一种核电站主泵状态监测诊断方法及系统
阅读说明：本技术 一种核电站主泵状态监测诊断方法及系统 (Nuclear power station main pump state monitoring and diagnosing method and system ) 是由 赵金栋 任成宾 郭英端 曹福森 于庆海 自明 王立峰 潘爱兵 刘汝玉 彭楠 赵德 于 2020-12-28 设计创作，主要内容包括：本发明涉及一种核电站主泵状态监测诊断方法和系统,所述的方法包括以下步骤：S1：数据收集并确定监测点的步骤,包括：读取主泵的文件资料数据,包括反应堆冷却技术规范数据、反应堆安全分析数据、主泵运行数据、主泵图纸数据；读取主泵仪表数据和监测点编码；S2：针对主泵建立多元非线性回归模型的步骤。(The invention relates to a method and a system for monitoring and diagnosing the state of a main pump of a nuclear power station, wherein the method comprises the following steps: s1: the method comprises the steps of collecting data and determining monitoring points, and comprises the following steps: reading file data of a main pump, including reactor cooling technical specification data, reactor safety analysis data, main pump operation data and main pump drawing data; reading main pump instrument data and monitoring point codes; s2: and establishing a multiple nonlinear regression model for the main pump.)
技术领域
本发明属于转动类设备状态监测诊断技术领域，尤其涉及一种核电站主泵状态监测诊断方法及系统。
背景技术
核电站主热传输泵(简称主泵)是核电站重要设备，目前国内主流的核电技术为压水堆，主泵主要分屏蔽泵和轴封泵两种类型。是反应堆冷却剂系统(RCS)重要泵之一，主要功能是驱动一回路内介质循环，带走反应堆内部热量，通过蒸汽发生器将热量传递给二回路，从来达到冷却堆芯和反应性控制。
正常运行下主泵的失效可能会导致停堆，事故工况下主泵的失效可能会影响堆芯安全。因此主泵的状态监测诊断水平高低关系整个核电站安全可靠运行，如果导致停堆也会影响核电站的经济性。
国内外主要的主泵监测研究领域最常见的是设备设计领域和运行可靠性领域。在设备设计领域，重点关注主泵的设计改进，从设备硬件层面的合理设计，以达到提升主泵运行稳定性和密封可靠性等目的；而在运行可靠性领域，重点分析主泵归属的泵类常见故障的监测方法、故障模式和机理分析。
但受限于主泵测点较少和关键技术掌握程度低，对于已投产主泵的状态监测方法改进研究较少，缺乏可实际投入应用提升主泵监测水平的系统。此为现有技术的不足之处。
有鉴于此，本发明提供一种核电站主泵状态监测诊断方法及系统；以解决现有技术中存在的上述缺陷，是非常有必要的。
发明内容
本发明的目的在于，针对上述现有技术存在的缺陷，提供设计一种核电站主泵状态监测诊断方法及系统，以解决上述技术问题。
为实现上述目的，本发明给出以下技术方案：
一种核电站主泵状态监测诊断方法，包括以下步骤：
S1：数据收集并确定监测点的步骤，包括：
读取主泵的文件资料数据，包括反应堆冷却技术规范数据、反应堆安全分析数据、主泵运行数据、主泵图纸数据；
读取主泵仪表数据和监测点编码，主泵仪表数据通过读取分散控制系统获取，监测点编码通过分散控制系统输出到电厂管理区的数据库获得；
S2：针对主泵建立多元非线性回归模型的步骤，包括：
S21：选取至少包含一个换料周期的时间段作为样本库的建立时长；
S22：将反应堆冷却系统的监控点作为监测点添加到监测点组中，然后再将与主泵无关的监控点从监测点组里剔除；
S23：在电厂工单以及状态报告单中查询主泵在该时间段内的故障异常事件，将故障异常事件的时间段构建为异常工况库；
识别该时间段内的主泵启动过程和主泵停机过程时间段，构建启停工况库；
剩余时间段构建为正常运行工况库；
以构建成异常工况库、启停工况库和正常运行工况库三个样本库；
S24：对正常运行工况样本库按照数据量进行划分，建立代表工况，针对已确认的测点组合样本库，进行建模验证来选取合适的回归模型，并构建多元非线性回归模型，利用基于欧氏距离的支持向量机的模型算法计算获得正常工况库下的各测点评估值，根据每个评估值所处的代表工况99.73％置信区间的数据，将距离评估值最远的数据值减去评估值的结果作为残差的阈值。
作为优选，所述步骤S22中，利用相关性分析手段进行监测点组的无关监测点筛选剔除；更加准确的将与主泵无关的监测点剔除。
作为优选，该诊断方法还包括：
S3：显示的步骤，包括：
将主泵的测点数值及评估值在WEB展示界面上，同时展示该测点的残差，如果残差超过计算的阈值，则该测点显示红色报警状态。给出警示信息便于观察。
作为优选，该诊断方法还包括：
S4：构建同类型设备指标对比分析方法，将对同一机组下的主泵建立相同指标的趋势进行对比分析，在环境因素或不明因素产生干扰时，识别设备是否仍处于健康状态。
作为优选，该诊断方法还包括：
S5：构建故障特征库，将同行业的主泵故障数据添加进特征库，并支持在参数报警后分析的故障添加入库，后续产生相似报警后提示可能的故障。
本发明还提供一种核电站主泵状态监测诊断系统，包括：
数据收集并确定监测点模块，该模块中：
读取主泵的文件资料数据，包括反应堆冷却技术规范数据、反应堆安全分析数据、主泵运行数据、主泵图纸数据；
读取主泵仪表数据和监测点编码，主泵仪表数据通过读取分散控制系统获取，监测点编码通过分散控制系统输出到电厂管理区的数据库获得；
建立多元非线性回归模型模块，该模块中：
选取至少包含一个换料周期的时间段作为样本库的建立时长；
将反应堆冷却系统的监控点作为监测点添加到监测点组中，然后再将与主泵无关的监控点从监测点组里剔除；
在电厂工单以及状态报告单中查询主泵在该时间段内的故障异常事件，将故障异常事件的时间段构建为异常工况库；
识别该时间段内的主泵启动过程和主泵停机过程时间段，构建启停工况库；
剩余时间段构建为正常运行工况库；
以构建成异常工况库、启停工况库和正常运行工况库三个样本库；
对正常运行工况样本库按照数据量进行划分，建立代表工况，针对已确认的测点组合样本库，进行建模验证来选取合适的回归模型，并构建多元非线性回归模型，利用基于欧氏距离的支持向量机的模型算法计算获得正常工况库下的各测点评估值，根据每个评估值所处的代表工况99.73％置信区间的数据，将距离评估值最远的数据值减去评估值的结果作为残差的阈值。
作为优选，该诊断系统还包括：
数据显示模块，该模块中：
将主泵的测点数值及评估值在WEB展示界面上，同时展示该测点的残差，如果残差超过计算的阈值，则该测点显示红色报警状态。给出警示信息便于观察。
作为优选，该诊断系统还包括：
同类型设备指标对比模块，该模块中：
构建同类型设备指标对比分析方法，将对同一机组下的主泵建立相同指标的趋势进行对比分析，在环境因素或不明因素产生干扰时，识别设备是否仍处于健康状态。
作为优选，该诊断系统还包括：
构建故障特征库模块，该模块中：
构建故障特征库，将同行业的主泵故障数据添加进特征库，并支持在参数报警后分析的故障添加入库，后续产生相似报警后提示可能的故障。
本发明的有益效果在于，实时计算结果并实时展示运行状态参数，相比现有的事故后进行分析的方法，提升了时效性，方便工程师及时掌握设备性能情况。采用图形化展示，相比事故分析报告更加直观，数据可视化效果明显。基于回归模型的主泵状态监测诊断方法，根据回归模型得到的残差进行预警，并对可能的故障进行提示，提高主泵运行可靠性和经济性。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。
附图说明
图1是本发明提供的一种核电站主泵状态监测诊断方法的流程图。
图2是本发明提供的一种核电站主泵状态监测诊断系统的原理框图。
其中，1-数据收集并确定监测点模块，2-建立多元非线性回归模型模块，3-数据显示模块，4-同类型设备指标对比模块，5-构建故障特征库模块。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。
实施例1：
如图1所示，本实施例提供的一种核电站主泵状态监测诊断方法，包括以下步骤：
S1：数据收集并确定监测点的步骤，包括：
读取主泵的文件资料数据，包括反应堆冷却技术规范数据、反应堆安全分析数据、主泵运行数据、主泵图纸数据；
读取主泵仪表数据和监测点编码，主泵仪表数据通过读取分散控制系统获取，监测点编码通过分散控制系统输出到电厂管理区的数据库获得；
S2：针对主泵建立多元非线性回归模型的步骤，包括：
S21：选取至少包含一个换料周期的时间段作为样本库的建立时长；
S22：将反应堆冷却系统的监控点作为监测点添加到监测点组中，然后再将与主泵无关的监控点从监测点组里剔除；利用相关性分析手段进行监测点组的无关监测点筛选剔除；更加准确的将与主泵无关的监测点剔除。
S23：在电厂工单以及状态报告单中查询主泵在该时间段内的故障异常事件，将故障异常事件的时间段构建为异常工况库；
识别该时间段内的主泵启动过程和主泵停机过程时间段，构建启停工况库；
剩余时间段构建为正常运行工况库；
以构建成异常工况库、启停工况库和正常运行工况库三个样本库；
S24：对正常运行工况样本库按照数据量进行划分，建立代表工况，针对已确认的测点组合样本库，进行建模验证来选取合适的回归模型，并构建多元非线性回归模型，利用基于欧氏距离的支持向量机的模型算法计算获得正常工况库下的各测点评估值，根据每个评估值所处的代表工况99.73％置信区间的数据，将距离评估值最远的数据值减去评估值的结果作为残差的阈值。
S3：将主泵的测点数值及评估值在WEB展示界面上，同时展示该测点的残差，如果残差超过计算的阈值，则该测点显示红色报警状态。给出警示信息便于观察。
S4：构建同类型设备指标对比分析方法，将对同一机组下的主泵建立相同指标的趋势进行对比分析，在环境因素或不明因素产生干扰时，识别设备是否仍处于健康状态。
S5：构建故障特征库，将同行业的主泵故障数据添加进特征库，并支持在参数报警后分析的故障添加入库，后续产生相似报警后提示可能的故障。
实施例2：
如图2所示，本实施例提供的一种核电站主泵状态监测诊断系统，包括：
数据收集并确定监测点模块1，该模块中：
读取主泵的文件资料数据，包括反应堆冷却技术规范数据、反应堆安全分析数据、主泵运行数据、主泵图纸数据；
读取主泵仪表数据和监测点编码，主泵仪表数据通过读取分散控制系统获取，监测点编码通过分散控制系统输出到电厂管理区的数据库获得；
建立多元非线性回归模型模块2，该模块中：
选取至少包含一个换料周期的时间段作为样本库的建立时长；
将反应堆冷却系统的监控点作为监测点添加到监测点组中，然后再将与主泵无关的监控点从监测点组里剔除；
在电厂工单以及状态报告单中查询主泵在该时间段内的故障异常事件，将故障异常事件的时间段构建为异常工况库；
识别该时间段内的主泵启动过程和主泵停机过程时间段，构建启停工况库；
剩余时间段构建为正常运行工况库；
以构建成异常工况库、启停工况库和正常运行工况库三个样本库；
对正常运行工况样本库按照数据量进行划分，建立代表工况，针对已确认的测点组合样本库，进行建模验证来选取合适的回归模型，并构建多元非线性回归模型，利用基于欧氏距离的支持向量机的模型算法计算获得正常工况库下的各测点评估值，根据每个评估值所处的代表工况99.73％置信区间的数据，将距离评估值最远的数据值减去评估值的结果作为残差的阈值。
数据显示模块3，该模块中：
将主泵的测点数值及评估值在WEB展示界面上，同时展示该测点的残差，如果残差超过计算的阈值，则该测点显示红色报警状态。给出警示信息便于观察。
同类型设备指标对比模块4，该模块中：
构建同类型设备指标对比分析方法，将对同一机组下的主泵建立相同指标的趋势进行对比分析，在环境因素或不明因素产生干扰时，识别设备是否仍处于健康状态。
构建故障特征库模块5，该模块中：
构建故障特征库，将同行业的主泵故障数据添加进特征库，并支持在参数报警后分析的故障添加入库，后续产生相似报警后提示可能的故障。
以上公开的仅为本发明的优选实施方式，但本发明并非局限于此，任何本领域的技术人员能思之的没有创造性的变化，以及在不脱离本发明原理前提下所作的若干改进和润饰，都应落在本发明的保护范围内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种用于钠冷池式快堆自然循环实验的实验模型