CN116451499A - 核电备件储备定额的确定方法及装置 - Google Patents

核电备件储备定额的确定方法及装置 Download PDF

Info

Publication number
CN116451499A
CN116451499A CN202310470497.2A CN202310470497A CN116451499A CN 116451499 A CN116451499 A CN 116451499A CN 202310470497 A CN202310470497 A CN 202310470497A CN 116451499 A CN116451499 A CN 116451499A
Authority
CN
China
Prior art keywords
distribution function
spare part
distribution
type
determining
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
Application number
CN202310470497.2A
Other languages
English (en)
Inventor
刘东林
张云华
李志涛
麻浩军
徐中
柯希成
乔真
聂成平
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.)
CNNC Nuclear Power Operation Management Co Ltd
China Nuclear Power Operation Technology Corp Ltd
Original Assignee
CNNC Nuclear Power Operation Management 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 CNNC Nuclear Power Operation Management Co Ltd filed Critical CNNC Nuclear Power Operation Management Co Ltd
Priority to CN202310470497.2A priority Critical patent/CN116451499A/zh
Publication of CN116451499A publication Critical patent/CN116451499A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Complex Calculations (AREA)

Abstract

本公开属于核电技术领域，具体涉及一种核电备件储备定额的确定方法及装置。本公开的核电备件储备定额的确定方法利用设备可靠性数据确定核电设备备件储备定额的方法，通过对核电设备部件故障数据进行可靠性寿命分布参数估计，并进一步估计备件在未来给定时间区间范围内非计划性备件需求个数。最后，依据备件所属设备的重要性，给出储备定额推荐值。由此基于核电厂设备部件历史故障数据，完成备件储备定额关键控制参数的辅助决策，降低储备定额决策的主观性并有效提升低流速备件储备定额计算的准确性。

Description

核电备件储备定额的确定方法及装置
技术领域
本发明属于核电技术领域，具体涉及一种核电备件储备定额的确定方法及装置。
背景技术
核电厂备件定额管理是核电厂备件技术管理的重要工作之一，目的是确保一定的安全库存以满足现场检修工作中非计划更换备件的需求，并及时提醒设备工程师申报备件采购。核电厂现有备件定额控制参数的确定主要依据个人经验或者一些简单的经验公式，主观性强，且对于低流速备件的储备定额计算准确性较低，对现场检修工作造成潜在的风险，因此，需要更加准确地进行备件定额管理。
发明内容
为克服相关技术中存在的问题，提供了一种核电备件储备定额的确定方法及装置。
根据本公开实施例的一方面，提供一种核电备件储备定额的确定方法，所述方法包括：
步骤1，针对待评估的备件类型，收集所述备件类型对应的故障数据和预防性更换数据，每个故障数据包括一个故障部件的运行时间和故障部位，每个预防性更换数据包括一个被预防性更换部件的运行时间和更换部位；
步骤2，根据所述故障数据和所述预防性更换数据确定所述备件类型的备件寿命服从的寿命分布函数；
步骤3，根据所述备件类型的装机量、当前待评估的部备件的寿命值、储备定额决策的时长以及所述寿命分布函数，确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值和方差；
步骤4，根据所述备件类型的非计划性需求个数的均值和方差确定储备定额决策的时长内的安全库存。
在一种可能的实现方式中，步骤2包括：
步骤20，在故障部件的数量小于预设数值的情况下，所述备件类型的备件寿命服从的寿命分布函数为指数分布函数，并根据所述故障数据和所述预防性更换数据确定指数分布的参数；
步骤21，在故障部件的数量大于或等于预设数值的情况下，根据所述故障数据和所述预防性更换数据拟合得到所述备件类型的备件寿命服从的寿命分布函数。
在一种可能的实现方式中，步骤20包括：
步骤200，在故障部件的数量为0的情况下，采用下式确定指数分布函数的参数λ：
步骤201，在故障部件的数量为1的情况下，采用下式确定指数分布函数的参数λ：
其中，m为故障部件的数量，n为预防性更换部件的数量，α为置信度，ti为m个故障部件中第i个故障部件的运行时间，tj为n个预防性更换部件中第j个预防性更换部件的运行时间。
在一种可能的实现方式中，步骤21包括：
步骤210，根据下式确定序号为l的故障部件运行时间的可靠度非参估计值R(tl)：
rl＝rl-1+(m+n+1-rl-1)/(m+n+2-k)
R(tl)＝1-(rl-0.3)/(m+n+0.4)
其中，将m个故障部件和n个预防性更换部件按照运行时间由短至长的顺序排列，得到各故障部件和预防性更换部件的序号k，k∈[1,m+n]，k为整数，将m个故障部件按照运行时间由短至长的顺序排列，得到每个故障部件的序号l，l∈[1,m]，l为整数，r0＝0；
步骤211，确定多种分布函数类型，并针对每种分布函数类型，根据所述可靠度非参估计值和该分布函数类型对应的线性映射关系，确定该分布函数类型对应的数据组；
步骤212，对每种分布函数类型的数据组进行线性回归拟合，得到线性拟合参数和误差平方和，并根据该线性拟合参数确定该分布函数类型对应分布函数的参数；
步骤213，将误差平方和最小的分布函数作为寿命分布函数。
在一种可能的实现方式中，步骤211中：
在分布函数类型为指数分布时数据组(xl,yl)为
在分布函数类型为威布尔分布时数据组(xl,yl)为
在分布函数类型为正态分布时数据组(xl,yl)为xl＝tl,yl＝Φ-1(1-R(tl))；
在分布函数类型为对数正态分布时数据组(xl,yl)为：
xl＝ln(tl),yl＝Φ-1(1-R(tl))；
其中，Φ-1(x)为标准正态分布的反函数，标准正态分布函数为：
在一种可能的实现方式中，步骤212包括：采用线性方程y＝ax+b归一拟合每种分布函数类型对应的数据组(xl,yl)，采用下式确定线性拟合参数a和b：
误差平方和
在分布函数类型为指数分布时参数λ＝b；
在分布函数类型为威布尔分布时参数β＝b，
在分布函数类型为正态分布时参数
在分布函数类型为对数正态分布时参数
在一种可能的实现方式中，步骤21还包括：
步骤214，根据下式求解似然函数L(θ)：
在分布函数类型为指数分布时f(t)＝λe-λt，F(t)＝1-e-λt；
在分布函数类型为威布尔分布时
在分布函数类型为正态分布时
在分布函数类型为对数正态分布时
步骤215，采用牛顿-拉夫森法确定似然函数L(θ)的参数估计结果
步骤216，根据似然函数L(θ)的参数估计结果进行以下处理：
采用赤池信息准则确定不同分布函数对应的赤池信息值，并将赤池信息值最小的分布函数作为寿命分布函数；或者
采用贝叶斯信息准则确定不同分布函数对应的贝叶斯信息准则值，并将贝叶斯信息准则值最小的分布函数作为寿命分布函数。
在一种可能的实现方式中，步骤3包括：
步骤30，根据下式确定M(Tr,tu)和V(Tr,tu)：
其中，储备定额决策的时间区间范围为[0,L]，将时间区间[0,L]等分为U份，第u份的时间tu为uL/U，u＝1,2,3,…,R为所述备件类型的装机量，F(t)为寿命分布函数，当前每个备件的寿命值为Tr，r为当前各备件的自然数序号，r∈[1,R]；
步骤31，根据下式确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值MR和VR：
在一种可能的实现方式中，步骤4包括：
步骤40，为不同重要程度设备备件设定不同的保障水平Ps，其中，关键设备备件的Ps为95％，重要设备备件的Ps为80％，一般设备备件的Ps为60％；
步骤41，当MR≤9时，采用下式确定安全库存Dp：
Dp＝P-1(Ps,MR)
其中，P-1()表示泊松分布累计密度函数的反函数；
当MR＞9时，使用如下公式计算安全库存Dp：
Dp＝N-1(Ps,MR,VR)
其中，N-1()表示正态分布累计密度函数的反函数。
根据本公开实施例的另一方面，提供一种核电备件储备定额的确定装置，所述装置包括：
收集模块，用于针对待评估的备件类型，收集所述备件类型对应的故障数据和预防性更换数据，每个故障数据包括一个故障部件的运行时间和故障部位，每个预防性更换数据包括一个被预防性更换部件的运行时间和更换部位；
第一确定模块，用于根据所述故障数据和所述预防性更换数据确定所述备件类型的备件寿命服从的寿命分布函数；
第二确定模块，用于根据所述备件类型的装机量、当前待评估的部备件的寿命值、储备定额决策的时长以及所述寿命分布函数，确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值和方差；
第三确定模块，用于根据所述备件类型的非计划性需求个数的均值和方差确定储备定额决策的时长内的安全库存。
根据本公开实施例的另一方面，提供一种核电备件储备定额的确定装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述的方法。
根据本公开实施例的另一方面，提供一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
本公开的有益效果在于：本公开的核电备件储备定额的确定方法利用设备可靠性数据确定核电设备备件储备定额的方法，通过对核电设备部件故障数据进行可靠性寿命分布参数估计，并进一步估计备件在未来给定时间区间范围内非计划性备件需求个数。最后，依据备件所属设备的重要性，给出储备定额推荐值。由此基于核电厂设备部件历史故障数据，完成备件储备定额关键控制参数的辅助决策，降低储备定额决策的主观性并有效提升低流速备件储备定额计算的准确性。
附图说明
图1是根据一示例性实施例示出的一种核电备件储备定额的确定方法的流程图。
图2是根据一示例性实施例示出的一种核电备件储备定额的确定装置的框图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
图1是根据一示例性实施例示出的一种核电备件储备定额的确定方法的流程图，该方法可以由终端设备执行，其中，终端设备可以为服务器、台式电脑等，本公开实施例对终端设备的类型不做限定。如图1所示，该方法包括步骤1至步骤4：
步骤1，针对待评估的备件类型，收集所述备件类型对应的故障数据和预防性更换数据，每个故障数据包括一个故障部件的运行时间和故障部位，每个预防性更换数据包括一个被预防性更换部件的运行时间和更换部位；
步骤2，根据所述故障数据和所述预防性更换数据确定所述备件类型的备件寿命服从的寿命分布函数。
在一种可能的实现方式中，步骤2可以包括步骤20和步骤21。
步骤20，在故障部件的数量小于预设数值的情况下，所述备件类型的备件寿命服从的寿命分布函数为指数分布函数，并根据所述故障数据和所述预防性更换数据确定指数分布的参数。
举例来讲，预设数值可以为2，步骤20可以包括：
步骤200，在故障部件的数量为0的情况下，采用下式确定指数分布函数的参数λ：
步骤201，在故障部件的数量为1的情况下，采用下式确定指数分布函数的参数λ：
步骤21，在故障部件的数量大于或等于预设数值的情况下，根据所述故障数据和所述预防性更换数据拟合得到所述备件类型的备件寿命服从的寿命分布函数。
其中，m为故障部件的数量，n为预防性更换部件的数量，α为置信度(α可以例如为0.5，可以根据需要确定α的取值，本公开对此不做限定)ti为m个故障部件中第i个故障部件的运行时间，tj为n个预防性更换部件中第j个预防性更换部件的运行时间，需要说明的是，在本公开的各项公式中，相同的符号具有相同的含义，因此不再对相同的符号做重复标注解释。
在一种可能的实现方式中，步骤21可以包括步骤210至步骤213：
步骤210，根据下式确定序号为l的故障部件运行时间的可靠度非参估计值R(tl)：
rl＝rl-1+(m+n+1-rl-1)/(m+n+2-k)
R(tl)＝1-(rl-0.3)/(m+n+0.4)
其中，将m个故障部件和n个预防性更换部件按照运行时间由短至长的顺序排列，得到各故障部件和预防性更换部件的序号k，k∈[1,m+n]，k为整数，将m个故障部件按照运行时间由短至长的顺序排列，得到每个故障部件的序号l，l∈[1,m]，l为整数，r0＝0；
步骤211，确定多种分布函数类型，并针对每种分布函数类型，根据所述可靠度非参估计值和该分布函数类型对应的线性映射关系，确定该分布函数类型对应的数据组；
举例来讲，步骤211中，在分布函数类型为指数分布时数据组(xl,yl)为
在分布函数类型为威布尔分布时数据组(xl,yl)为xl＝ln(tl),
在分布函数类型为正态分布时数据组(xl,yl)为xl＝tl,yl＝Φ-1(1-R(tl))；
在分布函数类型为对数正态分布时数据组(xl,yl)为：
xl＝ln(tl),yl＝Φ-1(1-R(tl))；
其中，Φ-1(x)为标准正态分布的反函数，标准正态分布函数为：
需要说明的是，也可以根据需要选择上述函数类型中的任意一种或多种，或其他任意一种或多种分布函数类型，用于拟合选择寿命分布函数，本公开对分布函数类型的选择不做限定。
步骤212，对每种分布函数类型的数据组进行线性回归拟合，得到线性拟合参数和误差平方和，并根据该线性拟合参数确定该分布函数类型对应分布函数的参数；
举例来讲，在步骤212中：采用线性方程y＝ax+b归一拟合每种分布函数类型对应的数据组(xl,yl)，采用下式确定线性拟合参数a和b：
误差平方和
在分布函数类型为指数分布时参数λ＝b；
在分布函数类型为威布尔分布时参数β＝b，
在分布函数类型为正态分布时参数
在分布函数类型为对数正态分布时参数
这样，通过每种类型的分布函数参数的确定，可以确定各分布函数。
步骤213，将误差平方和最小的分布函数作为寿命分布函数。
这样，本公开根据故障数据的数量分情况利用不同的寿命分布参数估计方法对部件故障数据进行统计分析，得到该部件寿命分布。此外，本公开根据故障数据和预防性维修数据的运行时间，采用多个分布函数类型进行线性回归分析，可以确定得到拟合度最优的寿命分布函数。
在一种可能的实现方式中，步骤21还可以包括步骤214至步骤216：
步骤214，根据下式求解似然函数L(θ)：
在分布函数类型为指数分布时f(t)＝λe-λt，F(t)＝1-e-λt；
在分布函数类型为威布尔分布时
在分布函数类型为正态分布时
在分布函数类型为对数正态分布时
步骤215，采用牛顿-拉夫森法确定似然函数L(θ)的参数估计结果
例如，通过解下面方程得到参数估计结果
其中θp为待拟合分布函数的参数，s为待拟合分布的参数个数；
采用牛顿-拉夫森法求解方程过程如下：
设定θp的初步估计值为
使得为f(θp)在/>的一阶导；
使得
当先后两次估计差值小于等于ε时停止，求得参数估计结果ε为目标达到的误差。
步骤216，根据似然函数L(θ)的参数估计结果进行以下处理：
采用赤池信息准则确定不同分布函数对应的赤池信息值，并将赤池信息值最小的分布函数作为寿命分布函数。
赤池信息准则
式中：为极大似然值，s为寿命分布参数个数。具有最小AIC值的分布为最优寿命分布。
或者，采用贝叶斯信息准则确定不同分布函数对应的贝叶斯信息准则值，并将贝叶斯信息准则值最小的分布函数作为寿命分布函数。
贝叶斯信息准则具有最小BIC值的分布为最优寿命分布。
步骤3，根据所述备件类型的装机量、当前待评估的部备件的寿命值、储备定额决策的时长以及所述寿命分布函数，确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值和方差。
在一种可能的实现方式中，步骤3包括：
步骤30，根据下式确定M(Tr,tu)和V(Tr,tu)：
其中，储备定额决策的时间区间范围为[0,L]，将时间区间[0,L]等分为U份，第u份的时间tu为uL/U，u＝1,2,3,…,R为所述备件类型的装机量，F(t)为寿命分布函数，当前每个备件的寿命值为Tr，r为当前各备件的自然数序号，r∈[1,R]；
步骤31，根据下式确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值MR和VR：
这样，本公开根据部件寿命分布、部件当前寿命，能够较为准确地估计给定时间区间范围内非计划备件需求均值和方差。
步骤4，根据所述备件类型的非计划性需求个数的均值和方差确定储备定额决策的时长内的安全库存。
在一种可能的实现方式中，步骤4包括：
步骤40，为不同重要程度设备备件设定不同的保障水平Ps，其中，关键设备备件的Ps为95％，重要设备备件的Ps为80％，一般设备备件的Ps为60％；
步骤41，当MR≤9时，采用下式确定安全库存Dp：
Dp＝P-1(Ps,MR)
其中，P-1()表示泊松分布累计密度函数的反函数；
当MR＞9时，使用如下公式计算安全库存Dp：
Dp＝N-1(Ps,MR,VR)
其中，N-1()表示正态分布累计密度函数的反函数。
这样，本公开可以根据备件所属设备重要程度，给出备件安全库存推荐值。
本公开的核电备件储备定额的确定方法利用设备可靠性数据确定核电设备备件储备定额的方法，通过对核电设备部件故障数据进行可靠性寿命分布参数估计，并进一步估计备件在未来给定时间区间范围内非计划性备件需求个数。最后，依据备件所属设备的重要性，给出储备定额推荐值。由此基于核电厂设备部件历史故障数据，完成备件储备定额关键控制参数的辅助决策，降低储备定额决策的主观性并有效提升低流速备件储备定额计算的准确性。
在一种可能的实现方式中，提供一种核电备件储备定额的确定装置，所述装置包括：
收集模块，用于针对待评估的备件类型，收集所述备件类型对应的故障数据和预防性更换数据，每个故障数据包括一个故障部件的运行时间和故障部位，每个预防性更换数据包括一个被预防性更换部件的运行时间和更换部位；
第一确定模块，用于根据所述故障数据和所述预防性更换数据确定所述备件类型的备件寿命服从的寿命分布函数；
第二确定模块，用于根据所述备件类型的装机量、当前待评估的部备件的寿命值、储备定额决策的时长以及所述寿命分布函数，确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值和方差；
第三确定模块，用于根据所述备件类型的非计划性需求个数的均值和方差确定储备定额决策的时长内的安全库存。
针对上述装置的说明已经在针对上述方法的说明中进行详细阐述，在此不再赘述。
图2是根据一示例性实施例示出的一种核电备件储备定额的确定装置的框图。参照图2，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种核电备件储备定额的确定方法，其特征在于，所述方法包括：
步骤1，针对待评估的备件类型，收集所述备件类型对应的故障数据和预防性更换数据，每个故障数据包括一个故障部件的运行时间和故障部位，每个预防性更换数据包括一个预防性更换部件的运行时间和更换部位；
步骤2，根据所述故障数据和所述预防性更换数据确定所述备件类型的备件寿命服从的寿命分布函数；
步骤3，根据所述备件类型的装机量、当前待评估的部备件的寿命值、储备定额决策的时长以及所述寿命分布函数，确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值和方差；
步骤4，根据所述备件类型的非计划性需求个数的均值和方差确定储备定额决策的时长内的安全库存。
2.根据权利要求1所述的方法，其特征在于，步骤2包括：
步骤20，在故障部件的数量小于预设数值的情况下，所述备件类型的备件寿命服从的寿命分布函数为指数分布函数，并根据所述故障数据和所述预防性更换数据确定指数分布的参数；
步骤21，在故障部件的数量大于或等于预设数值的情况下，根据所述故障数据和所述预防性更换数据拟合得到所述备件类型的备件寿命服从的寿命分布函数。
3.根据权利要求2所述的方法，其特征在于，步骤20包括：
步骤200，在故障部件的数量为0的情况下，采用下式确定指数分布函数的参数λ：
步骤201，在故障部件的数量为1的情况下，采用下式确定指数分布函数的参数λ：
其中，m为故障部件的数量，n为预防性更换部件的数量，α为置信度，ti为m个故障部件中第i个故障部件的运行时间，tj为n个预防性更换部件中第j个预防性更换部件的运行时间。
4.根据权利要求2所述的方法，其特征在于，步骤21包括：
步骤210，根据下式确定序号为l的故障部件运行时间的可靠度非参估计值R(tl)：
rl＝rl-1+(m+n+1-rl-1)/(m+n+2-k)
R(tl)＝1-(rl-0.3)(m+n+0.4)
其中，将m个故障部件和n个预防性更换部件按照运行时间由短至长的顺序排列，得到各故障部件和预防性更换部件的序号k，k∈[1,m+n]，k为整数，将m个故障部件按照运行时间由短至长的顺序排列，得到每个故障部件的序号l，l∈[1,m]，l为整数，r0＝0；
步骤211，确定多种分布函数类型，并针对每种分布函数类型，根据所述可靠度非参估计值和该分布函数类型对应的线性映射关系，确定该分布函数类型对应的数据组；
步骤212，对每种分布函数类型的数据组进行线性回归拟合，得到线性拟合参数和误差平方和，并根据该线性拟合参数确定该分布函数类型对应分布函数的参数；
步骤213，将误差平方和最小的分布函数作为寿命分布函数。
5.根据权利要求4所述的方法，其特征在于，步骤211中：
在分布函数类型为指数分布时数据组(xl,yl)为xl＝tl,
在分布函数类型为威布尔分布时数据组(xl,yl)为xl＝ln(tl),
在分布函数类型为正态分布时数据组(xl,yl)为xl＝tl,yl＝Φ-1(1-R(tl))；
在分布函数类型为对数正态分布时数据组(xl,yl)为：
xl＝ln(tl),yl＝Φ-1(1-R(tl))；
其中，Φ-1(x)为标准正态分布的反函数，标准正态分布函数为：
6.根据权利要求4所述的方法，其特征在于，步骤212包括：采用线性方程y＝ax+b归一拟合每种分布函数类型对应的数据组(xl,yl)，采用下式确定线性拟合参数a和b：
误差平方和
在分布函数类型为指数分布时参数λ＝b；
在分布函数类型为威布尔分布时参数β＝b，
在分布函数类型为正态分布时参数
在分布函数类型为对数正态分布时参数
7.根据权利要求6所述的方法，其特征在于，步骤21还包括：
步骤214，根据下式求解似然函数L(θ)：
在分布函数类型为指数分布时f(t)＝λe-λt，F(t)＝1-e-λt；
在分布函数类型为威布尔分布时
在分布函数类型为正态分布时
在分布函数类型为对数正态分布时
步骤215，采用牛顿-拉夫森法确定似然函数L(θ)的参数估计结果
步骤216，根据似然函数L(θ)的参数估计结果进行以下处理：
采用赤池信息准则确定不同分布函数对应的赤池信息值，并将赤池信息值最小的分布函数作为寿命分布函数；或者
采用贝叶斯信息准则确定不同分布函数对应的贝叶斯信息准则值，并将贝叶斯信息准则值最小的分布函数作为寿命分布函数。
8.根据权利要求1所述的方法，其特征在于，步骤3包括：
步骤30，根据下式确定M(Tr,tu)和V(Tr,tu)：
其中，储备定额决策的时间区间范围为[0,L]，将时间区间[0,L]等分为U份，第u份的时间tu为uL/U，u＝1,2,3,…,R为所述备件类型的装机量，F(t)为寿命分布函数，当前每个备件的寿命值为Tr，r为当前各备件的自然数序号，r∈[1,R]；
步骤31，根据下式确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值MR和VR：
9.根据权利要求1所述的方法，其特征在于，步骤4包括：
步骤40，为不同重要程度设备备件设定不同的保障水平Ps，其中，关键设备备件的Ps为95％，重要设备备件的Ps为80％，一般设备备件的Ps为60％；
步骤41，当MR≤9时，采用下式确定安全库存Dp：
Dp＝P-1(Ps,MR)
其中，P-1()表示泊松分布累计密度函数的反函数；
当MR＞9时，使用如下公式计算安全库存Dp：
Dp＝N-1(Ps,MR,VR)
其中，N-1()表示正态分布累计密度函数的反函数。
10.一种核电备件储备定额的确定装置，其特征在于，所述装置包括：
收集模块，用于针对待评估的备件类型，收集所述备件类型对应的故障数据和预防性更换数据，每个故障数据包括一个故障部件的运行时间和故障部位，每个预防性更换数据包括一个被预防性更换部件的运行时间和更换部位；
第一确定模块，用于根据所述故障数据和所述预防性更换数据确定所述备件类型的备件寿命服从的寿命分布函数；
第二确定模块，用于根据所述备件类型的装机量、当前待评估的部备件的寿命值、储备定额决策的时长以及所述寿命分布函数，确定储备定额决策的时长内所述备件类型的非计划性需求个数的均值和方差；
第三确定模块，用于根据所述备件类型的非计划性需求个数的均值和方差确定储备定额决策的时长内的安全库存。
11.一种核电备件储备定额的确定装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1至9中任意一项所述的方法。
12.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
CN202310470497.2A 2023-04-25 2023-04-25 核电备件储备定额的确定方法及装置 Pending CN116451499A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310470497.2A CN116451499A (zh) 2023-04-25 2023-04-25 核电备件储备定额的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310470497.2A CN116451499A (zh) 2023-04-25 2023-04-25 核电备件储备定额的确定方法及装置

Publications (1)

Publication Number Publication Date
CN116451499A true CN116451499A (zh) 2023-07-18

Family

ID=87130091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310470497.2A Pending CN116451499A (zh) 2023-04-25 2023-04-25 核电备件储备定额的确定方法及装置

Country Status (1)

Country Link
CN (1) CN116451499A (zh)

Similar Documents

Publication Publication Date Title
CN108509325B (zh) 系统超时时间的动态确定方法与装置
US10067815B2 (en) Probabilistic prediction of software failure
US11030036B2 (en) Equipment failure risk detection and prediction in industrial process
US20220075676A1 (en) Using a machine learning module to perform preemptive identification and reduction of risk of failure in computational systems
US20220357734A1 (en) Failure probability assessment system and method therefor
JP2017037645A (ja) スマートアラートのためのシステム及び方法
CN111143101B (zh) 用于确定故障根源的方法、装置、存储介质及电子设备
Kapur et al. A discrete SRGM for multi release software system
Adumene et al. A Markovian reliability approach for offshore wind energy system analysis in harsh environments
CN116451499A (zh) 核电备件储备定额的确定方法及装置
Ram et al. Performance evaluation of a multi-state system covering imperfect fault coverage
CN111814331B (zh) 复杂情况下多变点的设备剩余使用寿命预测方法
US20060143037A1 (en) System for taking over and operating services and installations at a site
CN117909864A (zh) 一种电力故障预测系统及方法
US20170068923A1 (en) Identification of asset groups for ensuring consistent estimates
CN116755974A (zh) 云计算平台运维方法、装置、电子设备及存储介质
Cha et al. A dependent competing risks model for technological units subject to degradation phenomena and catastrophic failures
Mohammadi et al. Developing a method for reliability allocation of series-parallel systems by considering common cause failure
US20220171380A1 (en) Automated device maintenance
CN116757061A (zh) 核电厂设备可靠性分析方法及装置
Serebrovsky Hazard Control Technology for Situation Monitoring at Potentially Hazardous Facilities
US20220206486A1 (en) Method and system for predictive maintenance of a machinery asset
CN114662713A (zh) 核电厂预维任务有效性确定方法及装置
EP3599577A1 (en) Method for forecasting the demand for hardware components
CN115936679B (zh) 一种复杂系统的预测维修决策数字化方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20231222

Address after: Building 25, Qinsan factory, Haiyan County, Jiaxing City, Zhejiang Province

Applicant after: CNNC NUCLEAR POWER OPERATION MANAGEMENT Co.,Ltd.

Applicant after: CHINA NUCLEAR POWER OPERATION TECHNOLOGY Corp.,Ltd.

Address before: Building 25, Qinsan factory, Haiyan County, Jiaxing City, Zhejiang Province

Applicant before: CNNC NUCLEAR POWER OPERATION MANAGEMENT Co.,Ltd.

TA01 Transfer of patent application right