一种核电主给水调节阀异常波动检测方法与流程

1.本发明涉及核电站冷却水控制领域，尤其是涉及一种核电主给水调节阀异常波动检测方法。


背景技术：

2.主给水调节阀是核电站实现蒸汽发生器水位控制的关键部件，对机组的安全、稳定运行起到重要作用。正常情况下，机组功率运行时，主给水调节阀运行在50％开度附近，并产生较小波动；若阀门开度在短时间内出现大幅度震荡则认为阀门开度异常波动，阀门开度异常波动是主给水调节阀出现故障的重要表征，随异常波动次数的增加，主给水调节阀故障程度加重，其对蒸汽发生器的控制能力下降，影响机组的正常运行，严重时甚至造成机组异常停堆，发生安全事故。因此，对主给水调节阀开度进行监测，及时识别出开度短时异常波动具有较高的现实意义。
3.目前，对主给水调节阀开度异常波动监测研究相对较少，监测方法主要有：基于统计的方法，该方法通过构建一概率统计分布模型，并计算阀门开度数据符合该模型的概率，把具有低概率的数据对象视为异常。
4.基于固定阈值的方法，工程师依据自身经验或通过统计方法，给出阀门开度异常波动的阈值，把大于该阈值的阀门开度波动视为异常。
5.在实际核电生产环境中，设备的可靠性较高，主给水调节阀的阀门开度往往维持在较稳定的波动范围内，异常波动情况较少，且与机组设备特性、运行工况等强相关，因此难以用某种特定概率分布模型对阀门开度波动进行描述，设定的固定阈值可能造成大量的误识别。
6.例如，一种在中国专利文献上公开的“黑水调节阀”，其公开号为cn102182865a，包括检测方法时间较长，计算方法较为复杂，稳定性低的问题。


技术实现要素：

7.本发明是为了解决现有技术中检测方法时间长、计算过程过于复杂，鲁棒性低的问题，提出一种基于孤立森林的核电主给水调节阀开度短时异常波动检测方法，该方法属于无监督异常检测方法，无需构建概率分布模型，同时无需正常样本和异常样本的标记，方法计算简单，鲁棒性高。
8.一种核电主给水调节阀异常波动检测方法，其特征是，包括以下步骤：步骤s1：获取主给水调节阀的阀门开度数据；步骤s2：对阀门开度数据进行加窗滑动处理；步骤s3：构建噪声项，与步骤s2中的开度数据进行结合处理，产生噪声异常波动；步骤s4：构建孤立森林方法，对步骤s3中的异常波动进行异常检测；步骤s5：开度异常波动区间标记，标记出原始数据中的异常波动。
9.整体步骤没有介入监督异常的检测方法，未构建概率分布模型，不需要对正常样
本进行异常标记的额外步骤，减少设备系统对异常判断的判断时间，提高整体检测系统的鲁棒性。
10.进一步的，步骤s2包括以下数据处理过程：步骤s2-1：设置窗口宽度为w；步骤s2-2：通过窗口宽度w计算出滑动步长s＝w/2，并获取每个滑窗内开度的最大值w
max
和最小值w
min
；步骤s2-3：通过步骤s2-2获取的数据，计算每个滑窗内数据的极差d，d＝w
max-w
min
，其中d 即为当前滑窗内阀门开度的波动；步骤s2-4：整合步骤s2-3中每个滑窗内数据的极差d，最终形成阀门开度波动数据集合d。
11.进一步的，步骤s3包括以下数据处理过程：步骤s3-1：构建噪声项e；步骤s3-2：将e加入到开度波动数据d中，形成包含噪声项的阀门开度波动数据de，使得 de中至少包含噪声处的一处异常波动数据。
12.进一步的，步骤s4构建孤立森林方法包括以下步骤：步骤s4-1：从主给水调节阀阀门开度波动数据中随机抽取个数据作为子样本放入根节点，以该根节点构造孤立树；步骤s4-2：在当前节点数据中随机产生一个切割点p，该切割点p介于当前节点数据最小值与最大值之间；步骤s4-3：根据切割点p将点前节点的数据划分为二子树，即左子树和右子树，把小于切割点p的数据归于当前节点的左子树中，把等于或大于切割点p的数据归于当前节点的右子树中；步骤s4-4:分别在左右子树中重复s4-2和步骤s4-3，不断构造新的叶子节点，直到叶子节点上只有一个数据无法再继续切割或孤立树达到了限定高度；步骤s4-5：重复步骤s4-1到步骤s4-4的所有步骤，构建t颗独立树构建独立森林(iforest) 模型。
13.进一步的，步骤s5包括以下步骤：步骤s5-1：若含有噪声项的开度波动数据de中仅包含有噪声处的一处异常，则认为原始调节阀的阀门开度数据中不含有异常波动；若识别到多处异常，则需反映射时间区间的异常波动不包括噪声处的波动；步骤s5-2：步骤s5-1中的反映射时间区间可表示为为ti＝[tb,te],其中tb＝i
×
s+w/2，te＝i
×
s-w/2，若时间区间有重叠，则将重叠时间区间合并，保留有重叠时间区间的初始时间tb和结尾时间 te，该时间区间下的异常波动记为一次异常波动。
[0014]
利用孤立森林算法，对连续的异常波动数据进行无监督异常检测，利用二叉搜索树结构将各个异常样本点进行孤立用于独立检测异常值，基于异常值的数量较少且检测过程对正常数据进行自动屏蔽，使得整体检测方法过程具有更好的鲁棒性。
[0015]
作为优选，对于每个阀门开度波动样本d，需要计算d在独立森林中的异常分数，具体计算方法如下所示：
其中，e(h(d))表示阀门开度样本d在每棵独立树中高度的均值，用来表示所有独立树路径长度的平均值，其中
[0016]
异常分数其中，s接近1表示当前波动为异常波动，s接近0表示当前波动为正常波动。
[0017]
由于异常值的数量较少且与大部分样本有疏离性，因此，通过上述数据处理过程后，异常值会被更早地孤立出来，且距离孤立树的根节点更近，方便异常数据筛选和检测系统的稳定。
[0018]
因此，本发明的有益效果如下所示：本发明采用孤立森林方法，整体检测过程属于无监督异常检测方法，无需构建概率分布模型，同时无需正常样本和异常样本的区别标记，减少对检测系统的硬件需求，降低检测系统硬件成本，计算方法简单，系统鲁棒性高；异常值的数量较少且与大部分样本有疏离性，因此，通过上述数据处理过程后，异常值会被更早地孤立出来，且距离孤立树的根节点更近，方便异常数据筛选和检测系统的稳定。
附图说明
[0019]
图1是本发明的工作流程图；图2是本发明方法多异常波动识别效果示意图；图3是本发明方法无异常波动识别效果示意图。
具体实施方式
[0020]
下面结合附图和具体实施方式，对本发明作进一步具体的描述。
[0021]
如图1所示，本方案包括如下步骤：步骤s1：获取主给水调节阀的阀门开度数据；步骤s2：对阀门开度数据进行加窗滑动处理；步骤s3：构建噪声项，与步骤s2中的开度数据进行结合处理，产生噪声异常波动；步骤s4：构建孤立森林方法，对步骤s3中的异常波动进行异常检测；步骤s5：开度异常波动区间标记，标记出原始数据中的异常波动。
[0022]
实施例一：如图2所示，本发明的技术方案主要包括一下步骤：1.获取主给水调节阀的阀门开度数据；优选地，取1天时间长度的阀门开度数据，数据采样间隔为1秒；2.对阀门开度数据进行加窗滑动处理，其中窗口宽度为w，滑动步长s＝w/2，并获取每个滑窗内开度最大值w
max
与开度最小值w
min
，计算每个滑窗内数据的极差d，d＝w
max-w
min
，d即为当前滑窗内阀门开度的波动，最终形成阀门开度波动数据d；
优选地，将窗口宽度设置为300，则滑动步长s＝300/2＝150；3.构建噪声项e，将e加入到开度波动数据d中，形成包含噪声项的阀门开度波动数据de，使得de中至少包含噪声处一处异常波动；优选地，计算阀门开度波动数据d的最大值d
max
和最小值d
min
，令噪声项e＝d
max-d
min
，使 d
min
减去噪声e，从而形成包含噪声项的阀门开度波动数据de4.构建孤立森林方法，对含噪声e的阀门开度波动数据de进行异常检测；5.开度异常波动区间标记，由上述步骤4获取异常波动在含噪声开度波动数据de中的位置 i，并对其进行标记；进一步地，由所识别异常位置向原始开度数据进行时间区间反映射，标记出主给水调节阀阀门开度原始数据中的异常波动。
[0023]
具体地，所述步骤4构建孤立森林方法包括：步骤4.1从主给水调节阀阀门开度波动数据中随机抽取个数据作为子样本放入根节点，以该根节点构造孤立树；优选地，本方法中设置步骤4.2在当前节点数据中随机产生一个切割点p,该切割点p介于当前节点数据最小值与最大值之间；步骤4.3根据切割点p将当前节点数据划分为两子树，即左子树和右子树，把小于切割点p 的数据归于当前节点的左子树中，把等于或大于切割点p的数据归于当前节点的右子树中；步骤4.4分别在左右子树中重复步骤4.2和步骤4.3，不断构造新的叶子节点，直到叶子节点上只有一个数据无法再继续切割或孤立树达到了限定高度；步骤4.5重复步骤4.1至步骤4.5，构建t棵独立树构建独立森林(iforest)模型；步骤4.6计算异常分数，对于每个阀门开度波动样本d，需计算其在独立森林中的异常分数，计算方法如下：其中，e(h(d))表示阀门开度样本d在每棵独立树中高度的均值，用来表示所有独立树路径长度的平均值，其中步骤4.7异常波动判断异常分数s接近1表示当前波动为异常波动，s接近0表示当前波动为正常波动。
[0024]
进一步地，所述步骤5包括：5.1若含噪声开度波动数据de中仅噪声处一处异常，则认为原始调节阀的阀门开度数据中不含异常波动；若识别有多处异常，则需反映射时间区间的异常波动不包括噪声处的波动；5.2所述反映射时间区间可表示为ti＝[tb,te],其中tb＝i
×
s+w/2，te＝i
×
s-w/2，若时间区间有重叠，则将重叠时间区间合并，保留有重叠时间区间的初始时间tb和结尾时间te，该时间区间下的异常波动记为一次异常波动。
[0025]
如图1所示，在当前时间区间内，主给水调节阀阀门开度数据中包含多处异常波动，本文方法对异常波动实现较准确识别，并在原始波形中映射出异常波动区间。
[0026]
实施例二：如图2所示，给本文方法输入无异常波动的主给水调节阀阀门开度数据，本方法仅识别出噪声处一处异常，未发生误识别情况。
[0027]
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。