CN110085339B - 主泵风险分析方法、装置、计算机设备和存储介质 - Google Patents

主泵风险分析方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110085339B
CN110085339B CN201910126410.3A CN201910126410A CN110085339B CN 110085339 B CN110085339 B CN 110085339B CN 201910126410 A CN201910126410 A CN 201910126410A CN 110085339 B CN110085339 B CN 110085339B
Authority
CN
China
Prior art keywords
main pump
failure
module
risk analysis
analysis model
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
CN201910126410.3A
Other languages
English (en)
Other versions
CN110085339A (zh
Inventor
侯晔
岑相成
何继强
赵云
唐孝力
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 General Nuclear Power Corp
CGN Power Co Ltd
Daya Bay Nuclear Power Operations and Management Co Ltd
Lingdong Nuclear Power Co Ltd
Guangdong Nuclear Power Joint Venture Co Ltd
Lingao Nuclear Power Co Ltd
Original Assignee
China General Nuclear Power Corp
CGN Power Co Ltd
Daya Bay Nuclear Power Operations and Management Co Ltd
Lingdong Nuclear Power Co Ltd
Guangdong Nuclear Power Joint Venture Co Ltd
Lingao Nuclear Power Co Ltd
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 General Nuclear Power Corp, CGN Power Co Ltd, Daya Bay Nuclear Power Operations and Management Co Ltd, Lingdong Nuclear Power Co Ltd, Guangdong Nuclear Power Joint Venture Co Ltd, Lingao Nuclear Power Co Ltd filed Critical China General Nuclear Power Corp
Priority to CN201910126410.3A priority Critical patent/CN110085339B/zh
Publication of CN110085339A publication Critical patent/CN110085339A/zh
Application granted granted Critical
Publication of CN110085339B publication Critical patent/CN110085339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G21NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21DNUCLEAR POWER PLANT
    • G21D3/00Control of nuclear power plant
    • G21D3/04Safety arrangements
    • G21D3/06Safety arrangements responsive to faults within the plant
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00Energy generation of nuclear origin

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Plasma & Fusion (AREA)
  • General Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本申请涉及一种主泵风险分析方法、装置、计算机设备和存储介质。该方法包括:获取与所述主泵直接或间接相关的相关部件;对所述主泵和所述相关部件进行划分,得到多个模块;根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;所述历史信息包括经验信息和历史故障信息;根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。该方法可以快速准确这地确定主泵的风险,大大节约了确定主泵风险的时间。

Description

主泵风险分析方法、装置、计算机设备和存储介质
技术领域
本申请涉及核电站安全管理技术领域,特别是涉及一种主泵风险分析方法、装置、计算机设备和存储介质。
背景技术
核电站中的主泵是核岛一回路系统中,用于驱动冷却剂在反应堆冷却剂系统(Reactor Coolant,RCP)内循环流动的泵。主泵位于核岛心脏部位,用来将热水泵入蒸发器转换热能,是核电运转控制水循环的关键。100型主泵在中国核电业界应用较为广泛,其结构复杂,支持系统众多,因此,当主泵出现异常时,如何确定其风险状况成为一个难题。
发明内容
基于此,有必要针对传统技术确定主泵的风险状况较为困难的问题,提供一种主泵风险分析方法、装置、设备和存储介质。
第一方面,本申请实施例提供一种主泵风险分析方法,所述法包括:
根据预设的主泵风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑;
获取所述相关部件的故障率和所述相关部件的运行状态;
根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险。
在其中一个实施例中,在所述根据预设的主泵风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑之前,所述方法还包括:
获取与所述主泵直接或间接相关的相关部件;
对所述主泵和所述相关部件进行划分,得到多个模块;
根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;所述历史信息包括经验信息和历史故障信息;
根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
在其中一个实施例中,所述方法还包括:
获取影响所述主泵停运的停运控制信号;所述停运控制信号包括自动停泵信号和手动停泵信号;
根据所述停运控制信号和所述历史信息,确定与所述停运控制信号对应的模块的模块失效模式和模块失效逻辑;
根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型。
在其中一个实施例中,所述根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型,包括:
将所述主泵的故障停运状态作为第一顶事件;
将所述停运控制信号对应的故障状态和所述模块失效模式作为第一中间事件或第一底事件;
获取所述停运控制信号之间的信号失效逻辑,并根据所述信号失效逻辑、所述各个模块的失效逻辑、所述第一顶事件、所述第一中间事件或所述第一底事件,确定所述主泵的风险分析模型。
在其中一个实施例中,所述根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型,包括:
将所述各个模块的失效状态作为第二顶事件;
将所述子失效模式作为第二中间事件或第二底事件;
根据所述第二顶事件、所述第二中间事件、所述子失效逻辑和/或所述第二底事件,确定所述主泵的风险分析模型。
在其中一个实施例中,所述方法还包括:
将所述主泵的风险分析模型输出给显示装置,使得所述显示装置以表格或故障树的方式显示所述主泵的风险分析模型。
在其中一个实施例中,所述方法还包括:所述多个模块为功能相互独立的模块。
第二方面,本申请实施例提供一种主泵风险分析装置,该装置包括:
相关部件获取模块,用于获取与所述主泵直接或间接相关的相关部件;
划分模块,用于对所述主泵和所述相关部件进行划分,得到多个模块;
模块失效确定模块,用于根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;
模块模型确定模块,用于根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
第三方面,本申请实施例提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
根据预设的主泵风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑;
获取所述相关部件的故障率和所述相关部件的运行状态;
根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
根据预设的主泵风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑;
获取所述相关部件的故障率和所述相关部件的运行状态;
根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险。
本实施例提供的主泵风险分析方法、装置、计算机设备和存储介质,计算机设备可以根据预设的主泵的风险分析模型,获取引起主泵停运的相关部件和相关部件的失效逻辑;并获取相关部件的故障率和相关部件的运行状态;进而根据失效逻辑、故障率和运行状态,确定主泵的风险。本实施例中,计算机设备可以根据主泵风险分析模型中涉及到的可能引起主泵停运的相关部件及相关部件的失效逻辑,即可快速准确这地确定主泵的风险,大大节约了确定主泵风险的时间。
附图说明
图1为一个实施例提供的计算机设备结构示意图;
图2为一个实施例提供的主泵风险分析方法流程示意图;
图3为另一个实施例提供的主泵风险分析方法流程示意图;
图4为又一个实施例提供的主泵风险分析方法流程示意图;
图5为一个实施例提供的主泵风险分析模型故障树;
图6A为另一个实施例提供的主泵风险分析模型故障树;
图6B为又一个实施例提供的主泵风险分析模型故障树;
图6C为又一个实施例提供的主泵风险分析模型故障树;
图6D为又一个实施例提供的主泵风险分析模型故障树;
图6E为又一个实施例提供的主泵风险分析模型故障树;
图7为一个实施例提供的主泵风险分析装置结构示意图;
图8为另一个实施例提供的主泵风险分析装置结构示意图;
图9为又一个实施例提供的主泵风险分析装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本实施例提供的主泵风险分析方法,可以应用于如图1所示的计算机设备,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以为手机、平板电脑、个人数字助理等,本实施例对计算机设备的具体形式并不做限定。
需要说明的是,本申请实施例提供的主泵风险分析方法,其执行主体可以是主泵风险分析模型建立装置,该主泵风险分析模型建立装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
图2为一个实施例提供的主泵风险分析方法流程示意图。本实施例涉及的是计算机设备根据主泵的风险分析模型中相关部件的故障率和运行状态,确定主泵的风险的实现过程。如图2所示,该方法可以包括:
S202,根据预设的所述主泵的风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑。
具体的,主泵的风险分析模型包括引起主泵停运的各个相关部件与各个相关部件的失效逻辑。可选的,上述主泵可以为100型主泵,也可以为其它型号的主泵,本实施例对此不做限定。
主泵支持系统较多,比如化学和容积控制系统(Chemical and volume Control,RCV)、反应堆冷却剂系统(Reactor Coolant,RCP)、余热排出系统(Residual Heat Rmoval,RRA)、设备冷却水系统(Component Cooling,RRI)、火警探测系统(Fire Detection,JDT)、核岛消防系统(Nuclear Island Fire Protection,JPI)、主泵监测和保护仪表等。上述主泵支持的系统中的部分或全部部件可以为与主泵直接或间接相关的相关部件,比如手动调节阀RCV067、气动阀RCP150等。
S204,获取所述相关部件的故障率和所述相关部件的运行状态。
具体的,相关部件的运行状态可以包括正常状态和故障状态,相关部件的故障率为该部件在正常状态下发生故障的概率。可选的,相关部件的故障率可以根据统计的历史故障数据确定。可选的,计算机设备可以实时地或按照预设的周期获取相关部件的故障率和运行状态,也可以根据用户输入的指令获取相关部件的故障率和运行状态,以方便根据用户的需求获取相关部件的故障率和运行状态,进而获得主泵的风险情况。
S206,根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险。
具体的,失效逻辑为各个事件之间的逻辑关系,比如,事件A与事件B同时发生时,会导致部件C失效,则事件A和事件B之间的失效逻辑为逻辑与的关系。
若某个相关部件的运行状态为故障状态,电子设备可以将该相关部件的故障率确定为1,代替该相关部件初始的故障率,并结合其余相关部件的故障率、各个相关部件的失效逻辑,确定主泵的风险。可选的,主泵的风险可以为主泵停运的概率,也可以为主泵可以正常运行的概率,还可以为主泵需要维修的概率等。以主泵的风险可以为主泵停运的概率为例,可选的,若部件A与部件B的失效逻辑为逻辑与,则二者导致主泵停运的概率可以为二者故障率的乘积,也可以为用户预设的第一计算规则;若部件A与部件B的失效逻辑为逻辑或,则二者主泵停运的概率可以为二者故障率的和,也可以为用户预设的第二计算规则,本实施例对确定主泵停运的概率的计算模型不做限定。
可选的,计算机设备可以根据主泵的风险与预设的风险范围的比较结果,确定是否将主泵的风险发送给提醒装置如扬声器等,当主泵的风险超过预设的风险范围时,可以将提醒信息发送给提醒装置,供提醒装置发出提醒信息,以使得检修人员可以及时检测故障和维修对应部件。
可选的,计算机设备还可以根据主泵停运的风险与预设的维修风险范围的比较结果,以及预设的维修方案确定目标维修方案和多个部件的故障状态并存时处理的优先级,或辅助用户制定目标维修方案等,这样可以大大节约检测成本和维修时间。
本实施例提供的主泵风险分析方法,计算机设备可以根据预设的主泵的风险分析模型,获取引起主泵停运的相关部件和相关部件的失效逻辑;并获取相关部件的故障率和相关部件的运行状态;进而根据失效逻辑、故障率和运行状态,确定主泵的风险。本实施例中,计算机设备可以根据主泵风险分析模型中涉及到的可能引起主泵停运的相关部件及相关部件的失效逻辑,即可快速准确这地确定主泵的风险,大大节约了确定主泵风险的时间。
图3为一个实施例提供的主泵风险分析方法流程示意图。本实施例涉及的是计算机设备根据获取的与主泵直接或间接相关的相关部分,历史信息等确定主泵的风险分析模型的实现过程。在上述实施例的基础上,可选的,上述方法还可以包括:
S302,获取与所述主泵直接或间接相关的所述相关部件。
具体的,每个部件可以有对应标识,比如编号或名称等,计算机设备可以根据部件的标识确定对应的部件。可选的,上述主泵可以为100型主泵,也可以为其它型号的主泵,本实施例对此不做限定。
S304,对所述主泵和所述相关部件进行划分,得到多个模块。
具体的,计算机设备可以根据上述相关部件的功能,将这些部件划分为多个模块。可选的,多个模块可以为功能相互独立的模块。可选的,每个部件可以有对应的标识,该标识可以为编号或部件名称。核电站中的100型主泵为立式、单级混流泵,是一种较为常用的主泵,本实施例中,以100型主泵为例,计算机设备可以根据相关部件的标识,将获取的相关部件分为八个相互独立的模块:主泵及电机相关机械模块、主泵支撑及紧固件模块、主泵电机冷却润滑模块、主泵轴封注入泄漏模块、主泵轴系和振动探测模块、主泵消防模块、主泵电气模块和主泵仪控模块。
可选的,主泵及电机相关机械模块可以包括主泵泵轴、主泵热屏、主泵叶轮、主泵导叶、主泵主法兰、主泵热屏法兰、主泵导叶法兰、主泵轴承、主泵密封、主法兰螺栓、密封室螺栓、电机飞轮、电机上轴承、电机上推力瓦、电机推力盘、电机下推力瓦、电机空冷器和电机油冷器等。可选的,主泵支撑及紧固件模块可以包括主泵阻尼器和主泵支撑腿等。可选的,主泵电机冷却润滑模块可以包括电机本体油封泄漏、电机上油冷器、电机下油冷器、油回路管道、充排油阀、充排油阀、充排油阀、电机上下轴承和上下推力温度探头等。可选的,主泵轴封注入泄漏模块可以包括轴封注入水温度计、轴封注入管线逆止阀、轴封注入管线电动隔离阀、轴封注入管线调节阀、轴封注入管线手动隔离阀、轴封注入管线调节阀和轴封注入管线电动隔离阀等。可选的,主泵轴系和振动探测模块可以包括轴位移探头、轴位移探头、振动探头、振动探头和主泵支撑等。可选的,主泵消防模块可以包括1号主泵抽气探测分析柜、2号主泵抽气探测分析柜、3号主泵抽气探测分析柜和JPI001BG气瓶瓶头阀等。可选的,主泵电气模块可以包括主泵电机顶轴油泵、RCP002MO电源开关、CP003MO电源开关、RCP001MO电源开关、1KRG209AR电源开关和1KRG208AR电源开关等。可选的,主泵仪控模块可以包括阈值继电器、延时继电器、下游继电器、下游中间继电器、轴承温度高对应中间继电器、主泵转速测量与转速低低阈值继电器、001PO转速低低中间继电器、002PO转速低低中间继电器、003PO转速低低中间继电器和转速表等。需要说明的是,由于与主泵相关的部件较多,计算机设备可以按照用户设定的条件确定与主泵相关的相关部件,并按照用户设定的条件将这些相关部件划分为预定个数的模块,本实施例对上述多个模块的划分个数和每个模块包括的部件并不做限定。
S306,根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;所述历史信息包括经验信息和历史故障信息。
具体的,上述模块中的子部件的失效模式可以为该子部件出现故障的方式,比如,子部件转速探头140MC的失效模式可以为虚假主泵转速低,可选的,子部件的失效模式可以为子失效模式。子部件的失效逻辑为事件之间的逻辑关系,比如,事件A与事件B同时发生时,会导致子部件C失效,则事件A和事件B之间为逻辑与的关系。可选的,上述经验信息可以包括行业的经验信息和用户经验信息,上述历史故障信息可以包括与主泵相关的相关部件的历史故障数据。计算机设备可以根据用户输入的历史信息,按照预设的顺序确定每个相关部件的子失效模式和子失效逻辑。
S308,根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
具体的,计算机设备按照S306的步骤确定出各个子部件的子失效模式和子失效逻辑后,可以根据各个模块包括的子部件的子失效模式和子失效逻辑分别确定每个模块的风险分析模型,进而确定出主泵的风险分析模型。
可选的,计算机设备可以根据如下步骤确定主泵的风险分析模型:S3082,将各个模块的失效状态作为第二顶事件;S3084,将子失效模式作为第二中间事件或第二底事件;S3086,根据第二顶事件、第二中间事件、子失效逻辑和/或第二底事件,确定主泵的风险分析模型。
一般,将最不希望发生的故障状态作为为顶事件;将导致当前故障状态的所有可能的直接原因作为中间事件,将引起中间事件发生的全部构件状态作为底事件。
本实施例中,计算机设备可以根据预设的规则,将每个模块的失效状态如转速失效作为第二顶事件,将造成模块的失效状态的该模块下的所有子部件的子失效模式作为第二中间事件或第二底事件。可选的,计算机设备可以将确定出的主泵的风险分析模型输出给显示装置,使得显示装置以表格或故障树的方式显示主泵的风险分析模型。其中,故障树是一种特殊的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。逻辑门的输入事件是输出事的因,逻辑门的输出事件是输入事件的果。
以主控仪控模块失效为例,如表1所示,以主控仪控模块失效作为第二顶事件,虚假主泵转速低导致断开外电源和虚假主泵转速低低造成停堆等作为第二中间事件时,主控仪控模块对应的风险分析模型可以如表1所示。
Figure BDA0001973741910000091
Figure BDA0001973741910000101
表1
各个模块的风险分析模型确定后,计算机设备可以根据各个模块对应的失效模式和失效逻辑确定出主泵的风险分析模型。例如,上述多个模块之间的失效逻辑可以为逻辑或的关系,结合各个模块的失效模式,计算机设备可以确定出主泵的风险分析模模型。
可选的,本申请实施例提供的主泵风险分析模型,可以使得计算机设备根据风险分析模型中导致主泵停运的各种故障模式,确定对主泵正常运行较为重要的设备清单。这样可以辅助相关人员对这部分重要的设备清单,有针对性的加强维修质量控制,编制检查清单等。可选的,本申请实施例提供的主泵风险分析模型,还可以使得计算机设备根据该模型确定导致主泵停运的单一失效的部件,辅助相碰相关人员针对该单一失效的部件进行设计改进,减少初始设计的薄弱点。
本实施例提供的主泵风险分析方法,计算机设备可以获取与主泵直接或间接相关的相关部件;并对主泵和相关部件进行划分,得到多个模块;然后根据历史信息,确定影响多个模块失效的各个子部件的子失效模式和子失效逻辑;进而根据确定出的所述相关部件的子失效模式和子失效逻辑,完整地确定主泵的风险分析模型,解决了传统技术中对100型主泵及其相关支持系统的风险分析模型较为匮乏的问题;另外,通过本实施例建立的主泵的风险分析模型考虑了所有与主泵相关的相关部件,当主泵停运时,可以基于本实施例的主泵分析模型快速确定出故障部件,大大节约了故障检测成本和故障确定时间。
图4为另一个实施例提供的主泵风险分析方法流程示意图。本实施例涉及的是计算机设备根据主泵停运的停运控制信号和历史信息确定主泵的风险分析模型的过程。在上述实施例的基础上,可选的,上述方法还可以包括:
S402,获取影响所述主泵停运的停运控制信号;所述停运控制信号包括自动停泵信号和手动停泵信号。
具体的,造成主泵自动停运的因素可以包括主泵一号密封泄漏流量高高、主泵电机轴承温度高高、主泵转速低(孤岛运行)、主泵过流保护误动、主泵过载保护误动和主泵电气故障等,不同自动停泵因素可以对应不同类型的自动停泵信号。手动控制导致主泵停运的因素可以包括主泵电机定子温度高、主泵轴位移或振动高、主泵一号密封泄漏流量低、主泵一号密封室温度高、主泵电机上轴承油位异常、电机下轴承油位异常、主泵热屏故障、一回路泄漏率超标和主泵消防喷淋异常等,不同手动停泵因素对应不同类型的手动停泵信号。用户可以将分析得出的影响主泵停运的停运控制信号输入计算机设备。
可选的,可以将影响主泵停运的停运控制信号分为自动停泵信号1:主泵一号密封泄漏流量高高、自动停泵信号2:主泵电机轴承温度高高、自动停泵信号3:主泵转速低(孤岛运行)、自动停泵信号4:主泵过流保护误动、自动停泵信号5:主泵过载保护误动和自动停泵信号6:主泵电气故障、手动停泵信号1:主泵电机定子温度高、手动停泵信号1:主泵轴位移或振动高、手动停泵信号1:主泵一号密封泄漏流量低、手动停泵信号2:主泵一号密封室温度高、手动停泵信号3:主泵电机上轴承油位异常、手动停泵信号4:电机下轴承油位异常、手动停泵信号5:主泵热屏故障、手动停泵信号6:一回路泄漏率超标和手动停泵信号7:主泵消防喷淋异常。
S404,根据所述停运控制信号和所述历史信息,确定与所述停运控制信号对应的模块的模块失效模式和模块失效逻辑。
具体的,某个停运控制信号可能是不同模块失效造成的,比如,主泵一号密封泄漏流量高高对应的停运控制信号,可以是仪控模块故障造成的,也可能是主泵及电机相关机械模块失效造成的。同样的,一个模块的失效也可能会造成不同的停运控制信号,比如,主泵仪控模块失效可能对应自动停泵信号1,也可能对应自动停泵信号2。这是由于一个模块中可以有多个部件,不同部件可能会造成不同的停运控制信号,同一个部件在不同条件下也可能对应不同的故障。
计算机设备可以根据获取的停运控制信号和历史信息,按照预设的确定顺序,确定每个类型的停运控制信号是由哪些模块的故障造成的,进而确定不同停运控制信号对应的模块的模块失效模式和模块逻辑。以自动停泵信号1为例,计算机设备可以根据历史信息从各个模块的各个子部件中确定造成自动停泵信号1的各个模块的模块失效模块和不同模块之间的失效逻辑,最终确定出造成自动停泵信号1的模块有主泵停泵仪控模块和主泵及电机相关机械模块,二者分别对应的失效模式为主泵仪控模块的仪控故障导致泄漏量高高误跳泵和主泵一号密封机械故障。
S406,根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型。
具体的,每个停运控制信号对应的模块的模块失效模式和失效逻辑确定后,计算机设备即可以确定主泵的风险分析模型。可选的,计算机设备可以根据如下步骤确定主泵的风险分析模型:S4062,将主泵的故障停运状态作为第一顶事件;S4064,将停运控制信号对应的故障状态和模块失效模式作为第一中间事件或第一底事件;S4066,获取停运控制信号之间的信号失效逻辑,并根据信号失效逻辑、各个模块的失效逻辑、第一顶事件、第一中间事件或第一底事件,确定主泵的风险分析模型。
计算机设备可以将主泵的故障停运状态如主泵停运作为主泵风险分析模型的第一顶事件,将停运控制信号对应的故障状态如主泵一号密封泄漏流量高高、对应模块的模块失效模式如仪控故障导致泄漏量高高误跳泵作为第一中间事件或第一底事件。可选的,计算机设备可以将确定出的主泵的风险分析模型输出给显示装置,使得显示装置以表格或故障树的方式显示主泵的风险分析模型。如表2所示,为一种主泵的风险分析模型的表格表示方式。以100型主泵为例,如图5为主泵分析模型对应的故障树模型,同样的方式,计算机设备可以以各个停运控制信号为顶事件,确定每个停运控制信号对应的故障树模型,例如,如图6A和图6B分别为自动停泵信号1和手动停泵信号1对应的故障树模型。其中,GT1、GT2等可以为对应事件的编号,对于风险分析模型中的中间事件如自动停泵信号1中的仪控故障导致泄漏量高高误跳泵对应的故障树、主泵一号密封机械故障对应的故障树和手动停泵信号1中的电机空冷器失效对应的故障树也可以按上述方式确定,自动停泵信号1中的仪控故障导致泄漏量高高误跳泵对应的故障树、主泵一号密封机械故障对应的故障树和手动停泵信号1中的电机空冷器失效对应的故障树可以分别如图6C、6D和6E所示,类似的,计算机设备可以根据上述方式确定其它中间事件的风险分析模型对应的故障树或表格。需要注意的是,主泵的风险分析模型对应的表格和故障树是相互对应的。
Figure BDA0001973741910000131
Figure BDA0001973741910000141
Figure BDA0001973741910000151
Figure BDA0001973741910000161
表2
需要说明的是,在确定主泵风险分析模型时,本实施例提供的主泵风险分析方法可以与图2所示实施例中的主泵风险分析方法可以单独使用,也可以共同使用,作为互补,进一步提高主泵的风险分析模型的完整性。
本实施例提供的主泵的风险分析方法,计算机设备可以获取影响主泵停运的各类停运控制信号;并根据停运控制信号和历史信息,确定与停运控制信号对应的模块的模块失效模式和模块失效逻辑;进而根据模块失效模式和模块失效逻辑,确定主泵的风险分析模型。本实施例中,计算机设备可以根据停运控制信号确定各个停运控制信号对应的模块的模块失效模式和模块失效逻辑,即,计算机设备以停运控制信号为主泵停运的索引,确定造成停运控制信号的各个模块中的子部件,而图2所示的实施例中,计算机设备是以模块中的子部件为主泵停运的索引,确定各个模块的失效模式和失效逻辑,本实施例提供的主泵的风险分析方法,可以与图2所示实施例中的方法相互补充,进一步提高主泵的风险分析模型的完整性。
应该理解的是,虽然图2至图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图7为一个实施例提供的主泵风险分析模型建立装置结构示意图。如图7所示,该装置可以包括信号失效确定模块702、故障运行获取模块704和风险确定模块706。
信号失效确定模块702,用于根据预设的所述主泵的风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑;
故障运行获取模块704,用于获取所述相关部件的故障率和所述相关部件的运行状态;
风险确定模块706,用于根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险。
本实施例提供的主泵风险分析模型建立装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图8为另一个实施例提供的主泵风险分析模型建立装置结构示意图。在图7所示实施例的基础上,可选的,上述装置还可以相关部件获取模块708、划分模块710、模块失效确定模块712和模块模型确定模块714。
具体的,相关部件获取模块708,用于获取与所述主泵直接或间接相关的相关部件;
划分模块710,用于对所述主泵和所述相关部件进行划分,得到多个模块;
模块失效确定模块712,用于根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;
模块模型确定模块714,用于根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
可选的,所述多个模块为功能相互独立的模块。
本实施例提供的主泵风险分析模型建立装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图9为另一个实施例提供的主泵风险分析模型建立装置结构示意图。在所示实施例的基础上,可选的,上述装置还可以包括停运控制信号获取模块716、信号失效模块718和信号模型确定模块720。
具体的,停运控制信号获取模块716,用于获取影响所述主泵停运的停运控制信号;所述停运控制信号包括自动停泵信号和手动停泵信号;
信号失效模块718,用于根据所述停运控制信号和所述历史信息,确定与所述停运控制信号对应的模块的模块失效模式和模块失效逻辑;
信号模型确定模块720,用于根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型。
本实施例提供的主泵风险分析模型建立装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在又一个实施例提供的主泵风险分析模式建立装置中,在上述实施例的基础上,可选的,上述信号模型确定模块714可以包括第一顶事件确定单元、第一中间事件或第一底事件确定单元和信号模型确定单元。
具体的,第一顶事件确定单元,用于将所述主泵的故障停运状态作为第一顶事件;
第一中间事件或第一底事件确定单元,用于将所述停运控制信号对应的故障状态和所述模块失效模式作为第一中间事件或第一底事件;
信号模型确定单元,用于获取所述停运控制信号之间的信号失效逻辑,并根据所述信号失效逻辑、所述各个模块的失效逻辑、所述第一顶事件、所述第一中间事件或所述第一底事件,确定所述主泵的风险分析模型。
本实施例提供的主泵风险分析模型建立装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在又一个实施例提供的主泵风险分析模式建立装置中,在上述实施例的基础上,可选的,上述模块模型确定模块708可以包括第二顶事件确定单元、第二中间事件或第二底事件确定单元和模块模型确定单元。
具体的,第二顶事件确定单元,用于将所述各个模块的失效状态作为第二顶事件;
第二中间事件或第二底事件确定单元,用于将所述子失效模式作为第二中间事件或第二底事件;
模块模型确定单元,用于根据所述第二顶事件、所述第二中间事件、所述子失效逻辑和/或所述第二底事件,确定所述主泵的风险分析模型。
本实施例提供的主泵风险分析模型建立装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在又一个实施例提供的主泵风险分析模式建立装置,在上述实施例的基础上,可选的,上述装置还可以包括显示模块。
具体的,显示模块,用于将所述主泵的风险分析模型输出给显示装置,使得所述显示装置以表格或故障树的方式显示所述主泵的风险分析模型。
本实施例提供的主泵风险分析模型建立装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种主泵风险分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取与所述主泵直接或间接相关的相关部件;
对所述主泵和所述相关部件进行划分,得到多个模块;
根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;所述历史信息包括经验信息和历史故障信息;
根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取与所述主泵直接或间接相关的相关部件;
对所述主泵和所述相关部件进行划分,得到多个模块;
根据历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;所述历史信息包括经验信息和历史故障信息;
根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种主泵风险分析方法,其特征在于,所述方法包括:
根据预设的所述主泵的风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑;其中,所述主泵的风险分析模型包括引起主泵停运的各个相关部件与各个相关部件的失效逻辑;所述失效逻辑为各个事件之间的逻辑关系;
获取所述相关部件的故障率和所述相关部件的运行状态;
根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险;
其中,在所述根据预设的所述主泵的风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑之前,还包括:
获取与所述主泵直接或间接相关的所述相关部件;
对所述主泵和所述相关部件进行划分,得到多个模块;
获取引起所述主泵停运的停运控制信号;所述停运控制信号包括自动停泵信号和手动停泵信号;
根据所述停运控制信号和历史信息,确定与所述停运控制信号对应的模块的模块失效模式和模块失效逻辑;
根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型;
所述根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型,包括:
将所述主泵的故障停运状态作为第一顶事件;
将所述停运控制信号对应的故障状态和所述模块失效模式作为第一中间事件或第一底事件;
获取所述停运控制信号之间的信号逻辑,并根据所述信号逻辑、所述各个模块的失效逻辑、所述第一顶事件、所述第一中间事件或所述第一底事件,确定所述主泵的风险分析模型。
2.根据权利要求1所述的方法,其特征在于,在所述对所述主泵和所述相关部件进行划分,得到多个模块之后,所述方法还包括:
根据所述历史信息,确定影响所述多个模块失效的各个子部件的子失效模式和子失效逻辑;所述子部件为所述模块中的部件;所述历史信息包括经验信息和历史故障信息;
根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型;所述主泵的风险分析模型包括各个模块的风险分析模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述子失效模式和所述子失效逻辑,确定所述主泵的风险分析模型,包括:
将所述各个模块的失效状态作为第二顶事件;
将所述子失效模式作为第二中间事件或第二底事件;
根据所述第二顶事件、所述第二中间事件、所述子失效逻辑和/或所述第二底事件,确定所述主泵的风险分析模型。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
将所述主泵的风险分析模型输出给显示装置,使得所述显示装置以表格或故障树的方式显示所述主泵的风险分析模型。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:所述多个模块为功能相互独立的模块。
6.一种主泵风险分析模型建立装置,其特征在于,所述装置包括:
信号失效确定模块,用于根据预设的所述主泵的风险分析模型,获取引起所述主泵停运的相关部件和所述相关部件的失效逻辑;其中,所述主泵的风险分析模型包括引起主泵停运的各个相关部件与各个相关部件的失效逻辑;所述失效逻辑为各个事件之间的逻辑关系;
故障运行获取模块,用于获取所述相关部件的故障率和所述相关部件的运行状态;
风险确定模块,用于根据所述失效逻辑、所述故障率和所述运行状态,确定所述主泵的风险;
其中,所述装置还包括:
相关部件获取模块,用于获取与所述主泵直接或间接相关的相关部件;
划分模块,用于对所述主泵和所述相关部件进行划分,得到多个模块;
停运控制信号获取模块,用于获取影响所述主泵停运的停运控制信号;所述停运控制信号包括自动停泵信号和手动停泵信号;
信号失效模块,用于根据所述停运控制信号和历史信息,确定与所述停运控制信号对应的模块的模块失效模式和模块失效逻辑;
信号模型确定模块,用于根据所述模块失效模式和所述模块失效逻辑,确定所述主泵的风险分析模型;
所述信号模型确定模块包括:
第一顶事件确定单元,用于将所述主泵的故障停运状态作为第一顶事件;
第一中间事件或第一底事件确定单元,用于将所述停运控制信号对应的故障状态和所述模块失效模式作为第一中间事件或第一底事件;
信号模型确定单元,用于获取所述停运控制信号之间的信号失效逻辑,并根据所述信号失效逻辑、所述各个模块的失效逻辑、所述第一顶事件、所述第一中间事件或所述第一底事件,确定所述主泵的风险分析模型。
7.一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN201910126410.3A 2019-02-20 2019-02-20 主泵风险分析方法、装置、计算机设备和存储介质 Active CN110085339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910126410.3A CN110085339B (zh) 2019-02-20 2019-02-20 主泵风险分析方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910126410.3A CN110085339B (zh) 2019-02-20 2019-02-20 主泵风险分析方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110085339A CN110085339A (zh) 2019-08-02
CN110085339B true CN110085339B (zh) 2021-05-18

Family

ID=67413074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910126410.3A Active CN110085339B (zh) 2019-02-20 2019-02-20 主泵风险分析方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110085339B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114483249B (zh) * 2022-02-07 2023-02-03 中国第一汽车股份有限公司 机油泵故障检测方法、装置、车辆和存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002024337A (ja) * 2000-07-10 2002-01-25 Toshiba Corp リスク解析支援方法および記憶媒体
CN1838161A (zh) * 2005-03-23 2006-09-27 大亚湾核电运营管理有限责任公司 利用计算机进行核电站的设备风险评估方法及装置
CN102737286A (zh) * 2012-04-23 2012-10-17 中国电力科学研究院 一种地区电网在线风险分析系统和方法
CN103324992B (zh) * 2013-07-11 2017-02-08 国家电网公司 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法
CN103985059B (zh) * 2014-04-18 2017-01-18 国家电网公司 一种基于模糊故障率的电网变压器运行风险评估方法
CN104331843A (zh) * 2014-10-30 2015-02-04 华中科技大学 一种基于蝴蝶结模型的变压器故障风险评估方法
CN104574217A (zh) * 2015-01-22 2015-04-29 国家电网公司 一种智能配电网在线风险评估方法
CN105184521B (zh) * 2015-07-08 2019-01-29 国家电网公司 一种电网运行方式的风险评估方法、装置及系统
CN105260823A (zh) * 2015-09-23 2016-01-20 中广核核电运营有限公司 一种重大设备健康状态的评估方法及系统
CN105787209A (zh) * 2016-03-24 2016-07-20 中国北方发动机研究所(天津) 一种机械系统的失效行为表征方法

Also Published As

Publication number Publication date
CN110085339A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
JP2002168988A (ja) 原子力発電所のデジタルオンライン能動試験発電所保護システム及びその方法
CN101441459B (zh) 一种核电站主泵运行监控系统
CN111176406B (zh) 液冷服务器及其故障诊断的方法和装置、保护方法和装置
CN110085339B (zh) 主泵风险分析方法、装置、计算机设备和存储介质
Catelani et al. Safety analysis in oil & gas industry in compliance with standards IEC61508 and IEC61511: Methods and applications
Yang et al. A Petri net approach to early failure detection and isolation for preventive maintenance
CN111581191B (zh) 核安全数据校验方法、装置、计算机设备及存储介质
CN113110378A (zh) 一种终端控制机及智能检测诊断方法
EP3312844B1 (en) Abnormality indication monitoring system
CN114151362B (zh) 核电站主泵轴封泄漏监测方法、装置、计算机设备
EP4111278A1 (en) A computer-implemented method for determining an operational state of an industrial plant
CN104167964B (zh) 一种水压试验泵应急柴油发电机组的控制系统及方法
CN111524622B (zh) 核电站机组故障报警定位方法、系统、计算机设备及介质
CN111749951B (zh) 液压机构故障监测方法、装置、计算机设备和存储介质
CN108708773A (zh) 一种汽轮机故障诊断方法、系统及装置
CN112557734A (zh) 风机电流检测方法、系统、计算机设备及存储介质
Naumov et al. Experience in use of remote access and predictive analytics for power equipment’s condition
CN113835390A (zh) 基于区块链的抽水蓄能电站分布式控制方法及相关设备
Zhou et al. A hybrid probabilistic physics of failure pattern recognition based approach for assessment of multi-unit causal dependencies
Sekiou et al. Failures diagnostic of safety instrumented system: Simulation and experimental study
Xi et al. An accident scenario-based statistical test method for RPS in nuclear power plant
CN115507283B (zh) 润滑油系统试验控制回路故障自诊断方法
CN112670952B (zh) 发电机组的控制方法、设备及可读存储介质
CN115681119A (zh) 基于压缩机大数据信息的ai诊断系统、方法、终端及介质
Larsson et al. A revival of the alarm system: Making the alarm list useful during incidents

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