雜性影響,操作員難以迅速確定故障發(fā)生的機理, 并定位故障地點。為了盡快處理故障, 避免故障影響進一步擴大,亟待建立新的凝給水系統(tǒng)故障知識庫[4]。 筆者以最新凝給水系統(tǒng)為研究對象,結合調(diào)試運行過程中主要設備的實際情況與專家經(jīng)驗,建立故障知識庫。
此外,凝給水系統(tǒng)故障種類繁多,而且故障現(xiàn)象與故障原因的映射關系復雜,致使傳統(tǒng)的基于系統(tǒng)模型的故障診斷方法排除故障效率欠佳、準確率低,操作員精神壓力大。 復雜系統(tǒng)的故障診斷歷來是學者們不斷攻克的難題,隨著近些年人工智能故障診斷方法的大規(guī)模發(fā)展,學者們將專家系統(tǒng)、神經(jīng)網(wǎng)絡及深度學習等人工智能方法應用在核電廠和核動力裝置的系統(tǒng)故障診斷中[5~9]。 為了有效地實現(xiàn)新凝給水系統(tǒng)的故障診斷,筆者提出基于深度置信神經(jīng)網(wǎng)絡的凝給水系統(tǒng)故障在線診斷技術。
凝給水系統(tǒng)由多臺蒸汽發(fā)生器、 汽輪給水泵、給水調(diào)節(jié)閥、冷凝器、凝水泵、熱井及水位調(diào)節(jié)閥等構成,系統(tǒng)結構如圖1所示。
圖1 凝給水系統(tǒng)結構簡圖
凝給水系統(tǒng)的主要功能是: 抽出1#冷凝器和2#冷凝器中的凝水, 由水質(zhì)處理模塊去除凝水中的雜質(zhì),使之達到蒸汽發(fā)生器水質(zhì)指標后,通過汽輪給水泵輸送到蒸汽發(fā)生器;在系統(tǒng)運行過程中,需時刻調(diào)節(jié)共用冷凝器的水位并平衡系統(tǒng)水量。 相比于傳統(tǒng)凝給水系統(tǒng),新凝給水系統(tǒng)的控制方式、運行特點和工作情況變化極大。
凝給水系統(tǒng)按照功能可劃分為給水系統(tǒng)和凝水系統(tǒng)兩個子系統(tǒng),二者相互配合,缺一不可,子系統(tǒng)中任一設備出現(xiàn)故障或異常情況,都將導致整個凝給水系統(tǒng)參數(shù)異常和二回路“癱瘓”。 給水系統(tǒng)通過控制汽輪給水泵給水調(diào)節(jié)閥的開度和給水泵轉(zhuǎn)速,將蒸汽發(fā)生器壓力調(diào)節(jié)在規(guī)定的范圍內(nèi),保證向蒸汽發(fā)生器安全穩(wěn)定地給水。 凝水系統(tǒng)的作用是保持凝水泵出口凝水的壓力在規(guī)定的范圍內(nèi),將凝水輸送到給水泵,從而完成汽水循環(huán)工作。 因此,凝給水系統(tǒng)的故障模式最終體現(xiàn)為蒸汽發(fā)生器壓力與凝水泵出口凝水壓力超出規(guī)定的范圍。
基于積累的裝置長時間運行統(tǒng)計的凝給水系統(tǒng)故障的經(jīng)驗,分析凝水泵、汽輪給水泵、給水調(diào)節(jié)閥及蒸汽發(fā)生器等關鍵設備的結構與功能, 提取出新凝給水系統(tǒng)的故障知識庫, 具體見表1。
表1 凝給水系統(tǒng)故障知識庫
(續(xù)表1)
深度置信神經(jīng)網(wǎng)絡通過預訓練受限玻爾茲曼機(RBM)的方法,分析提取原始數(shù)據(jù)特征并進行數(shù)據(jù)重建, 進而獲得網(wǎng)絡初始權值和閾值,在提高網(wǎng)絡訓練效率的同時,改善普通深層神經(jīng)網(wǎng)絡極易陷于局部最優(yōu)的問題[10,11]。基于以上優(yōu)點,提出基于深度置信神經(jīng)網(wǎng)絡的凝給水系統(tǒng)故障診斷方法。
以表1的凝給水系統(tǒng)知識庫為基礎, 結合裝置實際運行情況和模擬機仿真情況, 總結出6種凝給水系統(tǒng)常見故障:凝水泵汽蝕、汽輪給水泵汽蝕、汽輪給水泵抽氣壓力低、給水調(diào)節(jié)閥閥位不動、蒸汽發(fā)生器給水控制系統(tǒng)失靈和冷凝器水位調(diào)節(jié)閥無法復位。 共涉及15個參數(shù):1#冷凝器水位、2#冷凝器水位、1#冷凝器凝水過冷度、2#冷凝器凝水過冷度、1#冷凝器真空度、2#冷凝器真空度、1#凝水泵進口壓力、2#凝水泵進口壓力、1#凝水泵出口壓力、2#凝水泵出口壓力、給水流量、給水調(diào)節(jié)閥壓差、給水壓力、凝水流量和汽輪給水泵轉(zhuǎn)速。
為建立基于深度置信神經(jīng)網(wǎng)絡的凝給水系統(tǒng)故障診斷模型, 對6種常見故障和正常工作狀態(tài)下的凝給水系統(tǒng)進行診斷,因此診斷網(wǎng)絡模型的輸出層神經(jīng)元數(shù)k為7個;將15個參數(shù)作為模型輸入,因此輸入層的神經(jīng)元數(shù)i為15個。 所建立的基于深度置信神經(jīng)網(wǎng)絡的凝給水系統(tǒng)故障診斷模型如圖2所示,主要包含由2個RBM逐層堆疊而成的深度置信網(wǎng)絡(DBN)和Softmax分類層兩部分,RBM組成結構包含可見層和隱含層, 其中隱含層Ⅰ既是RBM1的隱含層也是RBM2的可見層。故障診斷網(wǎng)絡2層隱含層的神經(jīng)元個數(shù)分別為10和5。
圖2 基于深度置信神經(jīng)網(wǎng)絡的凝給水系統(tǒng)故障診斷模型
隱含層和Softmax分類層的激活函數(shù)以及代價函數(shù)E的表達式分別為:
其中,x為網(wǎng)絡輸入向量;zl為第l個節(jié)點的輸出值;zc為第c個節(jié)點的輸出值;C為輸出節(jié)點的個數(shù),即故障的類別數(shù);M為總類別數(shù);為第j個樣本第m類的正確值;為第j個樣本第m類的預測值。
新凝給水系統(tǒng)故障診斷訓練樣本來自于運行時積累的數(shù)據(jù)和模擬機仿真數(shù)據(jù),以此為基礎構造和擴充得到140組數(shù)據(jù)樣本。
開始訓練前,首先對樣本輸入(故障征兆)進行歸一化處理,統(tǒng)一映射到[0,1]。 其中,0.25和0.75為凝給水系統(tǒng)正常運行時該輸入變化范圍的下限值和上限值,0和1為該輸入變化范圍的下限值和上限值。訓練前將數(shù)據(jù)樣本按7∶3劃分為訓練集和測試集。
訓練過程包括無監(jiān)督預訓練RBM與有監(jiān)督微調(diào)權值和閾值兩個重要環(huán)節(jié)。 有監(jiān)督微調(diào)過程采用Adam優(yōu)化算法, 網(wǎng)絡權值W和閾值b的更新公式為:
訓練過程中, 采用批處理法逐批輸入訓練集,對故障診斷模型進行訓練,算法流程如圖3所示。
圖3 新凝給水系統(tǒng)故障診斷模型算法流程
訓練中,取迭代次數(shù)為200、學習率為0.018,凝給水系統(tǒng)故障診斷網(wǎng)絡的訓練效果如圖4所示,可以看出,迭代170次后,訓練集代價函數(shù)值趨于穩(wěn)定,迭代收斂;而測試集準確率隨著迭代次數(shù)的增加而增大, 最終故障診斷準確率達到98%。
圖4 凝給水系統(tǒng)故障診斷網(wǎng)絡訓練效果
為實現(xiàn)新凝給水系統(tǒng)故障的在線診斷,針對6種典型故障建立了基于深度置信神經(jīng)網(wǎng)絡的凝給水系統(tǒng)故障診斷模型,診斷結果表明該模型能有效識別出6種典型故障, 減輕了操作員的工作壓力。 所建立的新凝給水系統(tǒng)故障知識庫可為工程試驗裝置運行過程中凝給水系統(tǒng)的故障排查提供技術參考。