CN108256663A - 一种核电运行事故风险实时预测方法 - Google Patents
一种核电运行事故风险实时预测方法 Download PDFInfo
- Publication number
- CN108256663A CN108256663A CN201611245520.4A CN201611245520A CN108256663A CN 108256663 A CN108256663 A CN 108256663A CN 201611245520 A CN201611245520 A CN 201611245520A CN 108256663 A CN108256663 A CN 108256663A
- Authority
- CN
- China
- Prior art keywords
- risk
- real
- time
- parameter
- safety
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种核电运行事故风险实时预测方法，属于核电技术领域，包括在现有的核电机组运行控制系统上加入实时大数据处理平台，实现了对核电运行安全的预测，提高核电运行安全测量的实时性和预测性。
Description
技术领域
本发明属于核电技术领域。
背景技术
由于核电产业及相关的技术研发主要是在上世纪50，60年代进行的，因此，核电的运行及维护管理工作及相应的流程和规范也是基于30，40年前的社会总体技术水平。计算机信息技术、网络技术以及更现代物联网技术是近20、10年，甚至是近5年才开始和广泛应用发展起来的。现代信息技术对核电的影响还停留在核电在外围领域的影响，而对核电核心运营和维修领域的进入，除控制系统外，还存在很多障碍，这是因为需要从设计的角度重新评估信息技术、现代通讯及物联网技术对核安全影响的评估及安全认证。
发明内容
本发明的目的是提供一种核电运行事故风险实时预测方法，实现了对核电运行安全的预测，提高核电运行安全测量的实时性和预测性。
为实现上述目的，本发明采用以下技术方案：
一种核电运行事故风险实时预测方法，包括如下步骤：
步骤1：首先建立实时大数据处理平台，核电机组运行控制系统(1)通过企业服务总线ESB连接实时大数据处理平台，所述实时大数据处理平台包括一个服务器集群，所述服务器集群包括历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)，历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)之间均通过企业局部网络LAN或企业服务总线ESB进行通信；
历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)均由多个服务器集群组成；
步骤2：核电场设有用于检测核电机组的实时运营参数的核电机组运行控制系统(1)；核电机组运行控制系统(1)通过企业局部网络LAN或企业服务总线ESB与实时运行信息处理服务器(3)通信；
步骤3：核电机组运行控制系统(1)将实时运营参数发送给实时运行信息处理服务器(3)，实时运行信息处理服务器(3)将实时运营参数对照历史数据进行实时风险预测计算分析，生成实时运营参数安全预测分析结果供系统用户实时使用，并将分析结果分别发送给风险预测结果数据库(4)和校正安全风险数据库(6)；
步骤4：风险预测结果数据库(4)对所述实时运营参数安全预测分析结果进行存储，生成历史安全运营参数记录，风险预测结果数据库(4)不断积累历史安全运营参数记录；
步骤5：实时运行信息处理服务器(3)对实时运营参数作风险预测处理，其步骤如下：
步骤A：设定实时运营参数为i；设定实时安全风险因子为Qs(i)；对每个实时运营参数i引入实时安全风险逼近因子Qs(i)，设定该实时运营参数i趋于事故状态下的临界安全风险逼近因子Qs(i)的参数值为数值C(i)；设定任意一个实时运行参数i的实时值为V(i)，而其安全临界值为C(i)，那么，该实时运行参数i的实时安全风险逼近因子Qs(i)的计算公式1如下：
Qs(i)＝V(i)/C(i)；
通过所述计算公式1计算出的安全风险逼近因子Qs(i)的值在风险分析的意义上是一个0到1之间的正数，当Qs(i)接近1时，表明该实时运行参数i达到了事故临界点；
步骤B：根据步骤A的方法，计算出核电机组运行控制系统(1)采集到的所有实时运营参数i的安全风险逼近因子Qs(1..n)，n为整数；并根据每个实时运营参数i的安全风险逼近因子Qs(i)进行风险影响大小的综合分析处理；
步骤C：对每个安全风险逼近因子Qs(i)影响大小用加权方式计算：设定实时运营参数i的安全影响权重为Rs(i)；
对每一个已经计算出安全风险逼近因子Qs(i)的实时运营参数i设定安全影响权重Rs(i)，安全影响权重Rs(i)的值的数值范围为0到1的正数；当任意一个实时运营参数i的安全影响权重Rs(i)为1时，表明该实时运营参数i对安全事故具有单一完全的影响力，当Rs为0时，表明对安全事故无影响力；
步骤D：设定系统实时安全总因子为Ms；系统实时安全总因子Ms的计算公式2如下：
Ms＝Max{Qs(i)×Rs(i)}；
其中i＝1到n，n为所有所述实时运营参数i的总数量；
当任何一个实时运营参数i的安全风险逼近因子Qs(i)与安全影响权重为Rs(i)的乘积逼近1时，即Ms逼近1时，核电运行系统的总体安全风险将达到临界点；
步骤E：设定当前全部参数平均安全风险为Rsc；
根据当前全部实时运营参数i的安全风险逼近因子Qs(i)与安全影响权重为Rs(i)，计算出当前全部参数平均安全风险Rsc；其计算公式3如下：
Rsc＝avg{Qs(i)*Rs(i)}；
其中i＝1...n，n为所有所述实时运营参数i的总数量；
当全部参数平均安全风险Rsc的值小于1时，只要系统实时安全总因子Ms＝1,则核电运行系统就会处于事故状态；
步骤F：系统实时安全总因子Ms的值和当全部参数平均安全风险Rsc的值共同代表风险预测的结果,其中系统实时安全总因子Ms代表最大单一参数风险因素，当全部参数平均安全风险Rsc代表整体风险因素；
步骤6：实时运行信息处理服务器(3)将实时运营参数i的安全风险逼近因子Qs(i)的值、安全影响权重为Rs(i)的值、系统实时安全总因子Ms的值和当全部参数平均安全风险Rsc的值处理成风险预测结果，并将风险预测结果发送给风险预测结果数据库(4)，风险预测结果数据库(4)对风险预测结果进行历史数据存储处理，并将风险预测结果发送给校正安全风险数据库(6)和校正预测风险服务器(5)；
步骤7：校正预测风险服务器(5)对风险预测结果，利用反应堆物理和热工水利理论计算堆功率的当前功率值及相应的其它功率控制参数情况，并将计算获得的功率值作为安全风险趋势预盼值评估的进一步量化根据，对风险预测结果进行校正，去除风险预测结果中的误判结果；
步骤8：设备安全风险评估系统ERAS,用来自设备状况安全评估系统ERAS中有关设备安全信息数据Rea来进一步校正当全部参数平均安全风险Rsc,所述设备安全信息数据Rea反映了全部运营系统设备的安全状态情况，所述设备安全信息数据Rea包括实时设备状态监督信息、使用时间和维修等历史信息，所述设备安全信息数据Rea的数值代表了设备出现故障的可能性；为了估算设备可靠性对当前运营安全因子的影响，引入当前设备风险综合系数Rsf，用来校对系统安全风险系数；
步骤9：设定历史数据预测贡献分子为Dp(t)；校正预测风险服务器(5)通过调取风险预测结果数据库(4)中的风险预测结果的历史记录，根据以下公式4计算出历史数据预测贡献分子Dp(t)：
Dp(t)＝avg(sum(Rd(t)))；
公式4中，Rd(t)为同工况下各个历史实时运营参数i的时间轴曲线变化信息相对值，根据以下公式5计算Rd(t)的值：
Rd(t)＝(Vd(t)-Vc)/Vc；
公式5中，Vd是某个历史实时运营参数i的一个历史纪录值；Vc是某个历史实时运营参数i的当前值，t是从当前到未来的时间；
当前设备风险综合系数Rsf的值由公式6计算得出：
Rsf＝Rst*{avg(Rsc(j)*Rae(j)}；
公式6中，Rst＝Qs(i)*Rs(i)；设定设备安全信息数据Rae(j)为设备安全风险评估系统ERAS对每个设备j的安全评估系数，j为正整数，所述设备安全信息数据Rae(j)是个0到1之间的实数，Rae(j)＝1是代表该设备安全，Rae(j)＝0是代表该设损坏；
设定Ms(t)为预测具当前t秒后的最大单一风险因子数值，校正预测风险服务器(5)根据以下公式7计算Ms(t)的值；
Ms(t)＝Ms×Dp(t)；
设定Rs(t)是预测据当前t秒后的系统平均安全因子数值，校正预测风险服务器(5)根据以下公式8计算Rs(t)的值；
Rs(t)＝Rs(i)×Dp(t)；
设定Rsf(t)为预测距当前t秒后的设备安全风险综合系数，校正预测风险服务器(5)根据以下公式9计算Rsf(t)的值：
Rsf(t)＝Rsf×Dp(t)；
步骤9：校正预测风险服务器(5)根据Rsf(t)、Ms(t)的值和Rs(t)的值生成动态量化安全风险预测数据，并通过曲线或表格方式显示在显示屏上。
所述实时运营参数i包括多个实时运行数据，所述实时运行数据为来自当前堆芯核物理影响反应性参数的实时数据、来自当前主回路热工影响功率参数的实时数据、来自当前2回路热工参数的实时数据、来自当前主回路主要设备的运转状态实时参数、来自当前2回路主要设备的运转状态实时参数、当前其它安全辅助系统状态监督实时参数、本核电以及类似其它核电相关的历史数据、本核电已有的全部设备状态及其可靠性评估数据或当前其它设备状态实时监督数据等。
所述显示屏为与校正预测风险服务器(5)电连接的LCD显示屏。
所述实时运营参数i包括多个实时运行数据，所述实时运行数据为来自当前堆芯核物理影响反应性参数的实时数据、来自当前主回路热工影响功率参数的实时数据、来自当前2回路热工参数的实时数据、来自当前主回路主要设备的运转状态实时参数、来自当前2回路主要设备的运转状态实时参数、当前其它安全辅助系统状态监督实时参数、本核电以及类似其它核电相关的历史数据、本核电已有的全部设备状态及其可靠性评估数据或当前其它设备状态实时监督数据等。
所述显示屏为与校正预测风险服务器(5)电连接的LCD显示屏。
本发明所述的一种核电运行事故风险实时预测方法，实现了对核电运行安全的预测，提高核电运行安全测量的实时性和预测性，。
附图说明
图1是本发明的结构示意图；
图中：核电机组运行控制系统1、历史数据库2、实时运行信息处理服务器3、风险预测结果数据库4、校正预测风险服务器5、校正安全风险数据库6。
具体实施方式
如图1所示的一种核电运行事故风险实时预测方法，包括如下步骤：
步骤1：首先建立实时大数据处理平台，核电机组运行控制系统(1)通过企业服务总线ESB连接实时大数据处理平台，所述实时大数据处理平台包括一个服务器集群，所述服务器集群包括历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)，历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)之间均通过企业局部网络LAN或企业服务总线ESB进行通信；
历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)均由多个服务器集群组成；
步骤2：核电场设有用于检测核电机组的实时运营参数的核电机组运行控制系统(1)；核电机组运行控制系统(1)通过企业局部网络LAN或企业服务总线ESB与实时运行信息处理服务器(3)通信；
步骤3：核电机组运行控制系统(1)将实时运营参数发送给实时运行信息处理服务器(3)，实时运行信息处理服务器(3)将实时运营参数对照历史数据进行实时风险预测计算分析，生成实时运营参数安全预测分析结果供系统用户实时使用，并将分析结果分别发送给风险预测结果数据库(4)和校正安全风险数据库(6)；
步骤4：风险预测结果数据库(4)对所述实时运营参数安全预测分析结果进行存储，生成历史安全运营参数记录，风险预测结果数据库(4)不断积累历史安全运营参数记录；
步骤5：实时运行信息处理服务器(3)对实时运营参数作风险预测处理，其步骤如下：
步骤A：设定实时运营参数为i；设定实时安全风险因子为Qs(i)；对每个实时运营参数i引入实时安全风险逼近因子Qs(i)，设定该实时运营参数i趋于事故状态下的临界安全风险逼近因子Qs(i)的参数值为数值C(i)；设定任意一个实时运行参数i的实时值为V(i)，而其安全临界值为C(i)，那么，该实时运行参数i的实时安全风险逼近因子Qs(i)的计算公式1如下：
Qs(i)＝V(i)/C(i)；
通过所述计算公式1计算出的安全风险逼近因子Qs(i)的值在风险分析的意义上是一个0到1之间的正数，当Qs(i)接近1时，表明该实时运行参数i达到了事故临界点；
步骤B：根据步骤A的方法，计算出核电机组运行控制系统(1)采集到的所有实时运营参数i的安全风险逼近因子Qs(1..n)，n为整数；并根据每个实时运营参数i的安全风险逼近因子Qs(i)进行风险影响大小的综合分析处理；
步骤C：对每个安全风险逼近因子Qs(i)影响大小用加权方式计算：设定实时运营参数i的安全影响权重为Rs(i)；
对每一个已经计算出安全风险逼近因子Qs(i)的实时运营参数i设定安全影响权重Rs(i)，安全影响权重Rs(i)的值的数值范围为0到1的正数；当任意一个实时运营参数i的安全影响权重Rs(i)为1时，表明该实时运营参数i对安全事故具有单一完全的影响力，当Rs为0时，表明对安全事故无影响力；
步骤D：设定系统实时安全总因子为Ms；系统实时安全总因子Ms的计算公式2如下：
Ms＝Max{Qs(i)×Rs(i)}；
其中i＝1到n，n为所有所述实时运营参数i的总数量；
当任何一个实时运营参数i的安全风险逼近因子Qs(i)与安全影响权重为Rs(i)的乘积逼近1时，即Ms逼近1时，核电运行系统的总体安全风险将达到临界点；
步骤E：设定当前全部参数平均安全风险为Rsc；
根据当前全部实时运营参数i的安全风险逼近因子Qs(i)与安全影响权重为Rs(i)，计算出当前全部参数平均安全风险Rsc；其计算公式3如下：
Rsc＝avg{Qs(i)*Rs(i)}；
其中i＝1...n，n为所有所述实时运营参数i的总数量；
当全部参数平均安全风险Rsc的值小于1时，只要系统实时安全总因子Ms＝1,则核电运行系统就会处于事故状态；
步骤F：系统实时安全总因子Ms的值和当全部参数平均安全风险Rsc的值共同代表风险预测的结果,其中系统实时安全总因子Ms代表最大单一参数风险因素，当全部参数平均安全风险Rsc代表整体风险因素；
步骤6：实时运行信息处理服务器(3)将实时运营参数i的安全风险逼近因子Qs(i)的值、安全影响权重为Rs(i)的值、系统实时安全总因子Ms的值和当全部参数平均安全风险Rsc的值处理成风险预测结果，并将风险预测结果发送给风险预测结果数据库(4)，风险预测结果数据库(4)对风险预测结果进行历史数据存储处理，并将风险预测结果发送给校正安全风险数据库(6)和校正预测风险服务器(5)；
步骤7：校正预测风险服务器(5)对风险预测结果，利用反应堆物理和热工水利理论计算堆功率的当前功率值及相应的其它功率控制参数情况，并将计算获得的功率值作为安全风险趋势预盼值评估的进一步量化根据，对风险预测结果进行校正，去除风险预测结果中的误判结果；
步骤8：设备安全风险评估系统ERAS,用来自设备状况安全评估系统ERAS中有关设备安全信息数据Rea来进一步校正当全部参数平均安全风险Rsc,所述设备安全信息数据Rea反映了全部运营系统设备的安全状态情况，所述设备安全信息数据Rea包括实时设备状态监督信息、使用时间和维修等历史信息，所述设备安全信息数据Rea的数值代表了设备出现故障的可能性；为了估算设备可靠性对当前运营安全因子的影响，引入当前设备风险综合系数Rsf，用来校对系统安全风险系数；
步骤9：设定历史数据预测贡献分子为Dp(t)；校正预测风险服务器(5)通过调取风险预测结果数据库(4)中的风险预测结果的历史记录，根据以下公式4计算出历史数据预测贡献分子Dp(t)：
Dp(t)＝avg(sum(Rd(t)))；
公式4中，Rd(t)为同工况下各个历史实时运营参数i的时间轴曲线变化信息相对值，根据以下公式5计算Rd(t)的值：
Rd(t)＝(Vd(t)-Vc)/Vc；
公式5中，Vd是某个历史实时运营参数i的一个历史纪录值；Vc是某个历史实时运营参数i的当前值，t是从当前到未来的时间；
当前设备风险综合系数Rsf的值由公式6计算得出：
Rsf＝Rst*{avg(Rsc(j)*Rae(j)}；
公式6中，Rst＝Qs(i)*Rs(i)；设定设备安全信息数据Rae(j)为设备安全风险评估系统ERAS对每个设备j的安全评估系数，j为正整数，所述设备安全信息数据Rae(j)是个0到1之间的实数，Rae(j)＝1是代表该设备安全，Rae(j)＝0是代表该设损坏；
设定Ms(t)为预测具当前t秒后的最大单一风险因子数值，校正预测风险服务器(5)根据以下公式7计算Ms(t)的值；
Ms(t)＝Ms×Dp(t)；
设定Rs(t)是预测据当前t秒后的系统平均安全因子数值，校正预测风险服务器(5)根据以下公式8计算Rs(t)的值；
Rs(t)＝Rs(i)×Dp(t)；
设定Rsf(t)为预测距当前t秒后的设备安全风险综合系数，校正预测风险服务器(5)根据以下公式9计算Rsf(t)的值：
Rsf(t)＝Rsf×Dp(t)；
步骤9：校正预测风险服务器(5)根据Rsf(t)、Ms(t)的值和Rs(t)的值生成动态量化安全风险预测数据，并通过曲线或表格方式显示在显示屏上。
所述实时运营参数i包括多个实时运行数据，所述实时运行数据为来自当前堆芯核物理影响反应性参数的实时数据、来自当前主回路热工影响功率参数的实时数据、来自当前2回路热工参数的实时数据、来自当前主回路主要设备的运转状态实时参数、来自当前2回路主要设备的运转状态实时参数、当前其它安全辅助系统状态监督实时参数、本核电以及类似其它核电相关的历史数据、本核电已有的全部设备状态及其可靠性评估数据或当前其它设备状态实时监督数据等。
所述显示屏为与校正预测风险服务器(5)电连接的LCD显示屏。
所述实时运营参数i包括多个实时运行数据，所述实时运行数据为来自当前堆芯核物理影响反应性参数的实时数据、来自当前主回路热工影响功率参数的实时数据、来自当前2回路热工参数的实时数据、来自当前主回路主要设备的运转状态实时参数、来自当前2回路主要设备的运转状态实时参数、当前其它安全辅助系统状态监督实时参数、本核电以及类似其它核电相关的历史数据、本核电已有的全部设备状态及其可靠性评估数据或当前其它设备状态实时监督数据等。
所述显示屏为与校正预测风险服务器(5)电连接的LCD显示屏。
设备安全风险评估系统ERAS(Equipment Risk Assessment System),ERAS是一个维护运营设备安全的外部信息系统，所述设备安全信息数据Rea的数值代表了设备出现故障的可能性：如0.1表示该设备有10％的可能性出故障。
本发明提高核电运行安全测量的实时性和预测性，当系统出现动态情况时，无论是有正常还是异常发展趋势时，能够被及时探测并预期到可能出现事故的风险概率，并提供尽可能提前的安全事故报警，提高核电运行的安全性；本发明在确保安全的前提下，提高实时运行管理的优化水平，如实时提供停堆、启动堆时硼的最佳浓度等，通过实时自动监督设备及系统运营的相关参数，实时评估、预测设备的可靠性预期等；本发明在大大提高对核电运行安全的同时，减少不必要的设备维护工作，优化核电生产运营过程的资源投入，提高经营管理效率，降低核电的生产成本。
