CN113361849B - 超越概率模型的确定方法及装置、风险评估方法及装置 - Google Patents

超越概率模型的确定方法及装置、风险评估方法及装置 Download PDF

Info

Publication number
CN113361849B
CN113361849B CN202110383816.7A CN202110383816A CN113361849B CN 113361849 B CN113361849 B CN 113361849B CN 202110383816 A CN202110383816 A CN 202110383816A CN 113361849 B CN113361849 B CN 113361849B
Authority
CN
China
Prior art keywords
distribution
duration
sub
determining
samples
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
CN202110383816.7A
Other languages
English (en)
Other versions
CN113361849A (zh
Inventor
杨健
安瑾
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 Nuclear Power Engineering Co Ltd
Original Assignee
China Nuclear Power Engineering 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 Nuclear Power Engineering Co Ltd filed Critical China Nuclear Power Engineering Co Ltd
Priority to CN202110383816.7A priority Critical patent/CN113361849B/zh
Publication of CN113361849A publication Critical patent/CN113361849A/zh
Application granted granted Critical
Publication of CN113361849B publication Critical patent/CN113361849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Mathematics (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)

Abstract

本发明公开一种丧失厂外电源事件持续时间超越概率模型的确定方法，包括：根据同类核电厂的LOOP事件信息建立第一样本空间；对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数；获取N个子样本的拟服从的分布类型及其相应参数；根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型。进一步地，还公开了相应的装置、核电机组风险评估方法及装置。该丧失厂外电源事件持续时间超越概率模型的确定方法可提供准确度较高的持续时间超越概率，为合理评价压水堆核电厂的风险提供准确的数据。

Description

超越概率模型的确定方法及装置、风险评估方法及装置
技术领域
本发明属于核电严重事故分析技术领域，具体涉及一种丧失厂外电源事件持续时间超越概率模型的确定方法及装置、核电机组风险评估方法及装置。
背景技术
随着国内投运核电机组的数量增加，核电机组安全运行日益受到关注。其中，丧失厂外电源(Loss of offsite power，LOOP)事件是压水堆核电厂的重要风险之一。
目前，计算丧失厂外电源持续时间超越概率的方法为统计历次LOOP事件的持续时间，并假设LOOP事件持续时间整体服从指数分布，从而计算某一具体时刻的厂外电源恢复概率。具体计算公式如下：
上述公式(1)和(2)中，R(t1)为截止t1时刻厂外电源恢复概率(假定LOOP事件在0时刻发生)；为为平均恢复时间；n为LOOP事件总次数；ti为第i次LOOP事件的厂外电源恢复时间。
指数分布是公认的针对持续时间(duration)数据类型的最简模型，但这一假设通常与实际情况存在误差。实际统计信息表明LOOP事件通常都是多种原因(如硬件故障、人为操作失误、电网检修、极端天气等)组合导致，各种原因及其组合的持续时间并不一定服从指数分布，因此简单采用指数分布假设将产生较大误差。
发明内容
本发明要解决的技术问题是针对现有技术存在的上述不足，提供一种丧失厂外电源事件持续时间超越概率模型的确定方法及装置、核电机组风险评估方法及装置，可提供准确度较高的持续时间超越概率，为合理评价压水堆核电厂的风险提供准确的数据。
第一方面，本发明实施例提供一种丧失厂外电源(LOOP)事件持续时间超越概率模型的确定方法，包括：根据同类核电厂的LOOP事件信息建立第一样本空间；对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数；获取N个子样本的拟服从的分布类型及其相应参数；根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型。
优选地，获取N个子样本的拟服从的分布类型及其相应参数包括：分别绘制N个子样本的直方图；根据N个直方图的形状分别判断出N个子样本的拟服从的分布类型；根据N个子样本分别确定出各子样本拟服从的分布类型的相应参数。
优选地，第一样本空间包括机组状态、故障原因、电源恢复时间及其三者之间的映射关系，机组状态包括功率工况和停堆工况，故障原因包括厂内故障、开关站故障、电网故障、天气原因。所述根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型，具体包括：单个子样本拟服从的分布类型的种类为M种，M＝2或3，分布类型包括对数正态分布、伽马(Gamma)分布、指数分布，根据单个子样本拟服从的M种分布类型及其相应参数确定M种持续时间超越概率模型；对M种持续时间超越概率模型分别进行曲线拟合，得到M种持续时间超越概率模型的分布曲线；选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型；根据N个子样本拟服从的分布类型及其相应参数依序确定N个类别相应的持续时间超越概率模型。
优选地，所述选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型，具体包括：根据如下公式分别计算M种持续时间超越概率模型的分布曲线的相关系数：
其中，R为相关系数，yi为实际值，为分布拟合值，/>为实际值均值；根据相关系数R与1的趋近程度，选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型。
优选地，在所述对第一样本空间进行分类，得到N个不同类别的子样本之后，以及在所述分别绘制N个子样本的直方图之前，丧失厂外电源事件持续时间超越概率模型的确定方法还包括：对N个不同类别的子样本分别进行数据分析和数据处理，其中，数据处理包括剔除具有相关性的冗余数据和剔除异常数据。
优选地，所述分别绘制N个子样本的直方图，具体包括：获取单个子样本的最大值L和最小值S；根据经验公式将单个子样本进行分组，其中，组数k＝1+3.3lgn，lg为对数函数，n为单个子样本LOOP事件总次数；计算组距，组距Δt＝(L-S)/k；确定各组的上限值和下限值，其中，当前组的上限值＝当前组的下限值+Δt，当前组的下限值＝前一组的上限值；计算各组的中心值，中心值t中＝(当前组的上限值+当前组的下限值)/2；统计落入各组的频数a和频率f，f＝a/n；以持续时间为横坐标、各组的频率f为纵坐标绘制直方图；将各直方的中心值t中连成一条曲线，获得近似的分布密度曲线。
优选地，若单个子样本拟服从的分布类型包括对数正态分布时，其相应的参数满足如下公式：
则持续时间超越概率为
Q(t)＝1-R(t)
若单个子样本拟服从的分布类型包括伽马分布时，其相应的参数满足如下公式：
则持续时间超越概率为
Q(t)＝1-R(t)
若单个子样本拟服从的分布类型包括指数分布时，
其相应的参数满足如下公式：
则持续时间超越概率为
Q(t)＝1-R(t)
其中，R(t)为截止t时刻厂外电源恢复概率，Q(t)为超越时间概率，ti为第i次LOOP事件的厂外电源恢复时间。
第二方面，本发明实施例还提供一种核电机组风险评估方法，包括：根据第一方面所述的丧失厂外电源事件持续时间超越概率模型的确定方法确定持续时间超越概率；根据确定的持续时间超越概率、LOOP事件发生频率、核电厂响应手段评估核电机组风险。
第三方面，本发明实施例还提供一种丧失厂外电源事件持续时间超越概率模型的确定装置，包括构建模块、分类模块、获取模块，以及确定模块。构建模块，用于根据同类核电厂的LOOP事件信息建立第一样本空间。分类模块，与构建模块连接，用于对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数。获取模块，与分类模块连接，用于获取N个子样本的拟服从的分布类型及其相应参数。确定模块，与获取模块连接，用于根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型。
第四方面，本发明实施例还提供一种核电机组风险评估装置，包括评价模块和第三方面所述的丧失厂外电源事件持续时间超越概率模型的确定装置。丧失厂外电源事件持续时间超越概率模型的确定装置，用于确定持续时间超越概率。评价模块，与丧失厂外电源事件持续时间超越概率模型的确定装置连接，用于根据确定的持续时间超越概率、LOOP事件发生频率、核电厂响应手段评估核电机组风险。
本发明的一种丧失厂外电源事件持续时间超越概率模型的确定方法及装置、核电机组风险评估方法及装置，通过对同类核电厂的LOOP事件信息进行分类，得到N个不同类别的子样本；分别获取N个子样本的拟服从的分布类型及其相应参数；从而根据N个子样本拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型。使得N个持续时间超越概率模型分别与N个类别的LOOP事件的实际情况更吻合，以获得更为准确的持续时间超越概率。
附图说明
图1：为本发明实施例1的一种丧失厂外电源事件持续时间超越概率模型的确定方法的流程图；
图2：为直方图及不同分布类型的概率密度函数示意图；
图3：为对数正态分布持续时间超越概率曲线示意图；
图4：为本发明实施例3的一种丧失厂外电源事件持续时间超越概率模型的确定装置的结构图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和实施例对本发明作进一步详细描述。
实施例1：
如图1所示，本实施例提供一种丧失厂外电源事件持续时间超越概率模型的确定方法，包括：
步骤101，根据同类核电厂的LOOP事件信息建立第一样本空间。
本实施例中，同类核电厂指具有类似厂外电源设计和运行特征的电厂，例如均包括主外电源(功率期间保持运行)和辅外电源(主外电源故障时的备用电源)。对同类核电厂的LOOP事件信息进行分析和筛选，并建立第一样本空间，具体包括：由于核电厂商运前(如建设、调试等阶段)的LOOP事件发生机制和频率与商运后的不同，剔除核电厂商运前的LOOP事件；区分功率工况和停堆工况相应的LOOP事件：由于国内绝大部分核电机组为压水堆堆型，通常设置主外电源和辅外电源，为保证机组安全运行，功率运行期间尽可能避免对主外电源相关的线路、设备停运检修，而将这些活动规划到停堆工况下开展，因此停堆工况和功率工况引发的LOOP事件的机制存在显著差异；分析引发LOOP事件的故障原因。如表1所示的第一样本空间，第一样本空间包括机组状态、故障原因、电源恢复时间及其三者之间的映射关系，机组状态包括功率工况和停堆工况，故障原因包括厂内故障、开关站故障、电网故障、天气原因。
表1
步骤102，对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数。
本实施例中，根据机组状态和故障原因的不同组合对第一样本空间进行分类，得到不同类别的子样本，如表2所示的8个子样本。当故障原因包括表1中四种原因以外的其他原因，则相应得到子样本的类别的数量更多。
表2
步骤103，获取N个子样本的拟服从的分布类型及其相应参数。具体地，步骤103包括步骤S31-步骤S33：
步骤S31，分别绘制N个子样本的直方图。
本实施例中，根据每个子样本的所有样本数据绘制子样本的直方图，8个子样本相应绘制8个直方图，绘制直方图包括如下步骤：
(1)获取单个子样本的最大值L和最小值S；
(2)根据经验公式将单个子样本进行分组，其中，组数k＝1+3.3lgn，lg为对数函数，n为单个子样本LOOP事件总次数；
(3)计算组距，组距Δt＝(L-S)/k；
(4)确定各组的上限值和下限值，其中，当前组的上限值＝当前组的下限值+Δt，当前组的下限值＝前一组的上限值；
(5)计算各组的中心值，中心值t中＝(当前组的上限值+当前组的下限值)/2；
(6)统计落入各组的频数a和频率f，f＝a/n；
(7)以持续时间为横坐标、各组的频率f为纵坐标绘制直方图；
(8)将各直方的中心值t中连成一条曲线，获得近似的分布密度曲线。如图2所示，当子样本的样本数据量增大，组距缩小时，将各个直方的中心值连成一条曲线，则该曲线为分布密度曲线的一种近似，可用于后续步骤中判断分布类型。
步骤S32，根据N个直方图的形状分别判断出N个子样本的拟服从的分布类型。
本实施例中，根据8个直方图的形状分别判断出8个子样本各自拟服从的分布类型。当某个子样本的直方图的形状近似于对数正态分布曲线，判断出该子样本的拟服从的分布类型为对数正态分布。
步骤S33，根据N个子样本分别确定出各子样本拟服从的分布类型的相应参数。
本实施例中，当判断结果为某子样本的拟服从的分布类型为对数正态分布，根据该子样本的所有样本数据求解出样本均值和样本标准差，得到对数正态分布的参数。
可选地，在对第一样本空间进行分类，得到N个不同类别的子样本之后，以及在分别绘制N个子样本的直方图之前，丧失厂外电源事件持续时间超越概率模型的确定方法还包括：对N个不同类别的子样本分别进行数据分析和数据处理，其中，数据处理包括剔除具有相关性的冗余数据和剔除异常数据。
本实施例中，对子样本数据进行数据分析和数据处理，以使根据子样本进行计算得到的结果更为准确。对于LOOP事件持续时间模型，有如下基本假设：
(a)每个持续时间是独立的；
(b)所有的随机持续时间来自一个概率分布。
根据如上假设，如果子样本中的数据有明显的相关性，则需剔除部分具有相关性的数据，即剔除具有相关性的冗余数据。例如，某次电网故障造成多个核电站同时发生LOOP事件，维修人员顺序进行检修和电网恢复，从而获得多个相关的LOOP事件持续时间，这种情况违背了基本假设(a)，此时应仅保留最早完成电网恢复的数据。如果子样本中的个别数据与其他样本存在明显的差异，例如某电厂所处的电网故障后，由于维修能力较差，供电线路恢复时间远长于其他电网，这种情况违背了基本假设(b)，此时应剔除该差异数据，即剔除异常数据。
步骤104，根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型。
本实施例中，根据步骤103获取到某个子样本的拟服从的分布类型为对数正态分布，且获取到该对数正态分布的参数，由于该子样本与机组状态和故障原因的组合存在映射关系(如表2)，则可根据拟服从的分布类型及其相应参数确定该机组状态和故障原因组合相应的持续时间超越概率模型。
可选地，单个子样本拟服从的分布类型的种类为M种，M＝2或3，分布类型包括对数正态分布、伽马(Gamma)分布、指数分布。步骤104具体包括步骤S41-步骤S45：
步骤S41，根据单个子样本拟服从的M种分布类型及其相应参数确定M种持续时间超越概率模型。
步骤S42，对M种持续时间超越概率模型分别进行曲线拟合，得到M种持续时间超越概率模型的分布曲线。
步骤S43，选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型。
可选地，步骤S43具体包括：
根据式(3)分别计算M种持续时间超越概率模型的分布曲线的相关系数：
其中，R为相关系数，yi为实际值，为分布拟合值，/>为实际值均值；
根据相关系数R与1的趋近程度，选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型。
步骤S44，根据N个子样本拟服从的分布类型及其相应参数依序确定N个类别相应的持续时间超越概率模型。
本实施例中，当根据某个子样本的直方图的形状，判断出该子样本拟服从的分布类型的种类为3种，包括对数正态分布、伽马(Gamma)分布、指数分布(如图2所示的3种概率密度分布函数)。本实施例中以表3给出的一组功率工况开关站故障导致LOOP事件的恢复时间数据(来自公开文献中的数据)为子样本详细说明对数正态分布、指数分布和伽马分布的参数确定过程、持续时间超越概率模型的确定过程。
表3
序号 外电源恢复时间(分) 序号 外电源恢复时间(分)
1. 28 2. 200
3. 113 4. 557
5. 330 6. 154
7. 151 8. 914
9. 75 10. 480
11. 70 12. 20
13. 131 14. 116
15. 360 16. 90
17. 482 18. 25
19. 40 20. 60
①若功率工况开关站故障的持续时间超越概率拟服从的分布类型包括对数正态分布，则相应的参数满足如下公式：
其中，为均值，/>为标准差，n为LOOP事件总次数，ti为第i次LOOP事件的厂外电源恢复时间。根据表3的数据计算得到/>
则持续时间超越概率模型为：
Q(t)＝1-R(t) (6)
其中，Q(t)为t时刻的持续时间超越概率，R(t)为t时刻的厂外电源恢复概率，将上述代入式(7)可得到t时刻的持续时间超越概率。
②若功率工况开关站故障的持续时间超越概率拟服从的分布类型包括指数分布，则相应的参数满足如下公式：
其中，为均值，n为LOOP事件总次数，ti为第i次LOOP事件的厂外电源恢复时间。根据表3的数据计算得到/>
则持续时间超越概率模型为
Q(t)＝1-R(t)(9)
其中，Q(t)为t时刻的持续时间超越概率，R(t)为t时刻的厂外电源恢复概率，将上述代入式(10)可得到t时刻的持续时间超越概率。
③若功率工况开关站故障的持续时间超越概率拟服从的分布类型包括伽马分布，则相应的参数满足如下公式：
其中，为形状参数，/>为尺度参数，M为中间参数，n为LOOP事件总次数，ti为第i次LOOP事件的厂外电源恢复时间，/>为样本的算术平均，t％为样本的几何平均。根据表3的数据计算得到/>
则持续时间超越概率模型为
Q(t)＝1-R(t) (16)
其中，Q(t)为t时刻的持续时间超越概率，R(t)为t时刻的厂外电源恢复概率，将上述代入式(17)可得到t时刻的持续时间超越概率。
根据步骤S42采用程序分别对上述3种持续时间超越概率模型进行曲线拟合，得到3种持续时间超越概率模型的分布曲线。
根据公式(3)计算得到对数正态分布曲线的相关系数R2＝0.9749，指数分布曲线的相关系数R2＝0.9647，伽马分布曲线的相关系数R2＝0.9568；相关系数越接近于1，表示曲线拟合效果越好，故根据相关系数与1的趋近程度，选取拟合优度最优的分布曲线(本实施例中对数正态分布最为符合实际数据)对应的持续时间超越概率模型，确定为与功率工况开关站故障相应的持续时间超越概率模型。根据表3的数据及上述分析计算获得表4所示的对数正态分布及拟合优度检验值、表5所示的指数分布及拟合优度检验值、表6所示的伽马分布及拟合优度检验值。
表4
表5
表6
如图3所示，根据本实施例中对数正态分布曲线计算的持续时间概率贴近于实际数据。故本实施例的持续时间超越概率模型的确定方法，可获得与实际情况更为吻合的持续时间超越概率。在采用概率安全分析方法评估LOOP事件风险时，通常更为关注事件早期(如6小时内)的持续时间超越概率。以两小时为例，如果按现有技术方案直接假设为指数分布带来的误差为15.9％，而对数正态分布与实际数据相当接近，误差仅有5.6％。
本实施例提供的持续时间超越概率模型的确定方法，通过对同类核电厂的LOOP事件信息进行分类，得到N个不同类别的子样本；分别获取N个子样本的拟服从的分布类型及其相应参数；从而根据N个子样本拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型，使得N个持续时间超越概率模型分别与N个类别的LOOP事件的实际情况更吻合，以获得更为准确的持续时间超越概率。此外，根据各个子样本的直方图的形状判断各个子样本拟服从的分布类型，使得基于该统计分析获得的持续时间超越概率相比于直接假设方法更为准确。进一步地，基于直方图的形状初步判断各个子样本拟服从的分布类型，继而对拟服从的多个分布类型进行数据拟合，选取拟合优度最优的分布类型确定为持续时间超越概率模型，使得持续时间超越概率更与实际情况吻合，从而计算出的持续时间超越概率准确性高。
实施例2：
本实施例提供一种核电机组风险评估方法，包括：
步骤201，根据实施例1所述的丧失厂外电源事件持续时间超越概率模型的确定方法确定持续时间超越概率。
步骤202，根据确定的持续时间超越概率、LOOP事件发生频率、核电厂响应手段评估核电机组风险。
由于根据实施例1所述的丧失厂外电源事件持续时间超越概率模型的确定方法确定的持续时间超越概率准确性高，从而使得核电机组风险评估更为准确。
实施例3：
如图4所示，本实施例提供一种丧失厂外电源事件持续时间超越概率模型的确定装置，包括构建模块31、分类模块32、获取模块33，以及确定模块34。
构建模块31，用于根据同类核电厂的LOOP事件信息建立第一样本空间。
分类模块32，与构建模块31连接，用于对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数。
获取模块33，与分类模块32连接，用于获取N个子样本的拟服从的分布类型及其相应参数。
确定模块34，与获取模块33连接，用于根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型。
可选地，获取模块包括绘制单元、判断单元和计算单元。
绘制单元，与分类模块连接，用于分别绘制N个子样本的直方图。判断单元，与绘制单元连接，用于根据N个直方图的形状分别判断出N个子样本的拟服从的分布类型。计算单元，与判断单元连接，用于根据N个子样本分别确定出各子样本拟服从的分布类型的相应参数。
可选地，确定模块包括确定单元、拟合单元、选取单元。单个子样本拟服从的分布类型的种类为M种，M＝2或3，分布类型包括对数正态分布、伽马分布、指数分布。确定单元，用于根据单个子样本拟服从的M种分布类型及其相应参数确定M种持续时间超越概率模型。拟合单元，与确定单元连接，用于对M种持续时间超越概率模型分别进行曲线拟合，得到M种持续时间超越概率模型的分布曲线。选取单元，与拟合单元连接，用于选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型。确定模块，用于根据N个子样本拟服从的分布类型及其相应参数依序确定N个类别相应的持续时间超越概率模型。
可选地，选取单元包括计算组件和选取组件。
计算组件，用于根据如下公式分别计算M种持续时间超越概率模型的分布曲线的相关系数：
其中，R为相关系数，yi为实际值，为分布拟合值，/>为实际值均值。
选取组件，与计算组件连接，用于根据相关系数R与1的趋近程度，选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型。
实施例4：
本实施例提供一种核电机组风险评估装置，包括评价模块和实施例3所述的丧失厂外电源事件持续时间超越概率模型的确定装置。
丧失厂外电源事件持续时间超越概率模型的确定装置，用于确定持续时间超越概率。
评价模块，与丧失厂外电源事件持续时间超越概率模型的确定装置连接，用于根据确定的持续时间超越概率、LOOP事件发生频率、核电厂响应手段评估核电机组风险。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (6)

1.一种丧失厂外电源LOOP事件持续时间超越概率模型的确定方法，其特征在于，包括：
根据同类核电厂的LOOP事件信息建立第一样本空间；
对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数；
获取N个子样本的拟服从的分布类型及其相应参数；
根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型，
其中，第一样本空间包括机组状态、故障原因、电源恢复时间及其三者之间的映射关系，机组状态包括功率工况和停堆工况，故障原因包括厂内故障、开关站故障、电网故障、天气原因，
所述获取N个子样本的拟服从的分布类型及其相应参数包括：
分别绘制N个子样本的直方图；
根据N个直方图的形状分别判断出N个子样本的拟服从的分布类型；
根据N个子样本分别确定出各子样本拟服从的分布类型的相应参数，
所述分别绘制N个子样本的直方图，具体包括：获取单个子样本的最大值L和最小值S；
根据经验公式将单个子样本进行分组，其中，组数k＝1+3.3lgn，lg为对数函数，n为单个子样本LOOP事件总次数；
计算组距，组距Δt＝(L-S)/k；
确定各组的上限值和下限值，其中，当前组的上限值＝当前组的下限值+Δt，当前组的下限值＝前一组的上限值；
计算各组的中心值，中心值t中＝(当前组的上限值+当前组的下限值)/2；
统计落入各组的频数a和频率f，f＝a/n；
以持续时间为横坐标、各组的频率f为纵坐标绘制直方图；
将各直方的中心值t中连成一条曲线，获得近似的分布密度曲线，
所述根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型，具体包括：单个子样本拟服从的分布类型的种类为M种，M＝2或3，分布类型包括对数正态分布、伽马分布、指数分布，根据单个子样本拟服从的M种分布类型及其相应参数确定M种持续时间超越概率模型；
对M种持续时间超越概率模型分别进行曲线拟合，得到M种持续时间超越概率模型的分布曲线；
选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型；
根据N个子样本拟服从的分布类型及其相应参数依序确定N个类别相应的持续时间超越概率模型，
若单个子样本拟服从的分布类型包括对数正态分布时，
其相应的参数满足如下公式：
则持续时间超越概率模型为
Q(t)＝1-R(t)
若单个子样本拟服从的分布类型包括伽马(Gamma)分布时，
其相应的参数满足如下公式：
则持续时间超越概率模型为
Q(t)＝1-R(t)
若单个子样本拟服从的分布类型包括指数分布时，
其相应的参数满足如下公式：
则持续时间超越概率模型为
Q(t)＝1-R(t)
其中，R(t)为截止t时刻厂外电源恢复概率，Q(t)为超越
时间概率，ti为第i次LOOP事件的厂外电源恢复时间。
2.根据权利要求1所述的丧失厂外电源事件持续时间超越概率模型的确定方法，其特征在于，
所述选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型，具体包括：
根据如下公式分别计算M种持续时间超越概率模型的分布曲线的相关系数；
其中，R为相关系数，yi为实际值，为分布拟合值，/>为实际值均值；
根据相关系数R与1的趋近程度，选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型。
3.根据权利要求1所述的丧失厂外电源事件持续时间超越概率模型的确定方法，其特征在于，在所述对第一样本空间进行分类，得到N个不同类别的子样本之后，以及在所述分别绘制N个子样本的直方图之前，还包括：
对N个不同类别的子样本分别进行数据分析和数据处理，其中，数据处理包括剔除具有相关性的冗余数据和剔除异常数据。
4.一种核电机组风险评估方法，其特征在于，包括：
根据权利要求1-3任一项所述的丧失厂外电源事件持续时间超越概率模型的确定方法确定持续时间超越概率；
根据确定的持续时间超越概率、LOOP事件发生频率、核电厂响应手段评估核电机组风险。
5.一种丧失厂外电源事件持续时间超越概率模型的确定装置，其特征在于，包括构建模块、分类模块、获取模块，以及确定模块，
构建模块，用于根据同类核电厂的LOOP事件信息建立第一样本空间，
分类模块，与构建模块连接，用于对第一样本空间进行分类，得到N个不同类别的子样本，N为正整数，
获取模块，与分类模块连接，用于获取N个子样本的拟服从的分布类型及其相应参数，
确定模块，与获取模块连接，用于根据拟服从的分布类型及其相应参数确定N个类别相应的持续时间超越概率模型，
其中，第一样本空间包括机组状态、故障原因、电源恢复时间及其三者之间的映射关系，机组状态包括功率工况和停堆工况，故障原因包括厂内故障、开关站故障、电网故障、天气原因，
获取模块包括绘制单元、判断单元和计算单元，
绘制单元，与分类模块连接，用于分别绘制N个子样本的直方图，
判断单元，与绘制单元连接，用于根据N个直方图的形状分别判断出N个子样本的拟服从的分布类型，
计算单元，与判断单元连接，用于根据N个子样本分别确定出各子样本拟服从的分布类型的相应参数，
绘制单元还用于获取单个子样本的最大值L和最小值S，根据经验公式将单个子样本进行分组，其中，组数k＝1+3.3lgn，lg为对数函数，n为单个子样本LOOP事件总次数，计算组距，组距Δt＝(L-S)/k，确定各组的上限值和下限值，其中，当前组的上限值＝当前组的下限值+Δt，当前组的下限值＝前一组的上限值，计算各组的中心值，中心值t中＝(当前组的上限值+当前组的下限值)/2，统计落入各组的频数a和频率f，f＝a/n，以持续时间为横坐标、各组的频率f为纵坐标绘制直方图，将各直方的中心值t中连成一条曲线，获得近似的分布密度曲线，
单个子样本拟服从的分布类型的种类为M种，M＝2或3，分布类型包括对数正态分布、伽马分布、指数分布，
确定模块包括确定单元、拟合单元、选取单元，
确定单元，用于根据单个子样本拟服从的M种分布类型及其相应参数确定M种持续时间超越概率模型，拟合单元，与确定单元连接，用于对M种持续时间超越概率模型分别进行曲线拟合，得到M种持续时间超越概率模型的分布曲线，选取单元，与拟合单元连接，用于选取拟合优度最优的分布曲线对应的持续时间超越概率模型，确定为与单个子样本类别相应的持续时间超越概率模型，确定单元，用于根据N个子样本拟服从的分布类型及其相应参数依序确定N个类别相应的持续时间超越概率模型，
若单个子样本拟服从的分布类型包括对数正态分布时，
其相应的参数满足如下公式：
则持续时间超越概率模型为
Q(t)＝1-R(t)
若单个子样本拟服从的分布类型包括伽马(Gamma)分布时，
其相应的参数满足如下公式：
则持续时间超越概率模型为
Q(t)＝1-R(t)
若单个子样本拟服从的分布类型包括指数分布时，
其相应的参数满足如下公式：
则持续时间超越概率模型为
Q(t)＝1-R(t)
其中，R(t)为截止t时刻厂外电源恢复概率，Q(t)为超越
时间概率，ti为第i次LOOP事件的厂外电源恢复时间。
6.一种核电机组风险评估装置，其特征在于，包括评价模块和权利要求5所述的丧失厂外电源事件持续时间超越概率模型的确定装置，
丧失厂外电源事件持续时间超越概率模型的确定装置，用于确定持续时间超越概率，
评价模块，与丧失厂外电源事件持续时间超越概率模型的确定装置连接，用于根据确定的持续时间超越概率、LOOP事件发生频率、核电厂响应手段评估核电机组风险。
CN202110383816.7A 2021-04-09 2021-04-09 超越概率模型的确定方法及装置、风险评估方法及装置 Active CN113361849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110383816.7A CN113361849B (zh) 2021-04-09 2021-04-09 超越概率模型的确定方法及装置、风险评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110383816.7A CN113361849B (zh) 2021-04-09 2021-04-09 超越概率模型的确定方法及装置、风险评估方法及装置

Publications (2)

Publication Number Publication Date
CN113361849A CN113361849A (zh) 2021-09-07
CN113361849B true CN113361849B (zh) 2024-04-16

Family

ID=77525150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110383816.7A Active CN113361849B (zh) 2021-04-09 2021-04-09 超越概率模型的确定方法及装置、风险评估方法及装置

Country Status (1)

Country Link
CN (1) CN113361849B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118072493A (zh) * 2024-04-18 2024-05-24 华能澜沧江水电股份有限公司 基于深度学习的施工期边坡开挖实时监测预警方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
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
CN106295956A (zh) * 2016-07-27 2017-01-04 武汉大学 一种考虑核电厂供电系统可修复多状态复杂特性的可靠性评估方法
KR20170016588A (ko) * 2015-08-04 2017-02-14 한국수력원자력 주식회사 원자력발전소에서 확률론적 안전성 평가 고장수목을 이용한 핵심구역 평가 시스템 및 방법
WO2017106001A1 (en) * 2015-12-17 2017-06-22 Nuscale Power, Llc Multi-modular power plant with dedicated electrical grid
CN111507509A (zh) * 2020-03-27 2020-08-07 东南大学 一种电力系统极端事件的风险评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
KR20170016588A (ko) * 2015-08-04 2017-02-14 한국수력원자력 주식회사 원자력발전소에서 확률론적 안전성 평가 고장수목을 이용한 핵심구역 평가 시스템 및 방법
WO2017106001A1 (en) * 2015-12-17 2017-06-22 Nuscale Power, Llc Multi-modular power plant with dedicated electrical grid
CN106295956A (zh) * 2016-07-27 2017-01-04 武汉大学 一种考虑核电厂供电系统可修复多状态复杂特性的可靠性评估方法
CN111507509A (zh) * 2020-03-27 2020-08-07 东南大学 一种电力系统极端事件的风险评估方法

Also Published As

Publication number Publication date
CN113361849A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN109765883B (zh) 配电自动化终端运行状态评价与故障诊断方法
CN106372735B (zh) 一种继电保护状态评估方法
CN112115602B (zh) 磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备
CN117060409B (zh) 电力线路运行状态自动化检测分析方法及系统
CN111669123B (zh) 用于对光伏组串进行故障诊断的方法和装置
CN108898311A (zh) 一种面向智能配电网抢修调度平台的数据质量检测方法
CN117390403B (zh) 一种新能源灯塔发电站的电网故障检测方法及系统
CN113592343A (zh) 二次系统的故障诊断方法、装置、设备和存储介质
CN113591393A (zh) 智能变电站的故障诊断方法、装置、设备和存储介质
CN114354783A (zh) 基于在运数据的特高压油色谱监测装置健康度评估方法
CN115037603A (zh) 用电信息采集设备的诊断评估方法、装置及系统
CN113361849B (zh) 超越概率模型的确定方法及装置、风险评估方法及装置
CN117434440B (zh) 一种量测开关的自动检测方法及系统
CN114400776B (zh) 基于数字镜像的变电站自动化设备状态诊断方法和系统
CN115775092A (zh) 基于数字孪生技术的施工过程安全风险管控系统
CN114740343A (zh) 断路器用实时检测系统
CN117406048B (zh) 一种变压器放电故障诊断方法及装置
CN107703383A (zh) 一种信息采集系统故障诊断知识库的建立方法
CN116954624B (zh) 基于软件开发包的编译方法、软件开发系统及服务器
CN103066572A (zh) 基于保信系统的继电保护在线监测方法与装置
CN111090037A (zh) 一种仪控卡件的可靠性检测方法
CN110555048A (zh) 一种基于计量异常关联度模型的故障原因疑似度分析方法
CN111313355B (zh) 一种人工监督下的监控信号事件规则更新的方法
CN105548939B (zh) 一种电压互感器状态检验方法
CN114662589A (zh) 一种电表故障研判方法、装置、设备和可读存储介质

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