CN105302476B - 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 - Google Patents

一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 Download PDF

Info

Publication number
CN105302476B
CN105302476B CN201510593933.0A CN201510593933A CN105302476B CN 105302476 B CN105302476 B CN 105302476B CN 201510593933 A CN201510593933 A CN 201510593933A CN 105302476 B CN105302476 B CN 105302476B
Authority
CN
China
Prior art keywords
equipment
data
information
module
failure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510593933.0A
Other languages
English (en)
Other versions
CN105302476A (zh
Inventor
张志俭
马颖菲
王贺
张敏
张华志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201510593933.0A priority Critical patent/CN105302476B/zh
Publication of CN105302476A publication Critical patent/CN105302476A/zh
Application granted granted Critical
Publication of CN105302476B publication Critical patent/CN105302476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法。包括可靠性数据采集模块、数据甄别模块、可靠性参数分析模块和数据存储模块;可靠性数据采集模块包括在线自动采集模块和离线手动输入模块;数据甄别模块接收在线自动采集和离线手动输入的数据,将采集到的操作员指令信息和设备的状态信息进行对比,判别当前信息是否为故障信息;可靠性参数分析模块分析得到设备在该种失效模式下的失效率;数据存储模块储存采集到的运行信息、基本信息和操作员指令信息,长期储存计算得到的设备可靠性参数。本发明能够实现核电站特有可靠性数据的拓有效应用的,并且能够提高数据利用效率。

Description

一种用于核电站设备的可靠性数据在线采集分析存储系统及 其存储方法
技术领域
本发明属于核安全与可靠性分析领域,尤其涉及一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法。
背景技术
核安全一直以来都是核电站运行的立足点与生命线。在保证核电站安全的前提之下使核电站能够尽可能经济地运行是工程技术人员追求的目标。在福岛核事故之后,我国将核电发展政策由积极发展改为了谨慎前行。核电站在线风险监测与管理系统在核电站的运行与管理过程中引入了概率安全评价与风险管理。它通过监测核电站运行设备的组态及其变化,计算得到核电站的瞬时风险与平均风险,可以优化核电站的运行以及维修决策,提高了电站的安全性与经济性。为了计算核电站的风险水平,评估核电站的可靠性与安全性,实现核电站设备的优化管理,就需要设备可靠性数据作为基础。设备的可靠性数据是进行可靠性分析与安全分析的最基本输入条件。在核电站的设计、建造、运行以及安全分析中,都会涉及到大量的数据采集、处理、分析和应用的工作。设计计算和安全分析结果的好坏不仅取决于计算的模型以及计算程序,而且还取决于输入数据的准确程度。
目前,国内外可靠性数据的采集、分析与储存工作已取得了一些进展。可靠性数据的采集工作目前只能手动将设备的运行、状态与操作信息数据输入计算机中,不能直接将核电站数字化控制系统或信息系统采集到的数据自动存储至计算机当中,并且不能判别输入数据的真伪,数据准确性较差。由采集到的样本信息得到可靠性参数是一个复杂的计算过程。目前,主流的国外商用可靠性分析计算软件中所采取的可靠性参数计算方法比较简单,数据来源复杂,不能针对性地分析当前核电站设备的可靠性水平,设备寿命分布的差别较大,可靠性数据的精度比较低。在核电站中,设备的可靠性一般都比较高,设备的失效与异常事件不经常发生,可靠性数据采集困难,因此为了能够有针对性地评价核电站设备的可靠性水平,长时间积累设备的可靠性数据,获得较大数量的样本才具有统计意义。长期积累的可靠性数据可以专门描述特定核电站设备的可靠性水平,得到的可靠性参数更加准确,为以概率论为基础的核安全分析方法提供数据支持。
发明内容
本发明的目的是提供一种能够实现核电站特有可靠性数据的拓有效应用的,一种用于核电站设备的可靠性数据在线采集分析存储系统。本发明的目的还包括提供一种能够提高数据利用效率的,一种用于核电站设备的可靠性数据在线采集分析存储方法。
一种用于核电站设备的可靠性数据在线采集分析存储系统,包括可靠性数据采集模块、
数据甄别模块、可靠性参数分析模块和数据存储模块;
可靠性数据采集模块包括在线自动采集模块和离线手动输入模块,在线自动采集模块从核电站信息系统通过数据交换接口采集其中记录的数据,在线自动采集模块采集到的数据为部分设备运行信息以及操作员指令信息,离线手动输入模块采集的数据为部分设备运行信息和设备基本信息,其中设备运行信息包括设备的运行属性,运行开始与停止时刻,设备当前的工作状态以及设备的失效数据;
数据甄别模块接收在线自动采集和离线手动输入的数据,将采集到的操作员指令信息和设备的状态信息进行对比,判别当前信息是否为故障信息;
可靠性参数分析模块是利用设备运行的寿命、设备启停次数、失效次数和失效模式信息,分析得到设备在该种失效模式下的失效率;
数据存储模块储存采集到的运行信息、基本信息和操作员指令信息,长期储存计算得到的设备可靠性参数。
一种用于核电站设备的可靠性数据在线采集分析存储方法,包括以下几个步骤:
步骤一:可靠性数据采集模块采集数据,可靠性数据采集模块包括在线自动采集和离线手动输入,在线自动采集模块通过与核电站数字化信息系统设置接口,自动地采集部分设备运行数据与操作员指令信息,离线手动输入模块通过设置人机界面人工手动地将部分设备运行数据与设备基本数据输入给甄别模块;
步骤二:对采集到的数据进行甄别确认后进行存储,具体甄别过程为:
将采集到的操作员指令信息和设备的状态信息进行对比,判断出当前设备是接收指令而停止运行还是由于故障而停止运行,如果是故障数据,则记录故障次数,等待人工确认后将数据存储到数据库中,如果不是故障数据,记录设备的运行时间;
步骤三:将甄别判断后的数据存入数据库中,为可靠性参数分析计算提供数据,并且将分析计算的结果也存入数据库中;
步骤四:进行可靠性参数分析计算,得到用于核电站风险计算的设备可靠性参数,具体计算过程为:
