CN116628551B - 在役核电机组的可靠性高精度预测、监控和增长方法 - Google Patents
在役核电机组的可靠性高精度预测、监控和增长方法 Download PDFInfo
- Publication number
- CN116628551B CN116628551B CN202310588096.7A CN202310588096A CN116628551B CN 116628551 B CN116628551 B CN 116628551B CN 202310588096 A CN202310588096 A CN 202310588096A CN 116628551 B CN116628551 B CN 116628551B
- Authority
- CN
- China
- Prior art keywords
- nuclear power
- power unit
- reliability
- service nuclear
- service
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000005457 optimization Methods 0.000 claims abstract description 48
- 238000012423 maintenance Methods 0.000 claims description 267
- 238000012797 qualification Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 37
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 abstract description 72
- 230000008439 repair process Effects 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 2
- 238000009419 refurbishment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- G06F18/10—Pre-processing; Data cleansing
-
- 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)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (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的可靠性高精度预测、监控和增长方法。方法包括:在前一年或每年一月份,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别;若为第一可靠性预测类别,基于第一可靠性基础数据,对在役核电机组进行可靠性高精度预测;若为第二可靠性预测类别,基于第二可靠性基础数据,对在役核电机组进行可靠性高精度预测;基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控,依据在役核电机组的可靠性监控结果,采用计划检修天数与非计划检修天数的优化改进,实现在役核电机组的可靠性增长,适用于在役核电机组的可靠性预测、监控和可靠性增长。
Description
技术领域
本公开涉及在役核电机组技术领域,特别涉及一种适用于在役核电机组的可靠性高精度预测及监控方法、适用于在役核电机组的可靠性增长方法、装置、电子设备、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。在役核电机组是核电技术中的重要装备。相关技术中,需要对在役核电机组的可靠性进行预测,以确保在役核电机组的正常运行,然而,在役核电机组的可靠性预测存在预测精度低与可靠性监控存在监控精度低的问题,缺少在役核电机组可靠性增长方法。
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的可靠性高精度预测及监控方法。
本公开的第二个目的在于提出一种适用于在役核电机组的可靠性增长方法。
本公开的第三个目的在于提出一种适用于在役核电机组的可靠性高精度预测及监控装置。
本公开的第四个目的在于提出一种适用于在役核电机组的可靠性增长装置。
本公开的第五个目的在于提出一种电子设备。
本公开的第六个目的在于提出一种计算机可读存储介质。
本公开的第七个目的在于提出一种适用于在役核电机组的可靠性监控平台。
本公开第一方面实施例提出了一种适用于在役核电机组的可靠性高精度预测及监控方法,包括:获取在役核电机组的已投运年数,并基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别;若所述目标可靠性预测类别为第一可靠性预测类别,基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测;若所述目标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的第二可靠性基础数据,对所述在役核电机组进行可靠性预测;基于可靠性预测值和所述在役核电机组的计划检修类别,对所述在役核电机组进行可靠性监控。
本公开第二方面实施例提出了一种适用于在役核电机组的可靠性增长方法,包括:基于役核电机组的已投运年限,对在役核电机组进行可靠性预测,得到所述在役核电机组的可靠性预测值;若所述可靠性预测值未满足监控合格条件,基于所述在役核电机组的计划检修类别,确定所述在役核电机组的可靠性异常数据;对所述可靠性异常数据进行优化改进,并返回执行获取所述可靠性预测值的流程,直至获取到的所述可靠性预测值满足所述监控合格条件。
本公开第三方面实施例提出了一种适用于在役核电机组的可靠性高精度预测及监控装置,包括:确定模块,用于获取在役核电机组的已投运年数,并基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别;预测模块,用于若所述目标可靠性预测类别为第一可靠性预测类别,基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测;所述预测模块,还用于若所述目标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的第二可靠性基础数据,对所述在役核电机组进行可靠性预测;监控模块,用于基于可靠性预测值和所述在役核电机组的计划检修类别,对所述在役核电机组进行可靠性监控。
本公开第四方面实施例提出了一种适用于在役核电机组的可靠性增长装置,包括:预测模块,用于基于役核电机组的已投运年限,对在役核电机组进行可靠性预测,得到所述在役核电机组的可靠性预测值;确定模块,用于若所述可靠性预测值未满足监控合格条件,基于所述在役核电机组的计划检修类别,确定所述在役核电机组的可靠性异常数据;优化模块,用于对所述可靠性异常数据进行优化改进,并返回执行获取所述可靠性预测值的流程,直至获取到的所述可靠性预测值满足所述监控合格条件。
本公开第五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、第二方面实施例所述的方法。
本申请第六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、第二方面实施例所述的方法。
本申请第七方面实施例提出了一种适用于在役核电机组的可靠性监控平台,包括如本公开第三方面、第四方面实施例所述的装置;或者如本公开第五方面实施例所述的电子设备;或者如本公开第六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:获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。由此,可考虑到在役核电机组的已投运年数确定目标可靠性预测类别,以对在役核电机组进行可靠性预测,提高了在役核电机组的可靠性预测的精度,且可综合考虑到在役核电机组的可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,提高了在役核电机组的可靠性监控的精度,还可对在役核电机组的计划检修天数和非计划检修天数进行优化改进,实现了在役核电机组的可靠性增长。
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的可靠性高精度预测及监控方法的流程示意图;
图2为根据本公开另一个实施例的适用于在役核电机组的可靠性高精度预测及监控方法的流程示意图;
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及监控方法的流程示意图;
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及监控方法的流程示意图;
图5为根据本公开一个实施例的适用于在役核电机组的可靠性监控方法的流程示意图;
图6为根据本公开另一个实施例的适用于在役核电机组的可靠性高精度预测及监控方法的流程示意图;
图7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增长方法的流程示意图;
图8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增长方法的流程示意图;
图9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及监控装置的结构示意图;
图10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增长装置的结构示意图;
图11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的可靠性高精度预测方法、适用于在役核电机组的可靠性增长方法、装置、电子设备、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的可靠性高精度预测及监控方法的流程示意图。
如图1所示,本公开实施例的适用于在役核电机组的可靠性高精度预测及监控方法,包括:
S101,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别。
本公开实施例中,在前一年或每年一月份,开展在役核电机组当前投运年份的可靠性预测。
需要说明的是,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可以由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装置执行,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装置可以配置在任一适用于在役核电机组的可靠性监控平台中,以执行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。
需要说明的是,已投运年数指的是在役核电机组投入运行的累计年数。
在一种实施方式中,基于已投运年数确定在役核电机组的目标可靠性预测类别,包括若已投运年数小于第一设定阈值,确定目标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,确定目标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,确定目标可靠性预测类别。
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,基于已投运年数确定在役核电机组的目标可靠性预测类别,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目标可靠性预测类别之间的对应关系,得到目标可靠性预测类别。
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。
本公开的实施例中,可在当前投运年份的前一年,或者当前投运年份的一月份,获取在役核电机组的已投运年数,以对在役核电机组进行可靠性高精度预测。
S102,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测。
S103,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测。
本公开的实施例中,目标可靠性预测类别为第一可靠性预测类别或者第二可靠性预测类别,第一可靠性基础数据、第二可靠性基础数据不同。对第一可靠性基础数据、第二可靠性基础数据均不做过多限定,比如,可包括可靠性特征量和计划停运系数。其中,可靠性特征量可包括等效可用系数。
在一种实施方式中,对在役核电机组进行可靠性预测,包括在前一年或每年一月份,对在役核电机组的当前投运年份下的可靠性特征量进行预测。
在一种实施方式中,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,包括基于第一可靠性预测类别对应的可靠性预测策略和第一可靠性基础数据,对在役核电机组进行可靠性预测。
在一种实施方式中,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,包括基于第二可靠性预测类别对应的可靠性预测策略和第二可靠性基础数据,对在役核电机组进行可靠性预测。
在一些例子中,可建立每个可靠性预测类别和可靠性基础数据、可靠性预测策略之间的对应关系,基于可靠性预测类别,确定在役核电机组的可靠性基础数据和可靠性预测策略,包括基于可靠性预测类别、可靠性基础数据、可靠性预测策略之间的对应关系,得到可靠性基础数据、可靠性预测策略。
在一种实施方式中,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,包括将第一可靠性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机组的可靠性预测值。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。
S104,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。
需要说明的是,可靠性预测值是基于对在役核电机组进行可靠性预测得到的。可靠性预测值指的是在役核电机组在当前投运年份下的可靠性特征量的预测值。
需要说明的是,在役核电机组的计划检修类别,可由用户自行设置。
在一些例子中,在役核电机组的计划检修类别包括如下四种:
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核岛换料大修,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。
在一种实施方式中,基于可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,包括基于计划检修类别,获取在役核电机组的可靠性监控判据值,若可靠性预测值大于或者等于可靠性监控判据值,确定在役核电机组未出现可靠性异常,若可靠性预测值小于可靠性监控判据值,确定在役核电机组出现可靠性异常。
在一些例子中,确定在役核电机组未出现可靠性异常之后,还包括生成用于指示在役核电机组未出现可靠性异常的指示信息,以及时告知用户在役核电机组未出现可靠性异常。
在一些例子中,确定在役核电机组出现可靠性异常之后,还包括生成用于指示在役核电机组出现可靠性异常的指示信息,以及时告知用户在役核电机组出现可靠性异常。
在一些例子中,可预先建立计划检修类别和可靠性监控判据值之间的映射关系,基于计划检修类别,获取在役核电机组的可靠性监控判据值,包括基于在役核电机组的类别和计划检修类别,在上述映射关系中查询到可靠性监控判据值,并将查询到的可靠性监控判据值确定为在役核电机组的可靠性监控判据值。
综上,根据本公开实施例的适用于核电机组的可靠性高精度预测及监控方法,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。由此,可考虑到在役核电机组的已投运年数确定目标可靠性预测类别,以对在役核电机组进行可靠性预测,提高了在役核电机组的可靠性预测的精度,且可综合考虑到在役核电机组的可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,提高了在役核电机组的可靠性监控的精度。
图2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及监控方法的流程示意图。
如图2所示,本公开实施例的适用于在役核电机组的可靠性高精度预测及监控方法,包括:
S201,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别。
步骤S201的相关内容,可参见上述实施例,这里不再赘述。
S202,基于目标可靠性预测类别,确定用于在役核电机组预测的可靠性基础数据的获取策略,获取策略包括可靠性基础数据的来源在役核电机组和数据采集条件。
S203,基于数据采集条件,对来源在役核电机组进行数据采集,获取用于在役核电机组预测的可靠性基础数据。
需要说明的是,对数据采集条件不做过多限定,比如,数据采集条件包括数据类别、数据数量、数据处于的历史投运年份等。
在一种实施方式中,可预先建立目标可靠性预测类别和获取策略之间的映射关系,基于目标可靠性预测类别,确定用于在役核电机组预测的可靠性基础数据的获取策略,包括基于目标可靠性预测类别,在上述映射关系中查询到获取策略,并将查询到的获取策略确定为用于在役核电机组预测的可靠性基础数据的获取策略。
在一种实施方式中,在目标可靠性预测类别为第一可靠性预测类别的情况下,确定与在役核电机组的功率相同的参考在役核电机组,作为来源在役核电机组,获取来源在役核电机组在多个历史投运年份下的可靠性基础数据,作为在役核电机组的第一可靠性基础数据。
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,若目标可靠性预测类别为第一可靠性预测类别,且在役核电机组的当前投运年份为2023年,则历史投运年份可包括2018-2022年。
在一种实施方式中,在目标可靠性预测类别为第二可靠性预测类别的情况下,确定在役核电机组自身为来源在役核电机组,获取在役核电机组在多个历史投运年份下的可靠性基础数据,作为在役核电机组的第二可靠性基础数据。
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,若目标可靠性预测类别为第二可靠性预测类别,且在役核电机组的当前投运年份为2023年,则历史投运年份可包括2013-2022年。
S204,基于用于在役核电机组预测的可靠性基础数据,对在役核电机组进行可靠性预测。
需要说明的是,若目标可靠性预测类别为第一可靠性预测类别,用于在役核电机组预测的可靠性基础数据为第一可靠性基础数据,基于用于在役核电机组预测的可靠性基础数据,对在役核电机组进行可靠性预测,包括基于第一可靠性基础数据,对在役核电机组进行可靠性预测。
需要说明的是,若目标可靠性预测类别为第二可靠性预测类别,用于在役核电机组预测的可靠性基础数据为第二可靠性基础数据,基于用于在役核电机组预测的可靠性基础数据,对在役核电机组进行可靠性预测,包括基于第二可靠性基础数据,对在役核电机组进行可靠性预测。
S205,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。
步骤S205的相关内容,可参见上述实施例,这里不再赘述。
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及监控方法,基于目标可靠性预测类别,确定用于在役核电机组预测的可靠性基础数据的获取策略,获取策略包括可靠性基础数据的来源在役核电机组和数据采集条件,基于数据采集条件,对来源在役核电机组进行数据采集,获取用于在役核电机组预测的可靠性基础数据,基于用于在役核电机组预测的可靠性基础数据,对在役核电机组进行可靠性预测。由此,可考虑到目标可靠性预测类别,来确定获取策略,以获取用于在役核电机组预测的可靠性基础数据,进而对在役核电机组进行可靠性预测。
图3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及监控方法的流程示意图。
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及监控方法,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。
本公开的实施例中,在役核电机组的来源在役核电机组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,确定目标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,获取参考在役核电机组在多个历史投运年份下的第一等效可用系数和第一计划停运系数,作为在役核电机组的第一可靠性基础数据。
比如,可获取在役核电机组2在近5年的第一等效可用系数EAF和第一计划停运系数POF,作为在役核电机组1的第一可靠性基础数据。在役核电机组2在近5年的第一等效可用系数和第一计划停运系数如表1所示。
表1在役核电机组2在近5年的第一等效可用系数和第一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下的第一等效可用系数,符号POF(ti-j)指的是在役核电机组2在历史投运年份ti-j下的第一计划停运系数,1≤j≤5,j为正整数。
S305,基于参考在役核电机组在多个历史投运年份下的第一等效可用系数的平均值,以及参考在役核电机组在多个历史投运年份下的第一计划停运系数的平均值,确定第一扣除计划停运等效可用系数。
在役核电机组2在近5年的第一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的第一扣除计划停运等效可用系数EAPm的计算过程如下:
S306,基于第一扣除计划停运等效可用系数,获取不同计划检修类别下的在役核电机组的可靠性预测值。
在一种实施方式中,基于第一扣除计划停运等效可用系数,获取不同计划检修类别下的在役核电机组的可靠性预测值,包括将第一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不同计划检修类别下的在役核电机组的可靠性预测值。
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核岛换料大修,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,基于第一扣除计划停运等效可用系数,获取不同计划检修类别下的核电机组的可靠性预测值,包括如下几种可能的实施方式:
方式1、若计划检修类别仅包括常规岛计划大修,基于第一扣除计划停运等效可用系数、在役核电机组的常规岛计划大修天数和新增非计划检修天数,得到在役核电机组在常规岛计划大修年份下的可靠性预测值。
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在常规岛计划大修年份下的等效可用系数预测值EAF1(ti)的计算过程如下:
方式2、若计划检修类别仅包括核岛换料大修,基于第一扣除计划停运等效可用系数、在役核电机组的核岛换料大修天数和新增非计划检修天数,得到在役核电机组在核岛换料大修年份下的可靠性预测值。
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在核岛换料大修年份下的等效可用系数预测值EAF1(ti)的计算过程如下:
方式3、若计划检修类别仅包括节假日计划检修,基于第一扣除计划停运等效可用系数、在役核电机组的节假日计划检修天数和新增非计划检修天数,得到在役核电机组在节假日计划检修年份下的可靠性预测值。
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在节假日计划检修下的等效可用系数预测值EAF1(ti)的计算过程如下:
方式4、若计划检修类别为无计划检修类别,基于第一扣除计划停运等效可用系数、在役核电机组的新增非计划检修天数,得到在役核电机组在无计划检修年份下的可靠性预测值。
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在无计划检修年份下的等效可用系数预测值EAF1(ti)的计算过程如下:
S307,基于参考在役核电机组在第i个历史投运年份下的第一计划停运系数和第一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可靠性预测值。
S308,基于参考在役核电机组在同一历史投运年份下的可靠性预测值和可靠性特征量统计值之间的相对误差,对在役核电机组的可靠性预测值进行预测精度验证。
S309,若在役核电机组的可靠性预测值未通过预测精度验证,返回执行获取在役核电机组的可靠性预测值的流程,直至获取到的在役核电机组的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可靠性预测值进行预测精度验证,并在可靠性预测值未通过预测精度验证时,返回执行获取在役核电机组的可靠性预测值的流程,直至获取到的在役核电机组的可靠性预测值通过预测精度验证,即可重复执行获取在役核电机组的可靠性预测值的流程,直至在役核电机组的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可靠性预测值的高精度预测。
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下的等效可用系数预测值EAF1(ti-j)和第一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下的等效可用系数预测值EAF1(ti-j)和第一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-k)] | 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的等效可用系数预测值通过预测精度验证。
S310,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。
步骤S310的相关内容,可参见上述实施例,这里不再赘述。
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及监控方法,基于参考在役核电机组在多个历史投运年份下的第一等效可用系数的平均值,以及参考在役核电机组在多个历史投运年份下的第一计划停运系数的平均值,确定第一扣除计划停运等效可用系数,基于第一扣除计划停运等效可用系数,获取不同计划检修类别下的在役核电机组的可靠性预测值,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及监控方法的流程示意图。
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及监控方法,包括:
S401,获取在役核电机组的已投运年数。
S402,若己投运年数大于或者等于第一设定阈值,确定目标可靠性预测类别为第二可靠性预测类别。
S403,获取在役核电机组在多个历史投运年份下的第二等效可用系数和第二计划停运系数,作为在役核电机组的第二可靠性基础数据。
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,确定目标可靠性预测类别为第二可靠性预测类别,可获取在役核电机组3在近6年的第二等效可用系数EAF和第二计划停运系数POF,作为在役核电机组3的第二可靠性基础数据。在役核电机组3在近6年的第二等效可用系数和第二计划停运系数如表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下的第二等效可用系数,符号POF(si)指的是在役核电机组3在历史投运年份si下的第二计划停运系数,1≤i≤M,M,i为正整数,M为累计投运年数,M≥5。
S404,基于在役核电机组在第i个历史投运年份下的第二等效可用系数和第二计划停运系数,得到在役核电机组在第i个历史投运年份下的第二扣除计划停运等效可用系数,其中,i为正整数。
在役核电机组3在第i个历史投运年份si下的第二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年下的第二扣除计划停运等效可用系数EAP(ti)的计算结果如表3所示。
S405,基于在役核电机组在第i个历史投运年份下的第二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年下的扣除计划停运检修系数ρ(si)的计算结果如表3所示。
S406,基于在役核电机组在多个历史投运年份下的扣除计划停运检修系数,得到在役核电机组的扣除计划停运检修系数的幂函数表示。
S407,基于幂函数表示,得到在役核电机组在当前投运年份下的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年的下的扣除计划停运检修系数ρ(si),得到在役核电机组3的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
S408,基于在役核电机组在当前投运年份下的扣除计划停运检修系数,获取不同计划检修类别下的在役核电机组的可靠性预测值。
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扣除计划停运检修系数,获取不同计划检修类别下的在役核电机组的可靠性预测值,包括将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不同计划检修类别下的在役核电机组的可靠性预测值。
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扣除计划停运检修系数,获取不同计划检修类别下的在役核电机组的可靠性预测值,包括如下几种可能的实施方式:
方式1、若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,得到在役核电机组在常规岛计划大修年份下的可靠性预测值。
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在常规岛计划大修年份下的等效可用系数预测值EAF2(si)的计算过程如下:
方式2、若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,得到在役核电机组在核岛换料大修年份下的可靠性预测值。
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在核岛换料大修年份下的等效可用系数预测值EAF2(si)的计算过程如下:
方式3、若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,得到在役核电机组在节假日计划检修年份下的可靠性预测值。
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在节假日计划检修年份下的等效可用系数预测值EAF2(si)的计算过程如下:
方式4、若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扣除计划停运检修系数和新增非计划检修天数,得到在役核电机组在无计划检修年份下的可靠性预测值。
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在无计划检修年份下的等效可用系数预测值EAF2(si)的计算过程如下:
S410,基于在役核电机组在第i个历史投运年份下的第二扣除计划停运等效可用系数和第二计划停运系数,得到在役核电机组在第i个历史投运年份下的可靠性预测值。
S411,基于在役核电机组在同一历史投运年份下的可靠性预测值和可靠性特征量统计值之间的相对误差,对在役核电机组的可靠性预测值进行预测精度验证。
S411,若在役核电机组的可靠性预测值未通过预测精度验证,返回执行获取在役核电机组的可靠性预测值的流程,直至获取到的在役核电机组的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可靠性预测值进行预测精度验证,并在可靠性预测值未通过预测精度验证时,返回执行获取在役核电机组的可靠性预测值的流程,直至获取到的在役核电机组的可靠性预测值通过预测精度验证,即可重复执行获取在役核电机组的可靠性预测值的流程,直至在役核电机组的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可靠性预测值的高精度预测。
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下的等效可用系数预测值EAF2(si)和第二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下的等效可用系数预测值EAF2(si)和第二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可靠性预测值通过预测精度验证。
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的等效可用系数预测值通过预测精度验证。
S412,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。
步骤S412的相关内容,可参见上述实施例,这里不再赘述。
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及监控方法,基于在役核电机组在第i个历史投运年份下的第二等效可用系数和第二计划停运系数,得到在役核电机组在第i个历史投运年份下的第二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第二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扣除计划停运检修系数,得到在役核电机组的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扣除计划停运检修系数,获取不同计划检修类别下的在役核电机组的可靠性预测值,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。
在上述任一实施例的基础上,如图5所示,步骤S104中基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控,包括:
S501,基于计划检修类别,确定在役核电机组的监控合格条件。
在一种实施方式中,基于计划检修类别,确定在役核电机组的监控合格条件,包括基于计划检修类别和监控合格条件之间的对应关系,确定在役核电机组的监控合格条件。可以理解的是,不同的计划检修类别,可对应不同的监控合格条件,也可对应相同的监控合格条件,这里不做过多限定。
在一种实施方式中,基于计划检修类别,确定在役核电机组的监控合格条件,包括基于计划检修类别,确定在役核电机组的可靠性监控判据值,基于可靠性监控判据值,确定在役核电机组的监控合格条件。
在一些例子中,基于计划检修类别,确定在役核电机组的可靠性监控判据值,包括基于计划检修类别和可靠性监控判据值之间的对应关系,确定在役核电机组的可靠性监控判据值。
在一些例子中,基于可靠性监控判据值,确定在役核电机组的监控合格条件,包括将目标可靠性预测值大于或者等于可靠性监控判据值,确定为监控合格条件。
在一些例子中,基于可靠性监控判据值,确定在役核电机组的监控合格条件,包括将目标可靠性预测值小于可靠性监控判据值,确定为监控不合格条件。
S502,判断可靠性预测值是否满足监控合格条件,以对在役核电机组进行可靠性监控。
在一种实施方式中,判断可靠性预测值是否满足监控合格条件,以对在役核电机组进行可靠性监控,包括若可靠性预测值满足监控合格条件,确定在役核电机组未出现可靠性异常,若可靠性预测值未满足监控合格条件,确定在役核电机组出现可靠性异常。
比如,以监控合格条件为可靠性预测值大于或者等于可靠性监控判据值,判断可靠性预测值是否满足监控合格条件,以对在役核电机组进行可靠性监控,包括若可靠性预测值大于或者等于可靠性监控判据值,确定在役核电机组未出现可靠性异常,若可靠性预测值小于可靠性监控判据值,确定在役核电机组出现可靠性异常。
由此,该方法中基于计划检修类别,确定在役核电机组的监控合格条件,判断目标可靠性预测值是否满足监控合格条件,以对在役核电机组进行可靠性监控,即可考虑到计划检修类别,来确定监控合格条件,以对在役核电机组进行可靠性监控。
图6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及监控方法的流程示意图。
如图6所示,本公开实施例的适用于在役核电机组的可靠性高精度预测及监控方法,包括:
S601,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别。
S602,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测。
S603,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测。
S604,获取在役核电机组的计划检修类别。
S605,若计划检修类别仅包括常规岛计划大修,得到在役核电机组的第一可靠性监控判据值。
S606,若计划检修类别仅包括核岛换料大修,得到在役核电机组的第二可靠性监控判据值。
S607,若计划检修类别仅包括节假日计划检修,得到在役核电机组的第三可靠性监控判据值。
S608,若计划检修类别为无计划检修类别,得到在役核电机组的第四可靠性监控判据值。
S609,若可靠性预测值大于或者等于可靠性监控判据值,确定可靠性预测值满足监控合格条件。
S610,若可靠性预测值小于可靠性监控判据值,确定可靠性预测值未满足监控合格条件。
在一种实施方式中,若在役核电机组1的可靠性预测类别为第一可靠性预测类别,对在役核电机组1进行可靠性监控的过程如下:
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,以可靠性特征量为等效可用系数为例,可对在役核电机组1在当前投运年份下的等效可用系数进行预测,得到等效可用系数预测值EAF1(ti),其中,ti为当前投运年份。
在一些例子中,在役核电机组1的可靠性监控判据值如表5所示。
表5在役核电机组的可靠性监控判据值
若计划检修类别仅包括常规岛计划大修,等效可用系数预测值EAF1(ti)=0.7597,EAF1(ti)<EAF01,可确定等效可用系数预测值EAF1(ti)未满足监控合格条件。
若计划检修类别仅包括核岛换料大修,等效可用系数预测值EAF1(ti)=0.8574,EAF1(ti)<EAF02,可确定等效可用系数预测值EAF1(ti)未满足监控合格条件。
若计划检修类别仅包括节假日计划检修,等效可用系数预测值EAF1(ti)=0.9076,EAF1(ti)<EAF03,可确定等效可用系数预测值EAF1(ti)未满足监控合格条件。
若计划检修类别为无计划检修类别,等效可用系数预测值EAF1(ti)=0.7597,EAF1(ti)<EAF04,可确定等效可用系数预测值EAF1(ti)未满足监控合格条件。
在一种实施方式中,若在役核电机组3的可靠性预测类别为第二可靠性预测类别,对在役核电机组3进行可靠性监控的过程如下:
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,以可靠性特征量为等效可用系数为例,可对在役核电机组3在当前投运年份下的等效可用系数进行预测,得到等效可用系数预测值EAF2(si),其中,si为在役核电机组3投入运行的使用年数,si=7指的是在役核电机组3投运运行的第7年,即当前投运年份。
在一些例子中,在役核电机组3的可靠性监控判据值如表5所示。
若计划检修类别仅包括常规岛计划大修,等效可用系数预测值EAF2(si)=0.7699,EAF2(si)<EAF01,可确定等效可用系数预测值EAF2(si)未满足监控合格条件。
若计划检修类别仅包括核岛换料大修,等效可用系数预测值EAF2(si)=0.8712,EAF2(si)>EAF02,可确定等效可用系数预测值EAF2(si)满足监控合格条件。
若计划检修类别仅包括节假日计划检修,等效可用系数预测值EAF2(si)=0.9397,EAF2(si)>EAF03,可确定等效可用系数预测值EAF2(si)满足监控合格条件。
若计划检修类别为无计划检修类别,等效可用系数预测值EAF2(si)=0.9671,EAF2(si)>EAF04,可确定等效可用系数预测值EAF2(si)满足监控合格条件。
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及监控方法,若计划检修类别仅包括常规岛计划大修,得到第一可靠性监控判据值,若计划检修类别仅包括核岛换料大修,得到第二可靠性监控判据值,若计划检修类别仅包括节假日计划检修,得到第三可靠性监控判据,若计划检修类别为无计划检修类别,得到第四可靠性监控判据值,并可基于获取的可靠性监控判据值和可靠性预测值之间的大小关系,确定可靠性预测值是否满足监控合格条件,适用于在役核电机组的可靠性监控。
图7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增长方法的流程示意图。
如图7所示,本公开实施例的适用于在役核电机组的可靠性增长方法,包括:
S701,基于役核电机组的已投运年限,对在役核电机组进行可靠性预测,得到在役核电机组的可靠性预测值。
步骤S701的相关内容,可参见下述实施例中图1至图4的相关内容,这里不再赘述。
S702,若可靠性预测值未满足监控合格条件,基于在役核电机组的计划检修类别,确定在役核电机组的可靠性异常数据。
需要说明的是,对可靠性异常数据不做过多限定,比如,可靠性异常数据包括与计划检修类别对应的计划检修天数和/或在役核电机组的新增非计划检修天数。
在一种实施方式中,基于计划检修类别,确定在役核电机组的可靠性异常数据,包括基于计划检修类别和可靠性异常数据之间的对应关系,确定可靠性异常数据。可以理解的是,不同的计划检修类别,可对应不同的可靠性异常数据,也可对应相同的可靠性异常数据,这里不做过多限定。
S703,对可靠性异常数据进行优化改进,并返回执行获取可靠性预测值的流程,直至获取到的可靠性预测值满足监控合格条件。
在一种实施方式中,对可靠性异常数据进行优化改进,包括基于计划检修类别,确定可靠性异常数据的优化改进策略,按照优化改进策略对可靠性异常数据进行优化改进。由此,该方法中可考虑到计划检修类别,确定可靠性异常数据的优化改进策略,以对可靠性异常数据进行优化改进,提高了可靠性异常数据优化改进的精度。
在一种实施方式中,对可靠性异常数据进行优化改进,包括基于计划检修类别,确定计划检修天数的调整区间,并在计划检修天数的调整区间内,对计划检修天数进行优化改进,确定新增非计划检修天数的调整区间,并在新增非计划检修天数的调整区间内,对新增非计划检修天数进行优化改进。
在一些例子中,可预先建立计划检修类别和计划检修天数的调整区间之间的映射关系,基于计划检修类别,确定计划检修天数的调整区间,包括基于计划检修类别,在上述映射关系中查询到调整区间,并将查询到的调整区间确定为计划检修天数的调整区间。
综上,根据本公开实施例的适用于在役核电机组的可靠性增长方法,若可靠性预测值未满足监控合格条件,基于计划检修类别,确定在役核电机组的可靠性异常数据,对可靠性异常数据进行优化改进,并返回执行获取可靠性预测值的流程,直至获取到的可靠性预测值满足监控合格条件。由此,可在可靠性预测值未满足监控合格条件时,对可靠性异常数据进行优化改进,并返回执行获取可靠性预测值的流程,直至获取到的可靠性预测值满足监控合格条件,有助于提高在役核电机组的可靠性。
图8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增长方法的流程示意图。
如图8所示,本公开实施例的适用于在役核电机组的可靠性增长方法,包括:
S801,基于役核电机组的已投运年限,对在役核电机组进行可靠性预测,得到在役核电机组的可靠性预测值。
S802,若可靠性预测值未满足监控合格条件,基于在役核电机组的计划检修类别,确定在役核电机组的可靠性异常数据。
步骤S801-S802的相关内容,可参见上述实施例,这里不再赘述。
S803,若计划检修类别仅包括常规岛计划大修,确定第一调整区间为常规岛计划检修天数的调整区间,并在第一调整区间内对常规岛计划大修天数进行优化改进。
S804,若计划检修类别仅包括核岛换料大修,确定第三调整区间为核岛换料大修天数的调整区间,并在第三调整区间内对核岛换料大修天数进行优化改进。
S805,若计划检修类别仅包括节假日计划检修,确定第四调整区间为节假日计划检修天数的调整区间,并在第四调整区间内对节假日计划检修天数进行优化改进。
S806,若计划检修类别仅包括常规岛计划大修、或者计划检修类别仅包括核岛换料大修、或者计划检修类别仅包括节假日计划检修、或者计划检修类别为无计划检修类别,确定第二调整区间为新增非计划检修天数的调整区间,并在第二调整区间内对新增非计划检修天数进行优化改进。
S807,返回执行获取可靠性预测值的流程,直至获取到的可靠性预测值满足监控合格条件。
在一种实施方式中,若在役核电机组1的可靠性预测类别为第一可靠性预测类别,对在役核电机组1进行可靠性增长的过程如下:
比如,以可靠性特征量为等效可用系数为例。
方式1、若计划检修类别仅包括常规岛计划大修,第一调整区间的下限值大于或者等于60天,第一调整区间的上限值小于或者等于80天,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组1的不同常规岛计划大修天数m1、新增非计划检修天数Δud对应的目标等效可用系数预测值EAF1(ti)如表6所示。
表6不同m1、Δud对应的在役核电机组1的EAF1(ti)
由表6可知,在只有常规岛计划大修年份,对可靠性异常数据进行优化改进包括如下几种可能的实施方式:
第1种改进:将在役核电机组1的常规岛计划大修天数m1调整至66天,确定1至7天为新增非计划检修天数Δud的调整区间,并在1至7天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第2种改进:将在役核电机组1的常规岛计划大修天数m1调整至67天,确定1至6天为新增非计划检修天数Δud的调整区间,并在1至6天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第3种改进:将在役核电机组1的常规岛计划大修天数m1调整至68天,确定1至5天为新增非计划检修天数Δud的调整区间,并在1至5天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第4种改进:将在役核电机组1的常规岛计划大修天数m1调整至69天,确定1至4天为新增非计划检修天数Δud的调整区间,并在1至4天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第5种改进:将在役核电机组1的常规岛计划大修天数m1调整至70天,确定1至3天为新增非计划检修天数Δud的调整区间,并在1至3天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
方式2、若计划检修类别仅包括核岛换料大修,第三调整区间的下限值大于或者等于20天,第三调整区间的上限值小于或者等于40天,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组1的不同核岛换料大修天数m2、新增非计划检修天数Δud对应的目标等效可用系数预测值EAF1(ti)如表7所示。
表7不同m2、Δud对应的在役核电机组1的EAF1(ti)
由表7可知,在只有核岛换料大修年份,对可靠性异常数据进行优化改进包括如下几种可能的实施方式:
第1种改进:将在役核电机组1的核岛换料大修天数m2调整至29天,确定1至6天为新增非计划检修天数Δud的调整区间,并在1至6天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第2种改进:将在役核电机组1的核岛换料大修天数m2调整至30天,确定1至5天为新增非计划检修天数Δud的调整区间,并在1至5天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第3种改进:将在役核电机组1的核岛换料大修天数m2调整至31天,确定1至4天为新增非计划检修天数Δud的调整区间,并在1至4天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第4种改进:将在役核电机组1的核岛换料大修天数m2调整至32天,确定1至3天为新增非计划检修天数Δud的调整区间,并在1至3天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第5种改进:将在役核电机组1的核岛换料大修天数m2调整至33天,确定1至2天为新增非计划检修天数Δud的调整区间,并在1至2天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
方式3、若计划检修类别仅包括节假日计划检修,第四调整区间的下限值大于或者等于5天,第四调整区间的上限值小于或者等于15天,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组1的不同节假日计划检修天数m3、新增非计划检修天数Δud对应的目标等效可用系数预测值EAF1(ti)如表8所示。
表8不同m3、Δud对应的在役核电机组1的EAF1(ti)
由表8可知,在只有节假日计划检修年份,对可靠性异常数据进行优化改进包括如下几种可能的实施方式:
第1种改进:将在役核电机组1的节假日计划检修天数m3调整至10天,确定1至9天为新增非计划检修天数Δud的调整区间,并在1至9天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第2种改进:将在役核电机组1的节假日计划检修天数m3调整至11天,确定1至9天为新增非计划检修天数Δud的调整区间,并在1至9天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第3种改进:将在役核电机组1的节假日计划检修天数m3调整至12天,确定1至8天为新增非计划检修天数Δud的调整区间,并在1至8天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第4种改进:将在役核电机组1的节假日计划检修天数m3调整至13天,确定1至7天为新增非计划检修天数Δud的调整区间,并在1至7天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
第5种改进:将在役核电机组1的节假日计划检修天数m3调整至14天,确定1至6天为新增非计划检修天数Δud的调整区间,并在1至6天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
方式4、若计划检修类别为无计划检修类别,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组1的不同新增非计划检修天数Δud对应的目标等效可用系数预测值EAF1(ti)如表9所示。
表9不同Δud对应的在役核电机组1的EAF1(ti)
新增非计划检修天数Δud | 1 | 2 | 3 | 4 | 5 | 6 |
等效可用系数EAF1(ti) | 0.9610 | 0.9582 | 0.9555 | 0.9528 | 0.9500 | 0.9473 |
新增非计划检修天数Δud | 7 | 8 | 9 | 10 | 11 | 12 |
等效可用系数EAF1(ti) | 0.9445 | 0.9418 | 0.9391 | 0.9363 | 0.9336 | 0.9308 |
由表9可知,确定1至8天为新增非计划检修天数Δud的调整区间,并在1至8天内对在役核电机组1的新增非计划检修天数Δud进行优化改进。
在一种实施方式中,若在役核电机组3的可靠性预测类别为第二可靠性预测类别,对在役核电机组3进行可靠性增长的过程如下:
比如,以可靠性特征量为等效可用系数为例。
方式1、若计划检修类别仅包括常规岛计划大修,第一调整区间的下限值大于或者等于60天,第一调整区间的上限值小于或者等于80天,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组3的不同常规岛计划大修天数m1、新增非计划检修天数Δud对应的目标等效可用系数预测值EAF2(si)如表10所示。
表10不同m1、Δud对应的在役核电机组3的EAF2(si)
由表10可知,在只有常规岛计划大修年份,对可靠性异常数据进行优化改进包括如下几种可能的实施方式:
第1种改进:将在役核电机组3的常规岛计划大修天数m1调整至73天,确定1至10天为新增非计划检修天数Δud的调整区间,并在1至10天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第2种改进:将在役核电机组3的常规岛计划大修天数m1调整至74天,确定1至9天为新增非计划检修天数Δud的调整区间,并在1至9天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第3种改进:将在役核电机组3的常规岛计划大修天数m1调整至75天,确定1至8天为新增非计划检修天数Δud的调整区间,并在1至8天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第4种改进:将在役核电机组3的常规岛计划大修天数m1调整至76天,确定1至7天为新增非计划检修天数Δud的调整区间,并在1至7天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第5种改进:将在役核电机组3的常规岛计划大修天数m1调整至77天,确定1至6天为新增非计划检修天数Δud的调整区间,并在1至6天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
方式2、若计划检修类别仅包括核岛换料大修,第三调整区间的下限值大于或者等于20天,第三调整区间的上限值小于或者等于40天,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组3的不同核岛换料大修天数m2、新增非计划检修天数Δud对应的目标等效可用系数预测值EAF2(si)如表11所示。
表11不同m2、Δud对应的在役核电机组3的EAF2(si)
由表11可知,在只有核岛换料大修年份,对可靠性异常数据进行优化改进包括如下几种可能的实施方式:
第1种改进:将在役核电机组3的核岛换料大修天数m2调整至36天,确定1至11天为新增非计划检修天数Δud的调整区间,并在1至11天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第2种改进:将在役核电机组3的核岛换料大修天数m2调整至37天,确定1至10天为新增非计划检修天数Δud的调整区间,并在1至10天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第3种改进:将在役核电机组3的核岛换料大修天数m2调整至38天,确定1至9天为新增非计划检修天数Δud的调整区间,并在1至9天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第4种改进:将在役核电机组3的核岛换料大修天数m2调整至39天,确定1至8天为新增非计划检修天数Δud的调整区间,并在1至8天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第5种改进:将在役核电机组3的核岛换料大修天数m2调整至40天,确定1至7天为新增非计划检修天数Δud的调整区间,并在1至7天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
方式3、若计划检修类别仅包括节假日计划检修,第四调整区间的下限值大于或者等于5天,第四调整区间的上限值小于或者等于15天,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组3的不同节假日计划检修天数m3、新增非计划检修天数Δud对应的目标等效可用系数预测值EAF2(si)如表12所示。
表12不同m3、Δud对应的在役核电机组3的EAF2(si)
由表12可知,在只有节假日计划检修年份,对可靠性异常数据进行优化改进包括如下几种可能的实施方式:
第1种改进:将在役核电机组3的节假日计划检修天数m3调整至11天,确定1至12天为新增非计划检修天数Δud的调整区间,并在1至12天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第2种改进:将在役核电机组3的节假日计划检修天数m3调整至12天,确定1至12天为新增非计划检修天数Δud的调整区间,并在1至12天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第3种改进:将在役核电机组3的节假日计划检修天数m3调整至13天,确定1至12天为新增非计划检修天数Δud的调整区间,并在1至12天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第4种改进:将在役核电机组3的节假日计划检修天数m3调整至14天,确定1至12天为新增非计划检修天数Δud的调整区间,并在1至12天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
第5种改进:将在役核电机组3的节假日计划检修天数m3调整至15天,确定1至12天为新增非计划检修天数Δud的调整区间,并在1至12天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
方式4、若计划检修类别为无计划检修类别,第二调整区间的下限值大于或者等于1天,第二调整区间的上限值小于或者等于12天。
在役核电机组3的不同新增非计划检修天数Δud对应的目标等效可用系数预测值EAF2(si)如表13所示。
表13不同Δud对应的在役核电机组3的EAF2(si)
新增非计划检修天数Δud | 1 | 2 | 3 | 4 | 5 | 6 |
等效可用系数EAF2(si) | 0.9973 | 0.9945 | 0.9918 | 0.9890 | 0.9863 | 0.9836 |
新增非计划检修天数Δud | 7 | 8 | 9 | 10 | 11 | 12 |
等效可用系数EAF2(si) | 0.9808 | 0.9781 | 0.9753 | 0.9726 | 0.9699 | 0.9671 |
由表13可知,确定1至12天为新增非计划检修天数Δud的调整区间,并在1至12天内对在役核电机组3的新增非计划检修天数Δud进行优化改进。
综上,根据本公开实施例的适用于在役核电机组的可靠性增长方法,若计划检修类别仅包括常规岛计划大修,在第一调整区间内对常规岛计划大修天数进行优化改进,若计划检修类别仅包括核岛换料大修,在第三调整区间内对核岛换料大修天数进行优化改进,若计划检修类别仅包括节假日计划检修,在第四调整区间内对节假日计划检修天数进行优化改进,若计划检修类别仅包括常规岛计划大修、或者计划检修类别仅包括核岛换料大修、或者计划检修类别仅包括节假日计划检修、或者计划检修类别为无计划检修类别,在第二调整区间内对新增非计划检修天数进行优化改进,适用于在役核电机组的可靠性增长。
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的可靠性高精度预测及监控装置。
图9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及监控装置的结构示意图。
如图9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及监控装置100,包括:确定模块110、预测模块120和监控模块130。
确定模块110用于获取在役核电机组的已投运年数,并基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别;
预测模块120用于若所述目标可靠性预测类别为第一可靠性预测类别,基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测;
所述预测模块120还用于若所述目标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的第二可靠性基础数据,对所述在役核电机组进行可靠性预测;
监控模块130用于基于可靠性预测值和所述在役核电机组的计划检修类别,对所述在役核电机组进行可靠性监控。
在本公开的一个实施例中,所述确定模块110,还用于:若所述已投运年数小于第一设定阈值,确定所述目标可靠性预测类别为第一可靠性预测类别;或者,若所述已投运年数大于或者等于所述第一设定阈值,确定所述目标可靠性预测类别为第二可靠性预测类别。
在本公开的一个实施例中,所述预测模块120,还用于:基于所述目标可靠性预测类别,确定用于所述在役核电机组预测的可靠性基础数据的获取策略,所述获取策略包括所述可靠性基础数据的来源在役核电机组和数据采集条件;基于所述数据采集条件,对所述来源在役核电机组进行数据采集,获取用于所述在役核电机组预测的可靠性基础数据。
在本公开的一个实施例中,所述预测模块120,还用于:在所述目标可靠性预测类别为第一可靠性预测类别的情况下,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,作为所述来源在役核电机组;获取所述来源在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第一可靠性基础数据。
在本公开的一个实施例中,所述预测模块120,还用于:在所述目标可靠性预测类别为第二可靠性预测类别的情况下,确定所述在役核电机组自身为所述来源在役核电机组;获取所述在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第二可靠性基础数据。
在本公开的一个实施例中,所述预测模块120,还用于:基于所述第一可靠性基础数据中的第一等效可用系数和第一计划停运系数,确定第一扣除计划停运等效可用系数;基于所述第一扣除计划停运等效可用系数,获取不同计划检修类别下的所述在役核电机组的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:基于所述来源在役核电机组在多个历史投运年份下的第一等效可用系数的平均值,以及所述来源在役核电机组在多个历史投运年份下的第一计划停运系数的平均值,确定所述第一扣除计划停运等效可用系数。
在本公开的一个实施例中,所述预测模块120,还用于:若所述计划检修类别仅包括常规岛计划大修,基于所述第一扣除计划停运等效可用系数、所述在役核电机组的常规岛计划大修天数和新增非计划检修天数,得到所述在役核电机组在常规岛计划大修年份下的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:若所述计划检修类别仅包括核岛换料大修,基于所述第一扣除计划停运等效可用系数、所述在役核电机组的核岛换料大修天数和新增非计划检修天数,得到所述在役核电机组在核岛换料大修年份下的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:若所述计划检修类别仅包括节假日计划检修,基于所述第一扣除计划停运等效可用系数、所述在役核电机组的节假日计划检修天数和新增非计划检修天数,得到所述在役核电机组在节假日计划检修年份下的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:若所述计划检修类别为无计划检修类别,基于所述第一扣除计划停运等效可用系数、所述在役核电机组的新增非计划检修天数,得到所述在役核电机组在无计划检修年份下的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:基于所述来源在役核电机组在第i个历史投运年份下的第一计划停运系数和所述第一扣除计划停运等效可用系数,对所述来源在役核电机组在第i个历史投运年份下的可靠性特征量进行预测,得到所述来源在役核电机组在第i个历史投运年份下的可靠性预测值;基于所述来源在役核电机组在同一历史投运年份下的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:基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,确定所述在役核电机组在当前投运年份下的扣除计划停运检修系数;基于所述在役核电机组在当前投运年份下的扣除计划停运检修系数,获取不同计划检修类别下的所述在役核电机组的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数;基于所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数,得到所述在役核电机组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,得到所述在役核电机组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:基于所述在役核电机组在第i个历史投运年份下的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在第i个历史投运年份下的第二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第二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,得到所述在役核电机组在常规岛计划大修年份下的可靠性预测值。
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,得到所述在役核电机组在核岛换料大修年份下的可靠性预测值。
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,得到所述在役核电机组在节假日计划检修年份下的可靠性预测值。
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扣除计划停运检修系数和新增非计划检修天数,得到所述在役核电机组在无计划检修年份下的可靠性预测值。
在本公开的一个实施例中,所述预测模块120,还用于:基于所述在役核电机组在第i个历史投运年份下的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在第i个历史投运年份下的第二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第二扣除计划停运等效可用系数和第二计划停运系数,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,所述监控模块130,还用于:基于所述计划检修类别,确定所述在役核电机组的监控合格条件;判断所述可靠性预测值是否满足所述监控合格条件,以对所述在役核电机组进行可靠性监控。
在本公开的一个实施例中,所述监控模块130,还用于:基于所述计划检修类别,确定所述在役核电机组的可靠性监控判据值;基于所述可靠性监控判据值,确定所述监控合格条件。
在本公开的一个实施例中,所述监控模块130,还用于:若所述计划检修类别仅包括常规岛计划大修,得到所述在役核电机组的第一可靠性监控判据值;或者,若所述计划检修类别仅包括核岛换料大修,得到所述在役核电机组的第二可靠性监控判据值;或者,若所述计划检修类别仅包括节假日计划检修,得到所述在役核电机组的第三可靠性监控判据值;或者,若所述计划检修类别为无计划检修类别,得到所述在役核电机组的第四可靠性监控判据值。
在本公开的一个实施例中,所述监控模块130,还用于:将所述可靠性预测值大于或者等于所述可靠性监控判据值,确定为所述监控合格条件。
需要说明的是,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的可靠性高精度预测及监控装置,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。由此,可考虑到在役核电机组的已投运年数确定目标可靠性预测类别,以对在役核电机组进行可靠性预测,提高了在役核电机组的可靠性预测的精度,且可综合考虑到在役核电机组的可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,提高了在役核电机组的可靠性监控的精度。
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的可靠性增长装置。
图10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增长装置的结构示意图。
如图10所示,本公开实施例的适用于在役核电机组的可靠性增长装置200,包括:预测模块210、确定模块220和优化模块230。
预测模块210用于基于役核电机组的已投运年限,对在役核电机组进行可靠性预测,得到所述在役核电机组的可靠性预测值;
确定模块220用于若所述可靠性预测值未满足监控合格条件,基于所述在役核电机组的计划检修类别,确定所述在役核电机组的可靠性异常数据;
优化模块230用于对所述可靠性异常数据进行优化改进,并返回执行获取所述可靠性预测值的流程,直至获取到的所述可靠性预测值满足所述监控合格条件。
在本公开的一个实施例中,所述可靠性异常数据包括与所述计划检修类别对应的计划检修天数和/或所述在役核电机组的新增非计划检修天数;
其中,所述优化模块230,还用于:基于所述计划检修类别,确定所述计划检修天数的调整区间,并在所述计划检修天数的调整区间内,对所述计划检修天数进行优化改进;确定所述新增非计划检修天数的调整区间,并在所述新增非计划检修天数的调整区间内,对所述新增非计划检修天数进行优化改进。
在本公开的一个实施例中,若所述计划检修类别仅包括常规岛计划大修,所述优化模块230,还用于:确定第一调整区间为常规岛计划大修天数的调整区间,并在所述第一调整区间内对所述常规岛计划大修天数进行优化改进;确定第二调整区间为所述新增非计划检修天数的调整区间,并在所述第二调整区间内对所述新增非计划检修天数进行优化改进。
在本公开的一个实施例中,若所述计划检修类别仅包括核岛换料大修,所述优化模块230,还用于:确定第三调整区间为所述核岛换料大修天数的调整区间,并在所述第三调整区间内对所述核岛换料大修天数进行优化改进;确定第二调整区间为所述新增非计划检修天数的调整区间,并在所述第二调整区间内对所述新增非计划检修天数进行优化改进。
在本公开的一个实施例中,若所述计划检修类别仅包括节假日计划检修,所述优化模块230,还用于:确定第四调整区间为节假日计划检修天数的调整区间,并在所述第四调整区间内对所述节假日计划检修天数进行优化改进;确定第二调整区间为所述新增非计划检修天数的调整区间,并在所述第二调整区间内对所述新增非计划检修天数进行优化改进。
在本公开的一个实施例中,若所述计划检修类别为无计划检修类别,所述优化模块230,还用于:确定第二调整区间为所述新增非计划检修天数的调整区间,并在所述第二调整区间内对所述新增非计划检修天数进行优化改进。
在本公开的一个实施例中,所述预测模块210,还用于:获取所述在役核电机组的已投运年数,并基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别;若所述目标可靠性预测类别为第一可靠性预测类别,基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测;若所述目标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的第二可靠性基础数据,对所述在役核电机组进行可靠性预测。
在本公开的一个实施例中,所述预测模块210,还用于:若所述已投运年数小于第一设定阈值,确定所述目标可靠性预测类别为第一可靠性预测类别;或者,若所述已投运年数大于或者等于所述第一设定阈值,确定所述目标可靠性预测类别为第二可靠性预测类别。
在本公开的一个实施例中,所述预测模块210,还用于:基于所述目标可靠性预测类别,确定用于所述在役核电机组预测的可靠性基础数据的获取策略,所述获取策略包括所述可靠性基础数据的来源在役核电机组和数据采集条件;基于所述数据采集条件,对所述来源在役核电机组进行数据采集,获取用于所述在役核电机组预测的可靠性基础数据。
在本公开的一个实施例中,所述预测模块210,还用于:在所述目标可靠性预测类别为第一可靠性预测类别的情况下,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,作为所述来源在役核电机组;获取所述来源在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第一可靠性基础数据。
在本公开的一个实施例中,所述预测模块210,还用于:在所述目标可靠性预测类别为第二可靠性预测类别的情况下,确定所述在役核电机组自身为所述来源在役核电机组;获取所述在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第二可靠性基础数据。
在本公开的一个实施例中,所述确定模块220,还用于:基于所述计划检修类别,确定所述在役核电机组的监控合格条件。
在本公开的一个实施例中,所述确定模块220,还用于:基于所述计划检修类别,确定所述在役核电机组的可靠性监控判据值;基于所述可靠性监控判据值,确定所述监控合格条件。
在本公开的一个实施例中,所述确定模块220,还用于:将所述可靠性预测值大于或者等于所述可靠性监控判据值,确定为所述监控合格条件。
需要说明的是,本公开实施例的适用于在役核电机组的可靠性增长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的可靠性增长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的可靠性增长装置,若可靠性预测值未满足监控合格条件,基于计划检修类别,确定在役核电机组的可靠性异常数据,对可靠性异常数据进行优化改进,并返回执行获取可靠性预测值的流程,直至获取到的可靠性预测值满足监控合格条件。由此,可在可靠性预测值未满足监控合格条件时,对可靠性异常数据进行优化改进,并返回执行获取可靠性预测值的流程,直至获取到的可靠性预测值满足监控合格条件,有助于提高在役核电机组的可靠性。
为了实现上述实施例,如图11所示,本公开实施例提出了一种电子设备300,包括:存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序,所述处理器320执行所述程序时,实现上述的适用于在役核电机组的可靠性高精度预测及监控方法,和/或实现上述的适用于在役核电机组的可靠性增长方法。
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,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。由此,可考虑到在役核电机组的已投运年数确定目标可靠性预测类别,以对在役核电机组进行可靠性预测,提高了在役核电机组的可靠性预测的精度,且可综合考虑到在役核电机组的可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,提高了在役核电机组的可靠性监控的精度,还可对在役核电装备的计划检修天数和非计划检修天数进行优化改进,实现了在役核电装备的可靠性增长。
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的可靠性高精度预测及监控方法,和/或实现上述的适用于在役核电机组的可靠性增长方法。
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,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。由此,可考虑到在役核电机组的已投运年数确定目标可靠性预测类别,以对在役核电机组进行可靠性预测,提高了在役核电机组的可靠性预测的精度,且可综合考虑到在役核电机组的可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,提高了在役核电机组的可靠性监控的精度,还可对在役核电装备的计划检修天数和非计划检修天数进行优化改进,实现了在役核电装备的可靠性增长。
为了实现上述实施例,本公开实施例提出了一种适用于在役核电机组的可靠性监控平台,包括上述的图9所示的适用于在役核电机组的可靠性高精度预测及监控装置,和/或上述的图10所示的适用于在役核电机组的可靠性增长装置;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的可靠性监控平台,获取在役核电机组的已投运年数,并基于已投运年数确定在役核电机组的目标可靠性预测类别,若目标可靠性预测类别为第一可靠性预测类别,基于在役核电机组的第一可靠性基础数据,对在役核电机组进行可靠性预测,若目标可靠性预测类别为第二可靠性预测类别,基于在役核电机组的第二可靠性基础数据,对在役核电机组进行可靠性预测,基于可靠性预测值和在役核电机组的计划检修类别,对在役核电机组进行可靠性监控。由此,可考虑到在役核电机组的已投运年数确定目标可靠性预测类别,以对在役核电机组进行可靠性预测,提高了在役核电机组的可靠性预测的精度,且可综合考虑到在役核电机组的可靠性预测值和计划检修类别,对在役核电机组进行可靠性监控,提高了在役核电机组的可靠性监控的精度,还可对在役核电装备的计划检修天数和非计划检修天数进行优化改进,实现了在役核电装备的可靠性增长。
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 (22)
1.一种适用于在役核电机组的可靠性高精度预测及监控方法,其特征在于,包括:
获取在役核电机组的已投运年数,并基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别;
若所述目标可靠性预测类别为第一可靠性预测类别,基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测;
若所述目标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的第二可靠性基础数据,对所述在役核电机组进行可靠性预测;
基于可靠性预测值和所述在役核电机组的计划检修类别,对所述在役核电机组进行可靠性监控;
在所述目标可靠性预测类别为第二可靠性预测类别的情况下,确定所述在役核电机组自身为第二可靠性基础数据的来源在役核电机组;
获取所述在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第二可靠性基础数据;
基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,确定所述在役核电机组在当前投运年份下的扣除计划停运检修系数;
基于所述在役核电机组在当前投运年份下的扣除计划停运检修系数,获取不同计划检修类别下的所述在役核电机组的可靠性预测值;
所述基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,确定所述在役核电机组在当前投运年份下的扣除计划停运检修系数,包括:
基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数;
基于所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数,得到所述在役核电机组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,得到所述在役核电机组在当前投运年份下的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,所述基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别,包括:
若所述已投运年数小于第一设定阈值,确定所述目标可靠性预测类别为第一可靠性预测类别;或者,
若所述已投运年数大于或者等于所述第一设定阈值,确定所述目标可靠性预测类别为第二可靠性预测类别。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标可靠性预测类别,确定用于所述在役核电机组预测的可靠性基础数据的获取策略,所述获取策略包括所述可靠性基础数据的来源在役核电机组和数据采集条件;
基于所述数据采集条件,对所述来源在役核电机组进行数据采集,获取用于所述在役核电机组预测的可靠性基础数据。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述目标可靠性预测类别为第一可靠性预测类别的情况下,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,作为所述来源在役核电机组;
获取所述来源在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第一可靠性基础数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测,包括:
基于所述第一可靠性基础数据中的第一等效可用系数和第一计划停运系数,确定第一扣除计划停运等效可用系数;
基于所述第一扣除计划停运等效可用系数,获取不同计划检修类别下的所述在役核电机组的可靠性预测值。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一可靠性基础数据中的第一等效可用系数和第一计划停运系数,确定第一扣除计划停运等效可用系数,包括:
基于所述来源在役核电机组在多个历史投运年份下的第一等效可用系数的平均值,以及所述来源在役核电机组在多个历史投运年份下的第一计划停运系数的平均值,确定所述第一扣除计划停运等效可用系数。
7.根据权利要求5所述的方法,其特征在于,还包括:
基于所述来源在役核电机组在第i个历史投运年份下的第一计划停运系数和所述第一扣除计划停运等效可用系数,对所述来源在役核电机组在第i个历史投运年份下的可靠性特征量进行预测,得到所述来源在役核电机组在第i个历史投运年份下的可靠性预测值;
基于所述来源在役核电机组在同一历史投运年份下的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可靠性预测值进行预测精度验证。
8.根据权利要求1所述的方法,其特征在于,所述基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数,包括:
基于所述在役核电机组在第i个历史投运年份下的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在第i个历史投运年份下的第二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第二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扣除计划停运检修系数。
9.根据权利要求1所述的方法,其特征在于,还包括:
基于所述在役核电机组在第i个历史投运年份下的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在第i个历史投运年份下的第二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第二扣除计划停运等效可用系数和第二计划停运系数,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可靠性预测值进行预测精度验证。
10.根据权利要求1所述的方法,其特征在于,所述基于可靠性预测值和所述在役核电机组的计划检修类别,对所述在役核电机组进行可靠性监控,包括:
基于所述计划检修类别,确定所述在役核电机组的监控合格条件;
判断所述可靠性预测值是否满足所述监控合格条件,以对所述在役核电机组进行可靠性监控。
11.根据权利要求10所述的方法,其特征在于,所述基于所述计划检修类别,确定所述在役核电机组的监控合格条件,包括:
基于所述计划检修类别,确定所述在役核电机组的可靠性监控判据值;
基于所述可靠性监控判据值,确定所述监控合格条件。
12.根据权利要求11所述的方法,其特征在于,所述基于所述可靠性监控判据值,确定所述监控合格条件,包括:
将所述可靠性预测值大于或者等于所述可靠性监控判据值,确定为所述监控合格条件。
13.一种适用于在役核电机组的可靠性增长方法,其特征在于,包括:
基于在役核电机组的已投运年限,对所述在役核电机组进行可靠性预测,得到所述在役核电机组的可靠性预测值;
若所述可靠性预测值未满足监控合格条件,基于所述在役核电机组的计划检修类别,确定所述在役核电机组的可靠性异常数据;
对所述可靠性异常数据进行优化改进,并返回执行获取所述可靠性预测值的流程,直至获取到的所述可靠性预测值满足所述监控合格条件;
所述可靠性异常数据包括与所述计划检修类别对应的计划检修天数、所述在役核电机组的新增非计划检修天数;
其中,所述对所述可靠性异常数据进行优化改进,包括:
基于所述计划检修类别,确定所述计划检修天数的调整区间,并在所述计划检修天数的调整区间内,对所述计划检修天数进行优化改进;
确定所述新增非计划检修天数的调整区间,并在所述新增非计划检修天数的调整区间内,对所述新增非计划检修天数进行优化改进。
14.一种适用于在役核电机组的可靠性高精度预测及监控装置,其特征在于,包括:
确定模块,用于获取在役核电机组的已投运年数,并基于所述已投运年数确定所述在役核电机组的目标可靠性预测类别;
预测模块,用于若所述目标可靠性预测类别为第一可靠性预测类别,基于所述在役核电机组的第一可靠性基础数据,对所述在役核电机组进行可靠性预测;
所述预测模块,还用于若所述目标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的第二可靠性基础数据,对所述在役核电机组进行可靠性预测;
监控模块,用于基于可靠性预测值和所述在役核电机组的计划检修类别,对所述在役核电机组进行可靠性监控;
所述预测模块,还用于:
在所述目标可靠性预测类别为第二可靠性预测类别的情况下,确定所述在役核电机组自身为第二可靠性基础数据的来源在役核电机组;
获取所述在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第二可靠性基础数据;
基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,确定所述在役核电机组在当前投运年份下的扣除计划停运检修系数;
基于所述在役核电机组在当前投运年份下的扣除计划停运检修系数,获取不同计划检修类别下的所述在役核电机组的可靠性预测值;
所述基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,确定所述在役核电机组在当前投运年份下的扣除计划停运检修系数,包括:
基于所述第二可靠性基础数据中的第二等效可用系数和第二计划停运系数,得到所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数;
基于所述在役核电机组在多个历史投运年份下的扣除计划停运检修系数,得到所述在役核电机组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,得到所述在役核电机组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所述的装置,其特征在于,所述确定模块,还用于:
若所述已投运年数小于第一设定阈值,确定所述目标可靠性预测类别为第一可靠性预测类别;或者,
若所述已投运年数大于或者等于所述第一设定阈值,确定所述目标可靠性预测类别为第二可靠性预测类别。
16.根据权利要求14所述的装置,其特征在于,所述预测模块,还用于:
基于所述目标可靠性预测类别,确定用于所述在役核电机组预测的可靠性基础数据的获取策略,所述获取策略包括所述可靠性基础数据的来源在役核电机组和数据采集条件;
基于所述数据采集条件,对所述来源在役核电机组进行数据采集,获取用于所述在役核电机组预测的可靠性基础数据。
17.根据权利要求15所述的装置,其特征在于,所述预测模块,还用于:
在所述目标可靠性预测类别为第一可靠性预测类别的情况下,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,作为所述来源在役核电机组;
获取所述来源在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第一可靠性基础数据。
18.根据权利要求15所述的装置,其特征在于,所述预测模块,还用于:
在所述目标可靠性预测类别为第二可靠性预测类别的情况下,确定所述在役核电机组自身为所述来源在役核电机组;
获取所述在役核电机组在多个历史投运年份下的可靠性基础数据,作为所述在役核电机组的第二可靠性基础数据。
19.一种适用于在役核电机组的可靠性增长装置,其特征在于,包括:
预测模块,用于基于在役核电机组的已投运年限,对所述在役核电机组进行可靠性预测,得到所述在役核电机组的可靠性预测值;
确定模块,用于若所述可靠性预测值未满足监控合格条件,基于所述在役核电机组的计划检修类别,确定所述在役核电机组的可靠性异常数据;
优化模块,用于对所述可靠性异常数据进行优化改进,并返回执行获取所述可靠性预测值的流程,直至获取到的所述可靠性预测值满足所述监控合格条件;
所述可靠性异常数据包括与所述计划检修类别对应的计划检修天数、所述在役核电机组的新增非计划检修天数;
其中,所述优化模块,还用于:
基于所述计划检修类别,确定所述计划检修天数的调整区间,并在所述计划检修天数的调整区间内,对所述计划检修天数进行优化改进;
确定所述新增非计划检修天数的调整区间,并在所述新增非计划检修天数的调整区间内,对所述新增非计划检修天数进行优化改进。
20.一种电子设备,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1-13中任一项所述的方法。
21.一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1-13中任一项所述的方法。
22.一种适用于在役核电机组的可靠性监控平台,其特征在于,包括:如权利要求14-18中任一项所述的装置;或者如权利要求20所述的电子设备;或者如权利要求21所述的计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310588096.7A CN116628551B (zh) | 2023-05-23 | 2023-05-23 | 在役核电机组的可靠性高精度预测、监控和增长方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310588096.7A CN116628551B (zh) | 2023-05-23 | 2023-05-23 | 在役核电机组的可靠性高精度预测、监控和增长方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116628551A CN116628551A (zh) | 2023-08-22 |
CN116628551B true CN116628551B (zh) | 2024-03-08 |
Family
ID=87612791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310588096.7A Active CN116628551B (zh) | 2023-05-23 | 2023-05-23 | 在役核电机组的可靠性高精度预测、监控和增长方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116628551B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364286A (zh) * | 2008-09-11 | 2009-02-11 | 上海发电设备成套设计研究院 | 一种火力发电机组等效强迫停运率的预测方法及系统 |
CN101364285A (zh) * | 2008-09-11 | 2009-02-11 | 上海发电设备成套设计研究院 | 一种火力发电机组可用性的预测方法及系统 |
US7698233B1 (en) * | 2007-01-23 | 2010-04-13 | Southern Company Services, Inc. | System and method for determining expected unserved energy to quantify generation reliability risks |
CN102929217A (zh) * | 2012-09-04 | 2013-02-13 | 上海发电设备成套设计研究院 | 一种单台发电机组可靠性在线监控装置及方法 |
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 |
CN103093032A (zh) * | 2012-12-25 | 2013-05-08 | 上海发电设备成套设计研究院 | 一种火电机组可用性的设计监控装置及方法 |
CN106447533A (zh) * | 2016-09-14 | 2017-02-22 | 国网上海市电力公司 | 基于城市电能安全发展指数的评价方法 |
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 |
CN115599913A (zh) * | 2022-10-19 | 2023-01-13 | 云南电网有限责任公司电力科学研究院(Cn) | 高压隔离开关发热故障预测方法、系统、设备和存储介质 |
CN116031902A (zh) * | 2023-02-24 | 2023-04-28 | 山东鲁能控制工程有限公司 | 一种火电机组的调频控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915747B (zh) * | 2015-02-03 | 2019-02-01 | 远景能源(江苏)有限公司 | 一种发电机组的发电性能评估方法及设备 |
-
2023
- 2023-05-23 CN CN202310588096.7A patent/CN116628551B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7698233B1 (en) * | 2007-01-23 | 2010-04-13 | Southern Company Services, Inc. | System and method for determining expected unserved energy to quantify generation reliability risks |
CN101364286A (zh) * | 2008-09-11 | 2009-02-11 | 上海发电设备成套设计研究院 | 一种火力发电机组等效强迫停运率的预测方法及系统 |
CN101364285A (zh) * | 2008-09-11 | 2009-02-11 | 上海发电设备成套设计研究院 | 一种火力发电机组可用性的预测方法及系统 |
CN102929217A (zh) * | 2012-09-04 | 2013-02-13 | 上海发电设备成套设计研究院 | 一种单台发电机组可靠性在线监控装置及方法 |
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 |
CN103093032A (zh) * | 2012-12-25 | 2013-05-08 | 上海发电设备成套设计研究院 | 一种火电机组可用性的设计监控装置及方法 |
CN106447533A (zh) * | 2016-09-14 | 2017-02-22 | 国网上海市电力公司 | 基于城市电能安全发展指数的评价方法 |
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 |
CN115599913A (zh) * | 2022-10-19 | 2023-01-13 | 云南电网有限责任公司电力科学研究院(Cn) | 高压隔离开关发热故障预测方法、系统、设备和存储介质 |
CN116031902A (zh) * | 2023-02-24 | 2023-04-28 | 山东鲁能控制工程有限公司 | 一种火电机组的调频控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于状态联动的在役设备最佳运行寿命评估模型;陈杏;宋依群;杨镜非;;电力系统保护与控制(01);全文 * |
大型发电机组可靠性预测方法与应用;史进渊;;机械工程学报(18);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116628551A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826187B (zh) | 核电站蒸汽发生器传热管降质失效的概率评估方法 | |
CN112904266B (zh) | 一种电能表寿命预测方法及装置 | |
US20230332573A1 (en) | Controlling the operation of a wind turbine | |
CN109697525A (zh) | 一种批次电能表多故障模式近期寿命预测方法 | |
CN117214587B (zh) | 一种电缆设备的检测方法以及检测系统 | |
CN112632773B (zh) | 一种风电机组可靠性预测方法 | |
JP2017151980A5 (zh) | ||
CN116628551B (zh) | 在役核电机组的可靠性高精度预测、监控和增长方法 | |
JP2002330542A (ja) | 発電設備の運転・保全計画支援システム | |
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 | |
JP2019033605A (ja) | 電力制御システムの蓄電池劣化診断方法および電力制御システム | |
US20230417839A1 (en) | Information processing apparatus, information processing method, information processing system, and non-transitory computer readable medium | |
CN117875665A (zh) | 新能源电站发电计划生成方法、装置、设备及介质 | |
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 | |
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 | |
WO2019186796A1 (ja) | 更新計画作成支援装置、更新計画作成支援システム及び更新計画作成支援方法 | |
CN114595980A (zh) | 基于平行网络的能源成本核算方法、系统及计算机设备 | |
CN113642248A (zh) | 定位设备剩余使用时间的评估方法及装置 | |
CN114021876A (zh) | 一种提升系统供电可靠性的发电置信容量激励方法 | |
CN116979686B (zh) | 一种基于新能源电站电力生产运营阶段电量报送系统 | |
CN113344641B (zh) | 一种运行备用辅助服务市场交易成本分摊方法 | |
JP2005130658A (ja) | 補給電力購入計画システム及び補給電力購入計画方法 | |
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 | |
Wang et al. | A predictive maintenance model for degrading systems operating under performance-based contracting | |
CN116911735A (zh) | 核电备件安全库存数量确定方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |