基于GrC-SDG的核电厂故障诊断研究

发布时间：2020-05-18 19:49

【摘要】：随着生态环境的恶化及对电力需求的日益增大,核能作为最具潜力的清洁能源越来越受人们的重视。但是核电厂具有严重的潜在放射性危害,其安全性问题严重制约着核电事业的快速发展。为保证核电厂安全稳定运行,需要实时监测相关系统的状态,当出现参量异常情况时立即进行故障诊断,帮助操纵员第一时间了解故障的详细信息并采取有效措施,避免造成严重后果。本文针对福清核电厂2号机组,结合现有的故障诊断技术,对核电厂的状态监测、故障诊断及程度评估等关键技术进行研究,提出了一种适用于核电厂的故障诊断方法并开发出一套相应的故障诊断系统。主要研究工作如下:(1)采取定性趋势分析与阈值法相结合的方式对核电厂相关运行参量进行状态监测,以提高监测的灵敏度,实现异常参量的早期发现。(2)对符号有向图(Signal Directed Graph,SDG)方法进行研究并引入决策表,改进SDG方法的诊断流程,形成基于诊断规则的SDG故障诊断方法,避免SDG模型的重复性搜索推理工作,获得故障的传播路径,提高诊断速度。针对研究对象,建立核电厂SDG模型,清楚表达出各参量间的影响关系,并利用仿真机对其进行正确性验证。(3)研究粒计算(Granular Computing,GrC)理论的属性约简算法与相似度推理算法。利用相对粒度属性约简算法对核电厂决策表进行简化,在确保分类能力不变的情况下剔除不必要的条件属性,从而降低决策表的复杂度、提高规则匹配的效率,并利用相似度推理算法确保匹配结果准确可靠,形成基于GrC-SDG的核电厂故障诊断方法。(4)研究深度神经网络的三种主要深度学习模型,并选择出适用于核电厂数据的深度置信网络模型,建立相关评估参量与故障程度的映射关系,实现对故障程度大小的评估计算。(5)采用C#4.0编程语言开发出一套集状态监测、故障诊断和程度评估等多种功能于一体的核电厂故障诊断系统,并利用福清2号机组仿真机进行各项功能的测试与分析。测试结果表明本文提出的状态监测、故障诊断和程度评估方法可以及时准确地监测出异常参量、识别故障的类型并获得较为准确的评估结果,验证了方法的可行性和系统各功能的有效性,为进一步研究及工程实际应用打下了基础。
【图文】：

复杂函数,传播算法,核动力装置,神经网

也如雨后春笋般出现。印度的 S算法，并将反向弹性传播算法应等研究者将小波变换与人工神经网事故为研究对象，进行故障诊断核动力装置的冷凝器为研究对象障诊断的可行性[52]。2010 年海军来，改进单神经网络诊断方法的络具有很多优点但也存在一些局况下对复杂函数的表示能力有限学习则可实现复杂函数的逼近，具用范围更广等优点，尤其适合数领域中最为热门的研究方向，其行非线性变换，结构如图 1.2 所

变化趋势,蒸发器,主给水,水位上升

22图 2.8 MSLB(壳内)相关参量变化趋势根据 SDG 模型进行正向推理，可以得到相关参量的理论变化趋势如下：MSLB(壳内)→安全壳压力升高，MSLB(壳内)→安全壳内温度升高，MSLB(壳内)→蒸发器 A 蒸汽压力减小→蒸发器 A 水位上升，MSLB(壳内)→蒸发器 B 蒸汽压力减小→蒸发器 B水位上升，MSLB(壳内)→蒸发器 C 蒸汽压力减小→蒸发器 C 水位上升，，MSLB(壳内)→蒸发器 A 蒸汽流量增大 →蒸发器 A 主给水流量增大 →1 环路冷管段温度下降，MSLB(壳内) →蒸发器 B 蒸汽流量增大 →蒸发器 B 主给水流量增大 →2 环路冷管段温度下降，MSLB(壳内)→蒸发器 C 蒸汽流量增大→蒸发器 C 主给水流量增大→3 环路冷管段温度下降。通过比较得知，从仿真机取到的相关参量的实际变化趋势与理论变化趋势一致，MSLB 局部模型建立正确。同理，对其余几个故障源进行分析，结果表明核电厂 SDG 模型建立正确，且质量很高，符合进行故障诊断的要求。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM623

【参考文献】