[发明专利]一种核电厂事故智能识别及决策的方法及系统

说明书

本发明公开了一种核电厂事故智能识别及决策的方法及系统，该方法包括：根据典型事故的始发事件类型及与始发事件类型对应的事故关键变量的数据，构建典型事故数据库，以此训练事故智能识别模型；采集核电厂实时运行数据，通过事故智能识别模型进行事故识别，确定事故的始发事件类型；在缓解策略库中自动筛选出可行缓解策略，将识别的事故始发事件类型、核电厂中各种设备的实际投入情况及选取的缓解策略输入事故仿真分析平台中进行事故进程的模拟仿真；根据事故进程的预测分析，实时动态评估不同缓解策略所产生的定量化正负效应，输出最优缓解策略。本发明实现了对核电厂事故始发事件的识别，并实现了事故缓解策略的快速决策。

技术领域

本发明涉及核电厂安全分析技术领域，尤其涉及一种核电厂事故智能识别及决策的方法及系统。

背景技术

核电安全一直是核电领域重点关注的问题。核电厂是一个极为复杂的能源系统，其子部件之间紧密耦合，同时存在大量不确定性因素。在极低的概率下，微小的故障可能通过传播与积累，叠加人员失误，引发其它一连串的故障，从而导致严重的事故发生，危害公众的生命财产安全，并导致大范围的环境污染。因此，为了保证核电厂的安全运行，以防重大事故的发生，及时识别并缓解事故是十分必要的。

现有的核电厂事故识别方案中，大多通过对设备仪表的实时监测以及基于专家经验和知识水平建立的定性判断管理规程来实现事故识别。而由于核电厂复杂系统监测点多，数据量大，人为判断与识别事故比较困难，而且事故情景往往具有紧急性，在事故下开展评估和决策的核电厂工作人员面临较大的工作负荷和精神压力，因此，核电厂事故缓解策略的决策面临时间紧和定量难的困境。

发明内容

为解决上述现有技术的不足，本发明提供了一种核电厂事故智能识别及决策的方法及系统，利用事故仿真分析平台建立足量完备的典型事故数据库，基于该典型事故数据库训练事故智能识别模型，实现对核电厂事故始发事件的识别，同时，基于该识别结果和实际运行情况，对事故进程进行模拟，通过对事故识别结果的正向实时追踪和对事故进程预测的反馈更新，不断优化最优缓解策略，实现事故缓解策略的快速智能决策。

第一方面，本公开提供了一种核电厂事故智能识别及决策的方法，包括以下步骤：

根据典型事故的始发事件类型及与始发事件类型对应的事故关键变量的数据，构建典型事故数据库，基于所述典型事故数据库，训练事故智能识别模型；

采集核电厂实时运行数据，通过训练完成的事故智能识别模型进行事故识别，确定事故的始发事件类型；

基于识别的事故始发事件类型，在缓解策略库中自动筛选出可行缓解策略，将识别的事故始发事件类型、核电厂中各种设备的实际投入情况及选取的缓解策略输入事故仿真分析平台中进行事故进程的模拟预测；

根据事故进程的预测分析，实时动态评估不同缓解策略所产生的定量化正负效应，输出最优缓解策略。

进一步的技术方案，在进行事故进程模拟预测时，从典型事故数据库中调取最相近事故，根据该事故的关键变量演变规律进行实际事故的模拟预测。

进一步的技术方案，在构建典型事故数据库前，确定典型事故的始发事件类型及与始发事件类型对应的事故关键变量，具体步骤为：

基于核电厂概率安全分析和工程判断，确定核电厂典型事故的始发事件类型；

通过评价多种事故变量对核电厂状态识别的重要度、多种事故变量之间的关联性、多种事故变量的可测量性、对称系统合并准则，确定事故关键变量；所述事故关键变量包括：反应堆冷却剂系统压力、堆芯出口温度、热段液位、蒸汽发生器水位、蒸汽发生器压力、安全壳压力、安全壳温度、安全壳内氢气浓度、安全系统动作、水源液位。

进一步的技术方案，所述基于所述典型事故数据库，训练事故智能识别模型，具体步骤为：

构建事故智能识别模型；