CN114283956A - 一种传感器智能数据重构方法及系统 - Google Patents
一种传感器智能数据重构方法及系统 Download PDFInfo
- Publication number
- CN114283956A CN114283956A CN202111360560.4A CN202111360560A CN114283956A CN 114283956 A CN114283956 A CN 114283956A CN 202111360560 A CN202111360560 A CN 202111360560A CN 114283956 A CN114283956 A CN 114283956A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data reconstruction
- model
- data
- reconstruction
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C17/00—Monitoring; Testing ; Maintaining
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21D—NUCLEAR POWER PLANT
- G21D3/00—Control of nuclear power plant
-
- 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
Abstract
本发明涉及一种传感器智能数据重构方法及系统,通过依次判断是否满足数据重构模型投运条件、传感器状态检测结果是否异常,将检测结果异常传感器的实时测量数据输入数据重构模型得到重构数值,可在传感器发生快故障后,快速主动识别故障传感器,并在满足相关条件的情况下自动生成数据,替代故障传感器数值,保证机组处于安全稳定状态,为操纵员的运行控制操作和维修人员的现场维修替换工作争取时间。可以代替传统“定期试验”,在计划停堆时,统一有针对性的维修,从而降低了运维成本。可在传感器共模故障条件下自动稳定机组运行状态,提高核电厂运行的安全性和稳定性。
Description
技术领域
本发明属于数据处理领域,具体涉及一种传感器智能数据重构方法及系统。
背景技术
核电机组的安全可靠运行离不开仪控系统的功能完备,而传感器功能的完好性是仪控系统核电厂运行状态监测、触发自动动作的基础。为提高传感器的可靠性,在现有核电机组设计中,主要采取了“更高鉴定要求”、“硬件冗余配置”和“运维期间的定期试验或视情维修”等3种技术手段:在核电厂中,传感器分为“安全级”和“非安全级”两大类。对于核安全级传感器提出了更高的质保、抗震和鉴定等要求;针对重要传感器,一般还采用了传感器硬件冗余配置的方法,以进一步提高同一测点数据采集功能的可靠性;在运维阶段,针对传感器上可能发生的慢故障,核电厂采用定期试验和视情维修等方式来检查传感器的运行状态是否正常,以尽早识别微小故障,基于预防性的思路来提高传感器的功能的完备性。
尽管采用了多种技术手段提升核电厂传感器的可靠性,但仍难以避免传感器故障(如:突然性的功能丧失)的发生。在传感器故障后,可能导致系统基于错误的机组状态误触发自动动作(如:误动或拒动),威胁机组安全,导致机组运行的鲁棒性仍然不高,部分传感器故障仍需要人员及时干预。
并且在发生由共模故障导致的冗余/非冗余传感器感知数据丧失时,仍会导致基于相关传感器的数据感知功能突然丧失。进而,导致在相关工况下,机组运行的鲁棒性不足,使得在运维人员尚未能够有效干预时,就引发不适当的控制系统拒动或误动,削弱了机组的安全性和经济性。
为解决此问题,亟需提出一种可在紧急情况下,替代故障传感器产生有效替代数据的数据重构方法及系统,用于在确保安全的情况下稳定机组运行状态,为运行控制和维修替换争取时间。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种传感器智能数据重构方法及系统,可在传感器发生快故障后,快速主动识别故障传感器,并在满足相关条件的情况下自动生成数据,替代故障传感器数值,保证机组处于安全稳定状态,为操纵员的运行控制操作和维修人员的现场维修替换工作争取时间。
为达到以上目的,本发明采用的技术方案是:一种传感器智能数据重构方法,包括以下步骤:
S1、判断是否满足数据重构模型投运条件,如果满足数据重构模型投运条件,则进入步骤S2,否则数据重构步骤中止;
S2、进行传感器状态检测并判断检测结果是否异常,如果显示检测结果异常,则进入步骤S3,如果显示检测结果正常,则数据重构步骤中止;
S3、将步骤S2中得到的所述检测结果异常传感器的实时测量数据输入数据重构模型得到重构数值。
进一步,步骤S1包括如下子步骤:
S101、判断反应堆核功率是否高于20%*Pn,Pn为反应堆输出的额定有功功率,若满足,则转至步骤S102;否则,数据重构步骤中止;
S102、判断需要进行数据重构的传感器集合K中传感器X模型的输入集合中,虚拟传感器的数量是否符合要求,若符合要求,则转至步骤S103;如不符合要求,数据重构步骤中止,从所述传感器集合K中删除传感器X;
S103、向操纵员推送“启动请求”,操纵员同意启动后,继续后续数据重构步骤。
进一步,步骤S102包括判断所述传感器集合K中,传感器X模型的输入传感器中,虚拟传感器的数量是否达到输入传感器集合总数的一定比例k,若达到,则数据重构步骤中止,从所述传感器集合K中删除所述传感器X;若未达到所述比例k,则将所述传感器X加入实体传感器集合N并进一步判断所述实体传感器集合N中实体传感器的数量是否大于0,若所述实体传感器集合N中的传感器数量大于0,则判断所述传感器集合K中,虚拟传感器的数量符合要求。
进一步,步骤S2包括如下子步骤:
S201、将所述传感器集合K中的每个传感器最近若干采样时间内的实时测量数据输入工况分类模型进行工况分类,并匹配所述传感器在所述工况下的传感器状态监测模型;
S202、将所述实时测量数据输入所述工况下的状态监测模型中进行运行状态监测,若运行状态为异常,则将所述传感器加入异常传感器集合L中,继续后续数据重构步骤,若运行状态为正常,则所述传感器数据重构步骤中止。
进一步,步骤S3包括如下子步骤:
S301、将所述实时测量数据代入所述工况类型对应的数据重构模型中,以得到所述数据重构模型输出的重构数值;
S302、采用不确定度分析法计算所述重构数值的不确定度带宽,若所述重构数值的不确定度带宽不超过定值,则重构数值有效,将所述重构数值回传到仪控系统中,用于暂时替代异常传感器。
进一步,步骤S302中的所述不确定度分析法为蒙特卡洛法。
一种传感器智能数据重构系统,所述系统包括模型投运条件判断模块、传感器状态检测模块以及数据重构模块,
所述模型投运条件判断模块,用于判断是否满足数据重构模型投运条件,如果满足数据重构模型投运条件,则继续后续数据重构步骤,否则数据重构步骤中止;
所述传感器状态检测模块,用于进行传感器状态检测,并判断检测结果是否异常,如果传感器状态检测显示检测结果异常,则继续后续数据重构步骤,否则数据重构步骤中止;
所述数据重构模块,用于将所述传感器的实时测量数据输入数据重构模型得到重构数值。
进一步,所述模型投运条件判断模块包括功率判断单元、虚拟传感器数量判断单元以及启动请求发送单元,
所述功率判断单元,用于判断反应堆核功率是否在20%Pn以上,若满足,则继续后续数据重构步骤;否则数据重构步骤中止;
所述虚拟传感器数量判断单元,用于判断需要进行数据重构的传感器集合K中传感器X模型的输入集合中,虚拟传感器的数量是否符合要求,虚拟传感器的数量是否符合要求,若符合要求,则继续后续数据重构步骤;否则数据重构步骤中止;
所述启动请求发送单元,用于向操纵员推送“启动请求”,所述操纵员同意启动后,启动后续数据重构步骤。
进一步,所述传感器状态检测模块包括工况分类单元以及运行状态判断单元,
所述工况分类单元,用于将所述传感器集合K中的每个传感器最近若干采样时间内的实时测量数据输入工况分类模型进行工况分类,并匹配所述传感器在所述工况下的传感器状态监测模型;
所述运行状态判断单元,用于将所述实时测量数据输入所述工况下的状态监测模型中进行运行状态监测,若运行状态为异常,则将所述传感器加入异常传感器集合L中,继续后续数据重构步骤,若运行状态为正常,则所述传感器数据重构步骤中止。
进一步,所述数据重构模块包括数据重构单元以及重构信号校验单元,
所述数据重构单元,用于将所述实时测量数据代入所述工况类型对应的数据重构模型中,以得到所述数据重构模型输出的重构数值;
所述重构信号校验单元,用于采用不确定度分析法计算所述重构数值的不确定度带宽,若所述重构数值的不确定度带宽不超过定值,则所述重构数值有效,将所述重构数值回传到仪控系统中,用于暂时替代异常传感器。
本发明的效果在于:本发明公开的一种传感器智能数据重构方法及系统,可在传感器发生快故障后,快速主动识别故障传感器,并在满足相关条件的情况下自动生成数据,替代故障传感器数值,保证机组处于安全稳定状态,为操纵员的运行控制操作和维修人员的现场维修替换工作争取时间。可以代替传统“定期试验”,在计划停堆时,统一有针对性的维修,从而降低了运维成本。也可以减少冗余传感器配置数量,从而减少机组建造成本。
避免核电厂系统基于错误的机组状态信号触发自动动作误动或拒动,无需操纵员及时干预,可在传感器共模故障条件下自动稳定机组运行状态,提高核电厂运行的安全性和稳定性。
附图说明
图1为本发明所述的一种传感器智能数据重构方法中传感器重构模型的示意图;
图2为本发明所述的一种传感器智能数据重构方法的方法流程图;
图3为本发明所述的一种传感器智能数据重构方法中步骤S1“判断是否满足数据重构模型投运条件”的方法流程图;
图4为本发明所述的一种传感器智能数据重构方法中步骤S2“进行传感器状态检测,并判断检测结果是否异常”的方法流程图;
图5为本发明所述的一种传感器智能数据重构方法中步骤S3“进行传感器数据重构”的方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步描述。
实施例一
为便于表述本发明公开的技术方案,定义集合K为需进行数据重构的传感器(以下简称“重构传感器”)集合。在不同机组运行工况下,每个数据重构传感器都有对应的数据重构模型。在本实施例中,数据重构模型基于自联想核回归算法(AAKR)训练而成,通过事先将某个工况下正常运行的传感器测量数据带入数据重构模型进行模型训练得到我们所需的数据重构模型。如图1所示,传感器X的重构模型输入为对应工况下相关传感器的实时测量数据,输出为传感器X的重构值。
如图2所示,一种传感器智能数据重构方法包括以下步骤:
S1:判断是否满足数据重构模型投运条件,如果满足数据重构模型投运条件,则进入步骤S2,否则数据重构步骤中止,等待下一个判断周期继续判断是否满足数据重构模型投运条件。
S2:进行传感器状态检测,并判断检测结果是否异常,如果显示检测结果异常,则进入步骤S3,如果显示检测结果正常,则数据重构步骤中止,等待下一个判断周期继续进行传感器状态检测。
S3:将传感器实时测量的数据输入数据重构模型得到重构数值。
如图3所示,在电厂运行过程中,按照一定周期,对数据重构模型投运条件进行判断,包括如下子步骤
S101:判断反应堆核功率是否在20%Pn以上,若满足,则转至步骤S102;否则,数据重构步骤中止,等待下一个判断周期继续判断反应堆核功率是否在20%Pn以上。
Pn为反应堆输出的额定有功功率,反应堆核功率是否在20%Pn以上表示核反应堆的状态相对稳定,可启动数据重构模型。
当反应堆核功率低于20%Pn时,初始化集合K。若数据重构模型处于启动状态,则数据重构步骤中止,并将“模型停止运行”的信息推送给操纵员知悉。
S102:判断需要进行数据重构的传感器集合K中,虚拟传感器的数量是否符合要求,若符合要求,则转至步骤S103;如不符合要求则数据重构步骤中止。
判断需要进行数据重构的传感器集合K中,虚拟传感器的数量是否符合要求包括判断需要进行数据重构的传感器集合K中,传感器X模型的输入传感器中,虚拟传感器的数量是否达到输入传感器集合总数的一定比例。若达到,则无法实现重构,从集合K中删除。若未达到一定比例,则加入实体传感器集合N,若实体传感器集合N中的传感器数量大于0,则判断需要进行数据重构的传感器集合K中,虚拟传感器的数量符合要求。
若集合K中存在无法重构的传感器,则报警的形式,将信息推送给操纵员,信息包括:“传感器X重构步骤失效”和“与该传感器信号失效后预计产生的后果”。
S103:向操纵员推送“启动请求”,内容包括:启动请求和满足监测重构前提条件的传感器列表。操纵员同意启动后,启动数据重构后续步骤。
按照一定周期,对K集合中的每个传感器分别进行状态检测,筛选异常传感器并存入异常传感器集合L。如图4所示,步骤S2包括如下子步骤
S201:将传感器X最近60s内采集的数据输入对应的工况分类模型,进行工况分类。得到实时测量样本所属的工况类型,并选取传感器在该工况下的传感器状态监测模型。
在本实施例中,工况分类模型基于密度的聚类算法训练而成,通过事先将某个工况下正常运行的传感器测量数据带入工况分类模型进行模型训练得到我们所需的工况分类模型。
工况分类模型包括升功率模型以及降功率模型,对传感器进行工况分类有利于了解传感器的信号变化趋势,提高数据重构准确度。
S202:将需要进行数据重构的传感器集合K中所有传感器实时测量数据输入上述工况下的状态监测模型中,输出传感器的运行状态。若运行状态为异常,则将该传感器加入异常传感器集合L中,继续后续数据重构步骤,若运行状态为正常,则将该传感器数据重构步骤中止。
在本实施例中,状态监测模型基于自联想神经网络训练而成,通过事先将某个工况下正常运行的传感器测量数据带入状态监测模型进行模型训练得到我们所需的状态监测模型。
如图5所示对异常传感器集合L中的每个异常传感器进行数据重构,步骤S3包括如下子步骤:
S301传感器数据重构:对传感器X在一定时间段内采集的实时测量数据按照其工况类型,并选取传感器在该工况下的数据重构模型;将传感器X在一定时间段内采集的实时测量数据代入该工况类型的数据重构模型中,得到输出的重构数值。
S302模型重构信号校验回传:
采用不确定度分析法(如蒙特卡洛法等)计算传感器重构值的不确定度带宽。若传感器重构值的不确定度带宽不超过定值,则重构数值有效,将该数值回传到仪控系统中,用于暂时替代异常传感器。
同时,以报警的形式将信息推送给操纵员,信息包括“传感器X出现异常”、“传感器X已经完成重构回传”、“传感器X的重构数值可能在4小时后失效”和该传感器的重构信号失效后预计产生的后果。若不确定度带宽超过定值,则停止该传感器的重构,并以报警的形式将信息推送给操纵员,信息包括“传感器X出现异常”、“传感器X重构失败”和该传感器的预计功能丧失时间和后果。
以一套核电厂多回路耦合能量传输系统台架在从6kw-7kw的升功率过程中,一回路加热上升段温度发生1%的零点漂移的传感器异常的传感器数据重构为例,对本专利公开的实施方法进行说明:
存在启动数据重构模型需求时,操纵员启动判断是否满足数据重构模型投运条件,数据重构模型每60s(该周期可能根据实际应用场景需求延长或缩短)执行一遍以下子步骤:
判断当前功率在台架回路满功率的20%以上,则满足模型“启动要求”。
由于所有传感器都是实时测量传感器,因此每个传感器的输入集合的重构传感器数量为0,所有传感器均满足监测重构前提条件。
向操纵员发送“启动请求”。接收到确认信号后,启动数据重构后续步骤。
将每个传感器60s的测量数据代入各自的工况分类模型,均检测为升功率工况。
将每个传感器60s的测量数据代入各自的升功率工况下的状态监测模型中,检测出一回路加热段出口温度出现异常。
将一回路加热段出口温度代入升功率工况下的重构模型中,得到回路加热段出口温度正常升功率运行的重构值。
计算一回路加热段出口温度重构值的不确定度带宽,带宽较小。
将一回路加热段出口温度的重构数值回传到对应的传感器中,并以报警的形式将信息推送给操纵员,信息包括“一回路加热段出口温度传感器出现异常”、“一回路加热段出口温度传感器已经完成重构回传”和“一回路加热段出口温度传感器的重构数值可能在4小时后失效”。
通过上述实施例可以看出,本发明公开的一种传感器智能数据重构方法,可在传感器发生快故障后,快速主动识别故障传感器,并在满足相关条件的情况下自动生成数据,替代故障传感器数值,保证机组处于安全稳定状态,为操纵员的运行控制操作和维修人员的现场维修替换工作争取时间。可以代替传统“定期试验”,在计划停堆时,统一有针对性的维修,从而降低了运维成本。也可以减少冗余传感器配置数量,从而减少机组建造成本。
避免核电厂系统基于错误的机组状态信号触发自动动作误动或拒动,无需操纵员及时干预,可在传感器共模故障条件下自动稳定机组运行状态,提高核电厂运行的安全性和稳定性。
实施例二
本发明所述的一种传感器智能数据重构系统,包括模型投运条件判断模块、传感器状态检测模块以及数据重构模块。
模型投运条件判断模块,用于判断是否满足数据重构模型投运条件,如果满足数据重构模型投运条件,则继续后续数据重构步骤,否则数据重构步骤中止,等待下一个判断周期继续判断是否满足数据重构模型投运条件。
传感器状态检测模块,用于进行传感器状态检测,并判断检测结果是否异常,如果传感器状态检测显示检测结果异常,则继续后续数据重构步骤,如果传感器状态检测显示检测结果正常,则数据重构步骤中止,等待下一个判断周期继续进行传感器状态检测。
数据重构模块,用于将传感器实时测量的数据输入数据重构模型得到重构数值。
其中模型投运条件判断模块包括功率判断单元、虚拟传感器数量判断单元以及启动请求发送单元。
功率判断单元,用于判断反应堆核功率是否在20%Pn以上,若满足,则继续后续数据重构步骤;否则,数据重构步骤中止,等待下一个判断周期继续判断反应堆核功率是否在20%Pn以上。
当功率低于20%Pn时,初始化集合K。若重构模型处于启动状态,则重构模型自动停止运行,并将“模型停止运行”的信息推送给操纵员知悉。
虚拟传感器数量判断单元,用于判断集合K中传感器的模型输入集合中,虚拟传感器的数量是否符合要求,若符合要求,则继续后续数据重构步骤;如不符合要求,数据重构步骤中止。
判断需要进行数据重构的传感器集合K中,虚拟传感器的数量是否符合要求包括判断需要进行数据重构的传感器集合K中,传感器X模型的输入传感器中,虚拟传感器的数量是否达到输入传感器集合总数的一定比例。若达到,则无法实现重构,从集合K中删除。若未达到一定比例,则加入实体传感器集合N,若实体传感器集合N中的传感器数量大于0,则判断需要进行数据重构的传感器集合K中,虚拟传感器的数量符合要求。
若集合K中存在无法重构的传感器,则报警的形式,将信息推送给操纵员,信息包括:“传感器X重构步骤失效”和“与该传感器信号失效后预计产生的后果”。
启动请求发送单元,用于向操纵员推送“启动请求”,内容包括:启动请求和满足监测重构前提条件的传感器列表。操纵员同意启动后,启动数据重构模型。
传感器状态检测模块包括工况分类单元以及运行状态判断单元。
工况分类单元,用于将传感器X最近60s内采集的数据输入工况分类模型,进行工况分类。得到实时测量样本所属的工况类型,并选取传感器在该工况下的传感器状态监测模型。
运行状态判断单元,用于将传感器的输入集合中所有传感器采集数据输入上述工况下的状态监测模型中,输出传感器的运行状态。若运行状态为异常,则将该传感器加入异常传感器集合L中,继续后续数据重构步骤,若运行状态为正常,则将该传感器数据重构步骤中止。
数据重构模块包括数据重构单元以及重构信号校验单元。
数据重构单元,用于对传感器X的一定时间段内采集的实时测量数据按照其所属的工况类型,选取传感器在该工况下的数据重构模型;将数据重构模型输入数据集合代入该工况类型的数据重构模型中,得到数据重构模型输出重构数值。
重构信号校验单元,用于采用不确定度分析法(如蒙特卡洛法等)计算传感器重构值的不确定度带宽。若传感器重构值的不确定度带宽不超过定值,则重构数值有效,将该数值回传到仪控系统中,用于暂时替代异常传感器。
同时,以报警的形式将信息推送给操纵员,信息包括“传感器X出现异常”、“传感器X已经完成重构回传”、“传感器X的重构数值可能在4小时后失效”和该传感器的重构信号失效后预计产生的后果。若不确定度带宽超过定值,则停止该传感器的重构,并以报警的形式将信息推送给操纵员,信息包括“传感器X出现异常”、“传感器X重构失败”和该传感器的预计功能丧失时间和后果。
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,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。
Claims (10)
1.一种传感器智能数据重构方法,包括以下步骤:
S1、判断是否满足数据重构模型投运条件,如果满足数据重构模型投运条件,则进入步骤S2,否则数据重构步骤中止;
S2、进行传感器状态检测并判断检测结果是否异常,如果显示检测结果异常,则进入步骤S3,如果显示检测结果正常,则数据重构步骤中止;
S3、将步骤S2中得到的所述检测结果异常传感器的实时测量数据输入数据重构模型得到重构数值。
2.如权利要求1中所述的一种传感器智能数据重构方法,其特征在于,步骤S1包括如下子步骤:
S101、判断反应堆核功率是否高于20%*Pn,Pn为反应堆输出的额定有功功率,若满足,则转至步骤S102;否则,数据重构步骤中止;
S102、判断需要进行数据重构的传感器集合K中传感器X模型的输入集合中,虚拟传感器的数量是否符合要求,若符合要求,则转至步骤S103;如不符合要求,数据重构步骤中止,从所述传感器集合K中删除传感器X;
S103、向操纵员推送“启动请求”,操纵员同意启动后,继续后续数据重构步骤。
3.如权利要求2中所述的一种传感器智能数据重构方法,其特征在于:
步骤S102包括判断所述传感器集合K中,传感器X模型的输入传感器中,虚拟传感器的数量是否达到输入传感器集合总数的一定比例k,若达到,则数据重构步骤中止,从所述传感器集合K中删除所述传感器X;若未达到所述比例k,则将所述传感器X加入实体传感器集合N并进一步判断所述实体传感器集合N中实体传感器的数量是否大于0,若所述实体传感器集合N中的传感器数量大于0,则判断所述传感器集合K中,虚拟传感器的数量符合要求。
4.如权利要求2或3所述的一种传感器智能数据重构方法,其特征在于,步骤S2包括如下子步骤:
S201、将所述传感器集合K中的每个传感器最近若干采样时间内的实时测量数据输入工况分类模型进行工况分类,并匹配所述传感器在所述工况下的传感器状态监测模型;
S202、将所述实时测量数据输入所述工况下的状态监测模型中进行运行状态监测,若运行状态为异常,则将所述传感器加入异常传感器集合L中,继续后续数据重构步骤,若运行状态为正常,则所述传感器数据重构步骤中止。
5.如权利要求4中所述的一种传感器智能数据重构方法,其特征在于,步骤S3包括如下子步骤:
S301、将所述实时测量数据代入所述工况类型对应的数据重构模型中,以得到所述数据重构模型输出的重构数值;
S302、采用不确定度分析法计算所述重构数值的不确定度带宽,若所述重构数值的不确定度带宽不超过定值,则重构数值有效,将所述重构数值回传到仪控系统中,用于暂时替代异常传感器。
6.如权利要求5中所述的一种传感器智能数据重构方法,其特征在于,步骤S302中的所述不确定度分析法为蒙特卡洛法。
7.一种传感器智能数据重构系统,其特征在于:所述系统包括模型投运条件判断模块、传感器状态检测模块以及数据重构模块,
所述模型投运条件判断模块,用于判断是否满足数据重构模型投运条件,如果满足数据重构模型投运条件,则继续后续数据重构步骤,否则数据重构步骤中止;
所述传感器状态检测模块,用于进行传感器状态检测,并判断检测结果是否异常,如果传感器状态检测显示检测结果异常,则继续后续数据重构步骤,否则数据重构步骤中止;
所述数据重构模块,用于将所述传感器的实时测量数据输入数据重构模型得到重构数值。
8.如权利要求7中所述的一种传感器智能数据重构系统,其特征在于:所述模型投运条件判断模块包括功率判断单元、虚拟传感器数量判断单元以及启动请求发送单元,
所述功率判断单元,用于判断反应堆核功率是否在20%Pn以上,若满足,则继续后续数据重构步骤;否则数据重构步骤中止;
所述虚拟传感器数量判断单元,用于判断需要进行数据重构的传感器集合K中传感器X模型的输入集合中,虚拟传感器的数量是否符合要求,虚拟传感器的数量是否符合要求,若符合要求,则继续后续数据重构步骤;否则数据重构步骤中止;
所述启动请求发送单元,用于向操纵员推送“启动请求”,所述操纵员同意启动后,启动后续数据重构步骤。
9.如权利要求8中所述的一种传感器智能数据重构系统,其特征在于:所述传感器状态检测模块包括工况分类单元以及运行状态判断单元,
所述工况分类单元,用于将所述传感器集合K中的每个传感器最近若干采样时间内的实时测量数据输入工况分类模型进行工况分类,并匹配所述传感器在所述工况下的传感器状态监测模型;
所述运行状态判断单元,用于将所述实时测量数据输入所述工况下的状态监测模型中进行运行状态监测,若运行状态为异常,则将所述传感器加入异常传感器集合L中,继续后续数据重构步骤,若运行状态为正常,则所述传感器数据重构步骤中止。
10.如权利要求9中所述的一种传感器智能数据重构系统,其特征在于:所述数据重构模块包括数据重构单元以及重构信号校验单元,
所述数据重构单元,用于将所述实时测量数据代入所述工况类型对应的数据重构模型中,以得到所述数据重构模型输出的重构数值;
所述重构信号校验单元,用于采用不确定度分析法计算所述重构数值的不确定度带宽,若所述重构数值的不确定度带宽不超过定值,则所述重构数值有效,将所述重构数值回传到仪控系统中,用于暂时替代异常传感器。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111360560.4A CN114283956A (zh) | 2021-11-17 | 2021-11-17 | 一种传感器智能数据重构方法及系统 |
PCT/CN2022/132511 WO2023088355A1 (zh) | 2021-11-17 | 2022-11-17 | 一种传感器智能数据重构方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111360560.4A CN114283956A (zh) | 2021-11-17 | 2021-11-17 | 一种传感器智能数据重构方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114283956A true CN114283956A (zh) | 2022-04-05 |
Family
ID=80869285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111360560.4A Pending CN114283956A (zh) | 2021-11-17 | 2021-11-17 | 一种传感器智能数据重构方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114283956A (zh) |
WO (1) | WO2023088355A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023088355A1 (zh) * | 2021-11-17 | 2023-05-25 | 中国核电工程有限公司 | 一种传感器智能数据重构方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4113934B2 (ja) * | 1998-07-09 | 2008-07-09 | 株式会社豊田中央研究所 | フェールセーフ機能付き情報処理装置 |
CN107153414B (zh) * | 2017-07-17 | 2018-03-27 | 北京航空航天大学 | 一种基于动静混合策略的故障检测与重构系统及方法 |
CN112466496A (zh) * | 2020-11-17 | 2021-03-09 | 中广核工程有限公司 | 核电厂智能技术规范方法及系统 |
CN113157992B (zh) * | 2021-01-29 | 2022-09-30 | 河北建投新能源有限公司 | 风机传感器数据重构方法、装置与计算机可读存储介质 |
CN113221435A (zh) * | 2021-02-08 | 2021-08-06 | 中国核电工程有限公司 | 传感器的筛选方法及装置、传感器数据重构方法及系统 |
CN114283956A (zh) * | 2021-11-17 | 2022-04-05 | 中国核电工程有限公司 | 一种传感器智能数据重构方法及系统 |
-
2021
- 2021-11-17 CN CN202111360560.4A patent/CN114283956A/zh active Pending
-
2022
- 2022-11-17 WO PCT/CN2022/132511 patent/WO2023088355A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023088355A1 (zh) * | 2021-11-17 | 2023-05-25 | 中国核电工程有限公司 | 一种传感器智能数据重构方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2023088355A1 (zh) | 2023-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022166466A1 (zh) | 传感器的筛选方法及装置、传感器数据重构方法及系统 | |
CN107884672B (zh) | 一种核电厂反应堆保护系统连接回路的定期试验方法 | |
KR20110072746A (ko) | 디지털 발전소보호계통의 주기적 건전성 시험의 자동화 방법 및 장치 | |
CN102682862B (zh) | 压水堆核电站堆芯热电偶有效性状态在线诊断方法 | |
RU2743250C1 (ru) | Способ аварийной остановки реактора на основании состояния сигналов приборов,важных для безопасности АЭС | |
CN104392756A (zh) | 一种基于数字化仪控系统的反应堆动态联锁系统及方法 | |
WO2014173276A1 (zh) | 通过hra判定dcs人机界面的可靠性的方法、系统 | |
WO2023088355A1 (zh) | 一种传感器智能数据重构方法及系统 | |
CN109243652B (zh) | 一种核电站系统压缩空气流量数据有效性判断系统及方法 | |
CN114738132A (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
KR20210084094A (ko) | 무선 진동 센서의 배터리 상태 감시 시스템 및 방법 | |
CN114139274A (zh) | 一种健康管理系统 | |
Naito et al. | A real-time expert system for nuclear power plant failure diagnosis and operational guide | |
CN109240253A (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
CN117474357A (zh) | 基于深度学习的配电房运维管理方法及系统 | |
EP3312844B1 (en) | Abnormality indication monitoring system | |
CN110737256B (zh) | 一种用于控制变频传动系统的方法及装置 | |
EP4113539A1 (en) | Method and system for intelligent monitoring of state of nuclear power plant | |
Choi et al. | Fault detection coverage quantification of automatic test functions of digital I&C system in NPPS | |
CN116414086A (zh) | 基于fmeda失效预测技术集成安全控制系统的装置 | |
CN105138755A (zh) | 一种液体火箭发动机试验台故障响应生成器的设计方法 | |
CN114665987A (zh) | 一种基于人工智能的天线健康管理系统 | |
CN116705369A (zh) | 基于安全功能导向的核电站事故后监控与诊断方法和装置 | |
JPH065487B2 (ja) | プラントの運転ガイダンスシステム | |
RU2297659C1 (ru) | Интегрированная система автоматического координированного управления объектом |
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 |