CN110070269B - 一种风险指引的后处理设施中设备的管理优化方法 - Google Patents

一种风险指引的后处理设施中设备的管理优化方法 Download PDF

Info

Publication number
CN110070269B
CN110070269B CN201910243552.8A CN201910243552A CN110070269B CN 110070269 B CN110070269 B CN 110070269B CN 201910243552 A CN201910243552 A CN 201910243552A CN 110070269 B CN110070269 B CN 110070269B
Authority
CN
China
Prior art keywords
jth
target system
component
risk
rimo
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
CN201910243552.8A
Other languages
English (en)
Other versions
CN110070269A (zh
Inventor
王任泽
张建岗
李国强
王学新
庄大杰
杨亚鹏
徐潇潇
冯宗洋
贾林胜
王宁
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.)
China Institute for Radiation Protection
Original Assignee
China Institute for Radiation Protection
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 China Institute for Radiation Protection filed Critical China Institute for Radiation Protection
Priority to CN201910243552.8A priority Critical patent/CN110070269B/zh
Publication of CN110070269A publication Critical patent/CN110070269A/zh
Application granted granted Critical
Publication of CN110070269B publication Critical patent/CN110070269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种风险指引的后处理设施中设备的管理优化方法，所述方法包括：(1)选取目标系统，熟悉目标系统并确定RIMO优化目标；(2)对目标系统进行PSA，得到目标系统的顶事件概率、最小割集MCS和部件的割集重要度FV及致险价值重要度RAW；(3)确定决策变量和约束条件；(4)确定目标函数；(5)应用遗传算法编写相应的程序代码，求解RIMO的Pareto最优集；(6)根据实际条件选择适合的解。本发明提供的方法将风险指引引入乏燃料的后处理中，辅以科学的分析方法，能为后处理设施的优化管理提供更准确的依据。

Description

一种风险指引的后处理设施中设备的管理优化方法
技术领域
本发明属于乏燃料后处理设施的概率安全评价技术领域，具体涉及一种风险指引的后处理设施中设备的管理优化方法。
背景技术
目前美国核管会(Nuclear Regulatory Commission，简称NRC)致力于推行基于概率安全评级(Probabilistic Safety Assessment，简称PSA)的风险指引(Risk-informed，简称RI)的管理。在PSA应用的RI思想出现之前，乏燃料后处理设施在确定运行管理参数(如测试间隔(Test Interval，TI))都是基于确定论的定性判断或运行经验给出的，这些数值比较粗糙，缺乏严谨的科学性。
一般而言，RI中的管理优化是多目标优化(Multi-Objective optimization，简称MO)。所谓MO，即工程中经常会遇到多准则或多设计目标下设计和决策的问题，如果这些目标是相背的，需要找到满足这些目标的最佳设计方案，解决含多目标和多约束的优化问题。将RI的应用中涉及的MO问题简称为RIMO。RIMO问题的解不是单一点，而是一组点的集合。在利用风险指引的乏燃料后处理设施中设备的管理就是对多目标和多约束的优化问题，目前研究比较欠缺。
因此，有必要发明一种风险指引的后处理设施中设备的管理优化方法以解决上述问题。
发明内容
针对现有技术中存在的缺陷，本发明的目的是提供一种风险指引的后处理设施中设备的管理优化方法，将风险指引引入乏燃料的后处理中，辅以科学的分析方法，能为后处理设施的优化管理提供更准确的依据。
为达到以上目的，本发明采用的技术方案是：
一种风险指引的后处理设施中设备的管理优化方法，所述方法包括：
(1)选取目标系统，熟悉目标系统并确定RIMO优化目标；
(2)对目标系统进行PSA，得到目标系统的顶事件概率、最小割集MCS和部件的割集重要度FV及致险价值重要度RAW；
(3)确定决策变量和约束条件；
(4)确定目标函数；
(5)应用遗传算法编写相应的程序代码，求解RIMO的Pareto最优集；
(6)根据实际条件选择适合的解。
进一步的，RIMO优化目标包括：风险最低、效益最大和重要度平衡。
进一步的，所述方法还包括：当RIMO目标是效益最大时，决策变量为测试间隔TI，约束条件为TI∈[100hr,8760hr]。
进一步的，所述步骤(4)具体包括：
当目标函数为不可用度时，目标系统的平均不可用度
Figure BDA0002010397670000021
计算公式为：
Figure BDA0002010397670000022
其中，nh是第h个MCS中的基本事件数，
Figure BDA0002010397670000023
为第h个MCS中第j个基本部件的平均不可用度；nmcs为目标系统计算得到的MCS个数。
进一步的，当目标函数为不可用度时，部件j的平均不可用度
Figure BDA0002010397670000031
计算公式为：
Figure BDA0002010397670000032
其中，ρj为第j个部件的启动失效概率；λj为第j个部件的失效率；τj为第j个部件的TI；tj为第j个部件由于测试的停用时间；dj为第j个部件由于矫正维修的停用时间；γ0为人因失误概率；ρj<0.1且λjτj＜0.1。
进一步的，所述步骤(4)还包括：
当目标函数为费用时，费用C的计算公式为：
C＝CS&M+Caccident
其中，CS&M为检查和维修的费用，Caccident为核设施可能发生的事故涉及的处理费用。
进一步的，所述CS&M的计算公式为：
Figure BDA0002010397670000033
其中，TM为给定的任务时间；Cht,j为第j个部件单位时间的检查费用；Chc,j为第j个部件单位时间的矫正维修费用；τj为第j个部件的TI；dj为第j个部件由于矫正维修的停用时间；ρj为第j个部件的启动失效概率；λj为第j个部件的失效率；tj为第j个部件由于测试的停用时间；n为部件总数。
本发明的效果在于，本发明所述的方法将风险指引引入乏燃料的后处理中，辅以科学的分析方法，能为后处理设施的优化管理提供更准确的依据。
附图说明
图1为所述方法的一实施例的流程示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本发明保护的范围。
参阅图1，图1是本发明所述方法一实施例的流程示意图。
一种风险指引的后处理设施中设备的管理优化方法，包括以下步骤：
步骤101：选取目标系统，熟悉目标系统并确定RIMO优化目标。
在处理之前选择后处理的目标系统并熟悉。熟悉目标系统具体包括：首先根据目标系统的原理图和示意图，了解目标系统的功能、成功或失效准则以及关键部件；其次，获取目标系统各部件的可靠性和费用数据。
还需要说明的是，后处理设施RIMO问题的优化目标不一定涉及到风险层面，常常只涉及到故障事件发生频率(概率)或不可用度等。常见的优化目标包括但不限于：风险最低、效益最大以及重要度平衡。
步骤102：对目标系统进行PSA，得到目标系统的顶事件概率、最小割集MCS和部件的割集重要度FV及致险价值重要度。
PSA的结果是RI应用的基础，决策变量及目标函数的确定都离不开PSA的结果。对目标系统进行可靠性建模分析时，跟据目标系统特点和工程人员偏好选择合适的方法，如故障树(fault tree，简称FT)和GO法(Go methodology，简称Go法)都是可取的方法。通过对目标系统进行PSA，得到目标系统的顶事件概率、最小割集(minimal cut set，简称MCS)和部件的割集重要度(Fussell-Vesely，简称FV)及致险价值重要度(Risk achievementworth，简称RAW)。
如果步骤101中获取的数据不足以得到PSA后的上述数据时，及时进行补充并完成目标系统的PSA。
步骤103：确定决策变量和约束条件。
决策变量的确定一般以目标系统中各部件的重要度分析结果为基础。各部件的重要度即步骤102中进行PSA所得到的各类型重要度。
决策变量的确定是指，RIMO目标是效益最大时，后处理设施目标系统的TI的优化可以使不可用度和费用都降低，那TI无疑为决策变量。但决策变量一般不是一维的，因为优化TI旨在根据各部件的相对重要度而确定相应的TI。确定决策变量是将各部件按PSA得出的重要度进行分组，每组内各部件的TI相同，分的组数便是决策变量的维数。比如某系统的部件按FV重要度基本上可分为三组，则决策变量TI便有三维子变量TI1、TI2、TI3。
RIMO的约束条件一般是隐性的，在一个具体的实施例中，当RIMO目标是效益最大，决策变量为测试间隔TI时，限制条件一般为：TI∈[100hr,8760hr]。
步骤104：确定目标函数。
后处理设施RIMO问题常用的目标函数主要包括不可用度和费用两个目标函数，下面分别予以介绍。
当目标函数为不可用度时，目标系统的平均不可用度U计算公式，即不可用度的目标函数为：
Figure BDA0002010397670000061
其中，nh是第h个MCS中的基本事件数，
Figure BDA0002010397670000062
为第h个MCS中第j个基本部件的平均不可用度；nmcs为目标系统计算得到的MCS个数。
进一步的，当目标函数为不可用度时，部件j的平均不可用度
Figure BDA0002010397670000063
计算公式为：
Figure BDA0002010397670000064
其中，ρj为第j个部件的启动失效概率；λj为第j个部件的失效率；τj为第j个部件的TI；tj为第j个部件由于测试的停用时间；dj为第j个部件由于矫正维修的停用时间；γ0为人因失误概率。
需要说明的是，部件j的平均不可用度
Figure BDA0002010397670000066
计算公式在ρj<0.1且λjτj＜0.1的约束下才是在正确有效的。
当目标函数为费用时，费用C的计算公式为：
C＝CS&M+Caccident (3)
其中，CS&M为检查和维修的费用，Caccident为核设施可能发生的事故涉及的处理费用。CS&M和Caccident都与核事故的种类和后果密切相关。
其中，CS&M的计算公式为：
Figure BDA0002010397670000065
其中，TM为给定的任务时间；Cht,j为第j个部件单位时间的检查费用；Chc,j为第j个部件单位时间的矫正维修费用；τj为第j个部件的TI；dj为第j个部件由于矫正维修的停用时间；ρj为第j个部件的启动失效概率；λj为第j个部件的失效率；tj为第j个部件由于测试的停用时间；n为部件总数。对于给定的任务时间TM一般取为一年，即8760hr。
步骤105：应用遗传算法编写相应的程序代码，求解RIMO的Pareto最优集。
根据上述步骤确定的目标函数、约束条件及目标函数，应用遗传算法编写相应的程序代码，求解RIMO的Pareto最优集。其中，Pareto最优集为RIMO问题一组解的集合。
具体的，可以应用MATLAB遗传算法工具箱，也可以使用其他工具或自编程序。然后，确定种群初始信息、各个遗传操作的方式及参数以及终止准则，运行程序，获得Pareto最优集。
步骤106：根据实际条件选择适合的解。
最后根据实际条件选择适合的解。
还需要说明的是，上述步骤都是必须的，但是执行顺序不一定严格按照如图1所示。比如，可以先确定目标函数的基本表达式，再确定决策变量和约束条件，然后在目标函数的基本表达式中代入已知数据，把此基本表达式转化为关于决策变量的函数形式。
如前所述，后处理设施RIMO问题的优化目标不一定涉及到风险层面，常常只涉及到故障事件发生频率(概率)或不可用度等，另外一个经常涉及的优化目标是相应的费用。
下面以典型后处理设施的铀、钚共去污分离循环工段中的共去污脉冲柱设备室为具体的实施例进行说明。
1.选取目标系统，熟悉目标系统并确定RIMO优化目标
铀、钚共去污分离循环工段是Purex流程的关键工序，共去污脉冲柱设备室是本工段的关键设备室，本设备室安置有五个脉冲萃取柱。在本实施例中，目标系统为上述共去污脉冲柱设备室。在对目标系统进行PSA时，选取FT方法，FT结果表明着火、临界事故的发生频率极低，予以忽略，故RIMO中只考虑泄露事故，FT结果见下表1。
表1共去污脉冲柱设备室的泄漏事故FT结果
Figure BDA0002010397670000081
对于共去污脉冲柱设备室的仪表或设备作要定期地检测，以提高这些部件的可用度，确保共去污脉冲柱设备室的稳定安全运行。在本实施例中，根据上述FT结果，确定共去污脉冲柱设备室的RIMO的两个优化目标分别为泄露事故发生频率最低和检查、维修费用最低，决策变量为部件的TI。
2.对目标系统进行PSA
表2 RIMO中两个脉冲柱的MCS个数
Figure BDA0002010397670000082
在对目标系统进行PSA时，选取FT方法。在泄露事故发生频率最低的目标函数中需要各柱泄露事故的MCS，这里只考虑四阶或四阶以下的MCS的贡献，更高阶的MCS忽略不计，且各事故均无一阶MCS。在上述条件下，只有1AX柱和1BX柱两个脉冲柱被模型化，因为其他三个脉冲柱四阶或四阶以下的MCS只有二阶MCS可用，且二阶MCS中不包含可修模型的部件，也就是没有需要间隔测试的部件。RIMO中两个脉冲柱的MCS个数见表2。
3.决策变量及约束条件的确定
按仪表的失效率的大小，将涉及到的仪表分为两组。柱重仪和界面仪分为一组(TI1)，液位仪表和密度仪表分为一组(TI2)。
TI的约束条件为：TI∈[100hr,8760hr]。
4.目标函数的确定
(1)泄露事故频率目标函数
泄露事故频率的目标函数由式(1)修改而来，具体的计算如式(5)所示：
Figure BDA0002010397670000091
上式中，F为事故频率，fh为第h个MCS中唯一的频率数据类型基本事件的发生频率，nh是第h个MCS中的基本事件数，
Figure BDA0002010397670000092
为第h个MCS中第j个基本部件的平均不可用度。
在泄漏事故的FT分析中，可得到基本事件的数据类型有频率数据(引起泄露事故的始发事件的数据类型)、可修模型、常概率事件(人因失误和其他常概率事件)，将其代入上述目标函数即可求事故频率F。
脉冲柱设备室的总泄露事故的频率为各个脉冲柱泄露事故频率的和。
(2)CS&M目标函数
费用中只考虑CS&M是因为Caccident与TI无关，具体的目标函数采用式(4)。
5.应用遗传算法编写相应的程序代码，求解RIMO的Pareto最优集具体的程序代码不是本专利的重点，不展开叙述。
6.根据实际条件选择适合的解
从计算结果得到的Pareto集选择TI1＝1388hr，TI2＝487hr作为工程解，也就是对于柱重仪和界面仪约两个月测试一次，而对于液位仪表和密度仪表约两个月测试三次。工程解与定性分析的结果是一致的，由此可见工程解的正确性。
区别于现有技术，本发明提供的一种风险指引的后处理设施中设备的管理优化方法，将风险指引引入乏燃料的后处理中，辅以科学的分析方法，能为后处理设施的优化管理提供更准确的依据。
本领域技术人员应该明白，本发明所述的方法并不限于具体实施方式中所述的实施例，上面的具体描述只是为了解释本发明的目的，并非用于限制本发明。本领域技术人员根据本发明的技术方案得出其他的实施方式，同样属于本发明的技术创新范围，本发明的保护范围由权利要求及其等同物限定。

Claims (3)

1.一种风险指引的后处理设施中设备的管理优化方法，其特征在于，所述方法包括：
(1)选取目标系统，熟悉目标系统并确定RIMO优化目标；
(2)对目标系统进行PSA，得到目标系统的顶事件概率、最小割集MCS和部件的割集重要度FV及致险价值重要度RAW；
(3)确定决策变量和约束条件；
(4)确定目标函数；
(5)应用遗传算法编写相应的程序代码，求解RIMO的Pareto最优集；
(6)根据实际条件选择适合的解；
所述步骤(4)具体包括：
当目标函数为不可用度时，目标系统的平均不可用度
Figure FDA0003829078940000011
计算公式为：
Figure FDA0003829078940000012
其中，nh是第h个MCS中的基本事件数，
Figure FDA0003829078940000013
为第h个MCS中第j个基本部件的平均不可用度；nmcs为目标系统计算得到的MCS个数；
当目标函数为不可用度时，部件j的平均不可用度
Figure FDA0003829078940000014
计算公式为：
Figure FDA0003829078940000015
其中，ρj为第j个部件的启动失效概率；λj为第j个部件的失效率；τj为第j个部件的测试间隔TI；tj为第j个部件由于测试的停用时间；dj为第j个部件由于矫正维修的停用时间；γ0为人因失误概率；ρj<0.1且λjτj＜0.1；
当目标函数为费用时，费用C的计算公式为：
C＝CS&M+Caccident
其中，CS&M为检查和维修的费用，Caccident为核设施可能发生的事故涉及的处理费用；
所述CS&M的计算公式为：
Figure FDA0003829078940000021
其中，TM为给定的任务时间；Cht,j为第j个部件单位时间的检查费用；Chc,j为第j个部件单位时间的矫正维修费用；τj为第j个部件的测试间隔TI；dj为第j个部件由于矫正维修的停用时间；ρj为第j个部件的启动失效概率；λj为第j个部件的失效率；tj为第j个部件由于测试的停用时间；n为部件总数。
2.根据权利要求1所述一种风险指引的后处理设施中设备的管理优化方法，其特征在于，RIMO优化目标包括：
风险最低、效益最大和重要度平衡。
3.根据权利要求2所述一种风险指引的后处理设施中设备的管理优化方法，其特征在于，所述方法还包括：
当RIMO目标是效益最大时，决策变量为测试间隔TI，约束条件为TI∈[100hr,8760hr]。
CN201910243552.8A 2019-03-28 2019-03-28 一种风险指引的后处理设施中设备的管理优化方法 Active CN110070269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910243552.8A CN110070269B (zh) 2019-03-28 2019-03-28 一种风险指引的后处理设施中设备的管理优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910243552.8A CN110070269B (zh) 2019-03-28 2019-03-28 一种风险指引的后处理设施中设备的管理优化方法

Publications (2)

Publication Number Publication Date
CN110070269A CN110070269A (zh) 2019-07-30
CN110070269B true CN110070269B (zh) 2022-12-09

Family

ID=67366920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910243552.8A Active CN110070269B (zh) 2019-03-28 2019-03-28 一种风险指引的后处理设施中设备的管理优化方法

Country Status (1)

Country Link
CN (1) CN110070269B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614604B (zh) * 2020-11-26 2022-10-21 中国辐射防护研究院 一种脉冲萃取柱有机相着火事故源项估算方法
CN112801390A (zh) * 2021-02-04 2021-05-14 天津科技大学 基于不确定故障树的水下生产系统维修优化方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065054A (zh) * 2013-01-14 2013-04-24 中国科学院合肥物质科学研究院 一种基于概率安全分析的放疗精确性数据处理方法
KR101594418B1 (ko) * 2014-08-29 2016-02-17 한국원자력연구원 복합 외부사건 psa의 정량화 시스템 및 방법
CN106168797A (zh) * 2016-05-25 2016-11-30 哈尔滨工程大学 一种模块化获取核电站故障树顶事项失效概率的方法
CN109064035A (zh) * 2018-08-07 2018-12-21 苏州热工研究院有限公司 核电厂技术规格书优化的风险指引型分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100962278B1 (ko) * 2008-09-29 2010-06-11 한국원자력연구원 격실간 전파를 포함한 외부사건 ｐｓａ의 단일 정량화 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065054A (zh) * 2013-01-14 2013-04-24 中国科学院合肥物质科学研究院 一种基于概率安全分析的放疗精确性数据处理方法
KR101594418B1 (ko) * 2014-08-29 2016-02-17 한국원자력연구원 복합 외부사건 psa의 정량화 시스템 및 방법
CN106168797A (zh) * 2016-05-25 2016-11-30 哈尔滨工程大学 一种模块化获取核电站故障树顶事项失效概率的方法
CN109064035A (zh) * 2018-08-07 2018-12-21 苏州热工研究院有限公司 核电厂技术规格书优化的风险指引型分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HFETR供电系统概率安全评价;周春林等;《核科学与工程》;20160215(第01期);全文 *
百万千瓦级压水堆核电厂停堆PSA研究;李琳;《中国核电》;20110315(第01期);全文 *
风险指引型PSA应用的不确定性分析方法研究;黄志超等;《核科学与工程》;20171015(第05期);全文 *

Also Published As

Publication number Publication date
CN110070269A (zh) 2019-07-30

Similar Documents

Publication Publication Date Title
CN110070269B (zh) 一种风险指引的后处理设施中设备的管理优化方法
Bao et al. Quantitative Risk Analysis of High Safety Significant Safety-related Digital Instrumentation and Control Systems in Nuclear Power Plants using IRADIC Technology
Vrbanic et al. Risk importance measures in the designand operation of nuclear power plants
Muhlheim et al. Status Report on Regulatory Criteria Applicable to the Use of Digital Twins
Bao et al. Risk Analysis of Various Design Architectures for High Safety-significant Safety-related Digital Instrumentation and Control Systems of Nuclear Power Plants during Accident Scenarios
Lötsch Fuel assembly burnup calculations for VVER fuel assemblies with the MONTE CARLO code SERPENT
Knochenhauer et al. Using Bayesian Belief Network (BBN) modelling for rapid source term prediction. Final report
Zhang et al. A Strategic Approach to Employ Risk-Informed Methods to Enable Margin Recovery of Nuclear Power Plants Operating Margins
CN102902838A (zh) 基于趋势的过程控制目标设定方法和系统
CN113919609A (zh) 一种配电网模型质量综合评估方法和系统
Hugo et al. Human Factors Engineering Aspects of Modifications in Control Room Modernization
de Vasconcelos et al. Integrated Reliability and Risk Assessments of Nuclear Facilities
Kaiser Consideration for Advanced Modeling and Simulation Review
Caldwell Adressning Off-Site Consequence Criteria Using Level 3 Probabilistic Safety Assessment
Kurth et al. Comparison of Non-Standard Simulation Methods for Performing Extremely Low Probability Assessments
Chen Estimation of Software Common Cause Failure for Digital I&C Risk Assessment
Zhang et al. Design and Development of the Platform for Significance Determination Process System for Nuclear Power Plant
Marshall et al. Development of criticality safety validation guidance for NRC-regulated activities
Hugo et al. Regulatory Aspects of the Human Factors Engineering Process in Control Room Modernization
Guptan et al. Probability safety assessment activities in India for new and advanced reactors
Huning et al. A Risk-Informed Approach for Prioritizing Radionuclide Transport Data Needs
Granados Granados Methodological guide to deploy Functional Analysis into CODAC Systems for the Tritium Processing in ITER
Christoph et al. Quality Management, Verification, And Validation Of Structure Mechanical Computer Codes At GRS
Molnar et al. The SCORPIO-VVER Core Monitoring and Surveillance System for VVER Type of Reactors
Boring Current human reliability analysis methods applied to computerized procedures

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