一种实时在线的核反应堆故障诊断与监测系统的制作方法与工艺

本发明涉及核反应堆系统可靠性与概率安全分析领域的一种实时在线的核反应堆故障诊断与监测系统。该系统将基于故障树的故障诊断方法与知风险决策领域的风险监测器技术相结合，拓展了故障诊断工作的应用领域，同时也提高了核电厂风险监测器系统的实时性。

背景技术：
概率安全评价技术是20世纪70年代发展起来的一种安全评价分析方法，其将故障树分析技术、事件树分析技术和可靠性分析理论相结合，通过其能够找出系统设计中的薄弱环节，并能对系统安全水平进行定性分析和定量计算，因此自其提出以来获得广泛认可和应用。发展到今天，故障树分析方法已经是可靠性分析和风险评估领域最常用的方法之一，它是美国Bell电报公司的电话实验室进行火箭发射系统的安全评估时提出的，随后波音公司分别发展了定性和定量的故障树分析方法。传统的故障树，主要分析系统故障产生的原因，计算各底事件导致顶事件发生的概率。安全性、可靠性工作中的故障树在建造时，由顶事件开始，再自上向下逐级用“与门”、“或门”或其他逻辑符号连接导致系统故障的中间事件，最后一级是不能或毋需进一步分解的基本事件，表示导致顶事件发生的基本原因。故障树可以清晰地表达所分析系统中的故障和导致其发生的诸因素之间的逻辑关系，便于人们在系统发生故障时自顶事件入手逐层排查。知风险决策技术是近年来出现的一种风险管理理念，综合了确定论和概率论的安全分析方法，能够在不降低核电厂安全性前提下较大幅度提高其经济性，因此自该技术提出以来获得广泛关注与应用。风险监测器是知风险决策技术的一种重要工具和表现形式。核电厂风险监测器的计算模型可以分为两类：基准风险模型和实时风险模型。当需要对核电厂技术规范进行分析评价和进行核电厂风险管理等应用工作时，由于要求模型能够反映电厂即时状态变化，因此基准风险模型不再适合，从而需要建立实时风险模型。一般要求实时风险模型能够根据电厂的即时状态，实时评价电厂的风险水平以辅助运行人员、计划人员、维修人员以及其他人员进行决策。设备故障诊断技术(包括状态监测)是一种了解和掌握设备在使用过程中的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。通俗的讲，它是一种给设备“看病”的技术。这里所说的“设备”是广泛意义上的设备。不仅包括各类运转的机器，还包括管道、阀门等静态设备。核电厂包含有许多的系统，系统中包含各种设备，包括仪表、电机、泵、阀门等，在高温高压这样的复杂运行条件下，设备难以避免发生故障。故障发生后，系统的结构和功能特点会发生变化，风险监测器的实时风险模型应当能够反映出这些变化。

技术实现要素：
本发明的技术解决问题在于：克服现有技术的不足，提供一种实时在线的核反应堆故障诊断与监测系统，在核反应堆发生的故障的时候快速给出计算得出当前的风险水平，提高故障诊断结果的有效性和可用性，提高人员响应速度，有助于快速缓解故障，提高核反应堆控制的自动化水平。本发明的技术方案如下：一种实时在线的核反应堆故障诊断与监测系统，其特征在于包括：信号采集模块、故障诊断模块、可靠性数据处理模块、最小割集生成模块、风险监测模块和操纵员支持模块；其中：信号采集模块，用于实时采集核电设备的重要工况信号和运行数据，包括压力、温度、流量和水位信号，存储到运行数据库；故障诊断模块，用于处理、分析信号采集模块所采集到的压力、温度、流量和水位信号，获取核电设备当前的运行状态及发展变化趋势的信息，并进一步分析诊断核电设备运行异常的原因与故障部位，根据输出的结果对风险模型进行实时更改，形成当前状态的实时风险模型，并输入给最小割集生成模块；可靠性数据处理模块，用于处理核电设备的部件数据，得出部件的不可用度和失效概率信息，与最小割集生成模块共同确定核反应堆的实时风险水平，为风险监测模块提供输入；最小割集生成模块，用于分析核反应堆当前状态的实时概率安全分析模型，进行动态事故序列及后果分析，获取导致最不希望发生事故的部件组合，此模块与可靠性数据处理模块共同确定核反应堆的实时风险水平，为风险监测模块提供输入；风险监测模块，用于分析核反应堆的实时风险水平，根据此风险水平给出具体的操作建议，输出的操作建议通过操纵员支持模块评估后直接或者优化后输入到核反应堆控制系统，对核反应堆系统进行操纵，可靠性数据处理模块和最小割集生成模块为此模块提供输入，此模块的输出提供给操纵员支持模块；操纵员支持模块，用于评估风险监测模块给出的操作建议，并采取动作对核反应堆控制系统进行操作。所述的实时在线的核反应堆故障诊断与监测系统，其特征在于：所述故障诊断模块具体实现如下：获取核电设备当前的运行状态及发展变化趋势的信息，并进一步分析诊断核电设备运行异常的原因与故障部位，根据输出的结果对实时风险模型进行实时更改，形成当前状态的实时风险模型；(1)建立系统多层流模型中各个功能状态的因果子树模型，以多层流模型的功能状态为因果子树的顶事件，与该功能状态直接相连的功能状态及该功能状态本身的基本故障构成该因果子树的底事件；(2)组合因果子树模型，生成因果树模型，在组合各因果子树模型的时候，展开各相关因果子树，并断开逻辑环路，在从顶事件展开至底事件的过程中，如存在重复事件，截断该支的树形结构，从而使得底事件到顶事件的逻辑链中，不存在重复事件；(3)根据采集到的压力、温度、流量和水位信号，获取核电设备当前的运行状态及发展变化趋势的信息，得到系统征兆，以“与”门组合各因果树模型，形成以系统监测到的征兆为顶事件的证据模型；(4)采用Fussell算法计算证据模型的最小诊断集，并计算各个最小诊断集的重要度，并排序，采用概率论知识计算获得在证据发生条件下各个最小割集发生的概率，并进一步分析诊断核电设备运行异常的原因与故障部位；(5)根据上述结果对风险模型进行实时更改，形成当前状态的实时风险模型。所述的实时在线的核反应堆故障诊断与监测系统，其特征在于：所述可靠性数据处理模块具体实现如下：(1)处理核电设备的部件数据，对实时在线采集到的核电设备运行数据，包括设备的基本信息、设备的维修、试验、失效以及变更改造等历史数据，采用最大似然法估计和置信区间的经典统计方法、贝叶斯数据融合方法对数据进行处理，获取设备的失效概率、分布区间以及失效分布参数；(2)根据不同的失效模型采用相应不可用度计算公式，计算设备的不可用度。所述的实时在线的核反应堆故障诊断与监测系统，其特征在于：所述最小割集生成模块具体实现如下：(1)导入风险模型中的故障树结构，通过分页存储的方式加以存储，将故障树结构中重复出现的相同结构存储在一个页中，凡是引用这些重复结构的地方直接引用该页信息即可；(2)对导入的故障树结构进行化简，首先对最大的页进行化简，当子化简过程中遇到其他页时，将该页视为一个基本事件，化简完毕后再对该页中其他页进行化简，依次类推；(3)将化简后的故障树转换为零压缩二元决策图，从故障树的最底层节点开始转换，转换完毕后再转换上一层节点，依次转换直到顶节点为止；(4)最后将零压缩二元决策图转换为最小割集，从零压缩二元决策图顶节点到叶子节点的所有路径中，所有出现在左支起点位置的节点组成一条最小割集。所述的实时在线的核反应堆故障诊断与监测系统，其特征在于：所述风险监测模块具体实现如下：(1)将风险水平分为5个等级：小于10-8为很低，大于等于10-8且小于10-7为低，大于等于10-7且小于10-6为中，大于等于10-6且小于10-5为高，大于等于10-5为很高，对该实时风险水平进行分析确定其风险等级；(2)根据不同的风险等级给出不同级别的应对措施和操作建议；(3)将构成该风险水平的最小割集按照其重要度进行排序，重要度高的割集需要重点关注，使用相应级别的应对措施加以处理。本发明与现有技术相比的优点在于：本发明提供的实时在线的核反应堆故障诊断与监测系统，根据故障诊断模块输出的结果对概率安全分析模型进行实时更改，形成当前状态的实时概率安全分析模型，集故障诊断与风险分析于一体，在核反应堆发生的故障的时候快速给出风险水平，提高故障诊断结果的有效性和可用性；风险监测模块输出的操作建议通过操纵员支持模块评估后直接或者优化后输入到核反应堆控制系统，对核反应堆系统进行操纵，提高人员响应速度，有助于快速缓解故障，提高核反应堆控制的自动化水平。附图说明图1是本发明的系统结构图；图2是本发明的故障诊断模块实现流程图；图3是本发明的具体实施实例在诊断前的实时风险模型；图4是本发明的具体实施实例在诊断后的实时风险模型；图5是本发明的最小割集生成模块实现流程图；图6是本发明的可靠性数据处理实现流程图；图7是本发明的风险监测模块实现流程图。具体实施方式液体区域控制系统是某反应堆反应性控制机构之一，本发明将以此系统作为实例进行详细描述。该系统由除盐水系统和氦气覆盖系统组成，其中除盐水系统设有3台100％容量的泵，在正常运行期间，有一台泵在役，一台泵备用，而第三台泵离线待用。该系统是一个封闭回路，有3台泵(编号分别是P1，P2，P3)中的一台提供驱动，将除盐水从延迟箱(编号：TK)中送出，水通过热交换器(编号HX)，并通过供水集管向每根液体区域控制棒供水，每根棒的进水流量由控制阀(编号：LCV1，LCV2,…,LCV14，共14根)控制在0至0.9l/s，而出水量因为有一条控制回路维持棒中的氦气压差为常量448kPa，可维持为常量0.45l/s。棒进口的额定水温为46℃左右而出口的额定水温为71～93℃。本发明方法实施步骤具体如下：第一步，系统首先通过信号采集模块采集反应堆的各种物理信息，并对其进行处理，得到能够反映设备或零部件运行状态的特征参数，例如：液体区域控制棒的进水流量，液体区域控制棒中的氦气压差，液体区域控制棒进口的额定水温，液体区域控制棒出口的额定水温，这些特征参数保存在运行数据库中。第二步，通过读取运行数据库中的特征参数信息，采用一定的诊断方法和手段，诊断出系统中各个设备的状态，详细步骤如图2所示，包括：(1)建立系统多层流模型中各个功能状态的因果子树模型，即以多层流模型的功能状态为因果子树的顶事件，与该功能状态直接相连的功能状态及该功能状态本身的基本故障构成该因果子树的底事件；(2)根据监测到的征兆，组合因果子树模型，生成因果树模型，在组合各因果子树模型的时候，需要展开各相关因果子树，在这里需要注意的是，由于事件本身不可能成为自身的原因，因此，在形成因果树模型时，需要断开逻辑环路，避免在底事件和顶事件之间形成逻辑循环。在这里，因果树模型的顶事件为系统的某一征兆，底事件为基本故障，断开逻辑环路，即在从顶事件展开至底事件的过程中，如存在重复事件，需要截断该支的树形结构。从而使得底事件到顶事件的逻辑链中，不存在重复事件；(3)建立系统证据模型，以“与”门组合各因果树模型，形成以系统监测到的征兆为顶事件的证据模型；(4)计算证据模型的最小诊断集，采用Fussell算法计算证据模型的最小诊断集；(5)计算各个最小诊断集的重要度，并排序，采用概率论知识计算获得在证据发生条件下各个最小割集发生的概率。在某种运行工况下，通过上述步骤，最终确定各个设备的状态是：P1运行失效，P2备用失效，P3正常。第三步，根据故障诊断模块得到的系统中各个设备的状态，建立准确反映反应堆系统当前真实状态的实时风险模型。在诊断前的实时风险模型如图3所示，将故障诊断模块得到的系统中各个设备的状态更新到该模型中，对模型进行更新，P1运行失效对应的模型更改为P1.FR.HE取1，P1.FS.HE取0，P1.OL.HE取0，P2备用失效对应的模型更改为P2.FR.HE取0，P1.FS.HE取1，P1.OL.HE取0，P3正常对应的模型更改为P3.FR.HE取0，P3.FS.HE取0，P3.OL.HE取1。由此得到准确反映反应堆系统当前真实状态的实时风险模型，如图4所示。第四步，通过最小割集生成模块对第三步得到的实时风险模型进行计算，得到当前模型下的最小割集，详细步骤如图5所示，包括：(1)导入风险模型中的故障树结构，通过分页存储的方式加以存储，将故障树结构中重复出现的相同结构存储在一个页中，凡是引用这些重复结构的地方直接引用该页信息即可；(2)对导入的故障树结构进行化简，首先对最大的页进行化简，当子化简过程中遇到其他页时，将该页视为一个基本事件，化简完毕后再对该页中其他页进行化简，依次类推；(3)将化简后的故障树转换为零压缩二元决策图，从故障树的最底层节点开始转换，转换完毕后再转换上一层节点，依次转换直到顶节点为止；(4)最后将零压缩二元决策图转换为最小割集，从零压缩二元决策图顶节点到叶子节点的所有路径中，所有出现在左支起点位置的节点组成一条最小割集。通过上述步骤，最终得到的最小割集为：{P1.RUN.FA1，P2.RUN.FA1}、{P1.RUN.FA1，P2.RUN.FA2}、{P1.RUN.FA2，P2.RUN.FA1}、{P1.RUN.FA2，P2.RUN.FA2}。第五步，通过可靠性数据处理模块对上述割集中设备的可靠性数据进行处理，得出其不可用度详细步骤如图6所示，包括：(1)处理核电设备的部件数据，对实时在线采集到的核电设备运行数据，包括设备的基本信息、设备的维修、试验、失效以及变更改造等历史数据，采用最大似然法估计和置信区间的经典统计方法、贝叶斯数据融合方法对数据进行处理，获取设备的失效概率、分布区间以及失效分布参数；(2)根据不同的失效模型采用相应不可用度计算公式，计算设备的不可用度。最终计算得到的设备P1.RUN.FA1，P1.RUN.FA2，P2.RUN.FA1，P2.RUN.FA2的不可用度分别为3.0×10-3,8.0×10-4,3.0×10-3,8.0×10-4。第六步，对液体区域控制系统故障进行评价，确定失效概率，其计算公式如下：P(PMP.INS)＝P(P1.RUN.FA1)×P(P2.RUN.FA1)+P(P1.RUN.FA1)×P(P2.RUN.FA2)+P(P1.RUN.FA2)×P(P2.RUN.FA1)+P(P1.RUN.FA2)×P(P2.RUN.FA2)最终计算得到的失效概率为6.6×10-6。第七步，通过风险监测模块针对风险等级进行综合分析，判断系统当前的综合状态，根据综合状态的判断结果，给出对物理系统采取改变结构、调整参数、预警监视或停机整治等动作的操作建议，详细步骤如图7所示，包括：(1)将风险水平分为5个等级：小于10-8为很低，大于等于10-8且小于10-7为低，大于等于10-7且小于10-6为中，大于等于10-6且小于10-5为高，大于等于10-5为很高，对该实时风险水平进行分析确定其风险等级；(2)根据不同的风险等级给出不同级别的应对措施；(3)将最小割集按照其重要度进行排序，重要度高的割集需要重点关注，适应相应级别的应对措施加以处理。根据液体区域控制系统的失效概率确定相应的风险等级为高，割集按照重要度从大到小排序依次为：{P1.RUN.FA1，P2.RUN.FA1}、{P1.RUN.FA1，P2.RUN.FA2}、{P1.RUN.FA2，P2.RUN.FA1}、{P1.RUN.FA2，P2.RUN.FA2}，需要重点关注P1.RUN.FA1，P2.RUN.FA1两个设备同时失效的情况，建议对该两个设备进行检测、维修。第八步，操纵员通过操纵员支持模块对上述建议进行判断，选择性地对物理系统采取相应动作；最终，经过评估启动第三个泵P3，将泵P1、P2停用检修。