一种核电站燃料包壳破损诊断系统及其诊断方法与流程

本发明涉及核电技术领域，尤其涉及一种核电站燃料包壳破损诊断系统及其诊断方法。

背景技术：

目前国内在核电站监测燃料包壳破损的方法主要有：定期人工取样分析法、总γ在线监测法和离线啜吸法。人工定期取样分析法：是指在核电厂运行过程中，通过电厂的核取样系统人工定期获取一回路冷却剂样品，完成一回路冷却剂样品预处理后，使用γ能谱测量装置分析一回路冷却剂中主要特征核素的放射性浓度。将特征核素放射性浓度与核电厂放射化学技术规范进行比对，进而判断核电厂的燃料包壳是否破损。总γ在线监测法：是指在核电厂的化学与容积控制系统或核取样系统的管道旁安装固定式的γ剂量率监测设备，通过测量化学与容积控制系统或核取样系统的管道内一回路冷却剂的辐射剂量率水平，反映核电厂的燃料包壳是否破损。离线啜吸法：是指核电厂停堆工况下，将燃料组件放入带有水回路的啜吸室内，通过电加热器加热回路水进而加热燃料组件，若燃料组件破损，燃料包壳中的放射性裂变产物从破口处释放到啜吸室，裂变产物中的惰性气体进入气回路进行循环，在气回路上设置γ谱仪测定气体中惰性气体活度，通过气体活度判断燃料包壳是否破损。

目前国内在役压水堆核电厂燃料包壳破损监测技术的不足主要体现在：人工定期取样和样品预处理时间长，无法在线连续监测和诊断燃料包壳完整性及包壳破损相关参数；总γ在线监测虽然可以实时反映燃料包壳是否破损，但无法确定包壳破损数量、破口尺寸及破损组件的燃耗范围；离线啜吸只能在停堆后完成燃料组件完整性的监测、无法执行功率运行期间燃料包壳完整性及其破损包壳参数的检测，离线啜吸工艺复杂，检测耗费时间长。

因此，现有技术的诊断方法无法在功率运行期间实时在线监测包壳破损数量、坡口尺寸及破损组件的燃耗范围，工艺复杂、检测耗费时间长，且现有技术的诊断方法是固定不变的，不能随着测量获得的数据实现自我进化。

技术实现要素：

本发明针对现有技术存在上述技术问题，提供一种核电站燃料包壳破损诊断系统及其诊断方法，实现功率运行期间核电厂燃料包壳完整性的在线连续监测和诊断。

本发明用于解决以上技术问题的技术方案为，提供一种核电站燃料包壳破损诊断系统，包括：

核素浓度测量模块，设置在核电站一回路管线外，用于测量核电站一回路冷却剂中的放射性核素在预设时间段内放出的光子数及光子能量；

测量数据处理模块，与所述核素浓度测量模块相连，用于接收所述预设时间段内光子数及光子能量，根据放射性核素发出的光子能量特点以及单位时间内光子发射率，从中提取特征核素及其浓度；

破损诊断模块，与所述测量数据处理模块相连，用于接收所述特征核素及其浓度，并采用自我进化型诊断算法对所述特征核素及其浓度进行处理分析，诊断燃料包壳是否发生破损，若发生破损则输出破损数据和与之对应的特征核素及其浓度；若未发生破损，则输出所述特征核素及其浓度。

可选地，所述自我进化型诊断算法包括：输入节点，与所述测量数据处理模块相连，用于接收所述特征核素及其浓度，其中，所述输入节点的个数与所述特征核素的个数相对应；

输出节点，用于输出破损数据，其中，所述输出节点的个数与所述破损数据的类型相对应，所述破损数据的类型包括破损的燃料组件数量、燃料包壳破损的尺寸和破损燃料组件的燃耗；

中间层节点，连接在所述输入节点和所述输出节点之间，所述中间层节点的个数范围为3-18个。

可选地，还包括显示模块，与所述破损诊断模块相连，用于在燃料包壳破损诊断模块判定燃料包壳发生破损时，显示破损数据和与之对应的特征核素及其浓度，并进行报警；还用于在燃料包壳破损诊断模块判定燃料包壳未发生破损时，显示所述特征核素及其浓度。

可选地，核电站燃料包壳破损诊断系统还包括：破损案例数据更新模块，与所述破损诊断模块相连，用于存储破损案例数据集，并用于在燃料包壳破损诊断模块判定燃料包壳发生破损时，接收并存储所述破损数据和与之对应的特征核素及其浓度作为新增破损案例数据更新到破损案例数据集中；

诊断算法进化模块，与所述破损案例数据更新模块和所述破损诊断模块相连，用于为根据所述破损案例数据集，基于神经网络的数值算法，对自我进化型诊断算法进行更新，并将所述自我进化型诊断算法输出给所述破损诊断模块；

所述破损诊断模块还用于接收和存储所述自我进化型诊断算法。

可选地，所述破损案例数据更新模块包括：诊断数据接口，与所述破损诊断模块相连，用于接收所述破损数据和与之对应的特征核素及其浓度作为所述新增破损案例数据；

所述破损案例数据更新模块还包括：样本数据接口，用于接收裂变产物源项计算程序模拟产生核电站燃料包壳破损的案例数据；和

外接接口，用于接收同类型核电站发生燃料包壳破损事件的实例数据；

存储模块，与所述诊断数据接口、样本数据接口和外接接口相连，用于存储所述新增破损案例数据和/或案例数据和/或实例数据以形成所述破损案例集；

输出模块，与所述存储模块和所述诊断算法进化模块相连，用于实时地将所述破损案例集输出给所述诊断算法进化模块。

另一方面，本发明还提供了一种核电站燃料包壳破损诊断方法，包括以下步骤：

s100.在核电站一回路管线外测量核电站一回路冷却剂中各放射性核素在预设时间段内放出的光子数及光子能量；

s200.根据各种放射性核素发出的光子能量特点以及单位时间内光子发射率，从所述预设时间段内光子数及光子能量中提取特征核素及其浓度；

s300.采用自我进化型诊断算法对所述特征核素及其浓度进行处理分析，诊断燃料包壳是否发生破损，若发生破损则输出破损数据和与之对应的特征核素及其浓度；若未发生破损，则输出所述特征核素及其浓度。

可选地，所述自我进化型诊断算法包括：输入节点，与所述测量数据处理模块相连，用于接收所述特征核素及其浓度，其中，所述输入节点的个数与所述特征核素的个数相对应，所述特征核素包括kr-85、kr-85m、kr-87、kr-88、xe-133、xe-133m、xe-135、xe-138、i-131、i-132、i-133、i-134、i-135、cs-134、cs-136、cs-137、cs-138；

输出节点，用于输出破损数据，其中，所述输出节点的个数与所述破损数据的类型相对应，所述破损数据的类型包括破损的燃料组件数量、燃料包壳破损的尺寸和破损燃料组件的燃耗；

中间层节点，连接在所述输入节点和所述输出节点之间，所述中间层节点的个数范围为3-18个。

可选地，核电站燃料包壳破损诊断方法还包括以下步骤：

s400.在燃料包壳破损诊断模块判定燃料包壳发生破损时，显示破损数据和与之对应的特征核素及其浓度，并进行报警；在燃料包壳破损诊断模块判定燃料包壳未发生破损时，显示所述特征核素及其浓度。

可选地，在步骤s300之后还包括以下步骤：

s500、存储破损案例数据集并在燃料包壳破损诊断模块判定燃料包壳发生破损时，接收并存储所述破损数据和与之对应的特征核素及其浓度作为新增破损案例数据更新到破损案例数据集中；

s600、根据所述破损案例数据集，基于神经网络的数值算法，对自我进化型诊断算法进行更新；

s700、存储的更新后的自我进化型诊断算法。

可选地，所述破损案例集包括：所述破损数据和与之对应的特征核素及其浓度形成的新增破损案例数据、裂变产物源项计算程序模拟产生核电站燃料包壳破损的案例数据；和同类型核电站发生燃料包壳破损事件的实例数据。

本发明所提供的一种核电站燃料包壳破损诊断系统及其诊断方法通过自我进化型诊断算法可以实现功率运行期间核电厂燃料包壳完整性的在线连续监测和诊断，并基于诊断算法进化模块实现自我进化型诊断算法的自我进化功能，从而增加实际运行中自我进化型诊断算法的准确度，减少人工介入，实现更加智能便捷的燃料包壳破损诊断系统及其诊断方法。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明提供的核电站燃料包壳破损诊断系统的模块图；

图2为本发明提供的自我进化型诊断算法的示意图；

图3为本发明一实施例提供的核电站燃料包壳破损诊断系统的示意图；

图4为本发明一优选实施例提供的核电站燃料包壳破损诊断系统的示意图；

图5为本发明提供的核电站燃料包壳破损诊断方法的步骤示意图。

具体实施方式

为了使本领域技术人员能够更加清楚地理解本发明，下面将结合附图及具体实施例对本发明做进一步详细的描述。

燃料包壳是压水堆核电厂纵深防御体系第一道屏障，容纳燃料芯块，承担放射性裂变产物包容和防止裂变产物外泄的重任。在压水堆核电厂中一般采用低富集度的二氧化铀作为核燃料、锆合金作燃料包壳，一个典型的百万千瓦级压水堆核电厂燃料棒数量为4万余根。占放射性总量98％以上的裂变产物包容在燃料棒中的二氧化铀陶瓷芯块之中，只要芯块不熔化，就不会释放出来；其余1％～2％的裂变产物被包容在燃料包壳与芯块之间的间隙内。燃料包壳一旦发生破损将使燃料包壳与芯块间隙的放射性裂变产物泄漏至一回路冷却剂循环回路中，制约核电厂的安全运行，直接导致核电厂整体放射性水平升高，同时对核电厂工作人员、周边环境以及社会公众产生极为不利的影响。在核安全法规和核电站运行规程要求下，首道屏障的失效可能迫使机组非计划停堆，对于百万千瓦压水堆核电厂，一次非计划停堆将造成巨大的经济损失。由此在核电机组运行过程中，及时、准确、快速发现并定位燃料包壳破损对核电站纵深防御体系的加强与提升和减少经济损失，其意义也十分重大。

压水堆燃料元件包壳是反应堆内放射性物质的第一道屏障，包壳一旦出现破损，燃料元件中的放射性裂变产物就会释放到一回路冷却剂中，对核电厂的安全运行产生影响。燃料包壳破损诊断系统是燃料包壳破损在线监测诊断技术的关键，其直接决定了燃料包壳破损诊断的准确性。

如图1所示，本发明提供了一种核电站燃料包壳破损诊断系统，包括：核素浓度测量模块100，设置在核电站一回路管线外，用于测量核电站一回路冷却剂中各放射性核素在预设时间段内放出的光子数及光子能量。测量数据处理模块200，与所述核素浓度测量模块100相连，用于接收预设时间段内放出的光子数及光子能量，并根据放射性核素发出的光子能量特点以及单位时间内光子发射率，从预设时间段内光子数及光子能量中提取特征核素及其浓度；破损诊断模块300，与所述测量数据处理模块200相连，用于接收所述特征核素及其浓度，并采用自我进化型诊断算法对所述特征核素及其浓度进行处理分析，判断燃料包壳是否发生破损，若发生破损则输出破损数据和与之对应的特征核素及其浓度；若未发生破损，则输出所述特征核素及其浓度。

核素浓度测量模块100包括至少1个用于测量各放射性核素发出的光子能量及其计数的专用探测器以及相关配套电路、配套组件，使得专用探测器可以正常工作。优选地，测量获得的若干个放射性核素发出的光子能量及其计数以数字信号的方式输出给测量数据处理模块200。测量数据处理模块200是一个软硬件结合的模块，包括信号处理电路和内嵌数据处理软件。信号处理电路用于传输数据信号，并为内嵌数据处理软件提供电源。内嵌数据处理软件用于从核素浓度测量模块100输出的核电站一回路冷却剂中若干个放射性核素发出的光子能量及其计数的数字信号中提取出若干个放射性核素及其浓度，并从若干个放射性核素及其浓度中筛选出用于输入给破损诊断模块300的特征核素及其浓度。在本实施例中，特征核素主要是一回路冷却剂中浓度较高的裂变产物核素，包括kr-85、kr-85m、kr-87、kr-88、xe-133、xe-133m、xe-135、xe-138、i-131、i-132、i-133、i-134、i-135、cs-134、cs-136、cs-137、cs-138。可以理解地，其还可以为其他裂变产物核素，在此不做限定。

破损诊断模块300可以是一个软硬件结合的模块，包括中央处理器、配套电路以及内嵌的存储有自我进化型诊断算法的诊断软件，其还可以为其他形式，只要该模块可以运行自我进化型诊断算法即可，在此不做限定。

如图2所示，自我进化型诊断算法包括输入节点331、中间节点和输出节点333。其中，输入节点331，与所述测量数据处理模块200相连，用于接收所述特征核素及其浓度，其中，所述输入节点331的个数与所述特征核素的个数相对应，所述特征核素包括kr-85、kr-85m、kr-87、kr-88、xe-133、xe-133m、xe-135、xe-138、i-131、i-132、i-133、i-134、i-135、cs-134、cs-136、cs-137、cs-138；输出节点333，用于输出破损数据，其中，所述输出节点333的个数与所述破损数据的类型相对应，所述破损数据的类型包括破损的燃料组件数量、燃料包壳破损的尺寸和破损燃料组件的燃耗；中间层节点332，连接在所述输入节点331和所述输出节点333之间，所述中间层节点332的个数范围为3-18个。通过测量数据处理模块200传输来的特征核素及其浓度，即可输出以上三项破损数据。可以理解地，输入节点331、中间层节点332和输出节点333的选取还可以根据实际需要进行选取、调整和优化，在此不做限定。具体的输入节点331、中间层节点332和输出节点333的之间的权值如何进行设置为神经网络算法的公知常识，在此不做限定。

如图3所示，核电站燃料包壳破损诊断系统还包括显示模块400，与所述破损诊断模块300相连，用于在燃料包壳破损诊断模块300判定燃料包壳发生破损时，显示破损数据和与之对应的特征核素及其浓度，并进行报警；还用于在燃料包壳破损诊断模块300判定燃料包壳未发生破损时，显示所述特征核素及其浓度。

核电站燃料包壳破损诊断系统还包括：破损案例数据更新模块500和诊断算法进化模块600。其中，破损案例数据更新模块500，与所述破损诊断模块300相连，用于存储破损案例数据集，并在燃料包壳破损诊断模块300判定燃料包壳发生破损时，接收并存储所述破损数据和与之对应的特征核素及其浓度作为新增破损案例数据；诊断算法进化模块600，与所述破损案例数据更新模块500和所述破损诊断模块300相连，用于为根据所述破损案例数据集，基于神经网络的数值算法，对自我进化型诊断算法进行更新，并将所述自我进化型诊断算法输出给所述破损诊断模块300；破损诊断模块300还用于接收和存储所述自我进化型诊断算法。

如图4所示，破损案例数据更新模块500包括：诊断数据接口510、样本数据接口520、外接接口530、存储模块540和输出模块550。诊断数据接口510与所述破损诊断模块300相连，用于接收所述破损数据和与之对应的特征核素及其浓度以形成新增破损案例数据；样本数据接口520用于接收裂变产物源项计算程序模拟产生核电站燃料包壳破损的案例数据；外接接口530用于接收同类型核电站发生燃料包壳破损事件的实例数据；存储模块540与所述诊断数据接口510、样本数据接口520和外接接口530相连，用于存储新增破损案例数据和/或案例数据和/或实例数据以形成破损案例集；输出模块550与存储模块540和诊断算法进化模块600相连，用于实时地将破损案例集输出给所述诊断算法进化模块600。诊断算法为神经网络算法，其需要大量的案例数据对其进行训练和进化，破损案例数据更新模块500接收并存储有大量案例数据，用于对诊断算法模型进行训练和进化。

当诊断出燃料包壳有破损时，将燃料元件破损根数、燃料元件破口尺寸及破损燃料元件的燃耗结果以及相匹配的一回路冷却剂中特征核素及其浓度传递给破损案例数据更新模块500，并传递给显示模块400。由于诊断算法在初期的诊断数据仍然可能存在误差，在核电站停堆后，实际的燃料元件破损根数、燃料元件破口尺寸及破损燃料元件的燃耗可通过其他更精确的离线测量方法测量获得后再次输入破损案例数据更新模块500，从而确保燃料破损案例数据更新模块500中数据的准确度。显示模块400根据传递来的破损数据和与之对应的特征核素及其浓度进行显示，并进行报警，例如：给出窗口警告显示并播放报警声音，可以理解地，其还可以为其他报警方式。诊断算法进化模块600根据燃料包壳破损案例数据更新模块500中的实时的用于诊断算法更新的破损案例，基于神经网络的数值算法，对自我进化型诊断算法进行不断更新，从而实现诊断算法的自我进化。

当没有诊断出燃料包壳有破损时，破损诊断模块300将当前的一回路冷却剂中特征核素及其浓度数据传递给显示模块400，显示模块400根据传递来的一回路冷却剂中特征核素及其浓度显示一回路冷却剂中特征核素及其浓度，但不进行报警；同时，破损案例数据更新模块500中的破损案例数据不更新。

可以理解地，当燃料包壳未发生破损时，破损案例数据更新模块500的破损案例数据不更新的实现方式有多种，如图3所示，在本发明一实施例中，破损诊断模块300包括：数据输入模块310，与测量数据处理模块200相连，用于接收特征核素及其浓度；算法存储模块320，与数据输入模块310相连，用于存储自我进化型诊断算法；算法运行模块330，与数据输入模块310和算法存储模块320相连，用于根据自我进化型算法对特征核素及其浓度进行分析和处理，诊断燃料包壳是否发生破损，若发生破损则输出破损数据和与之对应的特征核素及其浓度；若未发生破损，则输出所述特征核素及其浓度；第一数据输出模块340，与算法运行模块330相连，输出燃料包壳发生破损时的破损数据和与之对应的特征核素及其浓度；第二数据输出模块350，与算法运行模块330相连，输出燃料包壳未发生破损时的特征核素及其浓度。破损案例数据更新模块500中的诊断数据接口510仅与第一数据输出模块340相连，从而实现当燃料包壳未发生破损时，破损案例数据更新模块500的破损案例数据不更新。可以理解地，其还可以通过数据筛选的方式，仅筛选同时包括有破损数据和与之对应的特征核素及其浓度的作为诊断数据接口510的输入数据，从而实现上述效果，实现该数据筛选功能的模块可以位于破损诊断模块300内也可以位于破损案例数据更新模块500中，在此不做限定。

在诊断算法进化模块600中进行自我进化型诊断算法的构建、训练和进化，相应地，诊断算法进化模块600包括构建模块610、训练模块620和进化模块630。结合图2参见图3，构建模块610用于选定特征核素的种类，根据特征核素的种类设置输入节点331，根据所需的破损数据设置输出节点333，根据所述输入节点331和所述输出节点333设置中间层节点332，从而构建出初级诊断算法模型。其中，节点的设置包括但不限于节点数量设置和接收数据内容的设置，各节点之间连接的权值实际存储了诊断的模型。

训练模块620，与构建模块610和输出模块550相连，用于根据裂变产物源项计算程序模拟产生核电站燃料包壳破损的案例数据对初级诊断算法模型进行训练，以获得训练后的诊断算法模型。在诊断系统使用初期主要采用样本数据接口520输入的裂变产物源项计算程序模拟产生核电站燃料包壳破损的大量案例(如2000～5000个案例)对初级诊断算法进行训练。基于模拟产生的大量案例对诊断模型进行训练，从而确定一套节点之间连接的权值，得到训练后的诊断算法模型。可选地，训练模块620还可以进一步采用模拟产生的一定数量案例(如500个)对训练后的诊断算法模型进行测试，从而使训练后的诊断算法模型满足诊断的需求。

进化模块630，与所述输出模块550和所述破损诊断模块300相连，具体地，与算法存储模块320相连，用于根据诊断数据和接收同类型核电站发生燃料包壳破损事件的实例数据实时进化训练后的诊断算法模型，以获得自我进化型诊断算法。进化模块630的设置，使得核电站内发生燃料包壳破损事件或其它同类型核电站发生燃料包壳破损事件所产生实际的燃料包壳破损案例可以加入基于bp神经网络建立的诊断模型的训练案例库中，并对诊断算法模型进行进化，或者说，再次进行训练，更新各节点之间连接的权值，且在训练过程中对实际的燃料包壳破损案例赋予较高的权重，从而实现诊断算法的自我进化。

如图5所示，本发明还提供了一种核电站燃料包壳破损诊断方法，该种方法采用上述核电站燃料包壳破损系统对核电站燃料包壳是否破损进行检测，包括以下步骤：

s100.在核电站一回路管线外测量核电站一回路冷却剂中各放射性核素在预设时间段内放出的光子数及光子能量；

s200.用于接收所述预设时间段内放出的光子数及光子能量，并从中提取特征核素及其浓度；

s300.采用自我进化型诊断算法对所述特征核素及其浓度进行处理分析，诊断燃料包壳是否发生破损，若发生破损则输出破损数据和与之对应的特征核素及其浓度；若未发生破损，则输出所述特征核素及其浓度。

核电站燃料包壳破损诊断方法还包括以下步骤：

s400.在燃料包壳破损诊断模块判定燃料包壳发生破损时，显示破损数据和与之对应的特征核素及其浓度，并进行报警；在燃料包壳破损诊断模块判定燃料包壳未发生破损时，显示所述特征核素及其浓度。

在步骤s300之后还包括以下步骤：

s500、在燃料包壳破损诊断模块判定燃料包壳发生破损时，接收并存储所述破损数据和与之对应的特征核素及其浓度作为新增破损案例数据更新到破损案例数据集中；

s600、根据所述破损案例数据集，基于神经网络的数值算法，对自我进化型诊断算法进行更新；

s700、存储的更新后的自我进化型诊断算法。

通过实施本发明，通过自我进化型诊断算法可以实现功率运行期间核电厂燃料包壳完整性的在线连续监测和诊断，并基于诊断算法进化模块实现自我进化型诊断算法的自我进化功能，从而增加实际运行中自我进化型诊断算法的准确度，减少人工介入，实现更加智能便捷的燃料包壳破损诊断系统及其诊断方法。

以上所述仅为本发明优选实施例，并不用于限制本发明的内容，凡在本发明的精神和原则内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围内。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。