本发明属于核电厂运营技术领域，涉及应用大数据理论优化核电厂在役检查项目和频率的方法。
背景技术
在役检查是在核电厂运行寿期内，对核安全1-3级系统、部件及其支撑所进行的有计划的定期检验，以便及时发现新产生的缺陷和(或)跟踪已知缺陷的扩展，并判断它们对核电厂运行是否可以接受，或是否有必要采取补救措施。
目前主要有两种确定核电厂在役检查项目的策略/规范，即法国rse-m规范采用的破坏导向策略和美国asme规范采用的抽样策略。
rsem基于确定论安全分析的结果，细致的规定了需检查的系统设备、检查部位、接近方式、检查方法和检查频度。asme先将检验对象进行分类，然后对于每个检验类别，asme以表格形式给出检测方法、验收标准、检测范围和频度。对于某一具体的核电站，按asme建立的机组在役检查大纲需要针对该堆型的实际情况逐设备进行梳理细化。例如asme规定核安全1级异种金属(b-f)型管道焊缝必须100％做在役检查，核安全1级同种金属管道焊缝抽取25％检查，核安全2级管道焊缝抽取7.5％。
上述两种策略或者说方法未考虑破裂后果对安全的影响以及设备的可靠性，导致检查的项目和频率偏高，存在一定的优化空间。
大数据近年来在各行各业得到了越来越多的应用，经过对大量数据的分析可以得到这些数据内在的信息和联系，从而优化改进原有设计或者创造出新的设计。核电厂在役检查和维修方面积累了大量的数据，通过对这些数据进行挖掘分析、发现规律，可优化在役检查的项目、方法和频率。
技术实现要素：
本发明的目的是提供应用大数据理论优化核电厂在役检查项目和频率的方法，以能够通过对核电厂在役检查和维修方面积累的大量数据的分析，发现规律，从而更好的优化在役检查的项目、方法和频率。
为实现此目的，在基础的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，所述的方法依次包括如下步骤：
(1)大数据收集；
(2)数据库的建立，数据的存储和提取；
(3)数据的预处理；
(4)数据的建模和分析；
(5)优化在役检查。
本发明将大数据应用引入核电厂在役检查方面。首先收集众多核电厂运行和维修数据，特别是核电厂预防性维修、运行设备故障和大修维修等数据，建立安全重要设备的运行维护数据库，而后基于该数据库进行数据挖掘和分析，最后以目前的在役检查大纲为基础，优化在役检查项目、方法和频率。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(1)中，收集的数据包括设备标识数据、设备分级数据、设备类型数据、在役检查数据、历史故障数据、维修经历数据、所处环境数据。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(1)中，收集的数据包括设备唯一编码、设备名称、所在系统代号、设备功能、安全等级、规范等级、抗震等级、质保等级、所在位置、制造厂家、在役检查方法、在役检查频率、验收标准、上一次在役检查结果、大修要求、上一次大修结果、预防性维修要求、上一次预防性维修结果、运行故障，以及设备承受的压力、温度、载荷信息，包括设备所处位置的压力、温度、湿度环境条件在内的一些与设备相关的信息。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(1)中，收集全国大部分核电厂的数据，有条件的情况下也可以收集国外核电厂的数据。大数据的首要特征在于初始数据量的博大，因此不仅要收集各个核电厂当前的数据，还应尽量收集从核电厂运行以来所有的数据。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(2)中，以目前在役检查大纲为基础，结合核电厂预防性维修、运行设备故障和大修维修数据，建立在役检查综合数据库。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(2)中，对建立数据库中不同的数据表进行分类组合，建立多表联系。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(3)中，对重复的、空缺的或者异常的数据进行处理，使之满足要求。但当数据的量特别大以后，精确性可以降低，既不要求每条数据都是特别精确的。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(4)中，在数据库中检索曾经出现过故障的设备，利用回归分析，找出容易出现故障的特征以及在役检查的情况，且通过数据挖掘，找出发生故障设备的数据与其他数据的相关性。该相关性不一定是因果关系，但依然导致某一设备极易发生故障，因此其是大数据分析的核心。
在一种更加优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(4)中，同时结合设备可靠性数据库以及核电厂psa分析数据，以更有效的发现问题。
在一种更加优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中对于发生故障设备的数据，在步骤(5)中对具有相同数据的设备增加在役检查的项目和频率，以避免设备发生故障。
在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(5)中，根据步骤(4)的分析结果，对于在役检查较多而不易出现故障的设备，建议减少在役检查；对于在役检查较少而经常发生故障的设备，建议增加在役检查。
本发明的有益效果在于，利用本发明的应用大数据理论优化核电厂在役检查项目和频率的方法，能够通过对核电厂在役检查和维修方面积累的大量数据的分析，发现规律，从而更好的优化在役检查的项目、方法和频率。
具体实施方式
以下对本发明的具体实施方式作出进一步的说明。
示例性的本发明的应用大数据理论优化核电厂在役检查项目和频率的方法包括如下步骤。
(1)大数据收集
收集数据内容至少需要包括设备唯一编码、设备名称、所在系统代号、设备功能、安全等级、规范等级、抗震等级、质保等级、所在位置、制造厂家、在役检查方法、在役检查频率、验收标准、上一次在役检查结果、大修要求、上一次大修结果、预防性维修要求、上一次预防性维修结果、运行故障，以及设备承受的压力、温度、载荷信息，包括设备所处位置的压力、温度、湿度环境条件在内的一些与设备相关的信息等。一个核电厂的数据量太小，不足以体现统计学规律，要收集全国大部分核电厂的数据。
(2)数据库的建立，数据的存储和提取
以目前的在役检查大纲为基础，结合核电厂预防性维修、运行设备故障和大修维修等数据，建立在役检查综合数据库。对建立数据库中不同的数据表进行分类组合，建立多表联系。
(3)数据的预处理
对一些重复的、空缺的或者异常的数据进行处理，使之满足要求。
(4)数据的建模和分析
在数据库中检索曾经出现过故障的设备，利用回归分析，找出容易出现故障的特征以及在役检查的情况，且通过数据挖掘，找出发生故障设备的数据与其他数据的相关性。这一步同时可结合设备可靠性数据库以及核电厂psa分析数据，这样可以更有效的发现问题。
(5)优化在役检查
根据步骤(4)的分析结果，对于在役检查较多而不易出现故障的设备，建议减少在役检查；对于在役检查较少而经常发生故障的设备，建议增加在役检查。特别是对于发生故障设备的数据，要对具有相同数据的设备增加在役检查的项目和频率，以及早发现缺陷，避免设备发生故障。
上述示例性的本发明的应用大数据理论优化核电厂在役检查项目和频率的方法的应用举例如下。
(1)收集核电厂所有设备的信息。
(2)将收集到的信息建立表格，按照数据库的要求存储于数据库中。
(3)对一些重复的、空缺的或者异常的数据进行处理，使之满足要求。
(4)对发生故障的设备进行数据分析，发现某核电厂的阀门阀杆泄漏的时间集中发生在每年6月份。因此，应在每年6月份之前加强检查，从而避免阀门泄漏的发生。
(5)进一步的分析表明，这一个月核电厂所在地环境湿度特别大，如果原阀杆填料已经老化，原阀杆在高湿度下极易损坏，导致阀杆填料泄漏。这样，可以在5月份安排检查阀门填料，更换已经老化的填料。这虽然增加了检查，但避免了阀门泄漏，减少了非计划停堆，核电厂更安全且经济性也更高。
上述实例中，当收集的数据足够多之后，更容易发现一些参数之间的相关关系，甚至是没有因果关系的相关关系。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若对本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。上述实施方式只是对本发明的举例说明，本发明也可以以其它的特定方式或其它的特定形式实施，而不偏离本发明的要旨或本质特征。因此，描述的实施方式从任何方面来看均应视为说明性而非限定性的。本发明的范围应由附加的权利要求说明，任何与权利要求的意图和范围等效的变化也应包含在本发明的范围内。