CN117974094A - 用于核电厂的异常根因定位方法、装置、电子设备及介质 - Google Patents
用于核电厂的异常根因定位方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117974094A CN117974094A CN202211296117.XA CN202211296117A CN117974094A CN 117974094 A CN117974094 A CN 117974094A CN 202211296117 A CN202211296117 A CN 202211296117A CN 117974094 A CN117974094 A CN 117974094A
- Authority
- CN
- China
- Prior art keywords
- root cause
- cause positioning
- power plant
- nuclear power
- model
- 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
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims description 37
- 238000002372 labelling Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000004807 localization Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 241000195940 Bryophyta Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000011929 mousse Nutrition 0.000 description 1
- 239000003758 nuclear fuel Substances 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提出一种用于核电厂的异常根因定位方法、装置、电子设备及介质。具体方案为：响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，并从待处理运行数据中提取得到待处理数据特征，再将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位，由此，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及一种用于核电厂的异常根因定位方法、装置、电子设备及介质。
背景技术
在核电厂运维过程中，核事故(例如核燃料生产厂、核反应堆、核电厂、核动力舰船及后处理厂故障等所造成的意外事件)，可能成厂内人员受到放射损伤和放射性污染。严重时，放射性物质泄漏到厂外，污染周围环境，对公众健康造成危害，为了减轻核事故所带来的危害，需要迅速对核电厂的故障进行定位，并对故障进行检修，从而恢复核电厂的正常运行。
相关技术中，由于核电厂的设备，和/或系统之间存在较强关联性，从而在核电某一部件发生故障时，可能会导致与其相关的设备及系统均发生运行故障，由此，对核电厂的异常根因进行定位，从而快速开展故障抢修工作，是保障核电厂安全运维的重要环节。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本公开的目的在于提出一种用于核电厂的异常根因定位方法、装置、电子设备及存储介质，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因。
本公开第一方面实施例提出的用于核电厂的异常根因定位方法，包括：响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据；从待处理运行数据中提取得到待处理数据特征；将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位。
本公开第一方面实施例提出的用于核电厂的异常根因定位方法，通过响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，并从待处理运行数据中提取得到待处理数据特征，再将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位，由此，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因。
本公开第二方面实施例提出的用于核电厂的异常根因定位装置，包括：第一获取模块，用于响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据；提取模块，用于从待处理运行数据中提取得到待处理数据特征；第二获取模块，用于将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位。
本公开第二方面实施例提出的用于核电厂的异常根因定位装置，通过响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，并从待处理运行数据中提取得到待处理数据特征，再将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位，由此，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因。
本公开第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开第一方面实施例提出的用于核电厂的异常根因定位方法。
本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的用于核电厂的异常根因定位方法。
本公开第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的用于核电厂的异常根因定位方法。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
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是本公开一实施例提出的用于核电厂的异常根因定位方法的流程示意图；
图2是本公开另一实施例提出的用于核电厂的异常根因定位方法的流程示意图；
图3是本公开一实施例提出的用于核电厂的异常根因定位装置的结构示意图；
图4示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本公开的实施例，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，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本公开一实施例提出的用于核电厂的异常根因定位方法的流程示意图。
其中，需要说明的是，本实施例的用于核电厂的异常根因定位方法的执行主体为用于核电厂的异常根因定位装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
如图1所示，该用于核电厂的异常根因定位方法，包括：
S101：响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据。
本公开实施例描述的用于核电厂的异常根因定位方法，可以是在核电厂机组发生故障报警时，获取故障机组的当前运行参数作为核电厂机组的待处理运行数据，对此不做限制。
可以理解的是，核电厂机组的设备，和/或系统之间存在较强关联性，从而在核电某一部件发生故障时，可能会导致与其相关的设备及系统均发生运行故障，即当某一系统发生故障报警时，可能是由于该设备中的某一子设备发生运行故障。
由此，响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，可以是在核电厂机组中的某一系统发生故障报警时，获取与该系统相关的其他设备和/或部件的运行参数作为待处理运行数据，从而可以基于该待处理运行数据确定导致系统运行故障的异常根因，具体可以参见后续实施例。
举例而言，核电厂的A运行系统中，可以包含A1设备和A2设备，A1设备中又可以包含a子设备和b子设备，A2设备中又可以包含c子设备，从而在核电厂的A运行系统发生故障报警，需要对A运行系统进行维修时，需要依次对A运行系统，A1设备、A2设备、a子设备、b子设备以及c子设备依次进行故障排查，以确定具体的异常根因(即是哪个设备导致A运行系统发生故障报警)从而需要较高的时间成本和工作成本。
本公开实施例描述的用于核电厂的异常根因定位方法，可以是在核电厂的A运行系统发生故障报警时，获取与A运行系统相关的A运行系统，A1设备、A2设备、a子设备、b子设备以及c子设备在故障发生前的某一预设时间段内的全部运行数据，并将该获取得到的运行数据作为待处理运行数据，而后，可以基于待处理运行数据，确定具体的异常根因(即是哪个设备导致A运行系统发生故障报警)从而有效地降低故障排查的时间成本和工作成本，进而便利故障抢修工作的开展，从而保障核电厂的安全运维，对此不做限制。
S102：从待处理运行数据中提取得到待处理数据特征。
本公开实施例在响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据之后，可以从待处理运行数据中提取得到相应的数据特征，该数据特征即可以被称为待处理数据特征。
一些实施例中，从待处理运行数据中提取得到待处理数据特征，可以是采用相应的特征提取算法(例如，方向梯度直方图算法(Histogram of Oriented Gradient，HOG)，对此不做限制)，从待处理运行数据中提取得到相应的数据特征作为待处理数据特征，对此不做限制。
S103：将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位。
本公开实施例在从待处理运行数据中提取得到待处理数据特征之后，可以将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息。
其中，根因定位信息用于对核电厂机组进行异常根因定位，该根因定位信息可以例如是上述示例中，哪个设备故障导致A运行系统发生故障报警，对此不做限制。
其中，目标异常根因定位模型可以用于确定根因定位信息，该目标异常根因定位模型可以例如是人工智能(Artificial Intelligence，AI)模型，具体可以例如是机器学习模型，神经网络模型，或者，该目标异常根因定位模型还可以是其他任意可能的能够用于执行异常根因定位任务的人工智能模型，对此不做限制。
也即是说，本公开实施例在从待处理运行数据中提取得到待处理数据特征之后，可以将待处理数据特征输入至目标异常根因定位模型之中，由目标异常根因定位模型根据待处理数据特征执行根因定位任务，以获取目标异常根因定位模型输出的根因定位信息。
本实施例中，通过响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，并从待处理运行数据中提取得到待处理数据特征，再将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位，由此，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因。
图2是本公开另一实施例提出的用于核电厂的异常根因定位方法的流程示意图。
如图2所示，该用于核电厂的异常根因定位方法，包括：
S201：获取标注根因定位信息。
其中，标注根因定位信息可以用于异常根因定位模型的模型训练任务中，该标注根因定位信息可以例如是，导致系统发生故障报警的具体故障设备的故障参数，故障设备标识等，对此不做限制。
也即是说，本公开实施例中，可以是获取核电厂机组中各个设备的故障参数，并将该故障参数作为标注根因定位信息。
举例而言，以上述核电厂的A运行系统为例，可以是在核电厂机组的全范围模拟机中改变A运行系统，A1设备、A2设备、a子设备、b子设备以及c子设备的运行参数，使得A运行系统，A1设备、A2设备、a子设备、b子设备以及c子设备依次处于故障运行状态，并获取相应的设备或者系统标识，及设备或者系统的运行参数作为标注根因定位信息。
S202：根据标注根因定位信息，确定样本运行数据。
其中，用于异常根因定位模型的模型训练任务的运行数据，即可以被称为样本运行数据。
可选地，一些实施例中，根据标注根因定位信息，确定样本运行数据，可以是采用核电厂的全范围模拟机对标注根因定位信息进行模拟，并采集全范围模拟机的模拟运行数据作为样本运行数据。
也即是说，本公开实施例中，可以是采用核电厂的全范围模拟机对预先确定的某一具体的设备的故障参数进行模拟，并获取此条件下与该设备相关的其他设备和/或系统的运行数据作为样本运行数据，对此不做限制。
举例而言，以上述核电厂的A运行系统为例，可以例如是在核电厂机组的全范围模拟机中改变a子设备的运行参数，使得a子设备处于故障状态，并将获取得到的a子设备的设备标识和a子设备的运行数据作为标注根因定位信息，再采用全范围模拟机对标注根因定位信息进行模拟，在此模拟过程中，获取与a子设备相关的A运行系统，A1设备、A2设备、b子设备以及c子设备的运行参数作为样本运行数据，对此不做限制。
S203：根据样本运行数据和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
其中，未经训练的异常根因定位模型即可以被称为初始异常根因定位模型，该初始异常根因定位摩西可以例如是神经网络模型，深度学习模型等，对此不做限制。
本公开实施例在获取标注根因定位信息和样本运行数据后，可以根据样本运行数据和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
可选地，一些实施例中，根据样本运行数据和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型，可以是从样本运行数据中提取得到样本数据特征，并将样本数据特征输入至初始异常根因定位模型之中，以得到初始异常根因定位模型输出的预测根因定位信息，再根据预测根因定位信息和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
也即是说，本公开实施例中，可以是采用特征提取算法从样本运行数据中提取得到相应的数据特征，并将该数据特征作为样本数据特征，而后，可以将该样本数据特征输入至初始异常根因定位模型中，以获取初始异常根因定位模型输出的预测根因定位信息，而后可以根据预测根因定位信息和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
可选地，一些实施例中，根据预测根因定位信息和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型，可以是在预测根因定位信息和标注根因定位信息之间的损失值小于损失阈值时，确定初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
也即是说，本公开实施例中，可以是采用损失函数确定预测根因定位信息和标注根因定位信息之间的损失值，并将该损失值与预先确定的损失阈值进行比对，并在损失值小于损失阈值时，确定初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型，对此不做限制。
本公开实施例中，通过获取标注根因定位信息，并根据标注根因定位信息，确定样本运行数据，再根据样本运行数据和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型，由此，可以联合样本运行数据和标注根因定位信息准确判定根因定位模型的收敛时机，从而有效地保障初始异常根因定位模型的模型训练效果。
S204：响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据。
S205：从待处理运行数据中提取得到待处理数据特征。
S206：将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位。
S204-S206的描述说明可以具体参见上述实施例，在此不再赘述。
S207：显示根因定位信息。
本公开实施例在将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息之后，可以对根因定位信息进行显示(例如，可以是将根因定位信息传输至显示屏中进行显示，对此不做限制)，从而能够便利核电厂运维人员更为直观地获知导致核电厂机组发生故障报警的异常根因，从而能够便利核电厂机组故障抢修工作的开展，进而有效地保障核电厂机组的安全运维。
本公开实施例中，通过获取标注根因定位信息，并根据标注根因定位信息，确定样本运行数据，再根据样本运行数据和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型，由此，可以联合样本运行数据和标注根因定位信息准确判定根因定位模型的收敛时机，从而有效地保障初始异常根因定位模型的模型训练效果，再响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，并从待处理运行数据中提取得到待处理数据特征，再将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位，由此，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因，再对根因定位信息进行显示，从而能够便利核电厂运维人员更为直观地获知导致核电厂机组发生故障报警的异常根因，从而能够便利核电厂机组故障抢修工作的开展，进而有效地保障核电厂机组的安全运维。
图3是本公开一实施例提出的用于核电厂的异常根因定位装置的结构示意图。
如图3所示，该用于核电厂的异常根因定位装置30，包括：
第一获取模块301，用于响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据；
提取模块302，用于从待处理运行数据中提取得到待处理数据特征；
第二获取模块303，用于将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位。
在本公开的一些实施例中，用于核电厂的异常根因定位装置30，还包括：
第三获取模块，用于在将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息之前，获取标注根因定位信息；
确定模块，用于根据标注根因定位信息，确定样本运行数据；
训练模块，用于根据样本运行数据和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
在本公开的一些实施例中，训练模块，还用于：
从样本运行数据中提取得到样本数据特征；
将样本数据特征输入至初始异常根因定位模型之中，以得到初始异常根因定位模型输出的预测根因定位信息；
根据预测根因定位信息和标注根因定位信息，训练初始异常根因定位模型，直至初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
在本公开的一些实施例中，训练模块，还用于：
如果预测根因定位信息和标注根因定位信息之间的损失值小于损失阈值，则确定初始异常根因定位模型收敛，并将训练得到的初始异常根因定位模型作为目标异常根因定位模型。
在本公开的一些实施例中，确定模块，还用于：
采用核电厂的全范围模拟机对标注根因定位信息所描述的核电厂机组故障情况进行模拟，并采集全范围模拟机的模拟运行数据作为样本运行数据。
在本公开的一些实施例中，用于核电厂的异常根因定位装置30，还包括：
显示模块，用于在将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息之后，显示根因定位信息。
与上述图1至图2实施例提供的用于核电厂的异常根因定位方法相对应，本公开还提供一种用于核电厂的异常根因定位装置，由于本公开实施例提供的用于核电厂的异常根因定位装置与上述图1至图2实施例提供的用于核电厂的异常根因定位方法相对应，因此在用于核电厂的异常根因定位方法的实施方式也适用于本公开实施例提供的用于核电厂的异常根因定位装置，在本公开实施例中不再详细描述。
本实施例中，通过响应于核电厂机组发生故障报警，获取核电厂机组的待处理运行数据，并从待处理运行数据中提取得到待处理数据特征，再将待处理数据特征输入至目标异常根因定位模型之中，以获取目标异常根因定位模型输出的根因定位信息，其中，根因定位信息用于对核电厂机组进行异常根因定位，由此，实现联合目标异常根因定位模型确定核电厂机组的根因定位信息，准确地确定根因定位信息，从而能够基于根因定位信息迅速定位核电厂机组的故障根因。
为了实现上述实施例，本公开还提出一种电子设备，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，处理器执行程序时，实现如本公开前述实施例提出的用于核电厂的异常根因定位方法。
为了实现上述实施例，本公开还提出一种非临时性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前述实施例提出的用于核电厂的异常根因定位方法。
为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的用于核电厂的异常根因定位方法。
图4示出了适于用来实现本公开实施方式的示例性电子设备的框图。图4显示的电子设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。
尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其他模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的用于核电厂的异常根因定位方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
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 (10)
1.一种用于核电厂的异常根因定位方法，其特征在于，包括：
响应于核电厂机组发生故障报警，获取所述核电厂机组的待处理运行数据；
从所述待处理运行数据中提取得到待处理数据特征；
将所述待处理数据特征输入至目标异常根因定位模型之中，以获取所述目标异常根因定位模型输出的根因定位信息，其中，所述根因定位信息用于对所述核电厂机组进行异常根因定位。
2.如权利要求1所述的方法，其特征在于，在所述将所述待处理数据特征输入至目标异常根因定位模型之中，以获取所述目标异常根因定位模型输出的根因定位信息之前，还包括：
获取标注根因定位信息；
根据所述标注根因定位信息，确定样本运行数据；
根据所述样本运行数据和所述标注根因定位信息，训练初始异常根因定位模型，直至所述初始异常根因定位模型收敛，并将训练得到的所述初始异常根因定位模型作为所述目标异常根因定位模型。
3.如权利要求2所述的方法，其特征在于，所述根据所述样本运行数据和所述标注根因定位信息，训练初始异常根因定位模型，直至所述初始异常根因定位模型收敛，并将训练得到的所述初始异常根因定位模型作为所述目标异常根因定位模型，包括：
从所述样本运行数据中提取得到样本数据特征；
将所述样本数据特征输入至所述初始异常根因定位模型之中，以得到所述初始异常根因定位模型输出的预测根因定位信息；
根据所述预测根因定位信息和所述标注根因定位信息，训练初始异常根因定位模型，直至所述初始异常根因定位模型收敛，并将训练得到的所述初始异常根因定位模型作为所述目标异常根因定位模型。
4.如权利要求3所述的方法，其特征在于，所述根据所述预测根因定位信息和所述标注根因定位信息，训练初始异常根因定位模型，直至所述初始异常根因定位模型收敛，并将训练得到的所述初始异常根因定位模型作为所述目标异常根因定位模型，包括：
如果所述预测根因定位信息和所述标注根因定位信息之间的损失值小于损失阈值，则确定所述初始异常根因定位模型收敛，并将训练得到的所述初始异常根因定位模型作为所述目标异常根因定位模型。
5.如权利要求2所述的方法，其特征在于，所述根据所述标注根因定位信息，确定样本运行数据，包括：
采用核电厂的全范围模拟机对所述标注根因定位信息进行模拟，并采集所述全范围模拟机的模拟运行数据作为所述样本运行数据。
6.如权利要求1所述的方法，其特征在于，在所述将所述待处理数据特征输入至目标异常根因定位模型之中，以获取所述目标异常根因定位模型输出的根因定位信息之后，还包括：
显示所述根因定位信息。
7.一种用于核电厂的异常根因定位装置，其特征在于，包括：
第一获取模块，用于响应于核电厂机组发生故障报警，获取所述核电厂机组的待处理运行数据；
提取模块，用于从所述待处理运行数据中提取得到待处理数据特征；
第二获取模块，用于将所述待处理数据特征输入至目标异常根因定位模型之中，以获取所述目标异常根因定位模型输出的根因定位信息，其中，所述根因定位信息用于对所述核电厂机组进行异常根因定位。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
第三获取模块，用于在所述将所述待处理数据特征输入至目标异常根因定位模型之中，以获取所述目标异常根因定位模型输出的根因定位信息之前，获取标注根因定位信息；
确定模块，用于根据所述标注根因定位信息，确定样本运行数据；
训练模块，用于根据所述样本运行数据和所述标注根因定位信息，训练初始异常根因定位模型，直至所述初始异常根因定位模型收敛，并将训练得到的所述初始异常根因定位模型作为所述目标异常根因定位模型。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211296117.XA CN117974094A (zh) | 2022-10-21 | 2022-10-21 | 用于核电厂的异常根因定位方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211296117.XA CN117974094A (zh) | 2022-10-21 | 2022-10-21 | 用于核电厂的异常根因定位方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117974094A true CN117974094A (zh) | 2024-05-03 |
Family
ID=90863200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211296117.XA Pending CN117974094A (zh) | 2022-10-21 | 2022-10-21 | 用于核电厂的异常根因定位方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117974094A (zh) |
-
2022
- 2022-10-21 CN CN202211296117.XA patent/CN117974094A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
| US10108763B2 (en) | Method and simulation arrangement for simulating an automated industrial plant | |
| CN111400505A (zh) | 一种用电信息采集系统匹配故障消缺方案的方法及系统 | |
| CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控系统 | |
| CN113553765A (zh) | 锅炉运行过程的动态仿真模拟方法、装置及系统 | |
| CN111398703B (zh) | 电压模数转换器的自动化测试方法、装置及存储介质 | |
| CN117974094A (zh) | 用于核电厂的异常根因定位方法、装置、电子设备及介质 | |
| US10372849B2 (en) | Performing and communicating sheet metal simulations employing a combination of factors | |
| CN111709117A (zh) | 核电模拟机全寿期过程管理方法及装置 | |
| CN111191239A (zh) | 一种用于应用程序的进程检测方法及系统 | |
| Ragsdale et al. | Fault diagnosis with multi-state alarms in a nuclear power control simulator | |
| CN116124368A (zh) | 主氦风机电磁轴承控制柜冷却水管接头漏水检测方法 | |
| CN114416417A (zh) | 系统异常监测方法、装置、设备及存储介质 | |
| CN114298226A (zh) | 一种核电厂故障诊断方法、装置及其介质 | |
| CN114898174A (zh) | 基于不同识别模型的电缆故障识别系统 | |
| Li et al. | VRPTEST: Evaluating Visual Referring Prompting in Large Multimodal Models | |
| CN114418521A (zh) | 用于核电厂运行技术规格书的数据处理方法和装置 | |
| KR20220003388A (ko) | 전력 계통을 분석하기 위한 전자 장치 및 방법 | |
| CN114914008B (zh) | 核电厂应急响应行动的控制方法、装置、电子设备及介质 | |
| CN110414233A (zh) | 恶意代码检测方法及装置 | |
| CN113917859B (zh) | 一种雷达伺服系统复杂安全逻辑链路模型构建方法 | |
| KR101594439B1 (ko) | 원자력발전소 내의 디지털 계측제어시스템을 위한 검사 장치 및 그 방법 | |
| CN117312377A (zh) | 用于新能源厂的异常数据检测方法、装置、设备及介质 | |
| CN110134108B (zh) | 一种代码缺陷测试方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |