[发明专利]一种核电厂工艺系统健康状态监测和诊断方法及系统

说明书

本发明公开的一种核电厂工艺系统健康状态监测和诊断方法及系统，属于核电厂健康状态监测技术领域，包括：获取核电厂运行数据；采用功率台阶识别模型对运行数据进行识别，确定运行数据所属工况；根据所属工况，通过异常检测识别模型对运行数据进行异常检测，获得运行数据中的异常数据；对异常数据进行故障识别，获得故障识别结果；根据运行数据对系统的健康状态进行评估，获得系统的健康状态评估结果。实现了对系统故障的准确检测，并能够对系统的健康状态进行评估。

技术领域

本发明涉及健康状态监测技术领域，尤其涉及一种核电厂工艺系统健康状态监测和诊断方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

核电厂工艺系统运行过程中，需要采用有效的方法对系统运行状态和关键物项的状态进行监测和诊断，从而实现对系统的监督，提供真实、清晰且完整的系统状态信息，是掌握系统和设备的实际运行状况并作出正确决策的前提，也是整个核电厂能够安全、稳定运行的保障。

传统的核电厂工艺系统运行状态监测和诊断方法是阈值监测法，该方法虽然能够给操作员提供被监测参数偏离正常运行的状态，但难以提供导致运行参数异常的原因以及发展趋势，操作员难以对系统故障和设备性能进行预判和及时诊断。

故障分类作为系统检测过程的一个重要环节，采取适当的分类算法是至关重要的。传统的分类算法有朴素贝叶斯算法、决策树算法、支持向量机算法、K近邻算法等。由于核电厂实际运行过程中，长期处于正常运行状态，系统异常的故障数据之间的差异非常微小，正常的分类算法无法很好的识别其中的差异，使得对工艺系统的故障检测不准确。

发明内容

本发明为了解决上述问题，提出了一种核电厂工艺系统健康状态监测和诊断方法及系统，在通过CNN神经网络算法进行故障识别时，截取了一段时间的数据整体作为一张图片作为输入，特征相比单个点更丰富，更容易识别其中的特征差异，在故障数据差异微小的情况下，故障也能够被准确识别，使故障识别的准确率得到大幅提升。

为实现上述目的，本发明采用如下技术方案：

第一方面，提出了一种核电厂工艺系统健康状态监测和诊断方法，包括：

获取核电厂运行数据；

采用功率台阶识别模型对运行数据进行识别，确定运行数据所属工况；

根据所属工况，通过异常检测识别模型对运行数据进行异常检测，获得运行数据中的异常数据；

对异常数据进行故障识别，获得故障识别结果；

根据运行数据对系统的健康状态进行评估，获得系统的健康状态评估结果。

第二方面，提出了一种核电厂工艺系统健康状态监测和诊断系统，包括：

数据获取模块，用于获取核电厂运行数据；

电厂运行工况识别模块，用于采用功率台阶识别模型对运行数据进行识别，确定运行数据所属工况；

系统异常检测识别模块，用于根据所属工况，通过异常检测识别模型对运行数据进行异常检测，获得运行数据中的异常数据；

故障识别模块，用于对异常数据进行故障识别，获得故障识别结果；

系统健康状态评估模块，用于根据运行数据对系统的健康状态进行评估，获得系统的健康状态评估结果。

第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种核电厂工艺系统健康状态监测和诊断方法所述的步骤。