CN111354497B - 一种核电站破口事故信息诊断方法 - Google Patents
一种核电站破口事故信息诊断方法 Download PDFInfo
- Publication number
- CN111354497B CN111354497B CN201811569658.9A CN201811569658A CN111354497B CN 111354497 B CN111354497 B CN 111354497B CN 201811569658 A CN201811569658 A CN 201811569658A CN 111354497 B CN111354497 B CN 111354497B
- Authority
- CN
- China
- Prior art keywords
- breach
- information
- power plant
- data
- real
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21D—NUCLEAR POWER PLANT
- G21D3/00—Control of nuclear power plant
- G21D3/04—Safety arrangements
- G21D3/06—Safety arrangements responsive to faults within the plant
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy 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)
Abstract
本发明涉及核安全与运行领域,具体涉及一种核电站破口事故信息诊断方法。核电站破口事故的诊断目前还停留在基于征兆来判断是否发生、发生在哪个环路等,缺乏对破口面积和标高位置等直接信息的深入判断。本发明包括如下步骤:步骤一:实时数据读取和转换;步骤二:分析程序自初始化;步骤三:电厂实时状态暂存;步骤四:事故初步诊断;步骤五:破口信息初始化;步骤六:分析程序计算引擎;步骤七:模拟结果与实时数据比对;步骤八:优化算法;步骤九:破口信息输出。本发明构建了一套破口信息的诊断方法,为核电厂破口事故诊断提供更为透明的参数数据,进一步提高核电站的事故响应和处置能力。
Description
技术领域
本发明涉及核安全与运行领域,具体涉及一种核电站破口事故信息诊断方法。
背景技术
三哩岛核事故之后,各国都积极地展开了EOPs的研究工作,提出了SOPs,可以用于指导和支持操纵员预防事故,缓解事故后果。它依靠持续不断地对核电厂的物理状态参数进行监测,诊断核电厂的运行状态,在异常状态出现时,无需诊断出具体的事件序列,以确保电厂安全运行的三道屏障的完整性为最终目标,指导操纵员进行相应操作,从而在有限的时间内,尽可能地把反应堆导向新的安全状态,降低事故后果。
针对破口事故,核电站设置了与之相对应的操作规程,然而,与热工参数(压力、温度、水位等)不同,破口的面积和位置参数不可直接测量,实际破口信息需要借助由操作员依据系统热工参数和经验进行判断。核电站发生时,由于其现象的复杂性以及要面临一定的心理压力,单纯借助人力在短时间内进行事故根本原因和实时信息的综合分析判断具有很大的难度。
故障诊断技术在核动力领域也取得了很大的发展,但针对破口事故的诊断目前还停留在基于征兆来判断是否发生、发生在哪个环路等,缺乏对破口面积和标高位置等直接信息的深入判断。本发明依托当前核工业界在系统瞬态分析方面的研究成果,借助智能优化在工业界的应用和发展,针对核电站破口事故的特殊性,构建了一套破口信息的诊断方法,为核电厂破口事故诊断提供更为透明的参数数据,以增强器核电厂操作员应对此类事故的信心,进一步提高核电站的事故响应和处置能力。
发明内容
1.目的:
提供一种核电厂破口事故信息诊断方法,针对破口事故,为核电站操作员提供包含破口面积、位置标高在内的辅助诊断信息,以进一步提升电厂操作员事故诊断和事故应急响应的能力。
2.技术方案:
一种核电站破口事故信息诊断方法,包括如下步骤:步骤一:实时数据读取和转换;步骤二:分析程序自初始化;步骤三:电厂实时状态暂存;步骤四:事故初步诊断;步骤五:破口信息初始化;步骤六:分析程序计算引擎;步骤七:模拟结果与实时数据比对;步骤八:优化算法;步骤九:破口信息输出。
步骤一:实时数据读取和处理,具体包括如下步骤:(1)对从电厂采集到实时数据读取,并进行数据处理,满足与所选分析程序匹配性需求;(2)所述的数据读取是指从电厂仪控系统读取电厂的实时运行数据;(3)所述的数据处理主要包括:偏差数据剔除,少数服从多数的方法剔除偏差数据、多重数据通道参数合并。