Claims (3)
1.一种核电运行事故风险实时预测方法，其特征在于：包括如下步骤：
步骤1：首先建立实时大数据处理平台，核电机组运行控制系统(1)通过企业服务总线ESB连接实时大数据处理平台，所述实时大数据处理平台包括一个服务器集群，所述服务器集群包括历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)，历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)之间均通过企业局部网络LAN或企业服务总线ESB进行通信；
历史数据库(2)、实时运行信息处理服务器(3)、风险预测结果数据库(4)、校正预测风险服务器(5)和校正安全风险数据库(6)均由多个服务器集群组成；
步骤2：核电场设有用于检测核电机组的实时运营参数的核电机组运行控制系统(1)；核电机组运行控制系统(1)通过企业局部网络LAN或企业服务总线ESB与实时运行信息处理服务器(3)通信；
步骤3：核电机组运行控制系统(1)将实时运营参数发送给实时运行信息处理服务器(3)，实时运行信息处理服务器(3)将实时运营参数对照历史数据进行实时风险预测计算分析，生成实时运营参数安全预测分析结果供系统用户实时使用，并将分析结果分别发送给风险预测结果数据库(4)和校正安全风险数据库(6)；
步骤4：风险预测结果数据库(4)对所述实时运营参数安全预测分析结果进行存储，生成历史安全运营参数记录，风险预测结果数据库(4)不断积累历史安全运营参数记录；
步骤5：实时运行信息处理服务器(3)对实时运营参数作风险预测处理，其步骤如下：
步骤A：设定实时运营参数为i；设定实时安全风险因子为Qs(i)；对每个实时运营参数i引入实时安全风险逼近因子Qs(i)，设定该实时运营参数i趋于事故状态下的临界安全风险逼近因子Qs(i)的参数值为数值C(i)；设定任意一个实时运行参数i的实时值为V(i)，而其安全临界值为C(i)，那么，该实时运行参数i的实时安全风险逼近因子Qs(i)的计算公式1如下：
Qs(i)＝V(i)/C(i)；
通过所述计算公式1计算出的安全风险逼近因子Qs(i)的值在风险分析的意义上是一个0到1之间的正数，当Qs(i)接近1时，表明该实时运行参数i达到了事故临界点；
步骤B：根据步骤A的方法，计算出核电机组运行控制系统(1)采集到的所有实时运营参数i的安全风险逼近因子Qs(1..n)，n为整数；并根据每个实时运营参数i的安全风险逼近因子Qs(i)进行风险影响大小的综合分析处理；
步骤C：对每个安全风险逼近因子Qs(i)影响大小用加权方式计算：设定实时运营参数i的安全影响权重为Rs(i)；
对每一个已经计算出安全风险逼近因子Qs(i)的实时运营参数i设定安全影响权重Rs(i)，安全影响权重Rs(i)的值的数值范围为0到1的正数；当任意一个实时运营参数i的安全影响权重Rs(i)为1时，表明该实时运营参数i对安全事故具有单一完全的影响力，当Rs为0时，表明对安全事故无影响力；
步骤D：设定系统实时安全总因子为Ms；系统实时安全总因子Ms的计算公式2如下：
Ms＝Max{Qs(i)×Rs(i)}；
其中i＝1到n，n为所有所述实时运营参数i的总数量；
当任何一个实时运营参数i的安全风险逼近因子Qs(i)与安全影响权重为Rs(i)的乘积逼近1时，即Ms逼近1时，核电运行系统的总体安全风险将达到临界点；
步骤E：设定当前全部参数平均安全风险为Rsc；
根据当前全部实时运营参数i的安全风险逼近因子Qs(i)与安全影响权重为Rs(i)，计算出当前全部参数平均安全风险Rsc；其计算公式3如下：
Rsc＝avg{Qs(i)*Rs(i)}；
其中i＝1...n，n为所有所述实时运营参数i的总数量；
当全部参数平均安全风险Rsc的值小于1时，只要系统实时安全总因子Ms＝1,则核电运行系统就会处于事故状态；
步骤F：系统实时安全总因子Ms的值和当全部参数平均安全风险Rsc的值共同代表风险预测的结果,其中系统实时安全总因子Ms代表最大单一参数风险因素，当全部参数平均安全风险Rsc代表整体风险因素；
步骤6：实时运行信息处理服务器(3)将实时运营参数i的安全风险逼近因子Qs(i)的值、安全影响权重为Rs(i)的值、系统实时安全总因子Ms的值和当全部参数平均安全风险Rsc的值处理成风险预测结果，并将风险预测结果发送给风险预测结果数据库(4)，风险预测结果数据库(4)对风险预测结果进行历史数据存储处理，并将风险预测结果发送给校正安全风险数据库(6)和校正预测风险服务器(5)；
步骤7：校正预测风险服务器(5)对风险预测结果，利用反应堆物理和热工水利理论计算堆功率的当前功率值及相应的其它功率控制参数情况，并将计算获得的功率值作为安全风险趋势预盼值评估的进一步量化根据，对风险预测结果进行校正，去除风险预测结果中的误判结果；
步骤8：设备安全风险评估系统ERAS,用来自设备状况安全评估系统ERAS中有关设备安全信息数据Rea来进一步校正当全部参数平均安全风险Rsc,所述设备安全信息数据Rea反映了全部运营系统设备的安全状态情况，所述设备安全信息数据Rea包括实时设备状态监督信息、使用时间和维修等历史信息，所述设备安全信息数据Rea的数值代表了设备出现故障的可能性；为了估算设备可靠性对当前运营安全因子的影响，引入当前设备风险综合系数Rsf，用来校对系统安全风险系数；
步骤9：设定历史数据预测贡献分子为Dp(t)；校正预测风险服务器(5)通过调取风险预测结果数据库(4)中的风险预测结果的历史记录，根据以下公式4计算出历史数据预测贡献分子Dp(t)：
Dp(t)＝avg(sum(Rd(t)))；
公式4中，Rd(t)为同工况下各个历史实时运营参数i的时间轴曲线变化信息相对值，根据以下公式5计算Rd(t)的值：
Rd(t)＝(Vd(t)-Vc)/Vc；
公式5中，Vd是某个历史实时运营参数i的一个历史纪录值；Vc是某个历史实时运营参数i的当前值，t是从当前到未来的时间；
当前设备风险综合系数Rsf的值由公式6计算得出：
Rsf＝Rst*{avg(Rsc(j)*Rae(j)}；
公式6中，Rst＝Qs(i)*Rs(i)；设定设备安全信息数据Rae(j)为设备安全风险评估系统ERAS对每个设备j的安全评估系数，j为正整数，所述设备安全信息数据Rae(j)是个0到1之间的实数，Rae(j)＝1是代表该设备安全，Rae(j)＝0是代表该设损坏；
设定Ms(t)为预测具当前t秒后的最大单一风险因子数值，校正预测风险服务器(5)根据以下公式7计算Ms(t)的值；
Ms(t)＝Ms×Dp(t)；
设定Rs(t)是预测据当前t秒后的系统平均安全因子数值，校正预测风险服务器(5)根据以下公式8计算Rs(t)的值；
Rs(t)＝Rs(i)×Dp(t)；
设定Rsf(t)为预测距当前t秒后的设备安全风险综合系数，校正预测风险服务器(5)根据以下公式9计算Rsf(t)的值：
Rsf(t)＝Rsf×Dp(t)；
步骤9：校正预测风险服务器(5)根据Rsf(t)、Ms(t)的值和Rs(t)的值生成动态量化安全风险预测数据，并通过曲线或表格方式显示在显示屏上。
2.如权利要求1所述的一种核电运行事故风险实时预测方法，其特征在于：所述实时运营参数i包括多个实时运行数据，所述实时运行数据为来自当前堆芯核物理影响反应性参数的实时数据、来自当前主回路热工影响功率参数的实时数据、来自当前2回路热工参数的实时数据、来自当前主回路主要设备的运转状态实时参数、来自当前2回路主要设备的运转状态实时参数、当前其它安全辅助系统状态监督实时参数、本核电以及类似其它核电相关的历史数据、本核电已有的全部设备状态及其可靠性评估数据或当前其它设备状态实时监督数据等。
3.如权利要求1所述的一种核电运行事故风险实时预测方法，其特征在于：所述显示屏为与校正预测风险服务器(5)电连接的LCD显示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611245520.4A CN108256663B (zh) | 2016-12-29 | 2016-12-29 | 一种核电运行事故风险实时预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611245520.4A CN108256663B (zh) | 2016-12-29 | 2016-12-29 | 一种核电运行事故风险实时预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108256663A true CN108256663A (zh) | 2018-07-06 |
| CN108256663B CN108256663B (zh) | 2021-09-07 |
Family
ID=62719854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611245520.4A Active CN108256663B (zh) | 2016-12-29 | 2016-12-29 | 一种核电运行事故风险实时预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108256663B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109253749A (zh) * | 2018-09-18 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种用于计量设备时钟错误事件的等级确定方法 |
| CN111462925A (zh) * | 2020-04-17 | 2020-07-28 | 西安交通大学 | 一种基于运行数据的核反应堆功率调节方法及其调节系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710400A (zh) * | 2009-12-15 | 2010-05-19 | 中科华核电技术研究院有限公司 | 一种对核电站进行风险评估的方法和装置 |
| CN102044021A (zh) * | 2010-12-21 | 2011-05-04 | 绍兴电力局 | 一种电网风险评估管理方法 |
| US20120330719A1 (en) * | 2011-05-27 | 2012-12-27 | Ashutosh Malaviya | Enhanced systems, processes, and user interfaces for scoring assets associated with a population of data |
| CN104217384A (zh) * | 2013-05-29 | 2014-12-17 | 江苏省核应急办公室 | 一种核事故应急处理及辅助决策支持系统 |
| CN104299042A (zh) * | 2013-07-15 | 2015-01-21 | 中广核工程有限公司 | 核电站事故风险预测方法和系统 |
| US20150127417A1 (en) * | 2012-06-06 | 2015-05-07 | Georgia State University Research Foundation, Inc. | Systems and methods for forecasting financial risk |
| CN104992299A (zh) * | 2015-07-23 | 2015-10-21 | 河南行知专利服务有限公司 | 一种电网风险分析及预警的方法 |
| CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
| CN105303018A (zh) * | 2014-07-10 | 2016-02-03 | 苏州热工研究院有限公司 | 核电站发现项风险评测方法 |
| CN105631578A (zh) * | 2015-12-10 | 2016-06-01 | 浙江大学 | 一种面向风险评估的输变电设备故障概率模型的建模方法 |
| CN105740992A (zh) * | 2016-03-28 | 2016-07-06 | 浙江大学 | 一种医院医疗风险评估系统及方法 |
-
2016
- 2016-12-29 CN CN201611245520.4A patent/CN108256663B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710400A (zh) * | 2009-12-15 | 2010-05-19 | 中科华核电技术研究院有限公司 | 一种对核电站进行风险评估的方法和装置 |
| CN102044021A (zh) * | 2010-12-21 | 2011-05-04 | 绍兴电力局 | 一种电网风险评估管理方法 |
| US20120330719A1 (en) * | 2011-05-27 | 2012-12-27 | Ashutosh Malaviya | Enhanced systems, processes, and user interfaces for scoring assets associated with a population of data |
| US20150127417A1 (en) * | 2012-06-06 | 2015-05-07 | Georgia State University Research Foundation, Inc. | Systems and methods for forecasting financial risk |
| CN104217384A (zh) * | 2013-05-29 | 2014-12-17 | 江苏省核应急办公室 | 一种核事故应急处理及辅助决策支持系统 |
| CN104299042A (zh) * | 2013-07-15 | 2015-01-21 | 中广核工程有限公司 | 核电站事故风险预测方法和系统 |
| CN105303018A (zh) * | 2014-07-10 | 2016-02-03 | 苏州热工研究院有限公司 | 核电站发现项风险评测方法 |
| CN104992299A (zh) * | 2015-07-23 | 2015-10-21 | 河南行知专利服务有限公司 | 一种电网风险分析及预警的方法 |
| CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
| CN105631578A (zh) * | 2015-12-10 | 2016-06-01 | 浙江大学 | 一种面向风险评估的输变电设备故障概率模型的建模方法 |
| CN105740992A (zh) * | 2016-03-28 | 2016-07-06 | 浙江大学 | 一种医院医疗风险评估系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| JOHN DOUGLAS 等: "Using Estimated Risk to Develop Stimulation Strategies for Enhanced Geothermal Systems", 《PURE AND APPLIED GEOPHYSICS》 * |
| 石春生 等: "基于SVM的核电装备制造业供应风险预测模型研究", 《电子科技大学学报（社科版）》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109253749A (zh) * | 2018-09-18 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种用于计量设备时钟错误事件的等级确定方法 |
| CN111462925A (zh) * | 2020-04-17 | 2020-07-28 | 西安交通大学 | 一种基于运行数据的核反应堆功率调节方法及其调节系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108256663B (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110033186A (zh) | 一种巨型水电厂智能监盘系统 | |
| CN103606018B (zh) | 一种钢铁企业电力负荷短期动态预测系统 | |
| CN103647276A (zh) | 一种电能质量预警系统及其方法 | |
| CN108089078A (zh) | 设备劣化预警方法及系统 | |
| CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
| CN104809663B (zh) | 电力专业技术服务保障监督系统及其监督方法 | |
| CN105184521B (zh) | 一种电网运行方式的风险评估方法、装置及系统 | |
| CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
| CN110162555A (zh) | 一种火电机组启停和降出力监督方法 | |
| CN102521672A (zh) | 一种基于配网生产作业计划的安全风险自动识别方法 | |
| CN110469456B (zh) | 降低变桨疲劳的风电场智能控制方法及系统 | |
| CN115062906A (zh) | 一种生产作业风险的智能评估方法及装置 | |
| CN108256663A (zh) | 一种核电运行事故风险实时预测方法 | |
| CN114676863A (zh) | 水轮机轴瓦温度异常监测方法及系统 | |
| CN104050300A (zh) | 一种电网运行方式的风险评估方法、装置及系统 | |
| CN117273284A (zh) | 一种面向企业用电平衡的异常数据监测系统 | |
| CN106026402A (zh) | 一种电力设备故障解决方案系统 | |
| KR101896442B1 (ko) | Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법 | |
| CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
| CN114202096A (zh) | 风电机组水冷系统温度异常预警 | |
| CN106709817A (zh) | 微电网设备全生命周期管理系统及故障预警方法 | |
| CN116243072B (zh) | 一种适用于建筑工地的用电设备系统性维护管理系统及方法 | |
| CN109377002A (zh) | 一种基于闭环管理的终端质量评价方法及系统 | |
| CN117391357B (zh) | 一种基于大数据的电网调度运行管理的调度自查系统 | |
| Feng et al. | Analysis and application of hydropower real-time performance calculation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |