CN113963826B - 一种反应堆异常工况诊断与控制系统 - Google Patents
一种反应堆异常工况诊断与控制系统 Download PDFInfo
- Publication number
- CN113963826B CN113963826B CN202111198648.0A CN202111198648A CN113963826B CN 113963826 B CN113963826 B CN 113963826B CN 202111198648 A CN202111198648 A CN 202111198648A CN 113963826 B CN113963826 B CN 113963826B
- Authority
- CN
- China
- Prior art keywords
- fault
- reactor
- diagnosis
- power
- loop
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 110
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 230000001960 triggered effect Effects 0.000 claims abstract description 29
- 230000009467 reduction Effects 0.000 claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 62
- 239000002826 coolant Substances 0.000 claims description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000002955 isolation Methods 0.000 claims description 12
- 239000003381 stabilizer Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000009471 action Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- KZVPFSJPLBOVLO-UHFFFAOYSA-N trimethyl(2-methylprop-1-enoxy)silane Chemical compound CC(C)=CO[Si](C)(C)C KZVPFSJPLBOVLO-UHFFFAOYSA-N 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C15/00—Cooling arrangements within the pressure vessel containing the core; Selection of specific coolants
- G21C15/18—Emergency cooling arrangements; Removing shut-down heat
-
- 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
-
- 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
- Y02E30/30—Nuclear fission reactors
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- General Engineering & Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种反应堆异常工况诊断与控制系统，故障诊断系统，包括基于信号的传统故障监测及诊断系统和基于PCA‑BP神经网络的智能在线故障监测及诊断系统，用于对反应堆的实时运行数据进行状态监测和诊断，确定详细的故障信息；故障决策系统，用于对故障信息进行分析，当停堆信号被触发，则自动采取停堆操作，保障反应堆运行安全；如果停堆信号未被触发，故障诊断系统判断出故障信息，且故障类型符合偏环路运行，采取快速降功率和偏环路运行的方式，给出对应的决策指令；执行系统，根据对应的决策指令执行相应的操作，当需要偏环路运行时，进行快速自动降功率，隔离事故环路和蒸汽发生器。本发明提升了机动性能，有效改善了反应堆功率的控制效果。
Description
技术领域
本发明属于反应堆控制及故障诊断技术领域，具体涉及一种反应堆异常工况诊断与控制系统。
背景技术
小型反应堆在船舶、航空、深海探索以及区域供电等领域用途广泛，是重要研究方向，其中研究最多的是小型压水堆。根据运行环境以及任务的需求，小型压水堆在运行过程中需要具备应对异常工况的能力，其中偏环路运行便是针对故障或事故所采取的一种运行模式，当出现蒸汽发生器传热管破损、冷却剂主泵故障导致的失流事故等情况时，为了保障核动力装置的机动性能，可以采取偏环路运行同时降功率的方式。
如何有效监测反应堆运行状态，开展实时故障诊断，根据故障信息实施降功率操作，并维持反应堆在安全运行状态是一个关键问题。目前的核动力装置采用基于信号和经验知识的故障诊断方法，该方法的优势在于事故发生后的快速响应，可以通过快速停堆和保护系统动作缓解事故后果。缺点是对于程度轻微，未触发信号报警的事故不能及时诊断，而且故障诊断信息有限，不能获得详细的故障信息制定对应的处理措施，因此具体应对措施完全依靠操纵员的经验。事故的发展往往在早期不能察觉，从而导致事故无法得到有效控制，只能采用紧急停堆方式处理。反应堆停堆和保护系统的动作会影响反应堆的运行，不利于提高核动力装置的机动性。
另外，事故工况下核动力装置采用偏环路运行策略时，控制棒首先会快速插入堆芯来降低反应堆功率，而后操纵员采用手动跟踪的方式调节功率水平达到目标值，最后隔离故障环路和相应蒸汽发生器，实现偏环路运行。在此过程中，控制棒的快速移动，容易引起功率的大的超调量和波动，不利于反应堆的平稳运行。其次，采用手动跟踪的方式，需要操纵员的丰富经验，人因失误是运行和安全的隐患，而且手动跟踪的控制效果也不容易得到保证。另外，如果采用传统的功率控制系统进行自动控制，考虑到控制器参数和结构是依据正常工况设计的，因此不适应异常工况下具有的时变和时延特点。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种反应堆异常工况诊断与控制系统，。
本发明采用以下技术方案：
一种反应堆异常工况诊断与控制系统，包括：
故障诊断系统，包括基于信号的传统故障监测及诊断系统和基于PCA-BP神经网络的智能在线故障监测及诊断系统，用于对反应堆的实时运行数据进行状态监测和诊断，确定详细的故障信息；
故障决策系统，用于对故障信息进行分析，当停堆信号被触发，则自动采取停堆操作，保障反应堆运行安全；如果停堆信号未被触发，故障诊断系统判断出故障信息，且故障类型符合偏环路运行，采取快速降功率和偏环路运行的方式，给出对应的决策指令；
执行系统，根据对应的决策指令执行相应的操作，当需要偏环路运行时，进行快速自动降功率，隔离事故环路和蒸汽发生器。
具体的，传统故障监测及诊断系统通过设定关键运行参数的阈值的方式实现，当关键参数超过运行的阈值范围则触发报警，操作员根据由知识经验建立的事故运行规程进行相应的操作。
进一步的，关键参数包括稳压器压力，稳压器水位和反应堆功率，当稳压器压力高于阈值上限，或低于阈值下限，停堆信号触发；当稳压器水位高于阈值上限，停堆信号触发；当反应堆功率高于阈值上限，停堆信号触发。
具体的，基于PCA-BP神经网络的智能在线故障监测及诊断系统通过判断Q和T2两个统计量是否超出阈值，判断反应堆运行状态是否出现异常；若出现异常，则运行数据进入提前训练好的BP神经网络诊断故障类型，智能在线故障监测及诊断系统对以冷却剂丧失事故，蒸汽发生器传热管破口事故和失流事故三种不同故障类型进行在线诊断。
具体的，传统故障监测及诊断系统和智能在线故障监测及诊断系统同时工作，互不干扰，产生的故障信息一同进入故障决策系统。
具体的，故障决策系统根据故障诊断系统的多种故障信息，首先判断是否停堆信号已经被触发，如果停堆信号被触发，则直接执行停堆操作；
若未触发，根据智能在线故障监测及诊断系统输出的故障类型信息，判断故障类型是否符合采用偏环路运行方案；
如果符合，则输出偏环路运行指令，同时，调取降功率过程的目标功率，目标冷却剂平均温度和降功率速率；如果不符合，采用已有的反应堆运行规程进行操作。
进一步的，符合偏环路运行的故障类型包括：环路出现破口导致的冷却剂丧失事故，冷却剂泵故障或停电导致的失流事故，一台蒸汽发生器故障导致不能正常工作，以及其他通过环路隔离和蒸汽发生器隔离方式进行处理的故障类型。
具体的，执行系统包括第一执行系统，第二执行系统和第三执行系统；
第一执行系统为现有保护系统，用于确保故障工况下的反应堆运行安全；
第二执行系统用于实现偏环路运行的必要操作，包括事故后的冷却剂泵停泵，关闭环路闸阀，切除紧急保护开关以及切断蒸汽发生器的给水，隔离蒸汽发生器；
第三执行系统建立基于无模型自适应比例控制器的反应堆功率控制系统，以冷却剂平均温度的设定值和测量值以及功率失配偏差为输入信号，在功率失配偏差后增加无模型自适应比例控制器，保证事故工况下反应堆不停堆继续运行。
进一步的，无模型自适应比例控制器采用在线估计方法，离散化计算如下：
其中，φc称为系统的伪偏导数；u指的是控制棒驱动机构的输入信号；y指的是反应堆的功率水平；μ和η为比例系数。
更进一步的，无模型自适应比例控制器采用控制率计算方法，具体如下：
其中，y*为功率参考值；λ为比例系数。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种反应堆异常工况诊断与控制系统，将传统的基于信号和知识经验的故障诊断方法和基于统计学理论与BP神经网络的智能诊断方法相结合有两方面益处。基于信号和知识经验的故障诊断方法的诊断原理是当运行参数超出阈值时进行报警，通过运行参数异常情况并根据专家知识经验判断故障信息。该方法对于程度严重的事故更有效，运行参数变化快，可以在短时间内触发阈值进行报警。基于统计学理论和BP神经网络理论的故障诊断方法的诊断原理是监测运行参数的整体特征变化，当特征偏离正常运行范围时进行报警，另外还可以通过BP神经网络强大的分类能力，利用数据之间的差异就可以判断出故障发生的类型，位置和程度。该方法的优势是可以更早发现程度轻微的事故，这类事故不会导致运行参数的大幅度变化，但是整体数据的特征已经偏离了稳态运行工作点，该方法由于需要一定数量的样本才能完成诊断，如果数据量不足则诊断精度差，所以对于程度严重的事故，往往不能及时判断出故障的详细信息。因此两个故障诊断方法的结合，相互弥补了彼此的不足，提高了反应堆故障诊断的快速和有效性。故障决策系统的设计对于实现反应堆的智能化具有重要意义，对于无人核动力装置更为重要。故障决策系统主要由决策规则构成，决策规则的制订主要根据的是不同事故工况下反应堆需要采取不同的运行模式。在本发明中所制定的故障决策规则针对的问题是反应堆是否可以继续稳定运行下去。对于程度严重的事故，当报警信号出现，停堆信号被触发，而此时智能故障诊断方法由于时间短，采集的数据少，还未完成诊断，因此不适合采取降功率等方式强迫反应堆继续运行，此时必须保证反应堆运行的安全性。因此停堆信号将直接传递给执行系统完成停堆操作。对于程度不严重，没有触发停堆信号，智能故障诊断方法已经判断出了故障的详细信息，而且故障类型符合快速降功率操作要求情况，则采取快速降功率操作，避免反应堆停堆，减少经济性损失，提升运行效率。执行系统分为两类：保护系统和实现快速降功率的执行机构及控制系统。保护系统是实现反应堆的运行安全的保障，在事故程度严重，需要首先确保反应堆运行安全时动作。第二类系统是实现异常运行工况下的反应堆偏环路运行和快速降功率的关键设备和系统，主要由环路闸阀，泵的启停装置，以及功率控制系统等构成。反应堆通过实现偏环路运行和快速降功率可以实现不停堆继续运行，对于经济性能和机动性能意义重大。
进一步的，传统故障监测及诊断系统基于信号阈值的方法，可以有效监测到反应堆明显变化的异常工况，当环路中突发异常工况，例如环路管段的剪切断裂或者突然的大破口情况，反应堆运行参数，例如冷却剂压力，流量和温度急剧变化，很快可以触发保护阈值以及停堆信号。此时，由于事故严重，处于反应堆运行安全考虑，应该采取停堆操作。因此保留传统故障诊断方法对于监测程度严重的事故，并且保护反应堆运行安全方面具有优势。传统故障诊断系统作为新型智能故障诊断系统的一个必要环节意义重大。
进一步的，反应堆关键运行参数是反映反应堆运行状况的重要指标。反应堆一回路中的压力，稳压器水位和反应堆功率在事故工况下的变化直观而且表征的意义明显。一回路压力和稳压器水位变化明显往往是由于环路中出现破口导致的，一回路中的破口有导致放射性泄漏的风险。反应堆功率的急剧升高有导致堆芯的融化的风险。因此采取稳压器压力，水位和反应堆功率作为指示指标可以有效保护反应堆运行安全。
进一步的，基于PCA-BP神经网络的智能故障诊断方法，优势在于对于反应堆运行状态总体特征的分析可以更加有效的提取故障的详细信息，相比于传统故障诊断方法更加准确。PCA方法中Q和T2两个统计量表征的是反应堆运行状态矩阵在主成分空间和残差空间的投影，可以表示反应堆运行状态特征的变化情况，当这两个统计量出现偏离阈值时，则表示反应堆的运行状态出现了异常，偏离了稳态工作点。基于逆向误差传播算法的BP神经网络具有良好的分类能力。不同的故障类型，例如冷却剂丧失事故和失流事故，通过数据所体现的特征是不一样的。失流事故变化最为明显的是冷却剂流量，而冷却剂丧失事故变化较为明显的变量是稳压器压力和水位。因此基于样本数据之间特征的差异，BP神经网络可以实现对不同故障类型的有效诊断。
进一步的，将传统故障诊断方法和基于PCA-BP神经网络的智能故障诊断方法结合可以使故障诊断的适应性范围拓宽，提升故障诊断效率，同时保障反应堆运行安全。当事故发展迅速，程度严重，传统故障诊断系统最先动作触发停堆以及保护信号，保证反应堆运行安全。当事故发展缓慢，处于发展前期，基于PCA-BP神经网络的故障诊断方法能够更早发现异常，并且诊断出故障的类型，位置和程度等详细信息。
进一步的，故障决策系统根据故障诊断系统反馈的故障信息，调取内置的决策规则灵活指引反应堆的运行状态。当停堆信号触发时，说明故障严重威胁到反应堆运行安全，则需要迅速决断采取停堆操作。当故障被诊断及时，并且故障类型可以采取降功率等方法处理和应对时，则采用偏环路运行和快速降功率操作。这样可以最大限度的保证反应堆在异常运行工况下的机动性能。
进一步的，偏环路运行的方案对于核动力装置尤为重要。核动力装置运行环境复杂，往往由于运行任务的要求，要保证具有强大的机动性能。因此对于反应堆的运行提出了更高的要求。在保证安全的同时，尽量避免反应堆停堆。偏环路运行是指在遇到冷却剂丧失等事故时，将事故环路断开，采用一条环路运行，并且降低反应堆功率的运行方案。当事故被处理，还可以恢复到双环路运行，极大提高了反应堆的运行能力，也为事故的处理争取了宝贵的时间。
进一步的，本发明中的执行系统划分了三种，第一执行系统是反应堆已有系统例如保护系统等，是反应堆安全运行的保障，也是事故严重情况下，可以实现紧急有效停堆的保证。第二执行系统和第三执行系统主要是为了实现异常工况下的反应堆偏环路和快速降功率运行而设计的。实现偏环路运行则需要第二执行系统动作，将事故环路中的冷却剂泵停止，并且关掉环路的闸阀隔离掉事故环路，同时由于一条冷却剂环路被隔离，相应的蒸汽发生器也需要通过关闭给水泵以及出口蒸汽的阀门实现停止工作。同时，由于环路隔离导致进入堆芯的冷却剂流量减少，如果不进行快速降功率，将导致堆芯燃料温度剧烈上升，有堆芯熔化风险。因此第三执行系统动作，利用控制系统指引控制棒下落，实现快速降功率。
进一步的，无模型自适应比例控制器的设计考虑了传统的功率控制系统结构和参是固定的，而且是基于正常运行工况整定，不适应异常运行工况。另外，反应堆在进行偏环路运行时，冷却剂温度的变化也可以看作对于功率的扰动。而无模型自适应控制方法的机理是在相邻时刻将系统线性化表示，并且利用了在线估计原理，更好的把握了反应堆的运行特性，计算出了被控对象的输入参数，使控制系统具有了更强的抗扰动能力和自适应能力。
综上所述，本发明通过将智能故障诊断和基于无模型自适应控制方法结合，实现了反应堆运行状态的智能决策和优化。通过将传统故障诊断方法和基于PCA-BP神经网络的故障诊断方法结合，提升了故障诊断的速度和精度。智能决策系统将根据详细的故障信息做出相对应的运行策略，严重的事故将采取停堆操作，对于故障类型符合偏环路运行的事故，则调动第二和第三执行系统实现偏环路运行和快速降功率操作，避免反应堆停堆，提升了机动性能。另外，为了保证降功率过程功率的平稳过渡，采用了无模型自适应比例控制方法，有效改善了反应堆功率的控制效果。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明系统结构示意图；
图2为PCA方法计算的T2和Q统计量；
图3为BP神经网络在线分类效果；
图4为BP神经网络在线分类效果中第175s每个样本的诊断结果；
图5为LOCA事故关键参数；
图6为改进的功率控制系统结构图；
图7为无模型自适应比例控制器逻辑图；
图8为环路隔离和蒸汽发生器隔离示意图；
图9为传统控制系统作用下快速自动降功率系统动作后关键参数变化；
图10为改进的控制系统作用下快速自动降功率系统动作后关键参数变化；
图11为传统和改进的功率控制系统性能对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种反应堆异常工况诊断与控制系统，设计故障诊断系统，将传统的基于信号的方法和基于神经网络的智能方法相结合，提升对于故障的诊断精度和响应速度；建立故障决策系统，对故障诊断系统传输的故障信息进行综合分析；当停堆信号被触发，则自动采取停堆操作，保障反应堆运行安全；如果停堆信号未被触发，故障诊断系统已经判断出了故障信息，并且故障类型符合偏环路运行，将采取快速降功率和偏环路运行的方式；通过故障决策系统将最大程度减少核动力装置的停堆概率，提升核动力装置的机动性；设计核动力装置的快速降功率运行方案，提出自适应功率控制方法，当需要偏环路运行时，即进行快速自动降功率，隔离事故环路和蒸汽发生器；考虑到异常工况下的功率调节过程中，环路和蒸汽发生器的隔离导致的反应堆流量和温度的变化，这些变化会对功率产生明显扰动，从而导致自动控制过程的性能变差，因此为保证切换过程中的功率平稳过渡，提出基于无模型自适应控制的功率控制方法，其核心思想是通过建立一个称为伪偏导数的时变参数将非线性系统进行线性化，因为伪偏导数对时变参数和时变的结构不敏感，因此所设计的功率控制系统具有很强的鲁棒性和自适应能力。
请参阅图1，本发明一种反应堆异常工况诊断与控制系统，包括：
故障诊断系统，用于对反应堆的实时运行数据进行状态监测和诊断，确定详细的故障信息；
故障决策系统，用于对故障信息进行分析，给出对应的决策指令；
执行系统，根据对应的决策指令执行相应的操作。
其中，故障诊断系统包括两部分，分别是基于信号的传统故障监测及诊断系统和基于PCA-BP神经网络的智能在线故障监测及诊断系统，具体如下：
传统故障监测及诊断系统的诊断原理是通过设定关键运行参数的阈值的方式实现，当关键参数超过运行的阈值范围则触发报警，操作员根据由知识经验建立的事故运行规程进行相应的操作。在本发明中保护信号以停堆信号为例。
停堆信号的触发条件如表1所示，其中一个条件满足即触发停堆信号。
表1停堆信号触发逻辑
智能在线故障监测及诊断系统是基于PCA-BP神经网络建立的，PCA方法计算Q和T2两个统计量，通过判断两个统计量是否超出阈值判断反应堆运行状态是否出现异常；若出现异常，则运行数据进入提前训练好的BP神经网络诊断故障类型，智能在线故障监测及诊断系统对以冷却剂丧失事故(LOCA)，蒸汽发生器传热管破口事故(SGTR)和失流事故三种不同故障类型为实例进行了在线诊断。
事故在0s引入，PCA方法计算的T2和Q统计量在短时间内超出了阈值范围，对异常工况进行报警，如图2所示。而后BP神经网络建立的故障诊断系统动作，对于三种不同事故的分类准确率在175s后诊断精度维持在了85％以上，即认为此后所诊断的故障类型结果为可信，如图3所示。在线诊断精度的计算是通过大量的样本数据训练得到的，如图4所示，为第175s时刻每个样本的诊断结果，其中，诊断精度＝判断正确的样本数/总样本数。
传统故障诊断系统和智能在线的故障诊断系统将同时工作，互不干扰，产生的故障信息一同进入故障决策系统。
故障决策系统的工作原理如下：
根据来自故障诊断系统的多种故障信息，首先判断是否停堆信号已经被触发，如果停堆信号被触发，则直接执行停堆操作；
若未触发，根据智能在线故障监测及诊断系统输出的故障类型信息，判断故障类型是否适合采用偏环路运行方案；
如果符合，则输出偏环路运行指令，同时，调取降功率过程的目标功率，目标冷却剂平均温度和降功率速率；
如果不符合，将采用传统已有的反应堆运行规程进行操作。
符合偏环路运行的故障类型包括：环路出现破口导致的冷却剂丧失事故，冷却剂泵故障或停电导致的失流事故，一台蒸汽发生器故障导致不能正常工作，以及其他通过环路隔离和蒸汽发生器隔离方式进行处理的故障类型。
执行系统分为两类，具体如下：
第一类，即第一执行系统，是现有保护系统，确保故障工况下的反应堆运行安全。对于事故危害严重，发展迅速的事故，故障诊断系统不能在短时间内给出详细准确的故障信息，而且操作员也来不及采取措施的情况下，需要通过保护系统动作首先确保反应堆的运行安全。
LOCA事故下，停堆信号被触发示例如图5所示。LOCA事故发生位置在稳压器波动管，破口尺寸为1*10-4m2，引入时间为第0s。第49s后，稳压器压力低信号首先报警，稳压器压力低于阈值下限，从而触发停堆信号。由于故障诊断系统判断故障类型需要至少175s，所以停堆信号触发在前，停堆棒下落为堆芯引入负反应性实现停堆。
第二类，即第二执行系统和第三执行系统，分别是偏环路运行系统及快速自动降功率系统。偏环路运行系统及快速自动降功率系统的适用场景是符合偏环路运行的故障类型，并且故障程度和发展速度未严重威胁到反应堆运行安全的情况。第二执行系统和第三执行系统通过偏环路运行及快速降功率的方法保证事故工况下反应堆不停堆继续运行，保证了机动性。
其中，第二执行系统用于实现偏环路运行的必要操作，包括事故后的冷却剂泵停泵，关闭环路闸阀，切除紧急保护开关以及切断蒸汽发生器的给水，隔离蒸汽发生器等。
第三执行系统建立基于无模型自适应比例控制器的反应堆功率控制系统，改进的功率控制系统的结构示意图如图6所示。反应堆功率控制系统采用典型的三通道模型，以冷却剂平均温度的设定值和测量值以及功率失配偏差为输入信号，在功率失配偏差后增加了无模型自适应比例控制器。
无模型自适应比例控制器的逻辑如图7所示，包括在线估计方法，控制率计算方法和比例控制器。
在线估计方法的离散化计算公式如式(1)所示，
其中，φc称为系统的伪偏导数；u指的是控制棒驱动机构的输入信号；y指的是反应堆的功率水平；μ和η为比例系数。
控制率计算方法的计算公式如式(2)所示：
其中，y*为功率参考值；λ为比例系数。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在事故工况下反应堆是非线性时变系统，基于正常工况设计的传统控制系统结构和参数固定，不具备自适应能力。改进的功率控制方法能够有效提高功率控制过程的抗扰动能力和自适应能力。
对于双环路运行的反应堆系统，快速自动降功率系统动作将反应堆的功率降低至50％满功率(FP)水平以下运行，计算实例如图8、图9和图10所示。引入LOCA事故位置在稳压器波动管，破口大小为1*10-5m2，引入时间为第0s，研究了在两种不同的控制系统作用下的功率变化。
事故引入后，由于程度较轻微，稳压器压力和水位变化缓慢如图9和图10所示，反应堆功率由于在控制系统的作用下未发生明显变化，事故演变的期间一直未触发停堆信号，第175s以后，故障诊断系统判断出故障类型为LOCA事故，决策系统做出偏环路运行的决策，第二执行系统和3协同动作。第二执行系统动作导致冷却剂泵停泵，并且隔离环路和蒸汽发生器如图8所示，停泵后冷却剂流量快速下降，环路隔离和蒸汽发生器隔离后，环路中冷却剂流量和蒸汽发生器出口蒸汽流量变为0。
停泵的同时执行快速自动降功率系统动作，功率水平在控制系统动作下以2％FP/s线性下降到45％。在此过程中对比了传统功率控制系统和改进的控制系统的效果，并且利用ITSE的评价指标进行对比，见图11所示。ITSE评价指标的计算方法如式(3)所示。
其中，t为时间，e为设定值和测量值之间的误差。
ITSE的评价指标数值越小，表明功率跟踪设定值的效果越好；传统控制系统的ITSE指标值为5.91，而改进控制系统的ITSE指标值为0.14。因此，也验证了改进系统的优良的抗扰动和自适应能力。
综上所述，本发明一种反应堆异常工况诊断与控制系统，具有以下特点：
1、基于主成分分析(PCA)-BP神经网络的智能在线故障诊断系统可以有效提取故障特征，提升故障诊断的准确率；
2、建立的综合故障诊断系统将基于信号和运行规程的传统故障诊断方法和基于PCA-BP神经网络建立的智能故障诊断方法结合，进一步提升了故障诊断系统的诊断速度和可靠性。对于程度严重，发展速度快，严重威胁反应堆运行安全的事故，基于信号的故障诊断方法简单快速，通过触发停堆进行紧急保护。对于事故程度轻微，发展缓慢，短时间内不会严重影响到反应堆运行安全的事故，基于信号的方法不能有效诊断，采用基于神经网络的方法可以及时准确地判断此类故障信息；
3、决策系统通过分析和融合两种不同故障诊断方法的故障诊断信息，做出决策，指导执行系统动作。对于事故程度严重，威胁反应堆运行安全的事故采取停堆操作。对于事故程度轻微，短时间不能影响反应堆运行安全的事故，采用快速降功率以及偏环路运行等方式，保障核动力装置的机动性。决策系统中也存储了进行偏环路运行和快速降功率过程的关键信息，例如目标功率，目标冷却剂平均温度，降功率的速率等，可以随时调取；
4、执行系统主要分为两部分：第一执行系统保留了传统的事故工况下的保护系统和停堆系统的动作模式，有效保障反应堆的运行安全。第二执行系统和第三执行系统在偏环路运行时共同动作。第二执行系统通过关闭环路的进出口闸阀以及关停给水和停冷却剂泵的方式实现偏环路运行的状态切换，与此同时第三执行系统实现快速自动降功率。
5、第三执行系统采用了基于无模型自适应控制理论的功率控制系统，考虑到偏环路切换过程中的扰动明显，同时反应堆的结构和特性也发生了改变，传统的固定结构和参数的控制系统不具备自适应能力，控制效果变差，因此无模型自适应功率控制系统可以使功率的控制性能具有优良的鲁棒性和自适应能力，改善了控制效果。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (9)
1.一种反应堆异常工况诊断与控制系统，其特征在于，包括：
故障诊断系统，包括基于信号的传统故障监测及诊断系统和基于PCA-BP神经网络的智能在线故障监测及诊断系统，用于对反应堆的实时运行数据进行状态监测和诊断，确定详细的故障信息，基于PCA-BP神经网络的智能在线故障监测及诊断系统通过判断Q和T2两个统计量是否超出阈值，Q和T2两个统计量表征的是反应堆运行状态矩阵在主成分空间和残差空间的投影，判断反应堆运行状态是否出现异常；若出现异常，则运行数据进入提前训练好的BP神经网络诊断故障类型，智能在线故障监测及诊断系统对以冷却剂丧失事故，蒸汽发生器传热管破口事故和失流事故三种不同故障类型进行在线诊断；
故障决策系统，用于对故障信息进行分析，当停堆信号被触发，则自动采取停堆操作，保障反应堆运行安全；如果停堆信号未被触发，故障诊断系统判断出故障信息，且故障类型符合偏环路运行，采取快速降功率和偏环路运行的方式，给出对应的决策指令；
执行系统，当需要偏环路运行时，进行快速自动降功率，隔离事故环路和蒸汽发生器。
2.根据权利要求1所述的反应堆异常工况诊断与控制系统，其特征在于，传统故障监测及诊断系统通过设定关键运行参数的阈值的方式实现，当关键参数超过运行的阈值范围则触发报警，操作员根据由知识经验建立的事故运行规程进行相应的操作。
3.根据权利要求2所述的反应堆异常工况诊断与控制系统，其特征在于，关键参数包括稳压器压力，稳压器水位和反应堆功率，当稳压器压力高于阈值上限，或低于阈值下限，停堆信号触发；当稳压器水位高于阈值上限，停堆信号触发；当反应堆功率高于阈值上限，停堆信号触发。
4.根据权利要求1所述的反应堆异常工况诊断与控制系统，其特征在于，传统故障监测及诊断系统和智能在线故障监测及诊断系统同时工作，互不干扰，产生的故障信息一同进入故障决策系统。
5.根据权利要求1所述的反应堆异常工况诊断与控制系统，其特征在于，故障决策系统根据故障诊断系统的多种故障信息，首先判断是否停堆信号已经被触发，如果停堆信号被触发，则直接执行停堆操作；
若未触发，根据智能在线故障监测及诊断系统输出的故障类型信息，判断故障类型是否符合采用偏环路运行方案；
如果符合，则输出偏环路运行指令，同时，调取降功率过程的目标功率，目标冷却剂平均温度和降功率速率；如果不符合，采用已有的反应堆运行规程进行操作。
6.根据权利要求5所述的反应堆异常工况诊断与控制系统，其特征在于，符合偏环路运行的故障类型包括：环路出现破口导致的冷却剂丧失事故，冷却剂泵故障或停电导致的失流事故，一台蒸汽发生器故障导致不能正常工作，以及其他通过环路隔离和蒸汽发生器隔离方式进行处理的故障类型。
7.根据权利要求1所述的反应堆异常工况诊断与控制系统，其特征在于，执行系统包括第一执行系统，第二执行系统和第三执行系统；
第一执行系统为现有保护系统，用于确保故障工况下的反应堆运行安全；
第二执行系统用于实现偏环路运行的必要操作，包括事故后的冷却剂泵停泵，关闭环路闸阀，切除紧急保护开关以及切断蒸汽发生器的给水，隔离蒸汽发生器；
第三执行系统建立基于无模型自适应比例控制器的反应堆功率控制系统，以冷却剂平均温度的设定值和测量值以及功率失配偏差为输入信号，在功率失配偏差后增加无模型自适应比例控制器，保证事故工况下反应堆不停堆继续运行。
8.根据权利要求7所述的反应堆异常工况诊断与控制系统，其特征在于，无模型自适应比例控制器采用在线估计方法，离散化计算如下：
其中，φc称为系统的伪偏导数；u指的是控制棒驱动机构的输入信号；y指的是反应堆的功率水平；μ和η为比例系数。
9.根据权利要求8所述的反应堆异常工况诊断与控制系统，其特征在于，无模型自适应比例控制器采用控制率计算方法，具体如下：
其中，y*为功率参考值；λ为比例系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111198648.0A CN113963826B (zh) | 2021-10-14 | 2021-10-14 | 一种反应堆异常工况诊断与控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111198648.0A CN113963826B (zh) | 2021-10-14 | 2021-10-14 | 一种反应堆异常工况诊断与控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113963826A CN113963826A (zh) | 2022-01-21 |
| CN113963826B true CN113963826B (zh) | 2024-01-12 |
Family
ID=79464503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111198648.0A Active CN113963826B (zh) | 2021-10-14 | 2021-10-14 | 一种反应堆异常工况诊断与控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113963826B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102782A (zh) * | 2014-07-18 | 2014-10-15 | 上海电力学院 | 压水堆核电站反应堆温度rbf神经网络控制方法 |
| CN104392752A (zh) * | 2014-10-13 | 2015-03-04 | 中国科学院合肥物质科学研究院 | 一种实时在线的核反应堆故障诊断与监测系统 |
| CN112016251A (zh) * | 2020-09-02 | 2020-12-01 | 哈尔滨工程大学 | 一种核动力装置故障的诊断方法及系统 |
| CN112632845A (zh) * | 2020-10-23 | 2021-04-09 | 西安交通大学 | 基于数据的小型反应堆在线故障诊断方法、介质及设备 |
| CN113011248A (zh) * | 2021-02-01 | 2021-06-22 | 西安交通大学 | 一种基于lstm的核动力装置故障诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI648609B (zh) * | 2013-06-07 | 2019-01-21 | 美商科學設計股份有限公司 | 程序監控系統及方法 |
-
2021
- 2021-10-14 CN CN202111198648.0A patent/CN113963826B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102782A (zh) * | 2014-07-18 | 2014-10-15 | 上海电力学院 | 压水堆核电站反应堆温度rbf神经网络控制方法 |
| CN104392752A (zh) * | 2014-10-13 | 2015-03-04 | 中国科学院合肥物质科学研究院 | 一种实时在线的核反应堆故障诊断与监测系统 |
| CN112016251A (zh) * | 2020-09-02 | 2020-12-01 | 哈尔滨工程大学 | 一种核动力装置故障的诊断方法及系统 |
| CN112632845A (zh) * | 2020-10-23 | 2021-04-09 | 西安交通大学 | 基于数据的小型反应堆在线故障诊断方法、介质及设备 |
| CN113011248A (zh) * | 2021-02-01 | 2021-06-22 | 西安交通大学 | 一种基于lstm的核动力装置故障诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于PCA-RBF神经网络的小型压水堆故障诊断方法研究;曹桦松，等;仪器仪表用户;第第28卷卷(第第1期期);第49-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113963826A (zh) | 2022-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5309485A (en) | Core automated monitoring system | |
| CN115102290A (zh) | 一种智能电网实时安全预警系统 | |
| WO2021057518A1 (zh) | 适应设备潮流变化的在线安全稳定紧急控制方法及系统 | |
| CN110209144B (zh) | 基于动静协同差异分析的两层实时监测与报警溯源方法 | |
| US10541059B2 (en) | Digital protection system for nuclear power plant | |
| CN114233423A (zh) | 核电厂供热装置控制系统及方法 | |
| CN113963826B (zh) | 一种反应堆异常工况诊断与控制系统 | |
| CN115964963A (zh) | 一种调节阀流道堵塞在线监测方法及系统 | |
| Naito et al. | A real-time expert system for nuclear power plant failure diagnosis and operational guide | |
| CN113110203A (zh) | 一种电机运行集控方法和系统 | |
| CN111354497B (zh) | 一种核电站破口事故信息诊断方法 | |
| CN110231797A (zh) | 一种ets跳闸回路在线监测方法 | |
| Husseiny et al. | Operating procedure automation to enhance safety of nuclear power plants | |
| CN110970141A (zh) | 一种海洋核动力平台的多样性保护系统及方法 | |
| CN113988687A (zh) | 一种核动力装置状态监测方法及系统 | |
| Guarro | A logic flowgraph-based concept for decision support and management of nuclear plant operation | |
| CN114694858A (zh) | 一种核电厂机组自动低压全速冷却方法和系统 | |
| CN113705856B (zh) | 一种基于多元质量特性动态监控的维修策略优化方法 | |
| CN114542222B (zh) | 核能抽汽供热的控制系统及方法 | |
| CN113936821A (zh) | 次临界度关键安全功能的诊断方法、恢复方法、诊断装置及恢复装置 | |
| JP2000266888A (ja) | 原子炉の運転支援方法および運転支援装置並びに記録媒体 | |
| Qu et al. | Alarm system design for hydraulic turbine governing system via generalized delay-timer | |
| Yang et al. | NPP Condition Diagnosis by Monitoring Critical Safety Functions | |
| CN116954196A (zh) | 一种调速系统的监测和故障诊断方法、装置及存储介质 | |
| CN118004436A (zh) | 一种民用客机惰化系统控制装置的温度控制、告警方法 |
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 |