步骤二:分析程序自初始化,具体包括如下步骤:(1)依据所选分析程序的初始化数据要求和处理后的电厂实时数据,当电厂状态发生变化,当前状态与机组总体参数出现偏差时,则会触发自初始化的动作,以保证分析程序的初始状态与当前机组状态保持一致;(2)所述的自初始化是指将处理后的数据映射到分析程序的计算模型中,程序基于上一个采样周期的数据进行计算,推演到当前,如果推演数据与本次采样数据存在较大的偏差,则进行再次自初始化,跟踪到电厂当前的运行状态;若无偏差,则进入到步骤三。
步骤三:电厂实时状态暂存,具体包括如下步骤:(1)一旦机组初始化成功,则要对当前的初始状态进行暂存,作为与事故发生时候之前最接近的一个初始状态点;(2)所述的初始状态包含:主冷却剂系统/设备热工参数、工艺系统/设备运行状态;(3)电厂实时状态暂存完成后,进入到步骤六。
步骤四:事故初步诊断,具体包括如下步骤:(1)依据破口事故的征兆数据进行事故的初步判断破口事故是否发生,征兆数据包括:安全壳压力、主冷却剂系统水位、主冷却剂系统压力;(2)若破口事故发生,则进入到步骤五;若破口事故未发生,则回到步骤一。
步骤五:破口信息初始化,具体过程如下:
(1)考虑破口发生在哪个环路、哪个回路以及通过降压速率、水位变化速率、安全壳压力响应因素,构建初始的破口位置、面积信息,作为迭代计算的初值;(2)破口面积和破口位置是分析程序计算的一个输入边界条件,基于第n-1和n组的实时数据,基于降压速率、水位变化速率、安全壳压力响应的数学模型,预估出一个初始的破口面积和位置;迭代计算是分析程序计算引擎的工作,程序以此作为边界条件进行第n和n+1组时间间隔的快速计算,以与第n+1组参数符合最优为目标进行破口面积和破口位置的迭代调整;
步骤六:分析程序计算引擎,具体过程如下:利用电厂实时状态暂存和破口信息初始化的结果为初始点,进行系统瞬态行为的快速计算。
步骤七:模拟结果与实时数据比对,具体包括:(1)对抽取的特征参数,比较模拟结果与实时数据的符合度;如果满足验收标准,则进入到步骤九,输出当前的破口信息结果;否则进行步骤八,破口信息优化算法;(2)所述的特征参数主要包括:主冷却剂系统压力、堆芯出口温度、主冷却剂系统水位、蒸汽发生器压力、蒸汽发生器水位;(3)所述的比较模拟结果与实时数据的符合度,具体采用如下方式:针对每一个特征参数,取n-1,n和n+1组的时间的实时数据和跟踪数据进行曲线绘制,计算积分面积,然后进行跟踪信号和电厂信号积分面积的除和被除,转换成比值信息,最后将所以特征参数的比值信息平均化,作为模拟结果与实时数据比较的依据;
步骤八:优化算法,具体包括:(1)选择能够解决约束条件下非线性最优问题的优化算法为计算内核,对破口信息所构建的多维空间进行全局寻优,与分析程序计算引擎相互耦合,获得与机组区间状态最为匹配的破口信息;(2)调整事故信息,并回到步骤六。
步骤九:破口信息输出,具体包括:以初始信息、迭代中间信息、最终信息的格式进行破口信息诊断结果的输出;以时间-破口信息配对的表格和时间-破口信息的曲线进行诊断结果的输出。
3.效果:
通过将电厂时间区间数据处理、分析程序以优化算法的协调耦合调动,在满足破口事故是否发生的低阶诊断的基础之上,实现了与核电站破口相关联的更多特征属性信息的快速准确诊断。
附图说明
图1核电站破口事故信息诊断流程
具体实施方式
如附图1所示,通过如下功能单元协同工作实现破口信息的诊断。
(1)实时数据读取和处理:对从电厂采集到实时数据进行读取,并对数据进行处理,满足与所选分析程序匹配性需求。
数据读取:从电厂仪控系统读取电厂的实时运行数据;
数据处理主要包括:偏差数据剔除,少数服从多数的方法剔除偏差数据、多重数据通道参数合并,如针对一个设备有3个压力,取平均化,单位转换:将工程单位转换成与分析程序相匹配的单位制。
(2)分析程序自初始化:依据所选分析程序的初始化数据要求和处理后的电厂实时数据,实现对分析程序的自初始化。当电厂状态发生变化,当前状态与机组总体参数则会出现偏差,则会触发自初始化的动作,以保证分析程序的初始状态与当前机组状态保持一致。
自初始化:分析程序要想执行计算工作,需要将分析模型的热工水力学状态和系统的运行状态参数进行赋值,所谓自初始化就是将处理后的数据映射到分析程序的计算模型中;电厂的数据采样周期一般为30s一次,程序基于上一个采样周期的数据进行计算,推演到当前,如果推演数据与本次采样数据存在较大的偏差,则进行再次自初始化,跟踪到电厂当前的运行状态。
(3)电厂实时状态暂存:一旦机组初始化成功,则要对当前的初始状态进行暂存,作为与事故发生时候之前最接近的一个初始状态点。初始状态包含:主冷却剂系统/设备热工参数(压力、温度、流量等)、工艺系统/设备运行状态(ON/OFF)
(4)事故初步诊断:依据破口事故的征兆数据进行事故的初步判断破口事故是否发生;征兆数据包括:安全壳压力、主冷却剂系统水位、主冷却剂系统压力
(5)破口信息初始化:主要进行破口发生在哪个环路、哪个回路以及通过降压速率、水位变化速率、安全壳压力响应等构建初始的破口位置、面积信息,作为迭代计算的初值。破口面积和破口位置是分析程序计算的一个输入边界条件,基于第n-1和n组的实时数据,基于降压速率、水位变化速率、安全壳压力响应的数学模型,预估出一个初始的破口面积和位置。迭代计算是分析程序计算引擎的工作,程序以此作为边界条件进行第n和n+1组时间间隔的快速计算,以与第n+1组参数符合最优为目标进行破口面积和破口位置的迭代调整。
(6)分析程序计算引擎:该部分是核电站系统热工响应的核心计算单元,利用电厂实时状态暂存和破口信息初始化的结果为初始点,进行系统瞬态行为的快速计算。分析程序包括但不限于RELAP5、MELCOR、MAAP。
(7)模拟结果与实时数据比对:对抽取的特征参数,比较模拟结果与实时数据的符合度;如果满足验收标准,则输出当前的破口信息结果,否则进入破口信息的优化算法单元。特征参数主要包括:主冷却剂系统压力、堆芯出口温度、主冷却剂系统水位、蒸汽发生器压力、蒸汽发生器水位等,具体根据电厂配置的不同会有些差异,但基本原则是选择表征电厂当前状态的关键参数。
比较方法:针对每一个特征参数,取n-1,n和n+1组的时间的实时数据和跟踪数据进行曲线绘制,计算积分面积,然后进行跟踪信号和电厂信号积分面积的除和被除,转换成比值信息,最后将所以特征参数的比值信息平均化,作为模拟结果与实时数据比较的依据。
(8)优化算法:选择能够解决约束条件下非线性最优问题的优化算法为计算内核,对破口信息所构建的多维空间进行全局寻优,与分析程序计算引擎相互耦合,获得与机组区间状态最为匹配的破口信息。所选择的优化算法包括但不限于复合形算法、遗传算法、粒子群算法。
(9)破口信息输出:以初始信息、迭代中间信息、最终信息的格式进行破口信息诊断结果的输出。以时间-破口信息配对的表格和时间-破口信息的曲线进行诊断结果的输出。
效果:该诊断方法部署以一台高性能计算服务器,通过网关与防火墙与电厂DCS系统进行数据通信,处于时刻备用状态,技术方案的(1)-(9)自动执行,后端配置单独打印机,实现诊断结果的纸质输出。
Claims (8)
1.一种核电站破口事故信息诊断方法,其特征在于:包括如下步骤:步骤一:实时数据读取和转换;步骤二:分析程序自初始化;步骤三:电厂实时状态暂存;步骤四:事故初步诊断;步骤五:破口信息初始化;步骤六:分析程序计算引擎;步骤七:模拟结果与实时数据比对;步骤八:优化算法;步骤九:破口信息输出;
其中,步骤二的自初始化是指将处理后的数据映射到分析程序的计算模型中,程序基于上一个采样周期的数据进行计算,推演到当前,如果推演数据与本次采样数据存在较大的偏差,则进行再次自初始化,跟踪到电厂当前的运行状态;若无偏差,则进入到步骤三;
步骤三暂存状态完成后,进入到步骤六;
步骤四中,若破口事故发生,则进入到步骤五;若破口事故未发生,则回到步骤一;
步骤五:破口信息初始化,具体过程如下:
(1)考虑破口发生在哪个环路、哪个回路以及通过降压速率、水位变化速率、安全壳压力响应因素,构建初始的破口位置、面积信息,作为迭代计算的初值;
(2)破口面积和破口位置是分析程序计算的一个输入边界条件,基于第n-1和n组的实时数据,基于降压速率、水位变化速率、安全壳压力响应的数学模型,预估出一个初始的破口面积和位置;迭代计算是分析程序计算引擎的工作,程序以此作为边界条件进行第n和n+1组时间间隔的快速计算,以与第n+1组参数符合最优为目标进行破口面积和破口位置的迭代调整;
步骤六:分析程序计算引擎,具体过程如下:利用电厂实时状态暂存和破口信息初始化的结果为初始点,进行系统瞬态行为的快速计算;
步骤七:模拟结果与实时数据比对,具体包括:对抽取的特征参数,比较模拟结果与实时数据的符合度;如果满足验收标准,则进入到步骤九,输出当前的破口信息结果;否则进行步骤八,破口信息优化算法;
步骤八:优化算法,具体包括:算法优化后,调整事故信息,并回到步骤六。
2.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤一:实时数据读取和处理,具体包括如下步骤:
(1)对从电厂采集到实时数据读取,并进行数据处理,满足与所选分析程序匹配性需求;
(2)所述的数据读取是指从电厂仪控系统读取电厂的实时运行数据;
(3)所述的数据处理主要包括:偏差数据剔除,少数服从多数的方法剔除偏差数据、多重数据通道参数合并。
3.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤二:分析程序自初始化,还具体包括如下步骤:
依据所选分析程序的初始化数据要求和处理后的电厂实时数据,当电厂状态发生变化,当前状态与机组总体参数出现偏差时,则会触发自初始化的动作,以保证分析程序的初始状态与当前机组状态保持一致。
4.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤三:电厂实时状态暂存,具体包括如下步骤:
(1)一旦机组初始化成功,则要对当前的初始状态进行暂存,作为与事故发生时候之前最接近的一个初始状态点;
(2)所述的初始状态包含:主冷却剂系统/设备热工参数、工艺系统/设备运行状态。
5.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤四:事故初步诊断,还具体包括如下步骤:依据破口事故的征兆数据进行事故的初步判断破口事故是否发生,征兆数据包括:安全壳压力、主冷却剂系统水位、主冷却剂系统压力。
6.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤七:模拟结果与实时数据比对,还具体包括:
(1)所述的特征参数主要包括:主冷却剂系统压力、堆芯出口温度、主冷却剂系统水位、蒸汽发生器压力、蒸汽发生器水位;
(2)所述的比较模拟结果与实时数据的符合度,具体采用如下方式:针对每一个特征参数,取n-1,n和n+1组的时间的实时数据和跟踪数据进行曲线绘制,计算积分面积,然后进行跟踪信号和电厂信号积分面积的除和被除,转换成比值信息,最后将所以特征参数的比值信息平均化,作为模拟结果与实时数据比较的依据。
7.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤八:优化算法,具体包括:选择能够解决约束条件下非线性最优问题的优化算法为计算内核,对破口信息所构建的多维空间进行全局寻优,与分析程序计算引擎相互耦合,获得与机组区间状态最为匹配的破口信息。
8.如权利要求1所述的一种核电站破口事故信息诊断方法,其特征在于:所述的步骤九:破口信息输出,具体包括:以初始信息、迭代中间信息、最终信息的格式进行破口信息诊断结果的输出;以时间-破口信息配对的表格和时间-破口信息的曲线进行诊断结果的输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811569658.9A CN111354497B (zh) | 2018-12-21 | 2018-12-21 | 一种核电站破口事故信息诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811569658.9A CN111354497B (zh) | 2018-12-21 | 2018-12-21 | 一种核电站破口事故信息诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111354497A CN111354497A (zh) | 2020-06-30 |
CN111354497B true CN111354497B (zh) | 2022-03-22 |
Family
ID=71196921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811569658.9A Active CN111354497B (zh) | 2018-12-21 | 2018-12-21 | 一种核电站破口事故信息诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111354497B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191556A (zh) * | 2021-05-08 | 2021-07-30 | 上海核工程研究设计院有限公司 | 一种核电Loca事件故障预测与诊断方法 |
CN115048797B (zh) * | 2022-06-27 | 2023-08-25 | 中国核动力研究设计院 | 非能动余热排出系统的优化策略生成方法、装置及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6057412A (ja) * | 1983-09-08 | 1985-04-03 | Hitachi Ltd | ブラント異常診断装置 |
CN101217064A (zh) * | 2007-12-27 | 2008-07-09 | 大亚湾核电运营管理有限责任公司 | 一种改进型百万千瓦级压水堆核电站严重事故处理方法 |
CN104700222A (zh) * | 2015-03-18 | 2015-06-10 | 中科华核电技术研究院有限公司 | 核电厂大破口事故不确定性分析方法 |
CN104915768A (zh) * | 2015-06-02 | 2015-09-16 | 中科华核电技术研究院有限公司 | 一种用于核电厂严重事故诊断及响应支持的方法及系统 |
CN107301884A (zh) * | 2017-07-24 | 2017-10-27 | 哈尔滨工程大学 | 一种混合式核电站故障诊断方法 |
-
2018
- 2018-12-21 CN CN201811569658.9A patent/CN111354497B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6057412A (ja) * | 1983-09-08 | 1985-04-03 | Hitachi Ltd | ブラント異常診断装置 |
CN101217064A (zh) * | 2007-12-27 | 2008-07-09 | 大亚湾核电运营管理有限责任公司 | 一种改进型百万千瓦级压水堆核电站严重事故处理方法 |
CN104700222A (zh) * | 2015-03-18 | 2015-06-10 | 中科华核电技术研究院有限公司 | 核电厂大破口事故不确定性分析方法 |
CN104915768A (zh) * | 2015-06-02 | 2015-09-16 | 中科华核电技术研究院有限公司 | 一种用于核电厂严重事故诊断及响应支持的方法及系统 |
CN107301884A (zh) * | 2017-07-24 | 2017-10-27 | 哈尔滨工程大学 | 一种混合式核电站故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111354497A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104102773B (zh) | 一种设备故障预警及状态监测方法 | |
CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
CN111354497B (zh) | 一种核电站破口事故信息诊断方法 | |
CN107767025A (zh) | 一种风险指引的核电厂大破口失水事故分析方法 | |
RU2743250C1 (ru) | Способ аварийной остановки реактора на основании состояния сигналов приборов,важных для безопасности АЭС | |
CN112254972B (zh) | 挖掘机油温预警方法、装置、服务器及挖掘机 | |
CN112949181B (zh) | 一种多源关联数据的预警预测方法、存储介质及电子设备 | |
CN111191872B (zh) | 一种电网多维度韧性评估系统及方法 | |
CN108536128A (zh) | 一种参数优化的机器学习故障诊断系统 | |
CN111312414B (zh) | 核电厂疲劳监测和寿命评估系统的疲劳评价方法 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
Zhao et al. | Safety analysis of marine nuclear reactor in severe accident with dynamic fault trees based on cut sequence method | |
CN207038185U (zh) | 基于Takagi‑Sugeno模糊控制的压水堆核电站堆芯功率控制装置 | |
CN113298342A (zh) | 一种电力调度指令安全状态的分析方法 | |
CN117744859A (zh) | 基于自适应双控制策略的风电机组发电机故障预警方法 | |
CN112816898A (zh) | 电瓶故障预测方法、装置、电子设备和存储介质 | |
Yang et al. | Nuclear power plant sensor signal reconstruction based on deep learning methods | |
CN106531268B (zh) | 一种用于核电厂数字化事故程序的链接布置方法 | |
No et al. | Development of a prediction method for SAMG entry time in NPPs using the extended group method of data handling (GMDH) model | |
CN113919520A (zh) | 电网检修的检修计划管理方法、装置、设备及存储介质 | |
CN114923287A (zh) | 一种高压加热器故障预警方法、系统和介质 | |
CN114186872A (zh) | 核电厂的应急状态评估方法、装置和计算机设备 | |
Purba et al. | An intelligent system by fuzzy reliability algorithm in fault tree analysis for nuclear power plant probabilistic safety assessment | |
CN112149278A (zh) | 基于多维状态参数的核电厂工况监视及异常诊断设计方法 | |
Li et al. | Post-hoc Interpretability Based Parameter Selection for Data Oriented Nuclear Reactor Accident Diagnosis System |
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 |