核电厂传感器状态监测方法研究

发布时间：2020-08-18 09:35

【摘要】：安全性和经济性是核电可持续性发展的重要前提。就安全性而言,传感器是核电厂仪表和控制系统的重要组成部分,用于获取电厂的实时运行数据,一方面可以实现对电厂中系统和设备运行状态的在线监测,另一方面还可以为控制系统的安全可靠运行提供数据基础。同时由于核电厂中某些传感器恶劣的工作环境导致传感器可能随着核电厂运行时间的增加出现不同程度的老化或故障。因此,为保证核电厂的安全性,在运行过程中对传感器状态进行实时在线监测是非常必要的。就经济性而言,通常核电厂使用大量的传感器仪表,通过对传感器的状态监测不仅可以提高核电厂运行的安全性,还可以推动传统基于时间的周期性主动仪表维护策略向基于状态的维护(Condition-based Maintenance,CBM)策略转变,明显提高核电厂整体运行的经济性。因此,本文采用基于主元分析(Principal Component Analysis,PCA)的方法一方面实现对冗余和非冗余传感器的在线状态监测,检测到基于现有交叉校准技术所不能解决的冗余传感器的共模故障,提高核电厂运行过程的安全性;另一方面实现对冗余和非冗余传感器的状态评估,实现传感器仪表的CBM,提高核电厂运行过程的经济性。采用PCA方法对传感器进行状态监测时,存在多种因素会影响模型的监测性能,主要包括PCA模型建模数据的质量、模型结构参数的合理性、故障检测和辨识结果的准确性等几个方面。因此为提高PCA模型对核电厂传感器故障的状态监测性能,针对影响模型状态监测性能的四个主要因素,本文分别进行了分析并提出了相应的优化解决方法,具体描述如下。(1)PCA建模数据的预处理:由于建模数据质量直接影响PCA模型的状态监测性能,因此在第3章中对传感器测量数据中的离群点和随机噪声进行了预处理。首先使用统计分析方法剔除离群点,然后分别使用时域的滑动时窗法和时-频域的小波变换法进一步降噪。通过来自真实核电厂传感器测量数据的验证测试,定量证明了本文所提出的数据预处理算法对PCA模型状态监测性能的改善。(2)PCA模型结构参数的选取:建模参数是影响PCA模型的主要结构参数之一,不同建模参数将直接影响模型的状态监测性能。因此在第4章中对PCA模型建模参数的选取原则进行了讨论。在传统随机建模参数选取标准上,提出了另外四种标准:基于传感器类型,基于传感器测量数据方差、变化度和相关性。通过对比不同标准建立的PCA模型的状态监测性能,确定了五种PCA模型建模参数选取标准中的最佳标准。(3)模型的故障检测:针对故障检测,本文从两个不同方面进行了优化分析。(1)首先在第2章中使用Δ判别法计算PCA模型对模型中每个传感器故障的不可检测性区间,定量评估所建立的PCA模型的故障检测能力。通过真实核电厂传感器测量数据的验证测试,证明了本文提出的传感器故障不可检测性区间计算方法的有效性。(2)然后在第5章中使用循环迭代方法消除模型训练过程中T~2和Q统计量的误报警,使用统计分析法消除模型故障检测过程中T~2和Q统计量的误报警。通过真实核电厂传感器测量数据的验证测试,证明了本文提出的误报警消除算法可以提高PCA模型状态监测过程的稳定性和准确性,提高了模型的状态监测性能。(4)模型的故障辨识:针对故障辨识,本文在传统T~2和Q统计量高贡献量分析法基础上,在第6章中同时采用改进的Q统计量贡献率分析法和基于迭代重构的方法进行故障传感器辨识。通过真实核电厂传感器测量数据的验证测试,证明了本文提出的故障辨识方法的合理性和有效性。综合以上优化算法,本文提出了基于PCA的传感器综合状态监测方案。为测试综合使用多种优化算法时对PCA模型监测性能的影响,在最后的第7章中将多种优化算法结合,并使用真实核电厂的传感器测量数据进行综合验证分析。测试表明:综合使用本文提出的优化算法后,PCA模型的状态监测性能高于在前述2~6章中单独使用某一种优化算法时模型的监测性能。
【学位授予单位】：哈尔滨工程大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TM623;TP212
【图文】：

元空间P 和剩余(n-k)主元组成的残差 ( T T = P P X + P P X = C X + I C 阵；C 和C~分别表示主元和残差空间的的投影。且有： ===++[,,]~[,,,] ],~, [kknkPPPPPPPPPP 1212XX~残差空间

A: 完全失效（Complete Failure） B: 偏差（Bias）C: 漂移（Drift） D: 精度下降（Precision Degradation）图2.1 给水温度传感器的四种故障类型Fig. 2.1 Four kinds of faults on the feedwater temperature sensor对于传感器的完全失效故障，使用多种监测方法均可以轻松检测到。而对于三种软故障则检测相对困难。因此，本文主要针对核电厂传感器的软故障进行检测和辨识。

本章节随机选取核电厂的 9个传感器参量作为 PCA模型的建模参数，包括 1号冷却剂出口温度传感器、2 号冷却剂出口温度传感器、主蒸汽流量传感器、主给水流量传感器、宽量程堆芯水位传感器、冷凝器液位传感器、稳压器液位传感器、冷却剂泵入口压力传感器和冷却剂泵出口压力传感器。获取这 9 个传感器在满功率运行工况下的 1000个样本来进行 PCA模型的训练，另外 500个样本进行模型测试。按照前文的计算方法计算训练的 PCA模型对这 9个传感器故障的不可检测性区间，在图 2.3-2.4中，以 1号和 2号冷却剂出口温度、主蒸汽流量和主给水流量四个传感器为例展示了其不可检测区间的范围。图中红色和绿色点分别表示在不同测试样本下得到的传感器不可检测性区间的上限值和下限值，蓝色点表示传感器的测量值。根据图 2.3，由于测试样本中的数据波动，1号和 2号冷却剂出口温度传感器不可检测性区间上下限值产生了小幅波动。从图 2.4 中的结果可以看出，主蒸汽流量和主给水流量传感器的不可检测性区间的上下限值的波动程度明显高于温度传感器，说明测试样本中流量传感器的测量数据的波动幅度高于温度传感器，这与实际情况也是一致的。

本文编号：2796052