基于时间序列神经网络的蒸汽发生器传热管泄漏程度诊断研究

发布时间：2022-01-05 06:48

　　针对蒸汽发生器U形传热管泄漏,本文提出了一种基于时间序列神经网络对蒸汽发生器传热管泄漏程度进行诊断研究的方法。首先,对核电厂蒸汽发生器U型传热管泄漏进行机理分析,构建其数学模型,提取其泄漏的直接特征参数,再依据Fisher得分法,提取其间接特征参数;其次,通过滑动时间窗口法从预处理后的时间序列数据中生成数据样本,作为时间序列神经网络的输入,并以蒸汽发生器U形传热管泄漏程度信息为标注,基于反向传播（BP）算法对五层神经网络系统进行训练,得到蒸汽发生器U形传热管泄漏的时间序列神经网络模型;最后,模拟核电厂运行过程蒸汽发生器U形传热管泄漏时的时间序列测试数据。仿真结果表明,时间序列神经网络对演变事件的处理具有较好的有效性和较高的泛化能力,对故障程度的诊断研究具有参考价值。 

【文章来源】：核动力工程. 2020,41(02)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

模型训练过程损失值变化

钱虹等：基于时间序列神经网络的蒸汽发生器传热管泄漏程度诊断研究163e下泄流量和GCT-C总开度f蒸汽发生器水位g蒸汽发生器压力h蒸汽发生器主给水流量图1蒸汽发生器传热管泄漏时直接特征参数变化趋势Fig.1TrendofDirectCharacteristicParameterswhenSteamGeneratorTubeLeaks式中，if为第i个特征；c为不同类别的总数目；jn为第j个类别的样本数目；iju是j类别中样本i特征的均值；iu为第i个特征的均值；ij是j类别中样本特征的标准差。在蒸汽发生器传热管泄漏相关参数中，完成对每一个特征参数的Fisher得分计算后，选取除去主要特征参数外，最高得分的特征参数见表2。表2间接特征参数表Table2IndirectFeatureParameters序号特征参数11#主给水阀开度22#主给水阀开度3蒸汽发生器主给水温度4蒸汽发生器辅助给水流量5高压进气阀GRE001VV开度6高压进气阀GRE002VV开度7高压进气阀GRE003VV开度8高压进气阀GRE004VV开度9容控箱液位101#稳压器加热功率112#稳压器加热功率以上直接特征参数及间接特征参数在蒸汽发生器传热管泄漏发生后，其实时值在一段时间内发生某种线性或者非线性的改变，其时间序列的数据都属于蒸汽发生器传热管泄漏的特征参数参考值。基于此，在本文的第2节提出一种基于时间序列神经网路的方法对蒸汽发生器传热管泄漏进行泄漏程度识别。2时间序列神经网络的构造本研究提出5层神经网络结构，其中包含1层输入层、3层隐含层以及1层输出层（蒸汽发生器传热管泄漏程度是[0，1]区间内的实数值）。2.1时间序列神经网络的输入、输出层构造为了完成有监督学习的训练过程，神经网络的训练需要大量有标注样本（本次所有的样本数据都是通过实验室仿?

164核动力工程Vol.41.No.2.2020数据记录为123,,,,fiiiicccc（1，2，，f为数据个数），对预处理后的数据应用滑动时间窗口进行样本的生成，如图2所示。图2滑动时间窗口样本生成过程Fig.2SchematicProcessforSlidingWindowSampleGeneration对于第j个生成的样本ijs为：ggsgss1111,,,DjDjDDjDLijiiisccc（6）式中，gD为滑动间隔；sD为采样间隔；sL为窗口内采样个数。因为Tw=DsLs，并有wg1TDj≤f，即：0≤j≤wgfT1/D（7）式中，wgfT1/D为高斯取整函数；wT为滑动时间窗口长度。为方便表示，将单个特征参数的第j个样本值写作：s12,,,Lijijijijsccc（8）设jU为对应的蒸汽发生器传热管泄漏仿真泄漏程度，也是样本的标注值。因此，可以将一个包含有m个特征参数及sL长度的时间序列样本表示为：ss121211122,,,,,,,LLjjjjjmjjjsccccccU（9）由于将泄漏发生时间内的时间序列信息通过滑动时间窗口的方法生成样本，故本次所设计的神经网络模型，在输入层中表现出多特征参数时间序列的性质。不妨考虑某一时刻t，通过时间窗口不仅将t时刻对应的特征参数实时值作为模型的输入，还将t时刻之前一定时间窗口长度内的历史数据作为输入。因此当本次所研究的时间序列神经网络应用到实际生产过程中时，模型充分利用了当前核电运行状态，以及在该段范围之内的核电历史运行状态。在这个层面上，本次研究的神经网络模型具有时间序列的性质。重复记录插入不同蒸汽发生器传热管泄漏程度的仿真特征参数值，?

【参考文献】：
期刊论文
[1]神经网络在变压器故障诊断中的应用研究[J]. 禹建丽,黄鸿琦,陈洪根,潘笑天.  控制工程. 2018(10)
[2]基于改进RBF神经网络的电机故障诊断方法研究[J]. 効迎春,宿忠娥.  甘肃高师学报. 2018(05)
[3]核电站故障诊断与故障程度评估方法[J]. 段智勇,刘永阔,夏虹,吴国华.  应用科技. 2016(04)
[4]报警触发式蒸汽发生器传热管破裂事故诊断专家系统的研究[J]. 钱虹,骆建波,金蔚霄,王渡,周金明.  核动力工程. 2015(01)
[5]蒸汽发生器故障预报方法研究[J]. 阎明,周彧.  中国科技投资. 2012(26)

硕士论文
[1]基于半监督和无监督学习的特征选择算法研究[D]. 郑欣.西北大学 2017
[2]U型管蒸汽发生器仿真模型及动态特性研究[D]. 邢海坤.华北电力大学 2014



本文编号：3569947