将采集到的设备运行信息作为样本数据进行分析与处理,根据采样样本以及事先储存在系统中的先验数据,计算得到设备的可靠性参数,设备的可靠性参数包括运行设备的故障率以及运行时间信息,设备的需求失效数据以及备用设备的备用失效数据;设备的可靠性数据估计方法采用Bayes方法与点估计相结合的方法;在样本数据足够大的情况下,采用点估计方法可以反映当前特定设备的可靠性水平;在样本数据不足的情况下,结合设备先验数据,利用Bayes方法对可靠性参数进行求解。
本发明一种用于核电站设备的可靠性数据在线采集分析存储方法,还可以包括:
1、可靠性参数分析计算包括:备用设备的失效模型,需求失效模型和运行失效模型,备用设备的失效概率为:
P=Pd+λTTest/2
式中P为备用设备失效的概率;Pd为设备在每次需求时发生失效的概率,是一个固定值,其概率与备用时间无关;λ为备用失效率,在设备整个备用期间不发生变化;TTest为设备的试验周期;
运行失效率的求取分两种情况:
(1)一般情况下,设备运行失效率λ为:
λ=N/T
式中,N——所观察到的运行失效次数;T——设备的累计运行时间;
(2)设备的运行失效次数N为0时,设备运行失效率λ为:
需求失效概率P的求取分两种情况:
(1)一般情况下,设备的需求失效概率为
P′=Nds/Ns
式中,Nds——所观察到的设备状态变换失效次数;NS——设备状态变化总次数;
(2)没有设备状态变换故障时,设备的需求失效概率为:
2、设备的可靠性数据估计方法采用Bayes方法与点估计相结合的方法指的是:当失效数据数目小于5时,选用贝叶斯更新方法,当失效数据数目大于5时采用点估计方法,当没有失效数据时采用χ2在50%的规则。
有益效果:
本发明能够充分利用核电站的数字化信息系统,部分实现核电站设备数据的在线自动采集功能,并且判别采集信息是否为失效信息,还能够计算得到设备可靠性参数的估计值,给出参数估计的置信区间,还能够实现可靠性数据的长期积累,并且对核电站设备的管理与维护提出优化建议。
本发明对已采集数据进行甄别,之后将其处理成为可以用于核电站在线风险分析计算的设备可靠性参数并且能够实现数据信息长期储存功能的系统。由此可以改进可靠性数据的采集与处理能力,实现核电站特有可靠性数据的拓有效应用,提高数据的利用效率,便于系统的扩展与维护。核电站现有的数据库并不能实现在线及时数据采集,对于采集到的数据不能够进行有效的甄别,而且对于可靠性数据的分析处理也比较简单。
附图说明
图1是系统模块框图;
图2是系统总体的流程图;
图3是系统中数据库内所存储的信息;
图4是系统甄别流程图;
图5是可靠性数据计算流程图;
图6是运行失效计算流程图;
图7是威布尔方法分析流程图;
图8是小子样运行失效分析处理方法;
图9是双机备用存储方案。
具体实施方式
下面将结合附图对本发明做进一步详细说明。
本发明的目的是提供一个能够及时采集核电站设备可靠性数据,并且对已采集数据进行甄别,之后将其处理成为可以用于核电站在线风险分析计算的设备可靠性参数并且能够实现数据信息长期储存功能的系统。由此可以改进可靠性数据的采集与处理能力,实现核电站特有可靠性数据的拓有效应用,提高数据的利用效率,便于系统的扩展与维护。核电站现有的数据库并不能实现在线及时数据采集,对于采集到的数据不能够进行有效的甄别,而且对于可靠性数据的分析处理也比较简单。
核电站中的设备种类繁多,其中设备的信息包括:运行信息,基本信息与操作员指令信息。具体如下:
运行信息指的是核电站设备运行过程中产生的设备开始/停止运行时刻、运行状态等数据。包括设备的运行属性(连续运行、冷备用状态或者热备用状态),运行开始与停止时刻,设备当前的工作状态(运行或者停止)以及设备的失效数据(失效次数,发生失效的时刻,失效模式等信息)。
基本信息指的是描述核电站设备以及设备类的生产,制造,储存等情况的信息。包括设备的边界描述,设备功能描述,设备失效判断准则,设备生产制造情况和设备失效通用数据来源等信息。
操作员指令信息指的是在核电站运行过程中操作员对设备进行操作产生的操作指令记录。这一部分信息可以帮助系统判断设备当前的工作状态是由于设备故障发生变化,还是由于操作员操作而产生变化。
核电站中的设备数据在设置了传感器等测量工具之后可以实现自动的数据采集。有一些设备未设置传感器,不能自动采集数据,只能人工手动地进行数据录入操作。因此上述三类数据按照是否可以实现自动数据采集分为在线自动采集数据和离线手动输入数据。
为达到发明的上述目的,通过与核电站实时信息监控系统设置接口,自动或手动采集核电站中设备的运行信息,基本信息与操作员指令信息,将各种信息依据不同设备编码存储在相应的设备信息表中,并对已采集数据进行甄别。再利用采集到的数据,利用可靠性参数计算方法进行求解,可以求得设备可靠性参数的估计值,并且将该参数存储在系统中。可靠性参数可以输出核电站设备可靠性数据报表。系统长期稳定的运行还可以得到核电站专有的可靠性数据,可以实现相似设备可靠性预计,为我国核电设备可靠性数据累积做出贡献,并且可以为核电站延寿提供设备专有数据。
核电站设备可靠性分析计算是利用设备运行的寿命、设备启停次数、失效次数和失效模式等信息,分析得到设备在该种失效模式下的失效率或者失效概率。并且结合设备的生产制造信息,可以为设备的采购、储存等提供优化的建议。
本发明的目的是这样实现的:
本发明中将系统分为了三个部分,分别是核电站可靠性数据采集部分、分析部分和储存部分。
所述的可靠性数据采集部分采集的信息主要是运行信息,基本信息与操作员指令信息三类信息。其中运行信息一部分来自于核电站实时信息监控系统,该信息系统是各个核电站开发的可实时监测样本设备的运行信息(包括设备的工作状态,运行时间,设备运行温度、压力等数据)的信息管理系统,可以实现在线自动数据采集;另一部分运行信息无法实现在线自动采集,通过人机界面由操作人员手动输入到系统中的信息,这一部分信息因为不能自动监测,所以为离线手动输入数据。设备的基本信息也需要离线手动输入到系统中,通过设置人机交互界面,由核电站运行管理人员将设备的基本信息输入到系统中。操作员指令信息可以在线自动采集,采集到的指令信息存储在系统中,为可靠性数据的甄别提供依据。
所述的可靠性数据分析部分是将采集到的设备运行信息作为样本数据进行分析与处理。根据采样样本以及事先储存在系统中的先验数据,计算得到设备的可靠性参数。设备的可靠性参数包括运行设备的故障率以及运行时间信息,设备的需求失效数据以及备用设备的备用失效数据。设备的可靠性数据估计方法采用Bayes方法与点估计相结合的方法。选择估计方法的依据是样本数据是否足够大。在样本数据足够大的情况下,采用点估计方法可以反映当前特定设备的可靠性水平;在样本数据不足,甚至没有失效数据的情况下,结合设备先验数据,利用Bayes方法对可靠性参数进行求解。
一种用于核电站设备的可靠性数据在线采集分析存储系统,包括可靠性数据采集模块、数据甄别模块、可靠性参数分析模块和数据存储模块;
可靠性数据采集模块包括在线自动采集模块和离线手动输入模块,在线自动采集模块从核电站信息系统通过数据交换接口采集其中记录的数据,在线自动采集模块采集到的数据为部分设备运行信息以及操作员指令信息,离线手动输入模块采集的数据为部分设备运行信息和设备基本信息;
数据甄别模块接收在线自动采集和离线手动输入的数据,将采集到的操作员指令信息和设备的状态信息进行对比,判别当前信息是否为故障信息;
可靠性参数分析模块是利用设备运行的寿命、设备启停次数、失效次数和失效模式信息,分析得到设备在该种失效模式下的失效率,并且结合设备的生产制造信息,为设备的采购、储存提供优化的建议;
数据存储模块储存采集到的运行信息、基本信息和操作员指令信息,而且还长期储存计算得到的设备可靠性参数。
一种用于核电站设备的可靠性数据在线采集分析存储方法,包括以下几个步骤:
步骤一:可靠性数据采集模块采集数据,可靠性数据采集模块包括在线自动采集和离线手动输入,在线自动采集模块通过与核电站数字化信息系统设置接口,自动地采集部分设备运行数据与操作员指令信息,离线手动输入模块通过设置人机界面人工手动地将部分设备运行数据与设备基本数据输入给甄别模块;
步骤二:对采集到的数据进行甄别确认后进行存储,具体甄别过程为:
将采集到的操作员指令信息和设备的状态信息进行对比,判断出当前设备是接收指令而停止运行还是由于故障而停止运行,如果是故障数据,则记录故障次数,等待人工确认后将数据存储到数据库中,如果不是故障数据,记录设备的运行时间;
步骤三:将甄别判断后的数据存入数据库中,为可靠性参数分析计算提供数据,并且将分析计算的结果也存入数据库中;
步骤四:进行可靠性参数分析计算,得到用于核电站风险计算的设备可靠性参数,具体计算过程为:
将采集到的设备运行信息作为样本数据进行分析与处理,根据采样样本以及事先储存在系统中的先验数据,计算得到设备的可靠性参数,设备的可靠性参数包括运行设备的故障率以及运行时间信息,设备的需求失效数据以及备用设备的备用失效数据;设备的可靠性数据估计方法采用Bayes方法与点估计相结合的方法;在样本数据足够大的情况下,采用点估计方法可以反映当前特定设备的可靠性水平;在样本数据不足,甚至没有失效数据的情况下,结合设备先验数据,利用Bayes方法对可靠性参数进行求解。
下面对本发明做几点说明:
1、核电站可靠性数据在线采集、分析与储存系统,可以连续在线记录的是设备的工作时间,这样可以描述出设备随时间发生变化且能反应设备老化的可靠性水平。
2、从核电站信息系统单向采集数据,不对原信息系统中的数据进行任何修改。
3、核电站中的设备数据在设置了传感器等测量工具之后可以实现自动的数据采集。有一些设备未设置传感器,不能自动采集数据,只能人工手动地进行数据录入操作。
4、采集到的数据需要经过甄别确认后才可以储存到系统中,甄别过程通过与指令系统进行信息比对判断设备的当前状态是否为故障状态。
5、数据的更新采用贝叶斯方法与点估计值相结合的方法。当失效数据数目小于5时,选用贝叶斯更新方法,当失效数据数目大于5时采用点估计方法,当没有失效数据时采用χ2在50%的规则。
6、在进行可靠性参数分析计算时,核电站的设备寿命基本分布模型采用三参数威布尔分布模型,根据采集到的可靠性数据迭代计算得到可靠性分布参数。
7、存储在系统中的数据具有高的安全性与可靠性,能够进行数据的长期积累而不至数据丢失。
8、可靠性数据的计算分为备用设备的失效模型,需求失效模型和运行失效模型。
9、备用设备发生失效的概率计算公式如下:P=Pd+λTTest/2,式中P为备用设备发生失效的概率;Pd为设备在每次需求时发生失效的概率,是一个固定值,其概率与备用时间无关;λ为备用失效率,在设备整个备用期间不发生变化;TTest为设备的试验周期。
10、一般情况:设备运行失效率由λ下面的公式估算:λ=N/T,N为所观察到的运行失效次数,T为设备的累计运行时间。
12、一般情况下,设备的需求失效概率为:P=Nds/Ns,式中,Nds为所观察到的设备状态变换失效次数(即累计需求失效次数),NS为设备状态变化总次数(即累积需求次数)。
14、采用双机备份的方案提高整个系统的安全性与可靠性。
图1所示为系统流程各个模块数据传递框图。数据采集模块通过在线自动采集与离线手动输入的方法将设备运行数据、基本数据和操作员指令数据输入到系统中。之后经过数据甄别模块,判别数据是否为故障数据。数据存储模块是实现可靠性数据储存功能的数据库,可以实现数据的长期储存,保存采集到的可靠性数据,并且对计算得到的可靠性参数进行保存。可靠性数据分析模块将存储在数据库中的数据转换成用于风险计算的设备可靠性参数,之后将结果再次存入数据库中。
图2所示为系统的总体设计方案,系统由采集、分析与储存三个模块构成。数据采集方式分为在线自动采集和离线手动输入两种,采集到的信息包括设备运行信息,基本信息和操作员指令信息。经过两种采集方式采集到的数据被传递到数据甄别模块,在这里设备状态变化信号与核电站操作人员操作信号将会进行比对,判断设备状态发生变化的原因是否由于故障而引起。若系统判别数据存在疑问,则会发出警告信号,需由人工确认后储存至数据库中。通过甄别之后数据也被存储到数据库中。外部的应用程序通过读取数据库中的数据,将采集到的运行数据依据不同的失效类型转化为可靠性数据,计算结果再次被储存在数据库中。采集与计算得到的数据都能够在数据库中长期存储,便于数据的长期利用。
图3所示系统信息图。它规定了系统中所储存的内容。将其所存储的信息为运行信息、基本信息和操作员指令信息。具体内容如发明内容所述。
图4所示系统甄别流程图。系统采集到的数据来源于三部分,分别是:手动输入的数据,系统通过核电站信息系统自动采集到的数据还有操作员的操作指令数据。采集到的数据均需要经过甄别判断是否为故障数据。通过采集到的操作员指令信息和设备的状态信息进行比对,判断出当前设备是接受指令而停止运行还是由于故障而停止运行。若是故障数据,则记录故障次数,将设备的累计故障次数+1,同时将数据暂时存入数据库中,但是需要等待人工确认后再正式存储到数据库中。若不是故障数据,则只记录设备的运行时间,存储至数据库中。因为核电站设备可靠性一般较高,故障发生频率较低,所以需要人工确认的数据不是很多。
图5所示可靠性数据计算流图。可靠性数据的计算分为备用设备的失效模型,需求失效模型和运行失效模型。根据设备的属性以及失效模式,选择不同的失效模型。备用设备失效模型考虑备用失效和需求失效两种因素的影响。备用设备发生失效的概率计算公式如下:
P=Pd+λTTest/2 (1)
式中P为备用设备发生失效的概率;Pd为设备在每次需求时发生失效的概率,是一个固定值,其概率与备用时间无关;λ为备用失效率,在设备整个备用期间不发生变化;TTest为设备的试验周期。
设备的运行失效率λ是指设备在运行过程中在单位时间内发生失效的次数。
设备运行失效率的点估计:
(3)一般情况:假设在研究阶段失效率是恒定的,设备运行失效率λ则以下面的公式估算:
λ=N/T (2)
式中,N——所观察到的运行失效次数;
T——设备的累计运行时间。
(2)没有观察到任何一个运行失效的特殊情况,也就是设备的运行失效次数N为0时:当在研究阶段没有观察到任何一个运行失效时,可以通过《χ2在50%的规则》来估算。这时,λ由下面的公式算出:
设备的需求失效概率P是指设备在需求(发生状态变换)时发生失效的概率也就是是指当设备接到命令时(要求打开、关闭、启动、停机等)设备拒绝改变状态的概率。
假设在研究阶段失效率是恒定的,设备的需求失效概率P以下面的公式估算:
(1)一般情况下,设备的需求失效概率为
P=Nds/Ns (4)
式中,Nds——所观察到的设备状态变换失效次数(即累计需求失效次数);
NS——设备状态变化总次数(即累积需求次数)。
(2)没有观察到任何一个设备状态变换故障的特殊情况:当在研究阶段没有观察到任何一个设备状态变换故障时,可以通过使用《χ2在50%的规则》估算。这时,P以下面的公式算出:
当需求失效次数小于5时,需要利用贝叶斯方法结合先验数据进行求解。贝叶斯估计方法是根据贝叶斯定理进行统计推断的方法。此种方法假设被估计参数是服从某一先验分布的随机变量,并综合利用先验数据及对所关注对象的观测(采集)数据,得到适用于这一特定对象的更合理的后验数据。按贝叶斯定理,参数的后验分布正比于其先验分布与试验结果的似然函数之积。通常似然函数较易求得,而先验分布的选取则是应用贝叶斯方法的关键之处。在进行贝叶斯估计中通常以国外的设备通用可靠性数据为先验分布,结合特定核电站自身设备的特定数据得到该核电站的后验分布数据。贝叶斯方法可以写成如下形式:
其中π(θ)根据通用数据拟合出的先验分布函数,通常已经储存在系统的通用数据库中,是早已确定的函数。p(x|θ)为反应本次试验的似然函数,由采样得到的样本数据拟合而成。
图6是运行失效计算流程图。首先认为失效数目大于5则具有统计的意义,否则不具有。先要判断失效数据是否大于5。若大于5则采用威布尔分析的方法,根据失效概率的数学表达式进行求解。若失效数据小于5则采用贝叶斯方法进行更新计算。
图7是威布尔分析方法流程图。具体分析步骤如下:1)失效前数据即样本数据;2)顺序统计是参照实际工作时间,从小到大排列出零部件的失效前数据;3)利用威布尔分布检验,判断经过顺序统计后的失效数据是否符合威布尔分布,若符合则进入步骤4),若不符合,则结束威布尔分析。利用指数分布进行求解计算;4)秩评定是根据有限样本量确定零部件总体的累积分布,当样本量较小时一般采用中位秩;当样本量较大时,直接计算相应的累积失效概率;5)秩评定后,利用最小二乘法进行参数计算;6)根据公式进行可靠度、不可靠度的计算。
采集到失效数据后进行威布尔检验,取n个产品进行寿命试验,在时间t0截止,将故障时间从小到大排列,得到:
0<t1≤t2≤t3…≤tr≤tn (7)
式中t1~tn为设备运行的寿命数据,t1为设备最小的寿命,tn为最后一个失效设备的寿命。
设Xi=ln ti,建立原始假设:
统计量W服从自由度为的F分布,置信度为1-α时,其检验规则为:(2(r-r1-1),2r1)
W≥Fα(2(r-r1-1),2r1) (9)
利用改进的中位秩计算公式:
再利用最小二乘法即可估计出威布尔分布的分布参数。
图8是核电站小样本失效数据的一般分析流程。主要分为三个部分,即:核电站运行数据的筛选整理,数据趋势分析和小样本下数据威布尔分布的Bayes处理方法。
图9是可靠性数据备份储存方案。采用双机备份储存,当一台服务器出现故障时,另一台立刻投入运行,保证采集数据连续有效。而且两台服务器存储数据相互独立,可以相互校对,保证采集到的数据真实有效。

Claims (3)

1.一种用于核电站设备的可靠性数据在线采集分析存储系统的存储方法,用于核电站设备的可靠性数据在线采集分析存储系统,包括可靠性数据采集模块、数据甄别模块、可靠性参数分析模块和数据存储模块;
可靠性数据采集模块包括在线自动采集模块和离线手动输入模块,在线自动采集模块从核电站信息系统通过数据交换接口采集其中记录的数据,在线自动采集模块采集到的数据为部分设备运行信息以及操作员指令信息,离线手动输入模块采集的数据为部分设备运行信息和设备基本信息,其中设备运行信息包括设备的运行属性,运行开始与停止时刻,设备当前的工作状态以及设备的失效数据;
数据甄别模块接收在线自动采集和离线手动输入的数据,将采集到的操作员指令信息和设备的状态信息进行对比,判别当前信息是否为故障信息;
可靠性参数分析模块是利用设备运行的寿命、设备启停次数、失效次数和失效模式信息,分析得到设备在该种失效模式下的失效率;
数据存储模块储存采集到的运行信息、基本信息和操作员指令信息,长期储存计算得到的设备可靠性参数;
包括以下几个步骤:
步骤一:可靠性数据采集模块采集数据,可靠性数据采集模块包括在线自动采集和离线手动输入,在线自动采集模块通过与核电站数字化信息系统设置接口,自动地采集部分设备运行数据与操作员指令信息,离线手动输入模块通过设置人机界面人工手动地将部分设备运行数据与设备基本数据输入给甄别模块;
步骤二:对采集到的数据进行甄别确认后进行存储,具体甄别过程为:
将采集到的操作员指令信息和设备的状态信息进行对比,判断出当前设备是接收指令而停止运行还是由于故障而停止运行,如果是故障数据,则记录故障次数,等待人工确认后将数据存储到数据库中,如果不是故障数据,记录设备的运行时间;
步骤三:将甄别判断后的数据存入数据库中,为可靠性参数分析计算提供数据,并且将分析计算的结果也存入数据库中;
步骤四:进行可靠性参数分析计算,得到用于核电站风险计算的设备可靠性参数,具体计算过程为:
将采集到的设备运行信息作为样本数据进行分析与处理,根据采样样本以及事先储存在系统中的先验数据,计算得到设备的可靠性参数,设备的可靠性参数包括运行设备的故障率以及运行时间信息,设备的需求失效数据以及备用设备的备用失效数据;设备的可靠性数据估计方法采用Bayes方法与点估计相结合的方法;在样本数据足够大的情况下,采用点估计方法可以反映当前特定设备的可靠性水平;在样本数据不足的情况下,结合设备先验数据,利用Bayes方法对可靠性参数进行求解。
2.根据权利要求1所述的一种用于核电站设备的可靠性数据在线采集分析存储系统的存储方法,其特征在于:所述的可靠性参数分析计算包括:备用设备的失效模型,需求失效模型和运行失效模型,
备用设备失效的概率为:
P=Pd+λTTest/2
式中P为备用设备失效的概率;Pd为设备在每次需求时发生失效的概率,是一个固定值,其概率与备用时间无关;λ为设备运行失效率,在设备整个备用期间不发生变化;TTest为设备的试验周期;
运行失效率的求取分两种情况:
(1)一般情况下,设备运行失效率λ为:
λ=N/T
式中,N——所观察到的运行失效次数;T——设备的累计运行时间;
(2)设备的运行失效次数N为0时,设备运行失效率λ为:
备用设备失效的概率P的求取分两种情况:
(1)一般情况下,设备的需求失效概率为
P′=Nds/Ns
式中,Nds——所观察到的设备状态变换失效次数;NS——设备状态变化总次数;
(2)没有设备状态变换故障时,设备的需求失效概率为:
3.根据权利要求2所述的一种用于核电站设备的可靠性数据在线采集分析存储方法,其特征在于:所述的设备的可靠性数据估计方法采用Bayes方法与点估计相结合的方法指的是:当失效数据数目小于5时,选用贝叶斯更新方法,当失效数据数目大于5时采用点估计方法,当没有失效数据时采用χ2在50%的规则。
CN201510593933.0A 2015-09-17 2015-09-17 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 Active CN105302476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510593933.0A CN105302476B (zh) 2015-09-17 2015-09-17 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510593933.0A CN105302476B (zh) 2015-09-17 2015-09-17 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法

Publications (2)

Publication Number Publication Date
CN105302476A CN105302476A (zh) 2016-02-03
CN105302476B true CN105302476B (zh) 2018-06-12

Family

ID=55199789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510593933.0A Active CN105302476B (zh) 2015-09-17 2015-09-17 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法

Country Status (1)

Country Link
CN (1) CN105302476B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491815A (zh) * 2017-07-03 2017-12-19 西安交通大学 基于云服务平台的电力设备运维数据采集录入系统及方法
CN108459991B (zh) * 2018-03-12 2021-12-21 哈尔滨工程大学 一种获得设备可靠性数据的方法
CN112364491B (zh) * 2020-10-28 2021-10-15 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 系统安全性量化试验方法、装置、计算机设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963937A (zh) * 2010-09-29 2011-02-02 南京航空航天大学 飞控计算机系统剩余寿命预测方法
CN102495549A (zh) * 2011-11-22 2012-06-13 中联重科股份有限公司 工程机械的远程维护决策系统及方法
CN102663537A (zh) * 2012-03-13 2012-09-12 凯里供电局 一种基于风险评估的电力设备检修系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6834256B2 (en) * 2002-08-30 2004-12-21 General Electric Company Method and system for determining motor reliability

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963937A (zh) * 2010-09-29 2011-02-02 南京航空航天大学 飞控计算机系统剩余寿命预测方法
CN102495549A (zh) * 2011-11-22 2012-06-13 中联重科股份有限公司 工程机械的远程维护决策系统及方法
CN102663537A (zh) * 2012-03-13 2012-09-12 凯里供电局 一种基于风险评估的电力设备检修系统

Also Published As

Publication number Publication date
CN105302476A (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
CN108596229B (zh) 在线异常的监测诊断方法和系统
CN107146004B (zh) 一种基于数据挖掘的矿渣粉磨系统健康状态识别系统及方法
CN110414155B (zh) 一种带有单测点的风机部件温度异常检测和报警方法
EP1242923B1 (en) A process for the monitoring and diagnostics of data from a remote asset
CN101446827B (zh) 一种流程工业系统的过程故障分析装置及方法
EP2193413B1 (en) System for preserving and displaying process control data associated with an abnormal situation
Galar et al. Maintenance decision making based on different types of data fusion
AU2014324846B2 (en) Non-intrusive sensor system
CN109186813A (zh) 一种温度传感器自检装置及方法
CN107797537A (zh) 一种应用于自动化生产线的故障预测与健康管理方法
Roemer et al. An overview of selected prognostic technologies with application to engine health management
CN112365066A (zh) 电梯故障预测方法、系统、装置、计算机设备和存储介质
CN110414154B (zh) 一种带有双测点的风机部件温度异常检测和报警方法
CN115657617A (zh) 一种用于火电厂智慧监盘报警系统实现方法
CN108803569A (zh) 电站锅炉诊断专家系统及其故障诊断方法
CN105302476B (zh) 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法
CN113705924A (zh) 一种热控设备智能诊断方法和系统
CN110378036A (zh) 基于传递熵的化工过程故障诊断方法
CN105975797A (zh) 一种基于模糊数据处理的产品早期故障根原因识别方法
CN114519923A (zh) 一种电厂智能诊断预警方法和系统
CN115081647A (zh) 基于贝叶斯网络模型的工业智能仪表故障预诊断方法
CN113632025A (zh) 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品
CN115936663A (zh) 一种电力系统的维护方法及装置
CN115775092A (zh) 基于数字孪生技术的施工过程安全风险管控系统
KR20230125116A (ko) 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant