主泵设备健康度评估方法和系统与流程

本发明主要涉及主泵设备监测领域，尤其涉及一种主泵设备健康度评估方法和系统。

背景技术：

1、监测主泵在核电厂中的健康状态、运行状态，能够有效地降低生产过程中事故发生概率，保障核电厂员工的生命安全，降低经济损失，具有重要的实际意义。现有技术中对核电站主泵的状态监测通常是通过对监测参数的记录和主泵定期检修维护等方式来了解和确认的，因此对于主泵设备早期容易出现的故障不能够做到及时预警。由于主泵设备价格昂贵，需要监测的参数较为复杂，本领域尚缺少一种能够全面监测主泵设备运行状态的智能化解决方案。

技术实现思路

1、本发明要解决的技术问题是提供主泵设备健康度评估方法和系统，能够有效地监测主泵设备运行状况，保障核电厂安全运行。

2、为解决上述技术问题，本发明提供了一种主泵设备健康度评估方法，用于监测核电厂中主泵设备的健康状态，所述主泵设备包括湿绕组主泵和/或屏蔽主泵，所述评估方法包括在所述主泵设备的运行过程中，使用多维度模型中的一种或多种持续地测算所述主泵设备的总健康度参数，其中，所述总健康度参数由所述主泵设备中多个部件对应的多个子健康度参数共同得出；所述子健康度参数包括自初始值经一次或多次的扣除预设数值后的剩余数值；所述多维度模型至少包括阈值报警模型和趋势报警模型，且所述阈值报警模型和所述趋势报警模型分别包括：在所述运行过程中，响应于所述设备的预设监控参数到达预设阈值或形成预设趋势触发的反馈命令，执行自所述初始值扣除所述预设数值的操作。

3、可选地，所述多维度模型还包括专家机理诊断模型，所述专家机理诊断模型包括依据根据专家经验生成专家经验数据库，并响应于所述主泵设备的运行情况满足所述专家经验数据库中的判断条件而触发的反馈命令，执行自所述初始值扣除所述预设数值的操作。

4、可选地，所述多维度模型还包括ai预警模型，所述ai预警模型配置为创建参数相关性模型，所述参数相关性模型具有自学习周期且适于根据所述自学习周期生成样本数据。

5、可选地，主泵设备健康度评估方法还包括将所述多维度模型的每一种模型分别设置扣分权重，且所述扣分权重影响根据所述每一种模型对应的所述反馈命令而扣除的所述预设分数在测算所述子健康度参数时的权重比例。

6、可选地，在所述多维度模型中，所述阈值报警模型的所述扣分权重最高、且所述趋势报警模型的所述扣分权重高于所述专家机理诊断模型或所述ai预警模型。

7、可选地，所述多个部件包括多个主泵预警关联部件和不与主泵预警关联的其他部件，所述方法还包括：针对每个所述主泵预警关联部件测算所述子健康度参数fb；以及针对所述其他部件的整体测算所述子健康度参数fc。

8、可选地，所述主泵预警关联部件包括所述主泵设备中的电机、轴承、转子和/或飞轮。

9、可选地，主泵设备健康度评估方法还包括通过如下公式测算每个所述主泵预警关联部件以及所述其他部件的所述子健康度参数：

10、

11、其中fb1代表任一所述主泵预警关联部件b1的子健康度参数，fc代表所述其他部件c的子健康度参数，f0为所述初始值，i代表所述多维度模型的任一种模型的不同触发等级(i＝1、2、3...14)，mi代表模型累计触发次数限值，ti代表模型累计触发时长限值，f1i代表模型单次触发扣除的数值，f2i代表模型触发累计次数满足mi时扣除的数值，f3i代表模型触发累计时长满足ti时扣除的数值，mi代表模型总触发次数时扣除的数值、ti代表模型总触发时长时扣除的数值，//代表整除取整，％代表整除取余。

12、可选地，主泵设备健康度评估方法还包括根据如下公式通过多个所述fb和所述fc共同得出所述主泵设备的所述总健康度参数f：

13、

14、其中，其中fb1、fb2、fb3...fbm代表多个所述主泵部件b1、b2、b3...bm各自的子健康度参数，fc代表所述其他部件的子健康度参数，m代表所述多个主泵预警关联部件的个数。

15、为解决上述技术问题，本发明提供了一种主泵设备健康度评估系统，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现如上所述的方法。

16、为解决上述技术问题，本发明提供了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如上所述的方法。

17、与现有技术相比，本发明使用多维度模型对主泵设备的健康度进行监测，对多维度模型的每一种模型设置扣分权重，通过扣除预设数值测算主泵设备的健康度，能够从不同维度持续监测主泵设备在核电厂中的健康状态和运行状态，有效降低生产过程中事故发生概率，同时也能降低经济损失，全面保障核电厂的安全运行。

技术特征：

1.一种主泵设备健康度评估方法，用于监测核电厂中主泵设备的健康状态，所述主泵设备包括湿绕组主泵和/或屏蔽主泵，其特征在于，所述评估方法包括在所述主泵设备的运行过程中，使用多维度模型中的一种或多种持续地测算所述主泵设备的总健康度参数，其中，

2.如权利要求1所述的方法，其特征在于，所述多维度模型还包括专家机理诊断模型，所述专家机理诊断模型包括依据根据专家经验生成专家经验数据库，并响应于所述主泵设备的运行情况满足所述专家经验数据库中的判断条件而触发的反馈命令，执行自所述初始值扣除所述预设数值的操作。

3.如权利要求2所述的方法，其特征在于，所述多维度模型还包括ai预警模型，所述ai预警模型配置为创建参数相关性模型，所述参数相关性模型具有自学习周期且适于根据所述自学习周期生成样本数据。

4.如权利要求3所述的方法，其特征在于，还包括将所述多维度模型的每一种模型分别设置扣分权重，且所述扣分权重影响根据所述每一种模型对应的所述反馈命令而扣除的所述预设分数在测算所述子健康度参数时的权重比例。

5.如权利要求4所述的方法，其特征在于，在所述多维度模型中，所述阈值报警模型的所述扣分权重最高、且所述趋势报警模型的所述扣分权重高于所述专家机理诊断模型或所述ai预警模型。

6.如权利要求1～5任一项所述的方法，其特征在于，所述多个部件包括多个主泵预警关联部件和不与主泵预警关联的其他部件，所述方法还包括：

7.如权利要求6所述的方法，其特征在于，所述主泵预警关联部件包括所述主泵设备中的电机、轴承、转子和/或飞轮。

8.如权利要求6所述的方法，其特征在于，还包括通过如下公式测算每个所述主泵预警关联部件以及所述其他部件的所述子健康度参数：

9.如权利要求7所述的方法，其特征在于，还包括根据如下公式通过多个所述fb和所述fc共同得出所述主泵设备的所述总健康度参数f：

10.一种主泵设备健康度评估系统，包括：

11.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如权利要求1-9任一项所述的方法。

技术总结
本发明提供了一种主泵设备健康度评估方法和系统，包括在主泵设备的运行过程中，使用多维度模型中的一种或多种持续地测算主泵设备的总健康度参数，总健康度参数由主泵设备中多个部件对应的多个子健康度参数共同得出；子健康度参数包括自初始值经一次或多次的扣除预设数值后的剩余数值；多维度模型至少包括阈值报警模型和趋势报警模型，且阈值报警模型和趋势报警模型分别包括：在运行过程中，响应于设备的预设监控参数到达预设阈值或形成预设趋势触发的反馈命令，执行自初始值扣除预设数值的操作。本发明提供的主泵设备健康度评估方法和系统能够准确有效地监测主泵设备运行状况，保障核电厂安全运行。

技术研发人员：杨永华,颜岩,吴放,钟云,周文霞,郭宏恩,伍浩,邹家懋
受保护的技术使用者：上海核工程研究设计院股份有限公司
技术研发日：
技术公布日：2024/2/1