CN116628550B - 在役核电机组和核电汽轮机的可靠性高精度预测方法 - Google Patents

在役核电机组和核电汽轮机的可靠性高精度预测方法 Download PDF

Info

Publication number
CN116628550B
CN116628550B CN202310585434.1A CN202310585434A CN116628550B CN 116628550 B CN116628550 B CN 116628550B CN 202310585434 A CN202310585434 A CN 202310585434A CN 116628550 B CN116628550 B CN 116628550B
Authority
CN
China
Prior art keywords
nuclear power
service nuclear
reliability
service
planned
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
CN202310585434.1A
Other languages
English (en)
Other versions
CN116628550A (zh
Inventor
史进渊
范雪飞
谢岳生
江路毅
徐佳敏
王思远
张琳
徐望人
王宇轩
王得谖
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.)
Shanghai Power Equipment Research Institute Co Ltd
Original Assignee
Shanghai Power Equipment Research Institute 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 Shanghai Power Equipment Research Institute Co Ltd filed Critical Shanghai Power Equipment Research Institute Co Ltd
Priority to CN202310585434.1A priority Critical patent/CN116628550B/zh
Publication of CN116628550A publication Critical patent/CN116628550A/zh
Application granted granted Critical
Publication of CN116628550B publication Critical patent/CN116628550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种在役核电机组和核电汽轮机的可靠性高精度预测方法。方法包括：针对在役核电机组和核电汽轮机中的任一在役核电装备，在前一年或每年一月份，确定所述在役核电装备的可靠性预测类别；基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。由此，可确定在役核电装备的可靠性预测类别，以对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。

Description

在役核电机组和核电汽轮机的可靠性高精度预测方法
技术领域
本公开涉及在役核电装备技术领域，特别涉及一种适用于在役核电机组和核电汽轮机的可靠性高精度预测方法、装置、电子装备、存储介质和平台。
背景技术
目前，随着能源短缺问题的加重，人们急需开发新能源来满足人们的能源需求，核电具有节能、环保、减排等优点得到了广泛应用。在役核电汽轮机、在役核电机组均是核电技术中的重要装备。相关技术中，需要对在役核电汽轮机、在役核电机组等核电装备的可靠性进行监控，以确保在役核电装备的正常运行，然而，在役核电装备的可靠性预测存在预测精度低的问题。
发明内容
本公开旨在至少在一定程度上解决上述技术中的技术问题之一。
为此，本公开的第一个目的在于提出一种适用于在役核电机组和核电汽轮机的可靠性高精度预测方法。
本公开的第二个目的在于提出一种适用于在役核电机组和核电汽轮机的可靠性高精度预测装置。
本公开的第三个目的在于提出一种电子装备。
本公开的第四个目的在于提出一种计算机可读存储介质。
本公开的第五个目的在于提出一种适用于在役核电机组和核电汽轮机的可靠性高精度预测平台。
本公开第一方面实施例提出了一种适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，包括：针对在役核电机组和核电汽轮机中的任一在役核电装备，确定所述在役核电装备的可靠性预测类别；基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
本公开第二方面实施例提出了一种适用于在役核电机组和核电汽轮机的可靠性高精度预测装置，包括：确定模块，用于针对在役核电机组和核电汽轮机中的任一在役核电装备，确定所述在役核电装备的可靠性预测类别；预测模块，用于基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
本公开第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例所述的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法。
本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如本公开第一方面实施例所述的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法。
本申请第五方面实施例提出了一种适用于在役核电机组和核电汽轮机的可靠性高精度预测平台，包括如本公开第二方面实施例所述的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置；或者如本公开第三方面实施例所述的电子设备；或者如本公开第四方面实施例所述的计算机可读存储介质。
本公开实施例提供的技术方案至少带来以下有益效果：针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可基于在役核电装备的可靠性预测类别，对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本公开一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法的流程示意图；
图2为根据本公开另一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法的流程示意图；
图3为根据本公开一个实施例的适用于在役核电机组的可靠性高精度预测方法的流程示意图；
图4为根据本公开另一个实施例的适用于在役核电机组的可靠性高精度预测方法的流程示意图；
图5为根据本公开一个实施例的适用于在役核电汽轮机的可靠性高精度预测方法的流程示意图；
图6为根据本公开另一个实施例的适用于在役核电汽轮机的可靠性高精度预测方法的流程示意图；
图7为根据本公开另一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法的流程示意图；
图8为根据本公开一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置的结构示意图；
图9为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
下面结合附图来描述本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法、装置、电子装备、存储介质和平台。
图1为根据本公开一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法的流程示意图。
如图1所示，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，包括：
S101，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别。
需要说明的是，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法可以由本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置执行，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置可以配置在任一适用于在役核电机组和核电汽轮机的可靠性高精度预测平台中，以执行本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法。
在一种实施方式中，确定在役核电装备的可靠性预测类别，包括接收针对在役核电装备的指令，从指令中提取出在役核电装备的可靠性预测类别。
在一种实施方式中，确定在役核电装备的可靠性预测类别，包括获取在役核电装备的已投运年数，基于在役核电装备的已投运年数，确定在役核电装备的可靠性预测类别。
需要说明的是，已投运年数指的是在役核电装备投入运行的累计年数。
在一种实施方式中，基于在役核电装备的已投运年数，确定在役核电装备的可靠性预测类别，包括若已投运年数小于第一设定阈值，确定可靠性预测类别为第一可靠性预测类别，或者，若已投运年数大于或者等于第一设定阈值，确定可靠性预测类别为第二可靠性预测类别。由此，该方法中基于已投运年数和第一设定阈值之间的大小关系，确定可靠性预测类别。
需要说明的是，对第一设定阈值不做过多限定，比如，可为5年。
在一种实施方式中，基于在役核电装备的已投运年数，确定在役核电装备的可靠性预测类别，包括识别已投运年数处于的设定区间，基于已投运年数处于的设定区间和可靠性预测类别之间的对应关系，得到可靠性预测类别。
可以理解的是，可预先将已投运年数划分为多个设定区间，并建立每个设定区间和可靠性预测类别之间的对应关系。不同的设定区间可对应不同的可靠性预测类别。
S102，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。
需要说明的是，对可靠性特征量不做过多限定，比如，若在役核电装备为在役核电汽轮机，可靠性特征量可包括可用系数，若在役核电装备为在役核电机组，可靠性特征量可包括等效可用系数。
在一种实施方式中，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值，包括基于可靠性预测类别，确定在役核电装备的可靠性预测数据和可靠性预测策略，基于在役核电装备的可靠性预测数据和可靠性预测策略，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。
需要说明的是，对可靠性预测数据不做过多限定，比如，可包括可靠性特征量和计划停运系数。
在一些例子中，可建立每个可靠性预测类别和可靠性预测数据、可靠性预测策略之间的对应关系，基于可靠性预测类别，确定在役核电装备的可靠性预测数据和可靠性预测策略，包括基于可靠性预测类别、可靠性预测数据、可靠性预测策略之间的对应关系，得到可靠性预测数据、可靠性预测策略。
在一种实施方式中，可靠性预测类别包括第一可靠性预测类别和第二可靠性预测类别，若可靠性预测类别为第一可靠性预测类别，在役核电装备的目标可靠性预测值为第一可靠性预测值，或者，若可靠性预测类别为第二可靠性预测类别，在役核电装备的目标可靠性预测值为第二可靠性预测值。
综上，根据本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可确定在役核电装备的可靠性预测类别，以对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。
图2为根据本公开另一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法的流程示意图。
如图2所示，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，包括：
S201，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别。
步骤S201的相关内容，可参见上述实施例，这里不再赘述。
S202，确定在役核电装备的与可靠性预测类别匹配的目标可靠性基础数据。
需要说明的是，对目标可靠性基础数据不做过多限定，比如，可包括可靠性特征量和计划停运系数。
在一种实施方式中，确定在役核电装备的与可靠性预测类别匹配的目标可靠性基础数据，包括若可靠性预测类别为第一可靠性预测类别，确定与在役核电装备的功率相同的参考在役对象，获取参考在役对象在多个历史投运年份下的可靠性基础数据，作为在役核电装备的目标可靠性基础数据。
需要说明的是，历史投运年份指的是当前投运年份之前的投运年份，对第一可靠性预测类别下的历史投运年份的数量不做过多限定，比如，可包括当前投运年份的前N年，其中，N为第一设定阈值。比如，以第一设定阈值N＝5为例，若可靠性预测类别为第一可靠性预测类别，且在役核电装备的当前投运年份为2023年，则历史投运年份可包括2018-2022年。
在一种实施方式中，确定在役核电装备的与可靠性预测类别匹配的目标可靠性基础数据，包括若可靠性预测类别为第二可靠性预测类别，基于在役核电装备在多个历史投运年份下的可靠性基础数据，作为在役核电装备的目标可靠性基础数据。
需要说明的是，对第二可靠性预测类别下的历史投运年份的数量不做过多限定，比如，可包括当前投运年份的前T年，T≥N。比如，以第一设定阈值N＝5为例，若可靠性预测类别为第二可靠性预测类别，且在役核电装备的当前投运年份为2023年，则历史投运年份可包括2013-2022年。
S203，基于目标可靠性基础数据，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。
在一种实施方式中，基于目标可靠性基础数据，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值，包括将目标可靠性预测基础数据输入可靠性预测模型，由可靠性预测模型输出在役核电装备的目标可靠性预测值。需要说明的是，对可靠性预测模型不做过多限定，比如，可包括深度学习模型。可靠性预测模型可预先训练得到。
综上，根据本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，确定在役核电装备的与可靠性预测类别匹配的目标可靠性基础数据，基于目标可靠性基础数据，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可考虑到可靠性预测类别，来确定目标可靠性基础数据，进而对可靠性特征量进行预测，得到目标可靠性预测值。
图3根据本公开一个实施例的适用于在役核电机组的可靠性高精度预测方法的流程示意图。
如图3所示，本公开实施例的适用于在役核电机组的可靠性高精度预测方法，包括：
S301，获取在役核电机组的已投运年数。
S302，若已投运年数小于第一设定阈值，确定可靠性预测类别为第一可靠性预测类别。
S303，确定与在役核电机组的功率相同的参考在役核电机组。
本公开实施例中，在在役核电装备为在役核电机组的情况下，该在役核电机组的参考在役对象为与在役核电机组的功率相同的参考在役核电机组。比如，在役核电机组1的功率为1000MW、已投运年数满4年且未满5年，若第一设定阈值为5年，可知已投运年数未满5年，确定可靠性预测类别为第一可靠性预测类别，确定功率为1000MW的在役核电机组2为参考在役核电机组。
S304，基于参考在役核电机组在多个历史投运年份下的可靠性特征量的平均值，以及参考在役核电机组在多个历史投运年份下的计划停运系数的平均值，得到参考在役核电机组的扣除计划停运等效可用系数。
比如，以可靠性特征量为等效可用系数为例，可获取在役核电机组2在近5年的等效可用系数EAF和计划停运系数POF，作为在役核电机组1的目标可靠性基础数据。在役核电机组2在近5年的等效可用系数和计划停运系数如表1所示。
表1在役核电机组2在近5年的等效可用系数和计划停运系数的统计值
其中，ti为当前投运年份，符号EAF(ti-j)指的是在役核电机组2在历史投运年份ti-j下的等效可用系数，符号POF(ti-j)指的是在役核电机组2在历史投运年份ti-j下的计划停运系数，1≤j≤5，j为正整数。
在役核电机组2在近5年的等效可用系数的平均值EAFm的计算过程如下：
在役核电机组2在近5年的计划停用系数的平均值POFm的计算过程如下：
在役核电机组2的扣除计划停运等效可用系数EAPm的计算过程如下：
S305，基于参考在役核电机组的扣除计划停运等效可用系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
在一种实施方式中，基于参考在役核电机组的扣除计划停运等效可用系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值，包括将扣除计划停运等效可用系数输入可靠性预测模型，由可靠性预测模型输出在役核电机组的目标可靠性预测值。
在一种实施方式中，还包括获取在役核电机组的计划检修数据，其中，计划检修数据包括计划检修类别、计划检修天数、新增非计划检修天数Δud等。
在一些例子中，在役核电机组的计划检修类别包括四种类别。
第一种计划检修类别是常规岛计划大修，在役核电机组常规岛计划大修间隔为6年至12年，在役核电机组计划大修天数60天至80天。
第二种计划检修类别是在役核电机组常规岛计划大修间隔为6年至12年，在役核电机组核岛换料大修间隔为12个月至18个月，在役核电机组核岛换料大修天数20天至40天。
第三种计划检修类别是节假日计划检修，在在役核电机组无常规岛计划大修与核岛换料大修的年份安排一次节假日计划检修，在役核电机组节假日计划检修天数5天至15天。
第四种计划检修类别是无计划检修类别，即该年份没有安排常规岛计划大修、核岛换料大修和节假日计划检修。
在一些例子中，计划检修天数包括常规岛计划大修天数m1、核岛换料大修天数m2和节假日计划检修天数m3。
在一种实施方式中，基于参考在役核电机组的扣除计划停运等效可用系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值，包括如下几种可能的实施方式：
方式1、若在役核电机组在当前投运年份下的计划检修类别仅包括常规岛计划大修，基于参考在役核电机组的扣除计划停运等效可用系数、在役核电机组在当前投运年份下的常规岛计划大修天数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组1在当前投运年份下的计划检修类别仅包括常规岛计划大修，且在役核电机组1在当前投运年份下的常规岛计划大修天数m1＝70天，在役核电机组1在当前投运年份下的新增非计划检修天数Δud＝7天，则在役核电机组1在当前投运年份下的目标等效可用系数预测值EAF1(ti)的计算过程如下：
方式2、若在役核电机组在当前投运年份下的计划检修类别仅包括核岛换料大修，基于参考在役核电机组的扣除计划停运等效可用系数、在役核电机组在当前投运年份下的核岛换料大修天数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组1在当前投运年份下的计划检修类别仅包括核岛换料大修，且在役核电机组1在当前投运年份下的核岛换料大修天数m2＝33天，在役核电机组1在当前投运年份下的新增非计划检修天数Δud＝7天，则在役核电机组1在当前投运年份下的目标等效可用系数预测值EAF1(ti)的计算过程如下：
方式3、若在役核电机组在当前投运年份下的计划检修类别仅包括节假日计划检修，基于参考在役核电机组的扣除计划停运等效可用系数、在役核电机组在当前投运年份下的节假日计划检修天数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组1在当前投运年份下的计划检修类别仅包括节假日计划检修，且在役核电机组1在当前投运年份下的节假日计划检修天数m3＝14天，在役核电机组1在当前投运年份下的新增非计划检修天数Δud＝7天，则在役核电机组1在当前投运年份下的目标等效可用系数预测值EAF1(ti)的计算过程如下：
方式4、若在役核电机组在当前投运年份下的计划检修类别为无计划检修类别，基于参考在役核电机组的扣除计划停运等效可用系数、在役核电机组在当前投运年份下的新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组1在当前投运年份下的计划检修类别为无计划检修类别，且在役核电机组1在当前投运年份下的新增非计划检修天数Δud＝10天，则在役核电机组1在当前投运年份下的目标等效可用系数预测值EAF1(ti)的计算过程如下：
S306，对在役核电机组的目标可靠性预测值进行预测精度验证。
S307，若目标可靠性预测值未通过预测精度验证，返回执行获取目标可靠性预测值的流程，直至获取到的目标可靠性预测值通过预测精度验证。
由此，该方法中可对在役核电机组的目标可靠性预测值进行预测精度验证，并在目标可靠性预测值未通过预测精度验证时，返回执行获取目标可靠性预测值的流程，直至获取到的目标可靠性预测值通过预测精度验证，即可重复执行获取目标可靠性预测值的流程，直至目标可靠性预测值的预测精度较高，有助于实现在役核电机组的目标可靠性预测值的高精度预测。
在一种实施方式中，对在役核电汽轮机的目标可靠性预测值进行预测精度验证，包括确定与在役核电机组的功率相同的参考在役核电机组，基于参考在役核电机组在多个历史投运年份下的可靠性特征量的平均值，以及参考在役核电机组在多个历史投运年份下的计划停运系数的平均值，得到参考在役核电机组的扣除计划停运等效可用系数，基于参考在役核电机组在第i个历史投运年份下的计划停运系数和参考在役核电机组的扣除计划停运等效可用系数，对参考在役核电机组在第i个历史投运年份下的可靠性特征量进行预测，得到参考在役核电机组在第i个历史投运年份下的第三可靠性预测值，基于参考在役核电机组在同一历史投运年份下的第三可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电机组的目标可靠性预测值进行预测精度验证。
比如，继续以在役核电机组1、2为例，在役核电机组2在历史投运年份ti-j下的第一等效可用系数预测值EAF1(ti-j)和等效可用系数统计值EAF(ti-j)之间的相对误差Er1的计算过程如下：
在役核电机组2在历史投运年份ti-j下的第一等效可用系数预测值EAF1(ti-j)和等效可用系数统计值EAF(ti-j)之间的相对误差Er1的计算结果如表2所示。
表2在役核电机组2在近5年的相对误差的计算结果
序号 EAPm POF(ti-j) EAF1(ti-j)＝EAPm×[1-POF(ti-j)] EAF(ti-j) Er1/％
1 0.96371 0.0562 0.9095 0.8948 1.64％
2 0.96371 0.0654 0.9007 0.9005 0.02％
3 0.96371 0.0682 0.8980 0.9001 -0.23％
4 0.96371 0.0582 0.9076 0.9158 -0.90％
5 0.96371 0.0708 0.8955 0.9000 -0.50％
在一些例子中，基于参考在役核电机组在同一历史投运年份下的第三可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电机组的目标可靠性预测值进行预测精度验证，包括若参考在役核电机组在多个历史投运年份下的相对误差的绝对值均小于或者等于第二设定阈值，确定在役核电机组的目标可靠性预测值通过预测精度验证，或者，若参考在役核电机组在至少一个历史投运年份下的相对误差的绝对值大于第二设定阈值，确定在役核电机组的目标可靠性预测值未通过预测精度验证。
继续以表2为例，若第二设定阈值为1.9％，由表2可知，在役核电机组2在近5年的相对误差的绝对值均小于1.70％，可确定在役核电机组1的目标可用系数预测值通过预测精度验证。
综上，根据本公开实施例的适用于在役核电机组的可靠性高精度预测方法，基于参考在役核电机组在多个历史投运年份下的可靠性特征量的平均值，以及参考在役核电机组在多个历史投运年份下的计划停运系数的平均值，得到参考在役核电机组的扣除计划停运等效可用系数，基于参考在役核电机组的扣除计划停运等效可用系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值，适用于在役核电机组的第一可靠性预测类别的可靠性高精度预测。
图4为根据本公开另一个实施例的适用于在役核电机组的可靠性高精度预测方法的流程示意图。
如图4所示，本公开实施例的适用于在役核电机组的可靠性高精度预测方法，包括：
S401，获取在役核电机组的已投运年数。
S402，若已投运年数大于或者等于第一设定阈值，确定可靠性预测类别为第二可靠性预测类别。
S403，基于在役核电机组在第i个历史投运年份下的可靠性特征量和计划停运系数，得到在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，其中，i为正整数。
比如，在役核电机组3的功率为1100MW、已投运年数满6年且未满7年，若第一设定阈值为5年，可知已投运年数满6年，确定可靠性预测类别为第二可靠性预测类别，以可靠性特征量为等效可用系数为例，可获取在役核电机组3在近6年的等效可用系数EAF和计划停运系数POF，作为在役核电机组3的目标可靠性基础数据。在役核电机组3在近6年的等效可用系数和计划停运系数如表3所示。
表3在役核电机组3在近6年的可靠性统计值
投运年份si EAF(si) POF(si) EAP(si) ρ(si)
1 0.9171 0.0827 0.999782 0.000206
2 0.9022 0.0971 0.999225 0.000784
3 0.9969 0 0.996900 0.003110
4 0.9178 0.0820 0.999782 0.000218
5 0.9042 0.0958 1.000000 0.000001
6 1.0000 0 1.000000 0.000001
其中，si为在役核电机组3投入运行的使用年数，si＝1指的是在役核电机组3投运运行的第1年，即第1个历史投运年份，si＝2指的是在役核电机组3投运运行的第2年，即第2个历史投运年份，si＝3指的是在役核电机组3投运运行的第3年，即第3个历史投运年份，si＝4指的是在役核电机组3投运运行的第4年，即第4个历史投运年份，si＝5指的是在役核电机组3投运运行的第5年，即第5个历史投运年份，si＝6指的是在役核电机组3投运运行的第6年，即第6个历史投运年份。
其中，符号EAF(si)指的是在役核电机组3在历史投运年份si下的等效可用系数，符号POF(si)指的是在役核电机组3在历史投运年份si下的计划停运系数，1≤i≤M，M，i为正整数，M为累计投运年数，M≥5。
在役核电机组3在第i个历史投运年份si下的扣除计划停运等效可用系数EAP(si)的计算过程如下：
在役核电机组3在近6年下的扣除计划停运等效可用系数EAP(ti)的计算结果如表3所示。
S404，基于在役核电机组在第i个历史投运年份下的扣除计划停等效可用系数，得到在役核电机组在第i个历史投运年份下的第一扣除计划停运检修系数。
比如，在役核电机组3在第i个历史投运年份si下的第一扣除计划停运检修系数ρ(si)的计算过程如下：
在役核电机组3在近6年下的第一扣除计划停运检修系数ρ(si)的计算结果如表3所示。
S405，基于在役核电机组在多个历史投运年份下的第一扣除计划停运检修系数，得到在役核电机组的第一扣除计划停运检修系数的幂函数表示。
S406，基于幂函数表示，得到在役核电机组在当前投运年份下的第一扣除计划停运检修系数。
需要说明的是，对幂函数表示不做过多限定，比如，幂函数表示如下：
其中，α为幂函数的尺度参数，β为幂函数的增长系数，si为在役核电机组投入运行的使用年数。
在一些例子中，按照非线性回归法和最小二乘法，并利用表3中的在役核电机组3在近6年的下的第一扣除计划停运检修系数ρ(si)，得到在役核电机组3的第一扣除计划停运检修系数的幂函数表示如下：
即α＝0.002229，β＝3.167142
可知在役核电机组3的当前投运年份为在役核电机组3投运运行的第7年，即si＝7，在役核电机组3在当前投运年份下的第一扣除计划停运检修系数ρ(si)的计算过程如下：
ρ(si)＝0.002229×7-3.167142
S407，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
在一种实施方式中，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值，包括将第一扣除计划停运检修系数输入可靠性预测模型，由可靠性预测模型输出在役核电机组的目标可靠性预测值。
在一种实施方式中，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值，包括如下几种可能的实施方式：
方式1、若在役核电机组在当前投运年份下的计划检修类别仅包括常规岛计划大修，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数、常规岛计划大修天数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组3在当前投运年份下的计划检修类别仅包括常规岛计划大修，且在役核电机组3在当前投运年份下的常规岛计划大修天数m1＝70天，在役核电机组3在当前投运年份下的新增非计划检修天数Δud＝7天，si＝7，则在役核电机组3在当前投运年份下的目标可用系数预测值EAF2(si)的计算过程如下：
方式2、若在役核电机组在当前投运年份下的计划检修类别仅包括核岛换料大修，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数、核岛换料大修天数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组3在当前投运年份下的计划检修类别仅包括核岛换料计划大修，且在役核电机组3在当前投运年份下的核岛换料大修天数m2＝40天，在役核电机组3在当前投运年份下的新增非计划检修天数Δud＝7天，si＝7，则在役核电机组3在当前投运年份下的目标可用系数预测值EAF2(si)的计算过程如下：
方式3、若在役核电机组在当前投运年份下的计划检修类别仅包括节假日计划检修，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数、节假日计划检修天数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组3在当前投运年份下的计划检修类别仅包括节假日计划检修，且在役核电机组3在当前投运年份下的节假日计划检修天数m3＝15天，在役核电机组3在当前投运年份下的新增非计划检修天数Δud＝7天，si＝7，则在役核电机组3在当前投运年份下的目标可用系数预测值EAF2(si)的计算过程如下：
方式4、若在役核电机组在当前投运年份下的计划检修类别为无计划检修类别，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数和新增非计划检修天数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
比如，若在役核电机组3在当前投运年份下的计划检修类别为无计划检修类别，且在役核电机组3在当前投运年份下的新增非计划检修天数Δud＝10天，si＝7，则在役核电机组3在当前投运年份下的目标可用系数预测值EAF2(si)的计算过程如下：
S408，对在役核电机组的目标可靠性预测值进行预测精度验证。
S409，若目标可靠性预测值未通过预测精度验证，返回执行获取目标可靠性预测值的流程，直至获取到的目标可靠性预测值通过预测精度验证。
在一种实施方式中，基于在役核电机组在第i个历史投运年份下的可靠性特征量和计划停运系数，得到在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，其中，i为正整数，基于在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数和计划停运系数，对在役核电机组在第i个历史投运年份下的可靠性特征量进行预测，得到在役核电机组在第i个历史投运年份下的第四可靠性预测值，基于在役核电机组在同一历史投运年份下的第四可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电机组的目标可靠性预测值进行预测精度验证。
比如，继续以在役核电机组3为例，在役核电机组3在第i个历史投运年份si下的第二等效可用系数预测值EAF2(si)和等效可用系数统计值EAF(si)之间的相对误差Er2的计算过程如下：
在役核电机组3在第i个历史投运年份si下的第二等效可用系数预测值EAF2(si)和等效可用系数统计值EAF(si)之间的相对误差Er2的计算结果如表4所示。
表4在役核电机组3在近6年的相对误差的计算结果
在一些例子中，基于在役核电机组在同一历史投运年份下的第四可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电机组的目标可靠性预测值进行预测精度验证，包括若在役核电机组在多个历史投运年份下的相对误差的绝对值均小于或者等于第二设定阈值，确定在役核电机组的目标可靠性预测值通过预测精度验证，或者，若在役核电机组在至少一个历史投运年份下的相对误差的绝对值大于第二设定阈值，确定在役核电机组的目标可靠性预测值未通过预测精度验证。
继续以表4为例，若第二设定阈值为1.90％，由表4可知，在役核电机组3在近5年的相对误差的绝对值均小于0.35％，可确定在役核电机组3的目标可用系数预测值通过预测精度验证。
综上，根据本公开实施例的适用于在役核电机组的可靠性高精度预测方法，基于在役核电机组在第i个历史投运年份下的可靠性特征量和计划停运系数，得到在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，基于在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，得到在役核电机组在第i个历史投运年份下的第一扣除计划停运检修系数，基于在役核电机组在多个历史投运年份下的第一扣除计划停运检修系数，得到在役核电机组的第一扣除计划停运检修系数的幂函数表示，基于幂函数表示，得到在役核电机组在当前投运年份下的第一扣除计划停运检修系数，基于在役核电机组在当前投运年份下的第一扣除计划停运检修系数，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值，适用于在役核电机组的第二可靠性预测类别的可靠性高精度预测。
图5为根据本公开一个实施例的适用于在役核电汽轮机的可靠性高精度预测方法的流程示意图。
如图5所示，本公开实施例的适用于在役核电汽轮机的可靠性高精度预测方法，包括：
S501，获取在役核电汽轮机的已投运年数。
S502，若已投运年数小于第一设定阈值，确定可靠性预测类别为第一可靠性预测类别。
S503，确定与在役核电汽轮机的功率相同的参考在役核电汽轮机。
本申请实施例中，在在役核电装备为在役核电汽轮机的情况下，该在役核电汽轮机的参考在役对象为与在役核电汽轮机的功率相同的参考在役核电汽轮机。比如，在役核电汽轮机1的功率为1000MW(兆瓦)、已投运年数满4年且未满5年，若第一设定阈值为5年，可知已投运年数未满5年，确定可靠性预测类别为第一可靠性预测类别，确定功率为1000MW的在役核电汽轮机2为参考在役核电汽轮机。
S504，基于参考在役核电汽轮机在多个历史投运年份下的可靠性特征量的平均值，以及参考在役核电汽轮机在多个历史投运年份下的计划停运系数的平均值，得到参考在役核电汽轮机的扣除计划停运可用度。
比如，以可靠性特征量为可用系数为例，可获取在役核电汽轮机2在近5年的可用系数AFt和计划停运系数POFt，作为在役核电汽轮机1的目标可靠性基础数据。在役核电汽轮机2在近5年的可用系数和计划停运系数如表5所示。
表5在役核电汽轮机2在近5年的可靠性特征量和计划停运系数的统计值
其中，ti为当前投运年份，符号AFt(ti-j)指的是在役核电汽轮机2在历史投运年份ti-j下的可用系数，符号POFt(ti-j)指的是在役核电汽轮机2在历史投运年份ti-j下的计划停运系数，1≤j≤5，j为正整数。
在役核电汽轮机2在近5年的可用系数的平均值AFtm的计算过程如下：
在役核电汽轮机2在近5年的计划停运系数的平均值POFtm的计算过程如下：
在役核电汽轮机2的扣除计划停运可用度APtm的计算过程如下：
S505，基于参考在役核电汽轮机的扣除计划停运可用度，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
在一种实施方式中，基于参考在役核电汽轮机的扣除计划停运可用度，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值，包括将扣除计划停运可用度输入可靠性预测模型，由可靠性预测模型输出在役核电汽轮机的目标可靠性预测值。
在一种实施方式中，还包括获取在役核电汽轮机的计划检修数据，其中，计划检修数据包括计划检修类别、计划检修天数、新增非计划检修天数Δudt等。
在一些例子中，在役核电汽轮机的计划检修类别包括四种类别。
第一种计划检修类别是计划大修，在役核电汽轮机计划大修间隔为6年至12年，在役核电汽轮机计划大修天数60天至80天。
第二种计划检修类别是计划小修，在役核电汽轮机计划小修间隔为1年至3年，在役核电汽轮机计划小修天数20天至40天。
第三种计划检修类别是节假日计划检修，在在役核电汽轮机无计划大修与计划小修的年份安排一次节假日计划检修，在役核电汽轮机节假日计划检修天数5天至15天。
第四种计划检修类别是无计划检修类别，即该年份没有安排计划大修、计划小修和节假日计划检修。
在一些例子中，计划检修天数包括计划大修天数m1t、计划小修天数m2t和节假日计划检修天数m3t。
在一种实施方式中，基于参考在役核电汽轮机的扣除计划停运可用度，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值，包括如下几种可能的实施方式：
方式1、若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划大修，基于参考在役核电汽轮机的扣除计划停运可用度、在役核电汽轮机在当前投运年份下的计划大修天数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机1在当前投运年份下的计划检修类别仅包括计划大修，且在役核电汽轮机1在当前投运年份下的计划大修天数m1t＝70天，在役核电汽轮机1在当前投运年份下的新增非计划检修天数Δudt＝5天，则在役核电汽轮机1在当前投运年份下的目标可用系数预测值AFt1(ti)的计算过程如下：
方式2、若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于参考在役核电汽轮机的扣除计划停运可用度、在役核电汽轮机在当前投运年份下的计划小修天数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机1在当前投运年份下的计划检修类别仅包括计划小修，且在役核电汽轮机1在当前投运年份下的计划小修天数m2t＝33天，在役核电汽轮机1在当前投运年份下的新增非计划检修天数Δudt＝5天，则在役核电汽轮机1在当前投运年份下的目标可用系数预测值AFt1(ti)的计算过程如下：
方式3、若在役核电汽轮机在当前投运年份下的计划检修类别仅包括节假日计划检修，基于参考在役核电汽轮机的扣除计划停运可用度、在役核电汽轮机在当前投运年份下的节假日计划检修天数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机1在当前投运年份下的计划检修类别仅包括节假日计划检修，且在役核电汽轮机1在当前投运年份下的节假日计划检修天数m3t＝14天，在役核电汽轮机1在当前投运年份下的新增非计划检修天数Δudt＝5天，则在役核电汽轮机1在当前投运年份下的目标可用系数预测值AFt1(ti)的计算过程如下：
方式4、若在役核电汽轮机在当前投运年份下的计划检修类别为无计划检修类别，基于参考在役核电汽轮机的扣除计划停运可用度、在役核电汽轮机在当前投运年份下的新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机1在当前投运年份下的计划检修类别为无计划检修类别，且在役核电汽轮机1在当前投运年份下的新增非计划检修天数Δudt＝5天，则在役核电汽轮机1在当前投运年份下的目标可用系数预测值AFt1(ti)的计算过程如下：
S506，对在役核电汽轮机的目标可靠性预测值进行预测精度验证。
S507，若目标可靠性预测值未通过预测精度验证，返回执行获取目标可靠性预测值的流程，直至获取到的目标可靠性预测值通过预测精度验证。
由此，该方法中可对在役核电汽轮机的目标可靠性预测值进行预测精度验证，并在目标可靠性预测值未通过预测精度验证时，返回执行获取目标可靠性预测值的流程，直至获取到的目标可靠性预测值通过预测精度验证，即可重复执行获取目标可靠性预测值的流程，直至目标可靠性预测值的预测精度较高，有助于实现在役核电汽轮机的目标可靠性预测值的高精度预测。
在一种实施方式中，对在役核电汽轮机的目标可靠性预测值进行预测精度验证，包括确定与在役核电汽轮机的功率相同的参考在役核电汽轮机，基于参考在役核电汽轮机在多个历史投运年份下的可靠性特征量的平均值，以及参考在役核电汽轮机在多个历史投运年份下的计划停运系数的平均值，得到参考在役核电汽轮机的扣除计划停运可用度，基于参考在役核电汽轮机在第i个历史投运年份下的计划停运系数和参考在役核电汽轮机的扣除计划停运可用度，对参考在役核电汽轮机在第i个历史投运年份下的可靠性特征量进行预测，得到参考在役核电汽轮机在第i个历史投运年份下的第五可靠性预测值，基于参考在役核电汽轮机在同一历史投运年份下的第五可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电汽轮机的目标可靠性预测值进行预测精度验证。
比如，继续以在役核电汽轮机1、2为例，在役核电汽轮机2在历史投运年份ti-j下的第一可用系数预测值AFt1(ti-j)和可用系数统计值AFt(ti-j)之间的相对误差Ert1的计算过程如下：
在役核电汽轮机2在历史投运年份ti-j下的第一可用系数预测值AFt1(ti-j)和可用系数统计值AFt(ti-j)之间的相对误差Ert1的计算结果如表6所示。
表6在役核电汽轮机2在近5年的相对误差的计算结果
序号 APtm POFt(ti-j) AFt1(ti-j)＝APtm[1·POFt(ti-j)] AFt(ti-j) Ert1/％
1 0.99343 0.0371 0.9566 0.9598 -0.33％
2 0.99343 0.0587 0.9351 0.9347 0.04％
3 0.99343 0.0428 0.9509 0.9523 -0.15％
4 0.99343 0.0621 0.9317 0.9308 0.10％
5 0.99343 0.0482 0.9455 0.9423 0.34％
在一些例子中，基于参考在役核电汽轮机在同一历史投运年份下的第五可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电汽轮机的目标可靠性预测值进行预测精度验证，包括若参考在役核电汽轮机在多个历史投运年份下的相对误差的绝对值均小于或者等于第三设定阈值，确定在役核电汽轮机的目标可靠性预测值通过预测精度验证，或者，若参考在役核电汽轮机在至少一个历史投运年份下的相对误差的绝对值大于第三设定阈值，确定在役核电汽轮机的目标可靠性预测值未通过预测精度验证。
继续以表6为例，若第三设定阈值为0.90％，由表6可知，在役核电汽轮机2在近5年的相对误差的绝对值均小于0.40％，可确定在役核电汽轮机1的目标可用系数预测值通过预测精度验证。
综上，根据本公开实施例的适用于在役核电汽轮机的可靠性高精度预测方法，基于参考在役核电汽轮机在多个历史投运年份下的可靠性特征量的平均值，以及参考在役核电汽轮机在多个历史投运年份下的计划停运系数的平均值，得到参考在役核电汽轮机的扣除计划停运可用度，基于参考在役核电汽轮机的扣除计划停运可用度，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值，适用于在役核电汽轮机的第一可靠性预测类别的可靠性高精度预测。
图6为根据本公开另一个实施例的适用于在役核电汽轮机的可靠性高精度预测方法的流程示意图。
如图6所示，本公开实施例的适用于在役核电汽轮机的可靠性高精度预测方法，包括：
S601，获取在役核电汽轮机的已投运年数。
S602，若已投运年数大于或者等于第一设定阈值，确定可靠性预测类别为第二可靠性预测类别。
S603，基于在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，其中，i为正整数。
比如，在役核电汽轮机3的功率为1100MW、已投运年数满5年且未满6年，若第一设定阈值为5年，可知已投运年数满5年，确定可靠性预测类别为第二可靠性预测类别，以可靠性特征量为可用系数为例，可获取在役核电汽轮机3在近5年的可用系数AFt和计划停运系数POFt，作为在役核电汽轮机3的目标可靠性基础数据。在役核电汽轮机3在近5年的可用系数和计划停运系数如表7所示。
表7在役核电汽轮机3在近5年的可靠性统计值
投运年份si AFt(si) POFt(si) APt(si) ρt(si)
1 0.8741 0.1259 1.000000 0.000001
2 0.8634 0.1366 1.000000 0.000001
3 0.9886 0.0085 0.997075 0.002933
4 0.9111 0.0889 1.000000 0.000001
5 1.0000 0 1.000000 0.000001
其中，si为在役核电汽轮机3投入运行的使用年数，si＝1指的是在役核电汽轮机3投运运行的第1年，即第1个历史投运年份，si＝2指的是在役核电汽轮机3投运运行的第2年，即第2个历史投运年份，si＝3指的是在役核电汽轮机3投运运行的第3年，即第3个历史投运年份，si＝4指的是在役核电汽轮机3投运运行的第4年，即第4个历史投运年份，si＝5指的是在役核电汽轮机3投运运行的第5年，即第5个历史投运年份。
其中，符号AFt(si)指的是在役核电汽轮机3在历史投运年份si下的可用系数，符号POFt(si)指的是在役核电汽轮机3在历史投运年份si下的计划停运系数，1≤i≤M，i为正整数，M为累计投运年数，M≥5。
在役核电汽轮机3在第i个历史投运年份si下的扣除计划停运可用度APt(si)的计算过程如下：
在役核电汽轮机3在近5年的下的扣除计划停运可用度APt(si)的计算结果如表7所示。
S604，基于在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，得到在役核电汽轮机在第i个历史投运年份下的第二扣除计划停运检修系数。
比如，在役核电汽轮机3在第i个历史投运年份si下的第二扣除计划停运检修系数ρt(si)的计算过程如下：
在役核电汽轮机3在近5年下的第二扣除计划停运检修系数ρt(si)的计算结果如表7所示。
S605，基于在役核电汽轮机在多个历史投运年份下的第二扣除计划停运检修系数，得到在役核电汽轮机的第二扣除计划停运检修系数的幂函数表示。
S606，基于幂函数表示，得到在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数。
需要说明的是，对幂函数表示不做过多限定，比如，幂函数表示如下：
其中，γ为幂函数的尺度参数，δ为幂函数的增长系数，si为在役核电汽轮机投入运行的使用年数。
在一些例子中，按照非线性回归法和最小二乘法，并利用表7中的在役核电汽轮机3在近5年的下的第二扣除计划停运检修系数ρt(si)，得到在役核电汽轮机3的第二扣除计划停运检修系数的幂函数表示如下：
即γ＝0.00003，δ＝-0.697041
可知在役核电汽轮机3的当前投运年份为在役核电汽轮机3投运运行的第6年，即si＝6，在役核电汽轮机3在当前投运年份下的第二扣除计划停运检修系数ρt(si)的计算过程如下：
ρt(si)＝0.000003×60.697401
S607，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
在一种实施方式中，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值，包括将第二扣除计划停运检修系数输入可靠性预测模型，由可靠性预测模型输出在役核电汽轮机的目标可靠性预测值。
在一种实施方式中，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值，包括如下几种可能的实施方式：
方式1、若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划大修，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划大修天数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机3在当前投运年份下的计划检修类别仅包括计划大修，且在役核电汽轮机3在当前投运年份下的计划大修天数m1t＝70天，在役核电汽轮机3在当前投运年份下的新增非计划检修天数Δudt＝5天，si＝6，则在役核电汽轮机3在当前投运年份下的目标可用系数预测值AFt2(si)的计算过程如下：
方式2、若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划小修天数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机3在当前投运年份下的计划检修类别仅包括计划小修，且在役核电汽轮机3在当前投运年份下的计划小修天数m2t＝33天，在役核电汽轮机3在当前投运年份下的新增非计划检修天数Δudt＝5天，si＝6，则在役核电汽轮机3在当前投运年份下的目标可用系数预测值AFt2(si)的计算过程如下：
方式3、若在役核电汽轮机在当前投运年份下的计划检修类别仅包括节假日计划检修，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、节假日计划检修天数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机3在当前投运年份下的计划检修类别仅包括节假日计划检修，且在役核电汽轮机3在当前投运年份下的节假日计划检修天数m3t＝14天，在役核电汽轮机3在当前投运年份下的新增非计划检修天数Δudt＝5天，si＝6，则在役核电汽轮机3在当前投运年份下的目标可用系数预测值AFt2(si)的计算过程如下：
方式4、若在役核电汽轮机在当前投运年份下的计划检修类别为无计划检修类别，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数和新增非计划检修天数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
比如，若在役核电汽轮机3在当前投运年份下的计划检修类别为无计划检修类别，且在役核电汽轮机3在当前投运年份下的新增非计划检修天数Δudt＝5天，si＝6，则在役核电汽轮机3在当前投运年份下的目标可用系数预测值AFt2(si)的计算过程如下：
S608，对在役核电汽轮机的目标可靠性预测值进行预测精度验证。
S609，若目标可靠性预测值未通过预测精度验证，返回执行获取目标可靠性预测值的流程，直至获取到的目标可靠性预测值通过预测精度验证。
在一种实施方式中，对在役核电汽轮机的目标可靠性预测值进行预测精度验证，包括基于在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，其中，i为正整数，基于在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度和计划停运系数，对在役核电汽轮机在第i个历史投运年份下的可靠性特征量进行预测，得到在役核电汽轮机在第i个历史投运年份下的第六可靠性预测值，基于在役核电汽轮机在同一历史投运年份下的第六可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电汽轮机的目标可靠性预测值进行预测精度验证。
比如，继续以在役核电汽轮机3为例，在役核电汽轮机3在第i个历史投运年份si下的第二可用系数预测值AFt2(si)和可用系数统计值AFt(si)之间的相对误差Ert2的计算过程如下：
在役核电汽轮机3在第i个历史投运年份si下的第二可用系数预测值AFt2(si)和可靠性特征量统计值AFt(si)之间的相对误差Ert2的计算结果如表8所示。
表8在役核电汽轮机3在近5年的相对误差的计算结果
在一些例子中，基于在役核电汽轮机在同一历史投运年份下的第六可靠性预测值和可靠性特征量统计值之间的相对误差，对在役核电汽轮机的目标可靠性预测值进行预测精度验证，包括若在役核电汽轮机在多个历史投运年份下的相对误差的绝对值均小于或者等于第三设定阈值，确定在役核电汽轮机的目标可靠性预测值通过预测精度验证，或者，若在役核电汽轮机在至少一个历史投运年份下的相对误差的绝对值大于第三设定阈值，确定在役核电汽轮机的目标可靠性预测值未通过预测精度验证。
继续以表8为例，若第三设定阈值为0.90％，由表8可知，在役核电汽轮机3在近5年的相对误差的绝对值均小于0.30％，可确定在役核电汽轮机3的目标可用系数预测值通过预测精度验证。
综上，根据本公开实施例的适用于在役核电汽轮机的可靠性高精度预测方法，基于在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，基于在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，得到在役核电汽轮机在第i个历史投运年份下的第二扣除计划停运检修系数，基于在役核电汽轮机在多个历史投运年份下的第二扣除计划停运检修系数，得到在役核电汽轮机的第二扣除计划停运检修系数的幂函数表示，基于幂函数表示，得到在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数，基于在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值，适用于在役核电汽轮机的第二可靠性预测类别的可靠性高精度预测。
图7为根据本公开另一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法的流程示意图。
如图7所示，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，包括：
S701，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别。
可选地，在役核电装备可以包括在役核电机组和核电汽轮机。
S702，基于在役核电汽轮机的可靠性预测类别，对在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到在役核电汽轮机的目标可靠性预测值。
S703，基于在役核电机组的可靠性预测类别，对在役核电机组在当前投运年份下的可靠性特征量进行预测，得到在役核电机组的目标可靠性预测值。
步骤S702和S703可以同步执行，也可以按时序执行，或者先执行S702再执行S703，或者先执行S703再执行S702。可以理解的是，本申请实施例中，对步骤S702和步骤S703的顺序不做限定。
步骤S701-S703的相关内容可参见上述实施例，这里不再赘述。
为了实现上述实施例，本公开还提出一种适用于在役核电机组和核电汽轮机的可靠性高精度预测装置。
图8为根据本公开一个实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置的结构示意图。
如图8所示，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置100，包括：确定模块110和预测模块120。
确定模块110用于针对在役核电机组和核电汽轮机中的任一在役核电装备，确定所述在役核电装备的可靠性预测类别；
预测模块120用于基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：确定所述在役核电装备的与所述可靠性预测类别匹配的目标可靠性基础数据；基于所述目标可靠性基础数据，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述可靠性预测类别为第一可靠性预测类别，确定与所述在役核电装备的功率相同的参考在役对象；获取所述参考在役对象在多个历史投运年份下的可靠性基础数据，作为所述在役核电装备的目标可靠性基础数据。
在本公开的一个实施例中，所述预测模块120，还用于：若所述可靠性预测类别为第二可靠性预测类别，基于所述在役核电装备在多个历史投运年份下的可靠性基础数据，作为所述在役核电装备的目标可靠性基础数据。
在本公开的一个实施例中，所述目标可靠性基础数据包括所述参考在役核电机组的可靠性特征量和计划停运系数；
其中，所述预测模块120，还用于：若所述在役核电装备为在役核电机组，基于所述参考在役核电机组在多个历史投运年份下的可靠性特征量的平均值，以及所述参考在役核电机组在多个历史投运年份下的计划停运系数的平均值，得到所述参考在役核电机组的扣除计划停运等效可用系数；基于所述参考在役核电机组的扣除计划停运等效可用系数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别仅包括常规岛计划大修，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的常规岛计划大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别仅包括核岛换料大修，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的核岛换料大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别仅包括节假日计划检修，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的节假日计划检修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别为无计划检修类别，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述目标可靠性基础数据包括所述参考在役核电汽轮机的可靠性特征量和计划停运系数；其中，所述预测模块120，还用于：若所述在役核电装备为在役核电汽轮机，基于所述参考在役核电汽轮机在多个历史投运年份下的可靠性特征量的平均值，以及所述参考在役核电汽轮机在多个历史投运年份下的计划停运系数的平均值，得到所述参考在役核电汽轮机的扣除计划停运可用度；基于所述参考在役核电汽轮机的扣除计划停运可用度，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划大修，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的计划大修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的计划小修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电汽轮机在当前投运年份下的计划检修类别仅包括节假日计划检修，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的节假日计划检修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电汽轮机在当前投运年份下的计划检修类别为无计划检修类别，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述目标可靠性基础数据包括所述在役核电装备的可靠性特征量和计划停运系数；其中，所述预测模块120，还用于：基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数；基于所述在役核电装备在当前投运年份下的扣除计划停运检修系数，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在多个历史投运年份下的扣除计划停运检修系数；基于所述在役核电装备在多个历史投运年份下的扣除计划停运检修系数，得到所述在役核电装备的扣除计划停运检修系数的幂函数表示；基于所述幂函数表示，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电装备为在役核电机组，基于所述在役核电机组在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，其中，i为正整数；基于所述在役核电机组在第i个历史投运年份下的扣除计划停等效可用系数，得到所述在役核电机组在第i个历史投运年份下的第一扣除计划停运检修系数。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电装备为在役核电汽轮机，基于所述在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，其中，i为正整数；基于所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，得到所述在役核电汽轮机在第i个历史投运年份下的第二扣除计划停运检修系数。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别仅包括常规岛计划大修，基于所述在役核电机组在当前投运年份下的第一扣除计划停运检修系数、常规岛计划大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别仅包括核岛换料大修，基于所述在役核电机组在当前投运年份下的第一扣除计划停运检修系数、核岛换料大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别仅包括节假日计划检修，基于所述在役核电机组在当前投运年份下的第一扣除计划停运检修系数、节假日计划检修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组在当前投运年份下的计划检修类别为无计划检修类别，基于所述在役核电机组在当前投运年份下的第一扣除计划停运检修系数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划大修，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划大修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划小修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若在役核电汽轮机在当前投运年份下的计划检修类别仅包括节假日计划检修，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、节假日计划检修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：若在役核电汽轮机在当前投运年份下的计划检修类别为无计划检修类别，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
在本公开的一个实施例中，所述预测模块120，还用于：对所述在役核电装备的目标可靠性预测值进行预测精度验证；若所述目标可靠性预测值未通过预测精度验证，返回执行获取所述目标可靠性预测值的流程，直至获取到的所述目标可靠性预测值通过预测精度验证。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组的可靠性预测类别为第一可靠性预测类别，确定与所述在役核电机组的功率相同的参考在役核电机组；基于所述参考在役核电机组在多个历史投运年份下的可靠性特征量的平均值，以及所述参考在役核电机组在多个历史投运年份下的计划停运系数的平均值，得到所述参考在役核电机组的扣除计划停运等效可用系数；基于所述参考在役核电机组在第i个历史投运年份下的计划停运系数和所述参考在役核电机组的扣除计划停运等效可用系数，对所述参考在役核电机组在第i个历史投运年份下的可靠性特征量进行预测，得到所述参考在役核电机组在第i个历史投运年份下的第三可靠性预测值；基于所述参考在役核电机组在同一历史投运年份下的第三可靠性预测值和可靠性特征量统计值之间的相对误差，对所述在役核电机组的目标可靠性预测值进行预测精度验证。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电机组的可靠性预测类别为第二可靠性预测类别，基于所述在役核电机组在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，其中，i为正整数；基于所述在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数和计划停运系数，对所述在役核电机组在第i个历史投运年份下的可靠性特征量进行预测，得到所述在役核电机组在第i个历史投运年份下的第四可靠性预测值；基于所述在役核电机组在同一历史投运年份下的第四可靠性预测值和可靠性特征量统计值之间的相对误差，对所述在役核电机组的目标可靠性预测值进行预测精度验证。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电汽轮机的可靠性预测类别为第一可靠性预测类别，确定与所述在役核电汽轮机的功率相同的参考在役核电汽轮机；基于所述参考在役核电汽轮机在多个历史投运年份下的可靠性特征量的平均值，以及所述参考在役核电汽轮机在多个历史投运年份下的计划停运系数的平均值，得到所述参考在役核电汽轮机的扣除计划停运可用度；基于所述参考在役核电汽轮机在第i个历史投运年份下的计划停运系数和所述参考在役核电汽轮机的扣除计划停运可用度，对所述参考在役核电汽轮机在第i个历史投运年份下的可靠性特征量进行预测，得到所述参考在役核电汽轮机在第i个历史投运年份下的第五可靠性预测值；基于所述参考在役核电汽轮机在同一历史投运年份下的第五可靠性预测值和可靠性特征量统计值之间的相对误差，对所述在役核电汽轮机的目标可靠性预测值进行预测精度验证。
在本公开的一个实施例中，所述预测模块120，还用于：若所述在役核电汽轮机的可靠性预测类别为第二可靠性预测类别，基于所述在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，其中，i为正整数；基于所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度和计划停运系数，对所述在役核电汽轮机在第i个历史投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机在第i个历史投运年份下的第六可靠性预测值；基于所述在役核电汽轮机在同一历史投运年份下的第六可靠性预测值和可靠性特征量统计值之间的相对误差，对所述在役核电汽轮机的目标可靠性预测值进行预测精度验证。
需要说明的是，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置中未披露的细节，请参照本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法中所披露的细节，这里不再赘述。
综上，本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可确定在役核电装备的可靠性预测类别，以对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。
为了实现上述实施例，如图9所示，本公开实施例提出了一种电子设备200，包括：存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序，所述处理器220执行所述程序时，实现上述的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法。
本公开实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可确定在役核电装备的可靠性预测类别，以对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。
为了实现上述实施例，本公开实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述的适用于在役核电机组和核电汽轮机的可靠性高精度预测方法。
本公开实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可确定在役核电装备的可靠性预测类别，以对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。
为了实现上述实施例，本公开实施例提出了一种适用于核电机组和核电汽轮机的可靠性高精度预测平台，包括上述的图8所示的适用于在役核电机组和核电汽轮机的可靠性高精度预测装置；或者上述的电子设备；或者上述的计算机可读存储介质。
本公开实施例的适用于在役核电机组和核电汽轮机的可靠性高精度预测平台，针对在役核电机组和核电汽轮机中的任一在役核电装备，确定在役核电装备的可靠性预测类别，基于可靠性预测类别，对在役核电装备在当前投运年份下的可靠性特征量进行预测，得到在役核电装备的目标可靠性预测值。由此，可确定在役核电装备的可靠性预测类别，以对在役核电装备的可靠性特征量进行预测，得到目标可靠性预测值，提高了在役核电装备的可靠性预测的精度，适用于在役核电机组和核电汽轮机的可靠性高精度预测。
在本公开的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本公开中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。
在本公开中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (24)

1.一种适用于在役核电机组和核电汽轮机的可靠性高精度预测方法，其特征在于，包括：
针对在役核电机组和核电汽轮机中的任一在役核电装备，确定所述在役核电装备的可靠性预测类别；
基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值；其中，基于在役核电装备的已投运年数，确定在役核电装备的可靠性预测类别，包括若已投运年数小于第一设定阈值，确定可靠性预测类别为第一可靠性预测类别，或者，若已投运年数大于或者等于第一设定阈值，确定可靠性预测类别为第二可靠性预测类别；
若所述可靠性预测类别为第二可靠性预测类别，基于所述在役核电装备在多个历史投运年份下的可靠性基础数据，作为所述在役核电装备的目标可靠性基础数据，所述目标可靠性基础数据包括所述在役核电装备的可靠性特征量和计划停运系数；
基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数；
基于所述在役核电装备在当前投运年份下的扣除计划停运检修系数，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值；
其中，若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划小修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值；
所述基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数，包括：
若所述在役核电装备为在役核电汽轮机，基于所述在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，其中，i为正整数；
基于所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，得到所述在役核电汽轮机在第i个历史投运年份下的第二扣除计划停运检修系数；
基于在役核电汽轮机在多个历史投运年份下的第二扣除计划停运检修系数，得到在役核电汽轮机的第二扣除计划停运检修系数的幂函数表示；
基于幂函数表示，得到在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数。
2.根据权利要求1所述的方法，其特征在于，所述基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值，包括：
确定所述在役核电装备的与所述可靠性预测类别匹配的目标可靠性基础数据；
基于所述目标可靠性基础数据，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
3.根据权利要求2所述的方法，其特征在于，所述确定所述在役核电装备的与所述可靠性预测类别匹配的目标可靠性基础数据，包括：
若所述可靠性预测类别为第一可靠性预测类别，确定与所述在役核电装备的功率相同的参考在役对象；
获取所述参考在役对象在多个历史投运年份下的可靠性基础数据，作为所述在役核电装备的目标可靠性基础数据。
4.根据权利要求1所述的方法，其特征在于，所述目标可靠性基础数据包括参考在役核电机组的可靠性特征量和计划停运系数；
其中，所述基于所述目标可靠性基础数据，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值，包括：
若所述在役核电装备为在役核电机组，基于所述参考在役核电机组在多个历史投运年份下的可靠性特征量的平均值，以及所述参考在役核电机组在多个历史投运年份下的计划停运系数的平均值，得到所述参考在役核电机组的扣除计划停运等效可用系数；
基于所述参考在役核电机组的扣除计划停运等效可用系数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
5.根据权利要求4所述的方法，其特征在于，所述基于所述参考在役核电机组的扣除计划停运等效可用系数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值，包括：
若所述在役核电机组在当前投运年份下的计划检修类别仅包括常规岛计划大修，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的常规岛计划大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
6.根据权利要求4所述的方法，其特征在于，所述基于所述参考在役核电机组的扣除计划停运等效可用系数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值，包括：
若所述在役核电机组在当前投运年份下的计划检修类别仅包括核岛换料大修，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的核岛换料大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
7.根据权利要求4所述的方法，其特征在于，所述基于所述参考在役核电机组的扣除计划停运等效可用系数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值，包括：
若所述在役核电机组在当前投运年份下的计划检修类别仅包括节假日计划检修，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的节假日计划检修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
8.根据权利要求4所述的方法，其特征在于，所述基于所述参考在役核电机组的扣除计划停运等效可用系数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值，包括：
若所述在役核电机组在当前投运年份下的计划检修类别为无计划检修类别，基于所述参考在役核电机组的扣除计划停运等效可用系数、所述在役核电机组在当前投运年份下的新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
9.根据权利要求3所述的方法，其特征在于，所述目标可靠性基础数据包括参考在役核电汽轮机的可靠性特征量和计划停运系数；
其中，所述基于所述目标可靠性基础数据，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值，包括：
若所述在役核电装备为在役核电汽轮机，基于所述参考在役核电汽轮机在多个历史投运年份下的可靠性特征量的平均值，以及所述参考在役核电汽轮机在多个历史投运年份下的计划停运系数的平均值，得到所述参考在役核电汽轮机的扣除计划停运可用度；
基于所述参考在役核电汽轮机的扣除计划停运可用度，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
10.根据权利要求9所述的方法，其特征在于，所述基于所述参考在役核电汽轮机的扣除计划停运可用度，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值，包括：
若所述在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划大修，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的计划大修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
11.根据权利要求9所述的方法，其特征在于，所述基于所述参考在役核电汽轮机的扣除计划停运可用度，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值，包括：
若所述在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的计划小修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
12.根据权利要求9所述的方法，其特征在于，所述基于所述参考在役核电汽轮机的扣除计划停运可用度，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值，包括：
若所述在役核电汽轮机在当前投运年份下的计划检修类别仅包括节假日计划检修，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的节假日计划检修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
13.根据权利要求9所述的方法，其特征在于，所述基于所述参考在役核电汽轮机的扣除计划停运可用度，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值，包括：
若所述在役核电汽轮机在当前投运年份下的计划检修类别为无计划检修类别，基于所述参考在役核电汽轮机的扣除计划停运可用度、所述在役核电汽轮机在当前投运年份下的新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
14.根据权利要求1所述的方法，其特征在于，所述基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数，包括：
基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在多个历史投运年份下的扣除计划停运检修系数；
基于所述在役核电装备在多个历史投运年份下的扣除计划停运检修系数，得到所述在役核电装备的扣除计划停运检修系数的幂函数表示；
基于所述幂函数表示，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数。
15.根据权利要求14所述的方法，其特征在于，所述基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在多个历史投运年份下的扣除计划停运检修系数，包括：
若所述在役核电装备为在役核电机组，基于所述在役核电机组在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电机组在第i个历史投运年份下的扣除计划停运等效可用系数，其中，i为正整数；
基于所述在役核电机组在第i个历史投运年份下的扣除计划停等效可用系数，得到所述在役核电机组在第i个历史投运年份下的第一扣除计划停运检修系数。
16.根据权利要求1所述的方法，其特征在于，所述基于所述在役核电装备在当前投运年份下的扣除计划停运检修系数，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值，包括：
若所述在役核电机组在当前投运年份下的计划检修类别仅包括常规岛计划大修，基于所述在役核电机组在当前投运年份下的第一扣除计划停运检修系数、常规岛计划大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
17.根据权利要求1所述的方法，其特征在于，所述基于所述在役核电装备在当前投运年份下的扣除计划停运检修系数，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值，包括：
若所述在役核电机组在当前投运年份下的计划检修类别仅包括核岛换料大修，基于所述在役核电机组在当前投运年份下的第一扣除计划停运检修系数、核岛换料大修天数和新增非计划检修天数，对所述在役核电机组在当前投运年份下的可靠性特征量进行预测，得到所述在役核电机组的目标可靠性预测值。
18.根据权利要求1所述的方法，其特征在于，所述基于所述在役核电装备在当前投运年份下的扣除计划停运检修系数，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值，包括：
若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划大修，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划大修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值。
19.一种适用于在役核电机组和核电汽轮机的可靠性高精度预测装置，其特征在于，包括：
确定模块，用于针对在役核电机组和核电汽轮机中的任一在役核电装备，确定所述在役核电装备的可靠性预测类别；
预测模块，用于基于所述可靠性预测类别，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值；
所述预测模块，还用于：
基于在役核电装备的已投运年数，确定在役核电装备的可靠性预测类别，包括若已投运年数小于第一设定阈值，确定可靠性预测类别为第一可靠性预测类别，或者，若已投运年数大于或者等于第一设定阈值，确定可靠性预测类别为第二可靠性预测类别；
若所述可靠性预测类别为第二可靠性预测类别，基于所述在役核电装备在多个历史投运年份下的可靠性基础数据，作为所述在役核电装备的目标可靠性基础数据，所述目标可靠性基础数据包括所述在役核电装备的可靠性特征量和计划停运系数；
基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数；
基于所述在役核电装备在当前投运年份下的扣除计划停运检修系数，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值；
其中，若在役核电汽轮机在当前投运年份下的计划检修类别仅包括计划小修，基于所述在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数、计划小修天数和新增非计划检修天数，对所述在役核电汽轮机在当前投运年份下的可靠性特征量进行预测，得到所述在役核电汽轮机的目标可靠性预测值；
所述基于所述在役核电装备在多个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电装备在当前投运年份下的扣除计划停运检修系数，包括：
若所述在役核电装备为在役核电汽轮机，基于所述在役核电汽轮机在第i个历史投运年份下的可靠性特征量和计划停运系数，得到所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，其中，i为正整数；
基于所述在役核电汽轮机在第i个历史投运年份下的扣除计划停运可用度，得到所述在役核电汽轮机在第i个历史投运年份下的第二扣除计划停运检修系数；
基于在役核电汽轮机在多个历史投运年份下的第二扣除计划停运检修系数，得到在役核电汽轮机的第二扣除计划停运检修系数的幂函数表示；
基于幂函数表示，得到在役核电汽轮机在当前投运年份下的第二扣除计划停运检修系数。
20.根据权利要求19所述的装置，其特征在于，所述预测模块，还用于：
确定所述在役核电装备的与所述可靠性预测类别匹配的目标可靠性基础数据；
基于所述目标可靠性基础数据，对所述在役核电装备在当前投运年份下的可靠性特征量进行预测，得到所述在役核电装备的目标可靠性预测值。
21.根据权利要求20所述的装置，其特征在于，所述预测模块，还用于：
若所述可靠性预测类别为第一可靠性预测类别，确定与所述在役核电装备的功率相同的参考在役对象；
获取所述参考在役对象在多个历史投运年份下的可靠性基础数据，作为所述在役核电装备的目标可靠性基础数据。
22.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-18中任一项所述的方法。
23.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-18中任一项所述的方法。
24.一种适用于在役核电机组和核电汽轮机的可靠性高精度预测平台，其特征在于，包括：如权利要求19-21中任一项所述的装置；或者如权利要求22所述的电子设备；或者如权利要求23所述的计算机可读存储介质。
CN202310585434.1A 2023-05-23 2023-05-23 在役核电机组和核电汽轮机的可靠性高精度预测方法 Active CN116628550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310585434.1A CN116628550B (zh) 2023-05-23 2023-05-23 在役核电机组和核电汽轮机的可靠性高精度预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310585434.1A CN116628550B (zh) 2023-05-23 2023-05-23 在役核电机组和核电汽轮机的可靠性高精度预测方法

Publications (2)

Publication Number Publication Date
CN116628550A CN116628550A (zh) 2023-08-22
CN116628550B true CN116628550B (zh) 2024-03-12

Family

ID=87596772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310585434.1A Active CN116628550B (zh) 2023-05-23 2023-05-23 在役核电机组和核电汽轮机的可靠性高精度预测方法

Country Status (1)

Country Link
CN (1) CN116628550B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077428A (zh) * 2012-12-25 2013-05-01 上海发电设备成套设计研究院 一种厂级多台发电机组可靠性在线预测方法
US8571911B1 (en) * 2001-11-16 2013-10-29 Westinghouse Electric Company Llc Facility life management method
CN110930077A (zh) * 2019-12-18 2020-03-27 上海发电设备成套设计研究院有限责任公司 一种核电机组高可靠性设计监控系统和方法
CN110941801A (zh) * 2019-09-24 2020-03-31 上海发电设备成套设计研究院有限责任公司 一种单台在役压水堆核电机组可靠性的预测方法及系统
WO2022088890A1 (zh) * 2020-10-28 2022-05-05 中国电力科学研究院有限公司 电网中长期检修计划的校核方法、系统、设备及存储介质
CN114493515A (zh) * 2022-01-18 2022-05-13 南方电网数字电网研究院有限公司 电网资产的稽核方法、装置、存储介质及计算机设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7272516B2 (en) * 2002-12-23 2007-09-18 Abb Research Failure rate adjustment for electric power network reliability analysis

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8571911B1 (en) * 2001-11-16 2013-10-29 Westinghouse Electric Company Llc Facility life management method
CN103077428A (zh) * 2012-12-25 2013-05-01 上海发电设备成套设计研究院 一种厂级多台发电机组可靠性在线预测方法
CN110941801A (zh) * 2019-09-24 2020-03-31 上海发电设备成套设计研究院有限责任公司 一种单台在役压水堆核电机组可靠性的预测方法及系统
CN110930077A (zh) * 2019-12-18 2020-03-27 上海发电设备成套设计研究院有限责任公司 一种核电机组高可靠性设计监控系统和方法
WO2022088890A1 (zh) * 2020-10-28 2022-05-05 中国电力科学研究院有限公司 电网中长期检修计划的校核方法、系统、设备及存储介质
CN114493515A (zh) * 2022-01-18 2022-05-13 南方电网数字电网研究院有限公司 电网资产的稽核方法、装置、存储介质及计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于状态监测的发电设备可靠性增长模型研究;吴龙剑等;《设备管理与维修》;20181225(第24期);第23-26页 *

Also Published As

Publication number Publication date
CN116628550A (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
US20130041783A1 (en) System and method for dynamic spare part management
CN109697525A (zh) 一种批次电能表多故障模式近期寿命预测方法
CN110930077B (zh) 一种核电机组高可靠性设计监控系统和方法
JP7053152B2 (ja) 推奨点検間隔を最適化するシステム及び方法
EP3964707A1 (en) Controlling the operation of a wind turbine
CN111008727A (zh) 一种配电台区负荷预测方法及装置
CN115456304A (zh) 考虑台风影响的海上风电场可靠性指标计算方法及装置
JP2017151980A5 (zh)
CN116579494B (zh) 基于维修耗时下机电设备的备件库存预测方法及系统
CN116705364B (zh) 适用于在役核电机组和核电汽轮机的可靠性监控平台
CN116632875A (zh) 一种用于配电网的混合储能规划方法及系统
CN115689207A (zh) 风电场运维管理方法、装置、计算机设备和存储介质
CN109783873A (zh) 轴温异常状态的预测方法和装置
CN116628550B (zh) 在役核电机组和核电汽轮机的可靠性高精度预测方法
CN113991711B (zh) 一种光伏电站储能系统容量配置方法
CN113565672A (zh) 水轮发电机组运行控制方法、装置以及存储介质
CN116644334B (zh) 在役核电机组和核电汽轮机的可靠性监控与增长方法
CN116911735A (zh) 核电备件安全库存数量确定方法、装置、设备和介质
CN116628551B (zh) 在役核电机组的可靠性高精度预测、监控和增长方法
CN116307838A (zh) 一种电网可靠性评估中配电网精确等值方法及系统、介质
CN112686397B (zh) 空调器故障率计算方法、装置、计算机设备及存储介质
CN115660500A (zh) 一种新能源发电项目弃电率评估方法
CN113567164A (zh) 一种风电场技术改造需求系统性评估预测方法
CN110660002B (zh) 风力发电机组的部件的失效率曲线的确定方法和设备
CN114118862A (zh) 一种换热站动态热负荷预测与调控方法及系统

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