CN117147191A - 基于热力学分析的压水堆核电厂配套凝汽器故障检测方法 - Google Patents

基于热力学分析的压水堆核电厂配套凝汽器故障检测方法 Download PDF

Info

Publication number
CN117147191A
CN117147191A CN202311009922.4A CN202311009922A CN117147191A CN 117147191 A CN117147191 A CN 117147191A CN 202311009922 A CN202311009922 A CN 202311009922A CN 117147191 A CN117147191 A CN 117147191A
Authority
CN
China
Prior art keywords
confidence
condenser
fault
threshold value
water
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
CN202311009922.4A
Other languages
English (en)
Inventor
王学华
王广基
钱虹
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.)
Yinbo Information Technology Shanghai Co ltd
China Nuclear Power Engineering Co Ltd
Shanghai University of Electric Power
Original Assignee
Yinbo Information Technology Shanghai Co ltd
China Nuclear Power Engineering Co Ltd
Shanghai University of Electric Power
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 Yinbo Information Technology Shanghai Co ltd, China Nuclear Power Engineering Co Ltd, Shanghai University of Electric Power filed Critical Yinbo Information Technology Shanghai Co ltd
Priority to CN202311009922.4A priority Critical patent/CN117147191A/zh
Publication of CN117147191A publication Critical patent/CN117147191A/zh
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28B—STEAM OR VAPOUR CONDENSERS
    • F28B1/00—Condensers in which the steam or vapour is separate from the cooling medium by walls, e.g. surface condenser
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明涉及一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，包括以下步骤：根据历史发生故障、历史运行数据，结合机理故障模型，建立故障类型与故障征兆的一一映射关系，构建故障诊断置信规则库；获取凝汽器实时运行数据，根据设定的故障优先级推理诊断策略，并结合故障诊断置信规则库进行匹配计算，输出得到故障检测结果。与现有技术相比，本发明建立与故障类型一一映射的故障征兆集关系，并进一步构建对应故障类型的故障置信规则库，能够准确表述对应故障类型的知识信息，再采用凝汽器现场运行参数与该置信规则库匹配的方法，能够准确获取故障的类型以及置信度，从而对运行凝汽器进行实时准确地故障检测。

Description

基于热力学分析的压水堆核电厂配套凝汽器故障检测方法
技术领域
本发明涉及核电厂设备故障诊断技术领域，尤其是涉及一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法。
背景技术
压水堆核电站使用轻水作为冷却剂和慢化剂，主要由核蒸汽供应系统(即一回路系统)、汽轮发电机系统(即二回路系统)及其他辅助系统组成。冷却剂在堆芯吸收核燃料裂变释放的热能后，通过蒸汽发生器再把热量传递给二回路产生蒸汽，然后进入汽轮机做功，带动发电机发电。
压水堆核电站的总体结构主要由三个回路构成，其中一个回路属于核岛部分，二、三回路属于常规岛部分，二回路由蒸汽发生器、冷凝泵、汽水分离器、汽轮机、凝汽器等构件组成，其中，核电配套凝汽器系统作为二回路运行的主要设备，用于将进入凝汽器内的蒸汽凝结成水，与抽气系统一起为汽轮机建立和维持真空，以及接收疏水、经过滤和除氧、回收和贮存洁净的凝结水，为动力循环提供给水，由于其运行在海水环境下，因此不可避免地会遇到海水的腐蚀，在实际应用中，受海水里的脏物影响，容易引起凝汽器运行出现异常问题，因此凝汽器系统故障在常规岛的故障中占有较大比例，对核电机组整体运行的安全经济性具有很大影响，可以说，开展凝汽器的故障诊断研究具有十分重要的意义。然而目前针对凝汽器的智能故障诊断系统在现场成功应用的案例相对较少，难以实时准确地对运行中凝汽器进行故障检测。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，能够对运行凝汽器进行实时准确地故障检测。
本发明的目的可以通过以下技术方案来实现：一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，包括以下步骤：
S1、根据历史发生故障、历史运行数据，结合机理故障模型，建立故障类型与故障征兆的一一映射关系，构建故障诊断置信规则库；
S2、获取凝汽器实时运行数据，根据设定的故障优先级推理诊断策略，并结合故障诊断置信规则库进行匹配计算，输出得到故障检测结果。
进一步地，所述步骤S1中故障诊断置信规则库包括八种故障类型对应的故障诊断置信规则、语义化阈值及限值。
进一步地，所述八种故障类型具体为凝汽器冷却管脏污、循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障。
进一步地，所述凝汽器冷却管脏污故障诊断置信规则为：如果凝结水过冷却度增大的置信度为0.90、并且凝汽器端差增大的置信度为0.61、并且凝汽器热井出口水温上升的置信度为0.71，那么凝汽器冷却管脏污的置信度为0.90；
所述凝汽器冷却管脏污对应的语义化阈值和限值为：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
所述循环水泵故障诊断置信规则为：如果凝汽器热井出口水温上升的置信度为0.74、并且循环冷却水压差下降的置信度为0.85、并且循环水泵电机电流下降的置信度为0.89，那么循环水泵故障的置信度为0.93；
所述循环水泵故障对应的语义化阈值和限值为：
①凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
②循环冷却水压差下降：阈值：56.25KPa，低限值：55.35KPa；
③循环水泵电机电流下降：阈值：676A，低限值：567A。
进一步地，所述循环水量不足故障诊断置信规则为：如果凝汽器热井出口水温上升的置信度为0.84、并且循环冷却水温升增大的置信度为0.80、并且循环冷却水压差下降的置信度为0.80，那么循环水量不足的置信度为0.91；
所述循环水量不足对应的语义化阈值和限值为：
①凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
②循环冷却水温升增大：阈值：7.2℃，高限值：8.57℃；
③循环冷却水压差下降：阈值：56.25KPa，低限值：55.35KPa；
所述抽汽器工作异常故障诊断置信规则为：如果凝结水过冷却度增大的置信度为0.66、并且凝汽器端差增大的置信度为0.74、并且抽气器入口压力上升的置信度为0.96、并且真空泵电机电流下降的置信度为0.96，那么抽汽器工作异常的置信度为0.94；
所述抽汽器工作异常对应的语义化阈值和限值为：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③抽气器入口压力上升：阈值：4KPa，高限值：4KPa；
④真空泵电机电流下降：阈值：50A，低限值：40A。
进一步地，所述真空系统不严密故障诊断置信规则为：如果凝结水过冷却度增大的置信度为0.80、并且凝汽器端差增大的置信度为0.75、并且循环冷却水温升增大的置信度为0.70、并且抽气器入口压力上升的置信度为0.90，那么真空系统不严密的置信度为0.86；
所述真空系统不严密对应的语义化阈值和限值为：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③循环冷却水温升增大：阈值：7.2℃，高限值：8.57℃；
④抽气器入口压力上升：阈值：4KPa，高限值：4KPa；
所述凝汽器冷却水入口段铜管泄漏诊断置信规则为：如果凝汽器液位上升的置信度为0.85、并且凝汽器热井出口水温下降的置信度为0.61、并且凝结水过冷却度增大的置信度为0.80、并且循环冷却水压差增大的置信度为0.66、并且凝结水过冷却度相对应液位的变化率大于1，那么凝汽器冷却水入口段铜管泄漏的置信度为0.89；
所述凝汽器冷却水入口段铜管泄漏对应的语义化阈值和限值为：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝汽器热井出口水温下降：阈值：33℃，低限值：32℃；
③凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
④循环冷却水压差增大：阈值：56.31KPa，低限值：56.32KPa。
进一步地，所述凝汽器冷却水出口段铜管泄漏置信规则为：如果凝汽器液位上升的置信度为0.89、并且凝汽器热井出口水温下降的置信度为0.71、并且凝结水过冷却度增大的置信度为0.81、并且循环冷却水压差下降的置信度为0.67、并且凝结水过冷却度相对应液位的变化率小于1，那么凝汽器冷却水出口段铜管泄漏的置信度为0.89；
所述凝汽器冷却水出口段铜管泄漏对应的语义化阈值和限值为：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝汽器热井出口水温下降：阈值：33℃，低限值：32℃；
③凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
④循环冷却水压差增大：阈值：56.31KPa，低限值：56.32Kpa。
进一步地，所述凝结水泵故障诊断置信规则为：如果凝汽器液位上升的置信度为0.87、并且凝结水过冷却度增大的置信度为0.72、并且凝结水泵电机电流下降的置信度为0.89、并且凝结水泵出口压力下降的置信度为0.80，那么循环水泵故障的置信度为0.93；
所述凝结水泵故障对应的语义化阈值和限值为：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝结水过冷却度增大：阈值：0.04℃，低限值：0.23℃；
③凝结水泵电机电流下降：阈值：152A，低限值：127A；
④凝结水泵出口压力下降：阈值：2.69MPa，低限值：2.63Mpa。
进一步地，所述步骤S2中故障优先级推理诊断策略具体为：
首先进行凝汽器冷却管脏污的诊断，若诊断结果成立，则输出凝汽器冷却管脏污故障成立、凝汽器冷却管脏污的置信度、引起凝汽器冷却管脏污的原因以及操作指导信息，并结束整个诊断过程；
若诊断结果不成立，则依次进行循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障的故障诊断，若存在某个故障诊断结果成立，则输出该故障成立、该故障对应的置信度、引起该故障的原因以及操作指导信息，并结束整个诊断过程，直至对最后一个凝结水泵故障进行诊断，如无故障则返回进行凝汽器冷却管脏污的诊断，以此循环。
进一步地，所述步骤S2中进行匹配计算的具体过程为：根据凝汽器实时运行数据以及从故障诊断置信规则库读取的规则数据，首先进行征兆置信度计算，得到征兆点实时状态以及征兆点证据置信度；
根据征兆点证据置信度以及从故障诊断置信规则库读取的规则数据，进行故障置信度计算，得到故障定位与置信度；
将征兆点证据置信度、故障定位与置信度作为故障检测结果输出。
与现有技术相比，本发明具有以下优点：
一、本发明在充分论证凝汽器多种故障情况下，基于故障模型，建立故障类型与故障征兆的一一映射关系，得到故障诊断置信规则库；并根据核电的诊断要求，针对凝汽器采用设定优先级的故障推理诊断策略，以对故障进行分离和识别，最后得出故障类型的诊断信息。由此能够对运行凝汽器进行实时准确地故障检测，能够提高对于凝汽器故障检测的速度和准确性，确保核电机组稳定运行。
二、本发明根据历史发生故障、历史数据并结合机理故障模型，建立与故障类型一一映射的故障征兆集，并进一步构建对应故障类型的故障置信规则库，该规则库信息集成了领域专家经验、故障模型以及历史数据，能够准确表述对应故障类型的知识信息，采用凝汽器现场运行参数与该置信规则库匹配的方法，即可准确检测得到故障的类型以及置信度，推进了人工智能在凝汽器诊断上的应用、支持智能诊断的实现。
三、本发明设计合理有效的故障优先级推理诊断策略，依据故障对凝汽器系统性能影响的严重程度、以及故障发生的概率大小，从而形成按故障优先级进行诊断的策略，依次推理诊断顺序为：凝汽器冷却管脏污、循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障。不仅全面考虑了多种故障类型，同时能够按序诊断出优先级别更高的故障，从而便于后续及时准确进行检修维护。
附图说明
图1为本发明的方法流程示意图；
图2为实施例中凝汽器故障诊断系统总体结构示意图；
图3为实施例中凝汽器故障诊断推理控制策略框图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示，一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，包括以下步骤：
S1、根据历史发生故障、历史运行数据，结合机理故障模型，建立故障类型与故障征兆的一一映射关系，构建故障诊断置信规则库；
S2、获取凝汽器实时运行数据，根据设定的故障优先级推理诊断策略，并结合故障诊断置信规则库进行匹配计算，输出得到故障检测结果。
本实施例应用上述技术方案，通过热力学理论、传热学理论和流体力学理论建立引起凝汽器故障模型，形成其故障诊断置信规则库，并多次反复进行故障模型的在发生故障时动态测试。
本实施例还搭建基于热力学分析的1000MW压水堆核电厂配套凝汽器故障诊断系统，采用专家知识系统、计算机科学技术、网络通信技术、热力学理论及故障建模等相关技术，以三层诊断界面实现整个诊断过程以及诊断信息的人机交互。
本实施例开发的凝汽器故障诊断系统以Windows 11操作系统为平台，如图2所示，以python为诊断程序开发工具，以工业自动化通用组态软件NetControl的数据库为实时数据库，并进行数据采集、征兆值获取以及与运行相适应的阈值计算，利用组态软件进行人机交互界面的开发。利用最常用的关系数据库(Access数据库)作为置信规则库的结构(包括诊断状态、规则知识、阈值和限值等)的部分。凝汽器智能诊断及操作指导系统是基于核电仿真机运行数据进行智能诊断过程，模拟了实际应用中核电站DCS的运行数据进行的智能诊断过程。本系统是通过OPC-Server与仿真机现场(或DCS)连接，通过NetControl监控平台为实时数据库提供故障诊断的状态和诊断相关征兆数据。专家系统诊断模块包括：证据提取模块、置信规则库、故障诊断模块、用户画面等。
此外，常规岛凝汽器故障诊断系统人机交互分三层界面设计，第一层为常规岛系统总貌画面，以凝汽器设备颜色为红色表示处于故障状态；第二层为凝汽器的故障类型定位画面，在第一层凝汽器设备为红色时(故障状态)点击出现，并用颜色定位画面上被诊断出的故障类型；第三层为被诊断出的故障类型的置信度、故障原因以及处理故障的操作指导，在第二层颜色定位的故障类型上点击出现显示。
本实施例设计故障诊断推理策略和故障规则库，故障诊断方法如下：
一、凝汽器诊断推理控制策略的执行
如图3所示，依据故障对凝汽器系统性能影响的严重程度，以及故障发生的概率大小，形成故障的诊断策略按故障优先级进行诊断，8种故障类型分别依次推理顺序为：凝汽器冷却管脏污、循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障。首先进行凝汽器冷却管脏污的诊断，若诊断结果成立，则可转向凝汽器冷却管脏污的知识库形成诊断人机界面解释包括：凝汽器冷却管脏污故障成立、凝汽器冷却管脏污的置信度、引起凝汽器冷却管脏污的原因以及操作指导信息，并结束整个诊断过程，若诊断结果不成立，则转向下一个循环水泵故障诊断，诊断过程与凝汽器冷却管脏污故障诊断类似，最终可对最后一个凝结水泵故障进行诊断，如无故障则返回首个故障类型的诊断，以此循环。
二、凝汽器可诊断的故障类型
按以上推理控制策略，按优先级诊断出的八种故障类型分别依次为：凝汽器冷却管脏污、循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障。
三、凝汽器故障类型的故障诊断置信规则库
采用Access关系数据库实现针对凝汽器故障类型的专家系统诊断知识库中各类故障诊断规则、语义化阈值和限值(征兆知识表示模糊语义证据置信度求值函数信息)：
1)凝汽器冷却管脏污故障诊断置信规则库：
i)凝汽器冷却管脏污故障诊断置信规则：
如果凝结水过冷却度增大的置信度为0.90并且
凝汽器端差增大的置信度为0.61并且
凝汽器热井出口水温上升的置信度为0.71
那么凝汽器冷却管脏污的置信度为0.90
ⅱ)语义化阈值和限值：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
2)循环水泵故障诊断置信规则库：
i)循环水泵故障诊断置信规则：
如果凝汽器热井出口水温上升的置信度为0.74并且
循环冷却水压差下降的置信度为0.85并且循环水泵电机电流下降的置信度为0.89
那么循环水泵故障的置信度为0.93
ii)语义化阈值和限值：
①凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；②循环冷却水压差下降：阈值：56.25KPa，低限值：55.35KPa；③循环水泵电机电流下降：阈值：676A，低限值：567A；
3)循环水量不足故障诊断置信规则库：
ⅰ)循环水量不足故障诊断置信规则：
如果凝汽器热井出口水温上升的置信度为0.84并且
循环冷却水温升增大的置信度为0.80并且
循环冷却水压差下降的置信度为0.80
那么循环水量不足的置信度为0.91
iⅰ)语义化阈值和限值：
①凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；②循环冷却水温升增大：阈值：7.2℃，高限值：8.57℃；
③循环冷却水压差下降：阈值：56.25KPa，低限值：55.35KPa；4)抽汽器工作异常故障诊断置信规则库：
i)抽汽器工作异常故障诊断置信规则：
如果凝结水过冷却度增大的置信度为0.66并且
凝汽器端差增大的置信度为0.74并且
抽气器入口压力上升的置信度为0.96并且
真空泵电机电流下降的置信度为0.96
那么抽汽器工作异常的置信度为0.94ii)语义化阈值和限值：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③抽气器入口压力上升：阈值：4KPa，高限值：4KPa；
④真空泵电机电流下降：阈值：50A，低限值：40A；
5)真空系统不严密故障诊断置信规则库：
i)真空系统不严密故障诊断置信规则：
如果凝结水过冷却度增大的置信度为0.80并且
凝汽器端差增大的置信度为0.75并且
循环冷却水温升增大的置信度为0.70并且抽气器入口压力上升的置信度为0.90
那么真空系统不严密的置信度为0.86ii)语义化阈值和限值：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③循环冷却水温升增大：阈值：7.2℃，高限值：8.57℃；
④抽气器入口压力上升：阈值：4KPa，高限值：4KPa；
6)凝汽器冷却水入口段铜管泄漏诊断置信规则库：
i)凝汽器冷却水入口段铜管泄漏诊断置信规则：
如果凝汽器液位上升的置信度为0.85并且凝汽器热井出口水温下降的置信度为0.61并且
凝结水过冷却度增大的置信度为0.80并且
循环冷却水压差增大的置信度为0.66并且凝结水过冷却度相对应液位的变化率大于1
那么凝汽器冷却水入口段铜管泄漏的置信度为0.89ii)语义化阈值和限值：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝汽器热井出口水温下降：阈值：33℃，低限值：32℃；
③凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；④循环冷却水压差增大：阈值：56.31KPa，低限值：56.32KPa；7)凝汽器冷却水出口段铜管泄漏诊断置信库：
ⅰ)凝汽器冷却水出口段铜管泄漏置信规则：
如果凝汽器液位上升的置信度为0.89并且
凝汽器热井出口水温下降的置信度为0.71并且
凝结水过冷却度增大的置信度为0.81并且
循环冷却水压差下降的置信度为0.67并且
凝结水过冷却度相对应液位的变化率小于1
那么凝汽器冷却水出口段铜管泄漏的置信度为0.89
iⅰ)语义化阈值和限值：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝汽器热井出口水温下降：阈值：33℃，低限值：32℃；
③凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
④循环冷却水压差增大：阈值：56.31KPa，低限值：56.32KPa；
8)凝结水泵故障诊断置信规则库：
i)凝结水泵故障诊断置信规则：
如果凝汽器液位上升的置信度为0.87并且
凝结水过冷却度增大的置信度为0.72并且
凝结水泵电机电流下降的置信度为0.89并且
凝结水泵出口压力下降的置信度为0.80
那么循环水泵故障的置信度为0.93
ii)语义化阈值和限值：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝结水过冷却度增大：阈值：0.04℃，低限值：0.23℃；
③凝结水泵电机电流下降：阈值：152A，低限值：127A；
④凝结水泵出口压力下降：阈值：2.69MPa，低限值：2.63MPa；
以上规则为逻辑量诊断规则，为精确知识表达规则。
四、故障诊断规则库匹配算法采用python编程实现匹配过程
1)规则匹配度的计算过程
此步骤为置信规则库判断故障是否存在的关键步骤，决定当前时刻的故障征兆数据是否与某条规则匹配，是否需要根据该条规则继续计算故障的结论置信度。假设最终计算获得的结果符合式(1)的匹配条件，那么输出该条规则对应的故障类型为诊断结果，并且继续进行计算得出该故障类型的结论置信度作为参考。规则匹配度的计算方法如式(1)所示：
其中，θk表示当前故障征兆与第k条规则的匹配度；ε表示规则匹配指数；(i＝1,2,...,N)表示预设的规则前提条件置信度；δ′ i(i＝1,2,...,N)表示通过征兆置信度。若公式左侧部分的计算结果小于或等于ε，即表示当前时刻的故障征兆数据证据置信度小于或等于规则的前提条件置信度，那么匹配结果为真，继续计算结论置信度；反之，匹配结果为假，取下一条规则返回至1重新进行计算。通常情况下，规则匹配指数ε是根据专家经验以及现场实际操作经验相结合进行取值。
2)结论置信度的计算过程
可根据此步骤得出的计算结果，确定故障类型发生的结论置信度，也可看作为严重程度的参考。
其中，β表示计算得出的结论置信度，表示预设的结论前提置信度。
综上可知，本技术方案将领域专家经验、故障模型以及对故障模型测试数据挖掘整合起来构成知识系统；并依据故障对凝汽器系统性能影响的严重程度，以及故障发生的概率大小，形成故障的诊断策略按故障优先级进行诊断；再采用凝汽器现场运行参数与该置信规则库匹配的方法，以准确获取故障的类型以及置信度。本方案能够对运行凝汽器进行实时故障的准确诊断，从而有利于缩短后续维修时间，提高凝汽器的经济性以及运行稳定性。

Claims (10)

1.一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，包括以下步骤：
S1、根据历史发生故障、历史运行数据，结合机理故障模型，建立故障类型与故障征兆的一一映射关系，构建故障诊断置信规则库；
S2、获取凝汽器实时运行数据，根据设定的故障优先级推理诊断策略，并结合故障诊断置信规则库进行匹配计算，输出得到故障检测结果。
2.根据权利要求1所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述步骤S1中故障诊断置信规则库包括八种故障类型对应的故障诊断置信规则、语义化阈值及限值。
3.根据权利要求2所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述八种故障类型具体为凝汽器冷却管脏污、循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障。
4.根据权利要求3所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述凝汽器冷却管脏污故障诊断置信规则为：如果凝结水过冷却度增大的置信度为0.90、并且凝汽器端差增大的置信度为0.61、并且凝汽器热井出口水温上升的置信度为0.71，那么凝汽器冷却管脏污的置信度为0.90；
所述凝汽器冷却管脏污对应的语义化阈值和限值为：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
所述循环水泵故障诊断置信规则为：如果凝汽器热井出口水温上升的置信度为0.74、并且循环冷却水压差下降的置信度为0.85、并且循环水泵电机电流下降的置信度为0.89，那么循环水泵故障的置信度为0.93；
所述循环水泵故障对应的语义化阈值和限值为：
①凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
②循环冷却水压差下降：阈值：56.25KPa，低限值：55.35KPa；
③循环水泵电机电流下降：阈值：676A，低限值：567A。
5.根据权利要求3所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述循环水量不足故障诊断置信规则为：如果凝汽器热井出口水温上升的置信度为0.84、并且循环冷却水温升增大的置信度为0.80、并且循环冷却水压差下降的置信度为0.80，那么循环水量不足的置信度为0.91；
所述循环水量不足对应的语义化阈值和限值为：
①凝汽器热井出口水温上升：阈值：33.33℃，高限值：34.23℃；
②循环冷却水温升增大：阈值：7.2℃，高限值：8.57℃；
③循环冷却水压差下降：阈值：56.25KPa，低限值：55.35KPa；
所述抽汽器工作异常故障诊断置信规则为：如果凝结水过冷却度增大的置信度为0.66、并且凝汽器端差增大的置信度为0.74、并且抽气器入口压力上升的置信度为0.96、并且真空泵电机电流下降的置信度为0.96，那么抽汽器工作异常的置信度为0.94；
所述抽汽器工作异常对应的语义化阈值和限值为：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③抽气器入口压力上升：阈值：4KPa，高限值：4KPa；
④真空泵电机电流下降：阈值：50A，低限值：40A。
6.根据权利要求3所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述真空系统不严密故障诊断置信规则为：如果凝结水过冷却度增大的置信度为0.80、并且凝汽器端差增大的置信度为0.75、并且循环冷却水温升增大的置信度为0.70、并且抽气器入口压力上升的置信度为0.90，那么真空系统不严密的置信度为0.86；
所述真空系统不严密对应的语义化阈值和限值为：
①凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
②凝汽器端差增大：阈值：4.94℃，高限值：5.18℃；
③循环冷却水温升增大：阈值：7.2℃，高限值：8.57℃；
④抽气器入口压力上升：阈值：4KPa，高限值：4KPa；
所述凝汽器冷却水入口段铜管泄漏诊断置信规则为：如果凝汽器液位上升的置信度为0.85、并且凝汽器热井出口水温下降的置信度为0.61、并且凝结水过冷却度增大的置信度为0.80、并且循环冷却水压差增大的置信度为0.66、并且凝结水过冷却度相对应液位的变化率大于1，那么凝汽器冷却水入口段铜管泄漏的置信度为0.89；
所述凝汽器冷却水入口段铜管泄漏对应的语义化阈值和限值为：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝汽器热井出口水温下降：阈值：33℃，低限值：32℃；
③凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
④循环冷却水压差增大：阈值：56.31KPa，低限值：56.32KPa。
7.根据权利要求3所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述凝汽器冷却水出口段铜管泄漏置信规则为：如果凝汽器液位上升的置信度为0.89、并且凝汽器热井出口水温下降的置信度为0.71、并且凝结水过冷却度增大的置信度为0.81、并且循环冷却水压差下降的置信度为0.67、并且凝结水过冷却度相对应液位的变化率小于1，那么凝汽器冷却水出口段铜管泄漏的置信度为0.89；
所述凝汽器冷却水出口段铜管泄漏对应的语义化阈值和限值为：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝汽器热井出口水温下降：阈值：33℃，低限值：32℃；
③凝结水过冷却度增大：阈值：0.04℃，高限值：0.23℃；
④循环冷却水压差增大：阈值：56.31KPa，低限值：56.32Kpa。
8.根据权利要求3所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述凝结水泵故障诊断置信规则为：如果凝汽器液位上升的置信度为0.87、并且凝结水过冷却度增大的置信度为0.72、并且凝结水泵电机电流下降的置信度为0.89、并且凝结水泵出口压力下降的置信度为0.80，那么循环水泵故障的置信度为0.93；
所述凝结水泵故障对应的语义化阈值和限值为：
①凝汽器液位上升：阈值：0.74m，高限值：0.82m；
②凝结水过冷却度增大：阈值：0.04℃，低限值：0.23℃；
③凝结水泵电机电流下降：阈值：152A，低限值：127A；
④凝结水泵出口压力下降：阈值：2.69MPa，低限值：2.63Mpa。
9.根据权利要求3所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述步骤S2中故障优先级推理诊断策略具体为：
首先进行凝汽器冷却管脏污的诊断，若诊断结果成立，则输出凝汽器冷却管脏污故障成立、凝汽器冷却管脏污的置信度、引起凝汽器冷却管脏污的原因以及操作指导信息，并结束整个诊断过程；
若诊断结果不成立，则依次进行循环水泵故障、循环水量不足、抽汽器工作异常、真空系统不严密、凝汽器冷却水入口段铜管泄漏、凝汽器冷却水出口段铜管泄漏、凝结水泵故障的故障诊断，若存在某个故障诊断结果成立，则输出该故障成立、该故障对应的置信度、引起该故障的原因以及操作指导信息，并结束整个诊断过程，直至对最后一个凝结水泵故障进行诊断，如无故障则返回进行凝汽器冷却管脏污的诊断，以此循环。
10.根据权利要求1所述的一种基于热力学分析的压水堆核电厂配套凝汽器故障检测方法，其特征在于，所述步骤S2中进行匹配计算的具体过程为：根据凝汽器实时运行数据以及从故障诊断置信规则库读取的规则数据，首先进行征兆置信度计算，得到征兆点实时状态以及征兆点证据置信度；
根据征兆点证据置信度以及从故障诊断置信规则库读取的规则数据，进行故障置信度计算，得到故障定位与置信度；
将征兆点证据置信度、故障定位与置信度作为故障检测结果输出。
CN202311009922.4A 2023-08-10 2023-08-10 基于热力学分析的压水堆核电厂配套凝汽器故障检测方法 Pending CN117147191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311009922.4A CN117147191A (zh) 2023-08-10 2023-08-10 基于热力学分析的压水堆核电厂配套凝汽器故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311009922.4A CN117147191A (zh) 2023-08-10 2023-08-10 基于热力学分析的压水堆核电厂配套凝汽器故障检测方法

Publications (1)

Publication Number Publication Date
CN117147191A true CN117147191A (zh) 2023-12-01

Family

ID=88897846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311009922.4A Pending CN117147191A (zh) 2023-08-10 2023-08-10 基于热力学分析的压水堆核电厂配套凝汽器故障检测方法

Country Status (1)

Country Link
CN (1) CN117147191A (zh)

Similar Documents

Publication Publication Date Title
CN112200433B (zh) 一种发电厂热力性能分析与优化系统
CN111899905B (zh) 一种基于核动力装置的故障诊断方法及系统
Peng et al. An intelligent hybrid methodology of on-line system-level fault diagnosis for nuclear power plant
CN106525397B (zh) 一种核电高压加热器故障诊断方法
CN102425777B (zh) 过热蒸汽温度高报警状态触发故障诊断的方法
CN114519382B (zh) 一种核动力装置关键运行参数提取与异常监测方法
Cao et al. PCA-SVM method with sliding window for online fault diagnosis of a small pressurized water reactor
CN112124229A (zh) 一种应急抢险泵车远程实时故障诊断方法
CN112632845B (zh) 基于数据的小型反应堆在线故障诊断方法、介质及设备
CN114923287B (zh) 一种高压加热器故障预警方法、系统和介质
Wang et al. Improved methods of online monitoring and prediction in condensate and feed water system of nuclear power plant
Wu et al. Research on rapid source term estimation in nuclear accident emergency decision for pressurized water reactor based on Bayesian network
Wang et al. Research on anomaly detection and positioning of marine nuclear power steam turbine unit based on isolated forest
CN107895194B (zh) 一种核电厂主冷却剂系统故障诊断方法
CN103411204A (zh) 除氧器压力低报警状态触发故障诊断的方法
CN117147191A (zh) 基于热力学分析的压水堆核电厂配套凝汽器故障检测方法
CN110289112B (zh) 基于层次分析和模糊评价的核动力装置健康状态诊断方法
CN112036496A (zh) 一种核动力装置故障诊断方法及系统
CN116929670A (zh) 一种基于自更新mset的高压加热器泄漏诊断方法
CN113323891B (zh) 基于混合模型的核电站主泵密封故障诊断方法
Park et al. System and component anomaly detection using lstm-vae
Liu et al. Research on Accident Diagnosis Method of Reactor System Based on XGBoost Using Bayesian Optimization
CN113837535B (zh) 一种用于核电厂严重事故进程回溯的方法
CN113298133A (zh) 超临界机组锅炉爆管故障诊断方法
Guohua et al. Research on Fault Diagnosis Based on Hierarchical Signed Directed Graph for Nuclear Power Plants

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