CN116681277A - 考虑老化效应的psa数据分析方法 - Google Patents

考虑老化效应的psa数据分析方法 Download PDF

Info

Publication number
CN116681277A
CN116681277A CN202310522496.8A CN202310522496A CN116681277A CN 116681277 A CN116681277 A CN 116681277A CN 202310522496 A CN202310522496 A CN 202310522496A CN 116681277 A CN116681277 A CN 116681277A
Authority
CN
China
Prior art keywords
aging
analyzed
failure rate
model
psa
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310522496.8A
Other languages
English (en)
Inventor
王晗丁
李琼哲
裴亮
李晓蔚
王春辉
李刚
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.)
Lingao Nuclear Power Co Ltd
Suzhou Nuclear Power Research Institute Co Ltd
Original Assignee
Lingao Nuclear Power Co Ltd
Suzhou Nuclear Power 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 Lingao Nuclear Power Co Ltd, Suzhou Nuclear Power Research Institute Co Ltd filed Critical Lingao Nuclear Power Co Ltd
Priority to CN202310522496.8A priority Critical patent/CN116681277A/zh
Publication of CN116681277A publication Critical patent/CN116681277A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明涉及考虑老化效应的PSA数据分析方法，包括以下步骤：获取核电厂的工程对象，并对工程对象进行识别和筛选，获得老化敏感的待分析对象；对待分析对象进行老化失效率建模，获得待分析对象的模型；根据待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型；基于优化PSA故障树模型进行风险评估。本发明通过在标准PSA故障树模型中加入老化效应导致核电厂系统、设备或者构筑物的失效率的影响，实现了考虑老化效应对核电厂整体风险影响的评估，还实现了优化核电厂许可证延续期间核电厂系统、设备或者构筑物的老化管理方案。

Description

考虑老化效应的PSA数据分析方法
技术领域
本发明涉及核电厂概率安全评价的技术领域，更具体地说，涉及一种考虑老化效应的PSA数据分析方法。
背景技术
PSA(概率安全评价方法)是一种以概率论为基础的工程安全系统评价技术，善于分析各种因素之间的关系和相互作用，可以定量评估核电厂的安全性，找出核电厂设计、建造和运行中的薄弱环节，提出确保核电厂安全运行的改进建议。PSA技术当前在核电厂设计、建造和运行过程中都发挥了重要的作用。目前主要通过对核电厂设备定期采集随机失效数据的模式开展PSA分析，并且假定设备的失效率是一个常数，不随时间变化。
核电厂首次运行许可证时间一般为30-40年，目前已有1/4左右的核电机组进入“老龄”运行，面临退役或者延长寿期运行的问题。核电厂运行许可证延期，必须考虑其延寿期内的核安全问题，确保核电机组在延期运行期间的核安全不低于原设计寿期内的核安全水平。在核电厂延续运行期间，核电厂系统、设备和构筑物(即SSC)的老化失效率可能会显著增加，尤其是对于长寿期非能动的设备，由于其随机失效概率较低，在标准PSA模型中一般未建模或者未考虑老化失效率，因此随着时间的增长，老化效应可能会对核电厂整体风险产生影响。
核电厂PSA建模分析可以提供定量化的风险结果，从而评估核电厂的安全水平。但是，目前的PSA技术并没有明确地为老化建模，即没有考虑老化效应对于SSC的失效率的影响。
发明内容
本发明要解决的技术问题在于，提供一种考虑老化效应的PSA数据分析方法。
本发明解决其技术问题所采用的技术方案是：构造一种考虑老化效应的PSA数据分析方法，包括以下步骤：
获取核电厂的工程对象，并对所述工程对象进行识别和筛选，获得老化敏感的待分析对象；所述工程对象包括：核电厂系统、核电厂设备和核电厂构筑物中的任意一种或者多种；所述待分析对象包括：老化敏感的系统、老化敏感的设备和老化敏感的构筑物中的任意一种或者多种；
对所述待分析对象进行老化失效率建模，获得所述待分析对象的模型；
根据所述待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型；
基于所述优化PSA故障树模型进行风险评估。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述获取核电厂的工程对象，并对所述工程对象进行识别和筛选，获得老化敏感的待分析对象包括：
获取核电厂的工程对象；
获取PSA故障树模型中模化的工程对象；
根据所述核电厂的工程对象和所述PSA故障树模型中模化的工程对象进行比对，识别初始对象；
对所述初始对象进行老化敏感分析，获得所述待分析对象。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述初始对象进行老化敏感分析，获得所述待分析对象包括：
采用老化趋势分析法对所述初始对象进行老化分析，获得所述初始对象的老化趋势数据；
根据所述初始对象的老化趋势数据确定所述初始对象的老化敏感度；
根据所述初始对象的风险重要度和所述初始对象的老化敏感度进行筛选，获得所述待分析对象。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述初始对象进行老化敏感分析，获得所述待分析对象包括：
采用老化故障模式和影响分析法对所述初始对象进行定性分析，获得所述初始对象的老化故障模式与影响分析结果；
根据所述初始对象的老化故障模式与影响分析结果确定所述初始对象的老化敏感度；
根据所述初始对象的风险重要度和所述初始对象的老化敏感度进行筛选，获得所述待分析对象。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述待分析对象进行建模，获得所述待分析对象的模型包括：
对所述待分析对象进行老化建模，获得所述待分析对象的老化失效率模型；
对所述老化失效率模型进行修正，获得修正的失效率模型；所述修正的失效率模型为所述待分析对象的模型。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述待分析对象进行老化建模，获得所述待分析对象的老化失效率模型包括：
获取所述待分析对象已发生的退化量；
计算所述待分析对象的退化速率；
确定所述待分析对象每次退化产生损伤的严重程度；
根据所述待分析对象已发生的退化量、所述退化速率以及所述每次退化产生损伤的严重程度进行建模，获得所述待分析对象的老化失效率模型。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述老化失效率模型进行修正，获得修正的失效率模型包括：
对所述老化失效率模型进行维修影响修正，获得维修的老化失效率模型；
对所述维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型；所述试验的老化失效率模型为所述修正的失效率模型。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述老化失效率模型进行维修影响修正，获得维修的老化失效率模型包括：
确定所述待分析对象的役龄在相邻两次维修活动之间的关系；
根据所述待分析对象的役龄在相邻两次维修活动之间的关系对所述老化失效率模型进行维修影响修正，获得所述维修的老化失效率模型。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述确定所述待分析对象的役龄在相邻两次维修活动之间的关系包括：
获取所述待分析对象在安装后的时间；
获取所述待分析对象在执行第m次维修后的时间；
获取所述待分析对象的维修有效性参数；
根据所述待分析对象在安装后的时间、在执行第m次维修后的时间和所述维修有效性参数，确定所述待分析对象的役龄在相邻两次维修活动之间的关系。
在本发明所述的考虑老化效应的PSA数据分析方法中，所述对所述维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型包括：
确定待分析对象的试验有效性参数；
根据所述试验有效性参数对所述维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型。
实施本发明的考虑老化效应的PSA数据分析方法，具有以下有益效果：包括以下步骤：获取核电厂的工程对象，并对工程对象进行识别和筛选，获得老化敏感的待分析对象；对待分析对象进行建模，获得待分析对象的模型；根据待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型；基于优化PSA故障树模型进行数据分析。本发明通过在标准PSA故障树模型中加入老化效应导致核电厂系统、设备或者构筑物的失效率的影响，实现了考虑老化效应对核电厂整体风险影响的评估，还实现了优化核电厂许可证延续期间核电厂系统、设备或者构筑物的老化管理方案。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例提供的考虑老化效应的PSA数据分析方法的流程示意图；
图2是本发明实施例提供的老化SSC识别的流程示意图；
图3是本发明实施例提供的设备役龄随时间变化的示意图；
图4是本发明实施例提供的优化后的PSA故障树模型的示意图；
图5是本发明实施例提供的考虑老化效应的概率安全评价数据分析系统的原理框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
考虑老化效应的PSA可以从定量的角度为论证核电机组在许可证延续期间仍能够保持足够的安全水平提供充分的证据，证明机组满足定量安全目标的要求，且具有一定的安全裕度。考虑老化效应的PSA技术还可以为核电厂在许可证延续阶段的风险指引型管理奠定技术基础。例如可以对系统重要度随运行时间的变化趋势进行预测，进而给出系统老化管理的建议。
因此，本发明在PSA中考虑老化效应。其中，在老化PSA中，通过开发老化失效率模型，用表征特定老化机理的速率和严重性的参数来表示设备失效率和设备可靠性，将设备失效率与老化机理特性联系起来。通过这种方式，将失效率直接与老化机理参数建立联系，因为可用的设备失效数据将允许我们直接估计老化机理参数。在完成估计设备老化失效率后，就可以利用PSA等风险模型确定老化堆芯损伤频率、系统失效概率和其他风险度量的影响。
具体的，在一个优选实施例中，如图1所示，该考虑老化效应的PSA数据分析方法包括以下步骤：
步骤S10、获取核电厂的工程对象，并对工程对象进行识别和筛选，获得老化敏感的待分析对象。
具体的，本发明实施例中，核电厂的工程对象(即SSC)具体可以包括：核电厂系统、核电厂设备和核电厂构筑物中的任意一种或者多种。待分析对象(即老化的SSC)具体可以包括：老化敏感的系统、老化敏感的设备和老化敏感的构筑物中的任意一种或者多种。
可选的，本发明实施例中，获取核电厂的工程对象，并对工程对象进行识别和筛选，获得老化敏感的待分析对象包括：获取核电厂的工程对象；获取PSA故障树模型中模化的工程对象；根据核电厂的工程对象和PSA故障树模型中模化的工程对象进行比对，识别初始对象；对初始对象进行老化敏感分析，获得待分析对象。
在一些实施例中，对初始对象进行老化敏感分析，获得待分析对象包括：采用老化趋势分析法对初始对象进行老化分析，获得初始对象的老化趋势数据；根据初始对象的老化趋势数据确定初始对象的老化敏感度；根据初始对象的风险重要度和初始对象的老化敏感度进行筛选，获得待分析对象。
或者，在其他一些实施例中，对初始对象进行老化敏感分析，获得待分析对象包括：采用老化故障模式和影响分析法对初始对象进行定性分析，获得初始对象的老化故障模式与影响分析结果；根据初始对象的老化故障模式与影响分析结果确定初始对象的老化敏感度；根据初始对象的风险重要度和初始对象的老化敏感度进行筛选，获得待分析对象。
需要说明的是，本发明实施例中，所获得的初始对象包括多个初始对象，一般可创建为初始对象清单，即初始的SSC清单。同样地，所获得的待分析对象也包括多个待分析对象，一般可创建为待分析对象清单，即老化的SSC清单。
具体的，如图2所示，首先，通过收集信息，根据所收集的信息从核电厂的所有SSC中，识别出未在PSA故障树模型中模化的SSC(以设备为例进行说明，例如电缆老化、管道腐蚀等)，并基于所识别出的未模化的SSC生成初始的SSC清单。为了保证初始的SSC清单的完备性，还可以对老化管理方案中考虑的设备进一步补充进初始的SSC清单中。
其中，所收集的信息包括：PSA故障树模型中模化的系统、设备和构筑物的基本信息。
接着，对初始的SSC清单中的每一个初始对象进行老化敏感分析，从而筛选出老化的SSC，并生成老化的SSC清单。
其中，为了识别PSA故障树模型中已建模的并且从风险角度识别是重要的SSC，可以使用风险重要度进行度量。对于PSA故障树模型中未建模的SSC风险重要性，可以根据PSA故障树模型中建模的始发事件或安全功进行映射。
具体的，如图2所示，对于老化敏感分析，一般可以通过老化趋势分析法或者老化故障模式与影响分析法进行分析，两者可以互为补充。其中，对于老化趋势明显的设备可优先采用数据分析法，并通过所得到的老化趋势数据确定设备的老化敏感度，进而为设备分配相应的老化敏感性属性。另外，对于有定期试验或者维修的设备，设备的可靠性较高，老化趋势不明显，或者没有足够的失效统计数据进行老化趋势分析，此时，可以采用老化故障模式与影响分析法来定性评价SSC，进而为设备分配相应的老化敏感性属性。
最后，根据设备的老化敏感度并结合设备的风险重要度(即PSA风险重要度)，对筛选出来的SSC进行优化级划分，并根据划分结果进行优先级排序，从而得到老化的SSC清单。
具体的，采用PSA风险重要度与老化风险优先级数(RPN)对筛选出来的SSC建立风险决策矩阵方法如下：
PSA风险重要度可以根据标准PSA故障树模型计算结果(包括风险增进值(RAW)，重要度(FV))设置筛选值，并根据筛选值筛选出风险重要度高的SSC。如果计算的SSC风险重要性度量值高于筛选值(即RAW>2或FV>0.005)，则判断SSC风险重要度高，分配指数3。如果该设备是被视为风险重要设备运行的支持设备(如电源)，则分配指数2。其他具有低风险重要性度量值的事件，分配指数1。
对于AFMEA的分析结果，可采用老化风险优先级数RPN进行量化。RPN考虑了三个指数乘积，包括失效严重性指数(S)，故障发生概率指数(O)，故障检测的概率指数(D)。每个指数的值从最小严重程度(初期故障、冗余)的值1到最严重程度的值10进行赋值。如果RPN高于200指数的，表示对老化的敏感性高，分配指数3；RPN值介于100和200之间，等级中等，分配指数2；RPN值低于100，老化敏感性低，分配指数1。
因此，通过风险决策矩阵(表1)，对易老化和风险重要的设备进行排序。从而确定了需要进行进一步的老化PSA分析的SSC清单。根据表1风险决策矩阵，对于高风险的SSC进行详细老化PSA分析和老化管理研究。此外，若根据数据趋势分析，老化趋势明显，则可将决策表中的对应等级提高。例如，风险决策矩阵中判断为低风险的SSC，若数据趋势分析老化明显，则可相应提高为中风险。同理中风险的SSC数据趋势分析老化明细则可升级为高风险SSC进行管理。
表1SSC风险决策矩阵表
步骤S20、对待分析对象进行老化失效率建模，获得待分析对象的模型。
可选的，本发明实施例中，对待分析对象进行老化失效率建模，获得待分析对象的模型包括：对待分析对象进行老化建模，获得待分析对象的老化失效率模型；对老化失效率模型进行修正，获得修正的失效率模型；修正的失效率模型为待分析对象的模型。
其中，对待分析对象进行老化建模，获得待分析对象的老化失效率模型包括：获取待分析对象已发生的退化量；计算待分析对象的退化速率；确定待分析对象每次退化产生损伤的严重程度；根据待分析对象已发生的退化量、退化速率以及每次退化产生损伤的严重程度进行建模，获得待分析对象的老化失效率模型。
具体的，根据老化机理的基本特征，可将老化失效率模化为与相关老化机理所引起的退化程度成正比，假设老化失效率为λ(t)，则可以表示为：
λ(t)∝从老化机理开始到役龄t时部件所发生的退化程度(1)。
在(1)式中，符号“∝”表示“成正比例”，即失效率与已发生的退化量成正比。(1)式是老化机理或者过程的一般特征，即随着部件持续退化而失效率逐渐增加。根据(1)式中的累积损伤表征，老化失效率λ(t)与总退化量D成正比例，表达式如下：
λ(t)＝kD(2)。
其中，k为概率换算常数，等于每单位退化的失效概率。在物理过程的一般随机建模中，上述特征有时被称为无阈值累积操作过程。因此，可以得到在役龄t时发生的总退化量等于退化发生的速率(即退化速度)×役龄×每次退化产生操作的严重程度。因此，可以得到：
D＝rtx (3)
(3)式中，D＝设备到t役龄时的总退化量；r＝设备因老化而退化的速率；x＝每次受老化影响时，设备的退化严重程度。如果退化的速率或退化的严重程度为随机变量，则将(3)式中的退化速率r和严重程度x作为平均值。
因此，在确定待分析对象已发生的退化量后，根据已发生的退化量可以直接根据已发生的退化量与时间计算出待分析对象的退化速率，进而再结合待分析对象每次退化产生损伤的严重程度获得待分析对象的老化失效率模型。即将(3)式代入(2)式，可得到待分析对象的老化失效率模型，即：
λ(t)＝krxt(4)。
由(4)式可以看出，对于老化的累积操作特征，老化失效率与役龄t成线性比例，比例常数等于krx，即：
λ(t)＝at(a＝krx) (5)。
常数“a”为老化加速率，它给出了失效率增加的速率(单位是每单位时间的平方)。(5)式可称为线性老化模型，或者线性老化失效率，因为老化失效率与役龄成线性比例。线性老化失效率也可作为威布尔分布的特例来讨论，威布尔分布是一种经验统计分布。
需要说明的是，对于某些特定的老化机理，它会导致设备随着役龄的增长而退化。其退化程度从可忽略到显著不等，具体取决于设备在备用或者运行时承受的特定应力。对于这种情况，通常可以将退化建模为在退化发生的时间和每次退化发生时对设备所造成的损坏严重程度的随机事件。具体的，假设退化的发生可以用发生率为常数m的泊松过程来描述。这意味着在某个小的役龄间隔内发生退化的概率与该间隔的大小成正比，并且与过去发生的退化次数无关，则由泊松分布给出在役龄t时发生n次退化的概率Pn(t)，即：
泊松分布在参数mt的不同值下具有的不同形状。对于mt<<1，最可能的事件是不会发生退化(n＝0)。第二可能的事件是如果确实会发生退化，则只会发生一次。对于mt>>1，Pn(t)呈钟形正态分布。最可能出现的次数是mt，为泊松分布的平均值。因此，泊松分布涵盖了不规则退化(mt<<1)到高度规则退化(mt>>1)之间的情形。
在用泊松分布描述了退化的发生后，那么就需要描述每次退化发生时产生的退化的严重程度。退化的严重程度可以是单个施加应力引起的损伤量，也可以是老化环境中在一段时间间隔内发生的物理或材料性能变化的大小。如果退化的大小可以表示为任何分布f(x)，假设不同事件(即严重性增量)中的退化严重程度是独立的，并且具有相同的总体分布f(x)。
对于严重性增量的独立假设，例如外加应力，这种独立性假设意味着由应力引起的损伤独立于过去发生的损伤。独立性假设适用于线性磨损、线性堆积和线性弹性相关现象等老化过程。
对于某些老化机理，所引起的损伤或变化不是独立的，而是与过去累积的损伤或变化存在相关性。例如振动和某种形式的腐蚀，在这种老化机理中，所造成的损害可能取决于过去的振动或腐蚀。当发生的损害或变化依赖于过去的累积(即随着累积的增加而增大)时，独立性假设将会低估老化效应。随着老化效应的增加，这种差异也会增加。对于这些存在相关性的老化机理，线性老化模型仍然可以使用，但需提供老化效应的下限。
根据式(2)式的比例特性，失效率与具体的退化总量D成正比，将退化D看作是一个随机变量。对于任何给定的役龄t，D可以根据以前产生的应力的历史随机变化。因此，在给定役龄t的λ(t)可以根据D假设的随机值随机变化。所以，退化量D和失效率λ(t)是随役龄变化的随机函数。使用Poisson分布表示退化次数，一般分布f(x)表示每次退化的规模(或大小)，以及式子(2)给出的退化关系，λ(t)的期望值可用下式表示：
式中，Pn(t)是在t役龄发生n次退化的概率；fn(D)是总的退化的概率分布；D为给定n次退化已经发生。对于给定的退化D，失效率λ(t)等于kD，为上述式子中的附加因子。因此，将特定退化的失效率kD，取n和D的所有可能值的平均值，以获得失效率λ(t)期望值。
对于发生的n次退化，总的退化D是n次独立退化的和。因此，fn(D)是单个分布f(x)的n次卷积。因此，
其中是分布f(x)的平均值。/>是与每次退化发生相关联的平均严重程度或损害。
将式(8)代入式(7)，得到：
对于发生率参数为m的泊松分布，平均出现次数为mt。因此，
因此式(9)可简化为：
因此，式(11)与式(4)得到的老化失效率模型基本相同。结果表明：老化失效率λ(t)是线性的。与役龄t成正比，比例常数等于因此，/>此结果与等式(4)用/>平均值替换x，且m在此处解释为泊松分布的发生率参数。
或者，在其他一些实施例中，老化失效率模型也可以扩展到一般的非线性老化过程，这将使线性老化标度变为非线性老化标度，从而将线性老化失效率变为非线性老化失效率。
具体的，可以将退化的发生过程建模为非齐次泊松过程，而不是齐次泊松过程。非齐次泊松过程允许退化率是役龄的任何函数。对于一般的非齐次泊松过程，在t役龄期发生n次退化的概率Pn(t)由下式给出：
函数Q(t)可以是任何役龄的函数。例如，在累积损伤建模中，指数标度有时用于发现线性役龄标度不适用的情况，即Q(t)＝atb。
进一步地，本发明实施例中，还需要对老化失效率模型进行修正。具体的，对老化失效率模型进行修正，获得修正的失效率模型包括：对老化失效率模型进行维修影响修正，获得维修的老化失效率模型；对维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型；试验的老化失效率模型为修正的失效率模型。
其中，对老化失效率模型进行维修影响修正，获得维修的老化失效率模型包括：确定待分析对象的役龄在相邻两次维修活动之间的关系；根据待分析对象的役龄在相邻两次维修活动之间的关系对老化失效率模型进行维修影响修正，获得维修的老化失效率模型。
确定待分析对象的役龄在相邻两次维修活动之间的关系包括：获取待分析对象在安装后的时间；获取待分析对象在执行第m次维修后的时间；获取待分析对象的维修有效性参数；根据待分析对象在安装后的时间、在执行第m次维修后的时间和维修有效性参数，确定待分析对象的役龄在相邻两次维修活动之间的关系。
本发明实施例中，对维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型包括：确定待分析对象的试验有效性参数；根据试验有效性参数对维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型。
维修计划和监督试验的有效性对于确保核电厂在其设计寿命内可接受的设备运行可靠性和安全运行、以及延寿期间长期运行至关重要。因此，应该将设备的可靠性建模为设备固有可靠性的函数，即设计原因导致的设备失效率，降低固有可靠性的设备老化，以及提高维修活动的有效性降低因老化而导致的失效率增加。即在完美的维修活动的情况下，试图将设备的可靠性最终恢复到其固有可靠性，但这通常是不可能的。此外，与老化机理相关的试验的有效性也应该考虑。
首先，考虑维修的老化失效率模型。
考虑非完美维修的老化失效率模型中，假定部件的役龄为w(t)，考虑维修对部件老化和可靠性的影响，即每次维修活动都会在一定程度上降低部件的老化，这取决于维修活动的有效性。假定每次维修活动可按比例减少从上一次维修中所得到的部件役龄，考虑了维修有效性参数ε(在区间[0，1]范围内变化)。假设部件由于维修活动而停用的时间与两次连续维修活动的间隔时间相比可以忽略不。如图3所示，图中是第m次维修前设备的役龄，/>是第m次维修后设备的役龄，役龄的减少与维修有效性有关，维修有效性参数为ε；t是设备安装后的时间，tm是执行第m次维修后的时间。设备的役龄在维修活动第m次和第m+1次之间的关系如式(12)：
wm+1(t)＝t-ε·tm (12)。
考虑上述线性老化失效率模型式(5)，设备的老化失效率模型可以表示为如下式子：
λ(wm+1(t))＝a·wm+1(t) (13)。
将式(12)代入到式(13)，即在非完美维修模型下，得到了设备第m次维修后老化相关的失效率模型，即：
λm+1(t)＝λ(wm+1(t))＝a·(t-ε·tm) (14)。
连续两次维修活动之间的时间段内，平均老化失效率可用以下表达式计算:
简化可得：
式(16)代表m和m+1两个连续维修活动之间的平均老化失效率，考虑了线性老化加速率a，以及维修活动的有效性参数ε的影响。另外，M表示维修活动之间的固定周期，如定期的预防性维修。
(2)考虑试验的老化失效率模型。
通过试验，可以检测到设备失效，这些失效可能发生在上次试验之后，或者是设备最后一次可运行时间之后。试验的主要目的是检测潜在的失效，以便设备能够保持其工作状态。需考虑试验的有效性，例如有些失效机理对应相关试验可以检测出，但非对应的试验可能无法检测出其失效。因此，试验有效性可以用检测到的总失效率的百分比来表示，即参数η，η在[0，1]区间内变化。式(17)表示与试验检测到的失效相关的老化失效率即：
步骤S30、根据待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型。
可选的，本发明实施例中，根据待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型包括：根据修正的失效率模型进行计算，获得待分析对象的失效概率；根据待分析对象的失效概率对标准PSA故障树模型进行优化，获得优化PSA故障树模型。
具体的，通常核电厂的标准PSA故障树模型中，假定设备失效率恒定，如下式：
λ(t)＝λ0 (18)。
如果λT是部件的总失效率，考虑设备随机失效和老化失效，以获得总的部件失效率，则有：
λT＝λ0+λA (19)。
λ0代表非老化、随机失效原因的恒定失效率。λA是老化失效率，在考虑维修和试验后可由式(17)确定。在确定了老化失效率之后，就可以确定设备的可靠性或者失效概率(qM)，其中，qM可由下式计算得到：
如果失效率代表某个特定的老化机理，那么qM给出了由于特定老化机理导致设备在役龄t失效的概率，这里假设没有其他老化机理作用于设备。
当不考虑维修或试验时，qM也是设备在役龄时失效的概率，称为设备不可用性。设备不可用性是PSA定量化的需要。当对设备进行维修或试验时，设备不可用性将取决于在检测和纠正特定失效和机理方面的效果。
在建立SSC失效率模型后，需要在PSA的故障树中建立考虑老化效应后设备失效的基本事件。即在原标准PSA故障树模型中增加新的基本事件，该新的基本事件表示相应的老化失效。
具体的，根据标准PSA故障树模型的建模情况，主要分为两类：
(1)标准PSA模型中已模化的SSC。这些SSC的老化影响可通过PSA模型中已有基本事件传递，如图4所示为备用需求类设备老化失效率在故障树中的建模。
(2)对于标准PSA模型中未模化的SSC，如厂房结构、电缆、某些系统的管道等。需要在PSA模型中创建新的基本事件来表示相应的老化失效。
步骤S40、基于优化PSA故障树模型进行风险评估。
可选的，本发明实施例中，在基于优化PSA故障树模型的前提下，对于数据分析可采用现有的PSA方法进行分析，本发明不作具体限定。
如图5所示，本发明还提供考虑老化效应的PSA数据分析系统，具体包括：
获取单元501，用于获取核电厂的工程对象，并对工程对象进行识别和筛选，获得老化敏感的待分析对象。工程对象包括：核电厂系统、核电厂设备和核电厂构筑物中的任意一种或者多种；待分析对象包括：老化敏感的系统、老化敏感的设备和老化敏感的构筑物中的任意一种或者多种。
建模单元502，用于对待分析对象进行老化失效率建模，获得待分析对象的模型。
优化单元503，用于根据待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型。
风险单元504，用于基于优化PSA故障树模型进行风险评估。
具体的，这里的考虑老化效应的概率安全评价数据分析系统中各单元之间具体的配合操作过程具体可以参照上述考虑老化效应的概率安全评价数据分析系统，这里不再赘述。
本发明在标准PSA模型基础上建立了老化效应导致SSC失效的数据分析方法，并引入维修或试验活动参数，建立了考虑维修或试验有效性参数等的老化失效率模型。该方法可用于评估许可证延续期间核电厂的整体风险，以及老化效应对核电厂SSC可靠性的影响，评估维修或试验对老化贡献的影响，从而优化核电厂许可证延续期间SSC的老化管理方案等。该方法可对国内核电厂许可证延续期间的设备老化管理中维修决策、失效分析与系统评估等相关环节提供重要技术支持。
另，本发明的一种电子设备，包括存储器和处理器；存储器用于存储计算机程序；处理器用于执行计算机程序实现如上面任意一项的考虑老化效应的PSA数据分析方法。具体的，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过电子设备下载和安装并且执行时，执行本发明实施例的方法中限定的上述功能。本发明中的电子设备可为笔记本、台式机、平板电脑、智能手机等终端，也可为服务器。
另，本发明的一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上面任意一项的考虑老化效应的PSA数据分析方法。具体的，需要说明的是，本发明上述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施，并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰，均应属于本发明权利要求的涵盖范围。

Claims (10)

1.一种考虑老化效应的PSA数据分析方法，其特征在于，包括以下步骤：
获取核电厂的工程对象，并对所述工程对象进行识别和筛选，获得老化敏感的待分析对象；所述工程对象包括：核电厂系统、核电厂设备和核电厂构筑物中的任意一种或者多种；所述待分析对象包括：老化敏感的系统、老化敏感的设备和老化敏感的构筑物中的任意一种或者多种；
对所述待分析对象进行老化失效率建模，获得所述待分析对象的模型；
根据所述待分析对象的模型对标准PSA故障树模型进行优化，获得优化PSA故障树模型；
基于所述优化PSA故障树模型进行风险评估。
2.根据权利要求1所述的考虑老化效应的PSA数据分析方法，其特征在于，所述获取核电厂的工程对象，并对所述工程对象进行识别和筛选，获得老化敏感的待分析对象包括：
获取核电厂的工程对象；
获取PSA故障树模型中模化的工程对象；
根据所述核电厂的工程对象和所述PSA故障树模型中模化的工程对象进行比对，识别初始对象；
对所述初始对象进行老化敏感分析，获得所述待分析对象。
3.根据权利要求2所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述初始对象进行老化敏感分析，获得所述待分析对象包括：
采用老化趋势分析法对所述初始对象进行老化分析，获得所述初始对象的老化趋势数据；
根据所述初始对象的老化趋势数据确定所述初始对象的老化敏感度；
根据所述初始对象的风险重要度和所述初始对象的老化敏感度进行筛选，获得所述待分析对象。
4.根据权利要求2所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述初始对象进行老化敏感分析，获得所述待分析对象包括：
采用老化故障模式和影响分析法对所述初始对象进行定性分析，获得所述初始对象的老化故障模式与影响分析结果；
根据所述初始对象的老化故障模式与影响分析结果确定所述初始对象的老化敏感度；
根据所述初始对象的风险重要度和所述初始对象的老化敏感度进行筛选，获得所述待分析对象。
5.根据权利要求1所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述待分析对象进行建模，获得所述待分析对象的模型包括：
对所述待分析对象进行老化建模，获得所述待分析对象的老化失效率模型；
对所述老化失效率模型进行修正，获得修正的失效率模型；所述修正的失效率模型为所述待分析对象的模型。
6.根据权利要求5所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述待分析对象进行老化建模，获得所述待分析对象的老化失效率模型包括：
获取所述待分析对象已发生的退化量；
计算所述待分析对象的退化速率；
确定所述待分析对象每次退化产生损伤的严重程度；
根据所述待分析对象已发生的退化量、所述退化速率以及所述每次退化产生损伤的严重程度进行建模，获得所述待分析对象的老化失效率模型。
7.根据权利要求5所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述老化失效率模型进行修正，获得修正的失效率模型包括：
对所述老化失效率模型进行维修影响修正，获得维修的老化失效率模型；
对所述维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型；所述试验的老化失效率模型为所述修正的失效率模型。
8.根据权利要求7所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述老化失效率模型进行维修影响修正，获得维修的老化失效率模型包括：
确定所述待分析对象的役龄在相邻两次维修活动之间的关系；
根据所述待分析对象的役龄在相邻两次维修活动之间的关系对所述老化失效率模型进行维修影响修正，获得所述维修的老化失效率模型。
9.根据权利要求8所述的考虑老化效应的PSA数据分析方法，其特征在于，所述确定所述待分析对象的役龄在相邻两次维修活动之间的关系包括：
获取所述待分析对象在安装后的时间；
获取所述待分析对象在执行第m次维修后的时间；
获取所述待分析对象的维修有效性参数；
根据所述待分析对象在安装后的时间、在执行第m次维修后的时间和所述维修有效性参数，确定所述待分析对象的役龄在相邻两次维修活动之间的关系。
10.根据权利要求7所述的考虑老化效应的PSA数据分析方法，其特征在于，所述对所述维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型包括：
确定待分析对象的试验有效性参数；
根据所述试验有效性参数对所述维修的老化失效率模型进行试验影响修正，获得试验的老化失效率模型。
CN202310522496.8A 2023-05-10 2023-05-10 考虑老化效应的psa数据分析方法 Pending CN116681277A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310522496.8A CN116681277A (zh) 2023-05-10 2023-05-10 考虑老化效应的psa数据分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310522496.8A CN116681277A (zh) 2023-05-10 2023-05-10 考虑老化效应的psa数据分析方法

Publications (1)

Publication Number Publication Date
CN116681277A true CN116681277A (zh) 2023-09-01

Family

ID=87781542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310522496.8A Pending CN116681277A (zh) 2023-05-10 2023-05-10 考虑老化效应的psa数据分析方法

Country Status (1)

Country Link
CN (1) CN116681277A (zh)

Similar Documents

Publication Publication Date Title
CN104966141B (zh) 更新用于生成工业资产健康状况简档的模型的方法和系统
US10534361B2 (en) Industrial asset health model update
Badıa et al. Optimal inspection and preventive maintenance of units with revealed and unrevealed failures
CN117235743B (zh) 一种基于安全风险的智慧电力管理方法及系统
US8850272B2 (en) Method and system to measure preventability of failures of an application
JP2010526352A (ja) 統計的な分析を利用した性能障害管理システム及びその方法
WO2009029392A1 (en) Method and system for transformer dissolved gas harmonic regression analysis
CN113590429B (zh) 一种服务器故障诊断方法、装置及电子设备
CN103149475A (zh) 电力设备故障诊断方法及系统
CN107239876B (zh) 一种核电厂i&amp;c设备老化生命周期的管理方法及系统
CN118211837B (zh) 一种智能电表的性能评估方法及装置
KR20140038265A (ko) 고장관리장치 및 이의 고장관리방법
US8229692B2 (en) Methods, systems, and computer-readable media for facility integrity testing
CN114997607A (zh) 一种基于工程检测数据的异常评估预警方法及系统
Darestani et al. Life cycle resilience quantification and enhancement of power distribution systems: A risk-based approach
CN118260120B (zh) 电能表内存监测方法、装置、设备及存储介质
Kančev et al. The price of risk reduction: Optimization of test and maintenance integrating risk and cost
Zhang et al. Adaptive testing policy for multi-state systems with application to the degrading final elements in safety-instrumented systems
Karimabadi et al. Determining the optimal inspection rate of circuit breakers equipped with condition monitoring devices using new maintenance Markov model
Kančev et al. Time-dependent unavailability of equipment in an ageing NPP: sensitivity study of a developed model
KR100795967B1 (ko) 극치통계분석을 이용한 교량의 점검 및 유지관리 시스템 및방법
WO2008050323A2 (en) Method for measuring health status of complex systems
Reina et al. Maintenance decision support for manufacturing systems based on the minimization of the life cycle cost
CN116681277A (zh) 考虑老化效应的psa数据分析方法
CN115936266A (zh) 轨道交通设备的可靠度预测方法、系统、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