【摘要】：安全性和經(jīng)濟性是核電可持續(xù)性發(fā)展的重要前提。就安全性而言,傳感器是核電廠儀表和控制系統(tǒng)的重要組成部分,用于獲取電廠的實時運行數(shù)據(jù),一方面可以實現(xiàn)對電廠中系統(tǒng)和設備運行狀態(tài)的在線監(jiān)測,另一方面還可以為控制系統(tǒng)的安全可靠運行提供數(shù)據(jù)基礎。同時由于核電廠中某些傳感器惡劣的工作環(huán)境導致傳感器可能隨著核電廠運行時間的增加出現(xiàn)不同程度的老化或故障。因此,為保證核電廠的安全性,在運行過程中對傳感器狀態(tài)進行實時在線監(jiān)測是非常必要的。就經(jīng)濟性而言,通常核電廠使用大量的傳感器儀表,通過對傳感器的狀態(tài)監(jiān)測不僅可以提高核電廠運行的安全性,還可以推動傳統(tǒng)基于時間的周期性主動儀表維護策略向基于狀態(tài)的維護(Condition-based Maintenance,CBM)策略轉變,明顯提高核電廠整體運行的經(jīng)濟性。因此,本文采用基于主元分析(Principal Component Analysis,PCA)的方法一方面實現(xiàn)對冗余和非冗余傳感器的在線狀態(tài)監(jiān)測,檢測到基于現(xiàn)有交叉校準技術所不能解決的冗余傳感器的共模故障,提高核電廠運行過程的安全性;另一方面實現(xiàn)對冗余和非冗余傳感器的狀態(tài)評估,實現(xiàn)傳感器儀表的CBM,提高核電廠運行過程的經(jīng)濟性。采用PCA方法對傳感器進行狀態(tài)監(jiān)測時,存在多種因素會影響模型的監(jiān)測性能,主要包括PCA模型建模數(shù)據(jù)的質量、模型結構參數(shù)的合理性、故障檢測和辨識結果的準確性等幾個方面。因此為提高PCA模型對核電廠傳感器故障的狀態(tài)監(jiān)測性能,針對影響模型狀態(tài)監(jiān)測性能的四個主要因素,本文分別進行了分析并提出了相應的優(yōu)化解決方法,具體描述如下。(1)PCA建模數(shù)據(jù)的預處理:由于建模數(shù)據(jù)質量直接影響PCA模型的狀態(tài)監(jiān)測性能,因此在第3章中對傳感器測量數(shù)據(jù)中的離群點和隨機噪聲進行了預處理。首先使用統(tǒng)計分析方法剔除離群點,然后分別使用時域的滑動時窗法和時-頻域的小波變換法進一步降噪。通過來自真實核電廠傳感器測量數(shù)據(jù)的驗證測試,定量證明了本文所提出的數(shù)據(jù)預處理算法對PCA模型狀態(tài)監(jiān)測性能的改善。(2)PCA模型結構參數(shù)的選取:建模參數(shù)是影響PCA模型的主要結構參數(shù)之一,不同建模參數(shù)將直接影響模型的狀態(tài)監(jiān)測性能。因此在第4章中對PCA模型建模參數(shù)的選取原則進行了討論。在傳統(tǒng)隨機建模參數(shù)選取標準上,提出了另外四種標準:基于傳感器類型,基于傳感器測量數(shù)據(jù)方差、變化度和相關性。通過對比不同標準建立的PCA模型的狀態(tài)監(jiān)測性能,確定了五種PCA模型建模參數(shù)選取標準中的最佳標準。(3)模型的故障檢測:針對故障檢測,本文從兩個不同方面進行了優(yōu)化分析。(1)首先在第2章中使用Δ判別法計算PCA模型對模型中每個傳感器故障的不可檢測性區(qū)間,定量評估所建立的PCA模型的故障檢測能力。通過真實核電廠傳感器測量數(shù)據(jù)的驗證測試,證明了本文提出的傳感器故障不可檢測性區(qū)間計算方法的有效性。(2)然后在第5章中使用循環(huán)迭代方法消除模型訓練過程中T~2和Q統(tǒng)計量的誤報警,使用統(tǒng)計分析法消除模型故障檢測過程中T~2和Q統(tǒng)計量的誤報警。通過真實核電廠傳感器測量數(shù)據(jù)的驗證測試,證明了本文提出的誤報警消除算法可以提高PCA模型狀態(tài)監(jiān)測過程的穩(wěn)定性和準確性,提高了模型的狀態(tài)監(jiān)測性能。(4)模型的故障辨識:針對故障辨識,本文在傳統(tǒng)T~2和Q統(tǒng)計量高貢獻量分析法基礎上,在第6章中同時采用改進的Q統(tǒng)計量貢獻率分析法和基于迭代重構的方法進行故障傳感器辨識。通過真實核電廠傳感器測量數(shù)據(jù)的驗證測試,證明了本文提出的故障辨識方法的合理性和有效性。綜合以上優(yōu)化算法,本文提出了基于PCA的傳感器綜合狀態(tài)監(jiān)測方案。為測試綜合使用多種優(yōu)化算法時對PCA模型監(jiān)測性能的影響,在最后的第7章中將多種優(yōu)化算法結合,并使用真實核電廠的傳感器測量數(shù)據(jù)進行綜合驗證分析。測試表明:綜合使用本文提出的優(yōu)化算法后,PCA模型的狀態(tài)監(jiān)測性能高于在前述2~6章中單獨使用某一種優(yōu)化算法時模型的監(jiān)測性能。
【學位授予單位】：哈爾濱工程大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TM623;TP212
【圖文】：

元空間P 和剩余(n-k)主元組成的殘差 ( T T = P P X + P P X = C X + I C 陣；C 和C~分別表示主元和殘差空間的的投影。且有： ===++[,,]~[,,,] ],~, [kknkPPPPPPPPPP 1212XX~殘差空間

A: 完全失效（Complete Failure） B: 偏差（Bias）C: 漂移（Drift） D: 精度下降（Precision Degradation）圖2.1 給水溫度傳感器的四種故障類型Fig. 2.1 Four kinds of faults on the feedwater temperature sensor對于傳感器的完全失效故障，使用多種監(jiān)測方法均可以輕松檢測到。而對于三種軟故障則檢測相對困難。因此，本文主要針對核電廠傳感器的軟故障進行檢測和辨識。

本章節(jié)隨機選取核電廠的 9個傳感器參量作為 PCA模型的建模參數(shù)，包括 1號冷卻劑出口溫度傳感器、2 號冷卻劑出口溫度傳感器、主蒸汽流量傳感器、主給水流量傳感器、寬量程堆芯水位傳感器、冷凝器液位傳感器、穩(wěn)壓器液位傳感器、冷卻劑泵入口壓力傳感器和冷卻劑泵出口壓力傳感器。獲取這 9 個傳感器在滿功率運行工況下的 1000個樣本來進行 PCA模型的訓練，另外 500個樣本進行模型測試。按照前文的計算方法計算訓練的 PCA模型對這 9個傳感器故障的不可檢測性區(qū)間，在圖 2.3-2.4中，以 1號和 2號冷卻劑出口溫度、主蒸汽流量和主給水流量四個傳感器為例展示了其不可檢測區(qū)間的范圍。圖中紅色和綠色點分別表示在不同測試樣本下得到的傳感器不可檢測性區(qū)間的上限值和下限值，藍色點表示傳感器的測量值。根據(jù)圖 2.3，由于測試樣本中的數(shù)據(jù)波動，1號和 2號冷卻劑出口溫度傳感器不可檢測性區(qū)間上下限值產(chǎn)生了小幅波動。從圖 2.4 中的結果可以看出，主蒸汽流量和主給水流量傳感器的不可檢測性區(qū)間的上下限值的波動程度明顯高于溫度傳感器，說明測試樣本中流量傳感器的測量數(shù)據(jù)的波動幅度高于溫度傳感器，這與實際情況也是一致的。

本文編號：2796052