一种铅冷反应堆状态监测与故障诊断方法及系统

1.本发明属于核动力系统仿真与控制技术领域，具体涉及一种铅冷反应堆状态监测与故障诊断方法及系统。


背景技术：

2.能源短缺促进模块化和紧凑型反应堆的研发，为了提升经济性，这些模块化反应堆具有自主控制能力，拥有更少的操作员。在缺乏有效的监测与诊断系统的条件下，操作员只能依靠自身主观经验维护模块化反应堆的运行，响应时间长，可能造成严重后果。对模块化反应堆的故障快速检测、诊断以及维护对机组的安全运行具有重要意义。为了促进模块化反应堆故障检测与诊断系统的开发，研究人员开展了大量关于在线监测、故障诊断、人机界面设计方面的研究。
3.目前的反应堆监测与故障诊断系统大多基于单一的诊断方法。李伟等使用典型多元变量监测方法主成分分析进行电厂传感器状态监测，基于解析冗余的方法检测到传感器微小漂移故障(李伟，彭敏俊，刘永阔.基于pca的核电站传感器状态监测方法研究[j].核动力工程,2018(1):136-139.)。该方法保证识别微小漂移故障的同时也改善了多数传感器共模故障时物理容易监测方法给出错误融合结果的问题。徐金良等使用支持向量机构建多层分类器进行故障诊断，使用粗糙集理论完成对不确定不完整数据约简后作为分类器输入(徐金良，陈五星，唐耀阳.基于粗糙集理论和支持向量机算法的核电厂故障诊断方法[j].核动力工程，2009(4):52-54.)。验证结果表明该方法可以快速准确诊断电厂蒸汽发生器传热管破损等四种典型故障。
[0004]
单一的基于多元变量的监测方法其监测结果常具有不确定性。系统故障发生时，多个相关监测参数的监测统计量具有相同的定性趋势，无法根据监测趋势给出确定的系统故障类型判断；故障诊断模块的引入可以在监测趋势相似时进一步判断系统故障类型，补充监测结果。监测模块的运行数据特征提取、条件激活诊断模块可以大大减小模块间的数据传输压力和诊断模块的计算开销。现有的基于数据的诊断系统大多只能识别已知的故障模式，罕见由已知推理到未知故障模式的系统。通过引入故障模式数据库、计算未知故障模式和已知故障模式之间的相似度，可以推理出未知故障类型，完全发挥大数据技术对反应堆的监测与维护潜力。此外，对于基于数据的诊断方法而言，难以获得故障运行数据。数据采集模块的引入解决了数据获取困难的问题，为监测和诊断模块提供了直观依据以及合理解释。
[0005]
铅冷反应堆的状态监测系统缺乏分析非常小的故障的能力，如小型反应堆冷却剂管道泄露引起的监测参数的微小变化。系统诊断响应时间长，给操作员带来巨大心理压力。基于数据的诊断方法从数字化仪表和控制系统中获取的运行信息，使用机器学习算法进行数据挖掘和分析，有开发部署成本低、可以部署在任何级别组件、不需要铅冷反应堆复杂的先验知识就可以产生可接受的诊断结果的优势。而实际的铅冷反应堆运行数据很难获取，故障模式数据库很难构建。此外，现有的基于单一方法的诊断系统存在诊断结果难以解释、
很难实时提供精确的诊断结果、只能识别已知故障模式的缺点。


技术实现要素：

[0006]
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种铅冷反应堆状态监测与故障诊断方法及系统，用于解决现有基于数据驱动诊断采用单一诊断方法，计算传输效率低、实时性差、无法识别未知故障模式的技术问题。
[0007]
本发明采用以下技术方案：
[0008]
一种铅冷反应堆状态监测与故障诊断方法，包括以下步骤：
[0009]
s1、实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；
[0010]
s2、依据步骤s1得到的运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；
[0011]
s3、根据步骤s1得到的状态监测模型检测统计量t2和q，并实时显示监测结果；
[0012]
s4、根据步骤s3得到的监测结果对步骤s1得到的统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过步骤s2得到的故障诊断模型诊断系统故障类型和程度。
[0013]
具体的，步骤s1中，采用主成分分析方法进行故障特征提取，构建统计量t2和q作为铅冷反应堆运行状态监测指标，具体如下：
[0014]
t2＝tλ-1
t
t
＝xpλ-1
p
t
x
t
[0015][0016]
其中，t为参数状态向量使用主成分分析方法提取的得分向量，λ-1
为得分向量求得的特征值组成的对角矩阵，p为主成分分析方法进行特征提取的负载矩阵，x为监测变量，i为单位矩阵，为监测变量的均值。
[0017]
进一步的，对统计量t2和q求导监测铅堆的运行状态具体为：
[0018][0019][0020]
其中，t
new
是x
new
对应的得分向量，λ是t
new
对应的特征值构成的对角矩阵，pj是矩阵p的第j行；是相应变量x
new,j
的重组变量，为t2的贡献率，为q的贡献率。
[0021]
具体的，步骤s1中，故障包括落棒、一回路流动阻力增加、冷阱流量减小、卡死、精度下降、固定偏移。
[0022]
具体的，步骤s2中，故障诊断模型包括故障类型判断模型、故障程度判断模型和计算故障相似度模型，训练算法分别是支持向量机、高斯过程回归、k近邻聚类。
[0023]
具体的，步骤s3中，若仅有一个变量的监测统计量超出阈值，相应传感器发生故障；若不少于两个变量的监测统计量同时超出阈值，认为系统发生故障；若没有统计量超出阈值，认为铅冷反应堆正常运行，继续监测。
[0024]
具体的，步骤s4中，故障诊断包括故障类型和故障程度的判断，故障类型判断模型
为使用故障模式数据库中的数据训练得到的支持向量机模型，故障程度判断模型为高斯回归模型。
[0025]
进一步的，若系统故障类型在故障模式数据库中未知，则计算其与故障模式数据库中已知故障模式的相似程度，将相似程度最高的故障类型以及相应的相似程度作为诊断结果，更新故障模式数据库，重新训练故障类型判断模型以识别未知故障模式。
[0026]
具体的，步骤s4中，采用k近邻方法更新故障模式数据库，通过计算未知故障与已知故障样本之间的相似度实现；监测参数包括铅冷反应堆运行流量、压力、温度参数。
[0027]
第二方面，本发明实施例提供了一种铅冷反应堆状态监测与故障诊断系统，包括：
[0028]
数据采集模块，实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；
[0029]
训练加载模块，依据运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；
[0030]
在线监测模块，根据状态监测模型检测统计量t2和q，并实时显示监测结果；
[0031]
故障诊断模块，根据在线监测模块得到的监测结果对统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过故障诊断模块得到的故障诊断模型诊断系统故障类型和程度。
[0032]
与现有技术相比，本发明至少具有以下有益效果：
[0033]
一种铅冷反应堆状态监测与故障诊断方法，采用多模块配合、多方法互补的铅冷反应堆状态监测与故障诊断系统，充分发挥各种诊断方法的性能优势，获取铅冷反应堆运行数据，判断铅冷反应堆运行状态和传感器故障诊断，进行系统故障类型和程度判断，同时建立故障模式数据库，通过监测运行状态的统计量t2和q进行运行状态的监测，如果超过阈值再启动故障诊断模块，减小了计算量和计算负担。
[0034]
进一步的，采用主成分分析方法进行统计量t2和q的计算和构建，获得运行状态的监测指标，通过数据统计的方法，有效反映运行参数的变化从而监测运行状态的变化。
[0035]
进一步的，对统计量t2和q求导获得相应变量的贡献率，监测铅堆的运行状态，辨别发生了系统故障还是传感器故障。若是系统故障，则触发故障诊断模块进行计算分析，减小了运算负担和降低了误诊断的概率。
[0036]
进一步的，所考虑的故障包括落棒、一回路流动阻力增加、冷阱流量减小、卡死、精度下降、固定偏移设置，其中前三种为系统故障，后三种为传感器故障，目的是为了说明该方法能够针对不同故障，根据故障监测的结果进行分别处置。
[0037]
进一步的，故障诊断模型包括故障类型判断模型、故障程度判断模型和计算故障相似度模型，训练算法分别是支持向量机、高斯过程回归、k近邻聚类，其中支持向量机是一类监督学习方法，可以对数据进行非线性分类，实现故障类型的判断；高斯过程回归是使用高斯过程先验对数据进行回归分析的非参数模型，是紧致空间内任意连续函数的通用近似，有效区分故障程度；k近邻聚类可通过计算对象间距离作为各个对象之间的非相似性指标，一般使用欧式距离或曼哈顿距离，可区分两个故障的相似度。
[0038]
进一步的，仅有一个变量的监测统计量超出阈值，相应传感器发生故障；若不少于两个变量的监测统计量同时超出阈值，则认为系统发生故障；若没有统计量超出阈值，认为
铅冷反应堆正常运行，通过这样的判断，可以有效区分正常状态、传感器故障和系统故障，如果判定为系统故障，再启动故障判断模型，有效降低了计算负荷。
[0039]
进一步的，若运行过程中发生的故障为故障模式数据库中的已知故障，由于已经采用了该数据库对故障诊断模型进行了训练，则可以使用支持向量机模型判断故障类型，高斯回归模型判断故障程度，提高故障诊断的精确性。
[0040]
进一步的，在实际运行中可能出现未知故障，需要根据与已知故障的相似程度进行判别，按照相似程度最高的故障进行诊断并参照该故障处置，并将该未知故障更新到故障模式数据库，补充故障信息进行模型训练，后续可作为新增的已知故障进行故障诊断。
[0041]
进一步的，采用k近邻方法通过未知故障计算与故障模式数据库中已知故障的相似程度来作为故障诊断结果，并将诊断结果信息作为新的故障类型补充到故障模式数据库中，这样就增强了该发明的自学习能力，提高了应对各种故障的能力。
[0042]
可以理解的是，上述第二方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
[0043]
综上所述，本发明综合了主成分分析、支持向量机、高斯过程回归以及k近邻方法的优势，提出了一个综合性的故障监测和诊断的方法，由主成分分析实现运行工况的监测，并区分传感器故障和系统故障，有效降低了计算负担；采用支持向量机判断故障类型，高斯过程回归判断故障程度，集成了两个方法的优势，实现故障的高精确和高可靠的诊断；采用k近邻方法确定未知故障和已知故障的相似度，实现故障的有效诊断，并在此基础上，新增故障模式数据库信息，增强了应对未知故障的处理能力，提高了该方法的适用性。
[0044]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0045]
图1为数据驱动的铅冷反应堆状态监测模块监测流程图；
[0046]
图2为所搭建的数据驱动状态监测与诊断模块结构示意图。
具体实施方式
[0047]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0048]
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0049]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0050]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本发明中
字符“/”，一般表示前后关联对象是一种“或”的关系。
[0051]
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。
[0052]
取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
[0053]
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
[0054]
本发明提供了一种铅冷反应堆状态监测与故障诊断方法，采用多模块配合、多方法互补的铅冷反应堆状态监测与故障诊断系统，充分发挥各种诊断方法的性能优势，获取铅冷反应堆运行数据，判断铅冷反应堆运行状态和传感器故障诊断，进行系统故障类型和程度判断，同时建立故障模式数据库，当出现位置类型的故障时，计算其与已知故障模式的相似程度并更新故障模式数据库，为监测和维护铅冷反应堆正常运行提供高效的计算架构和准确及时的诊断精度。
[0055]
请参阅图1，本发明一种铅冷反应堆状态监测与故障诊断方法，包括以下步骤：
[0056]
s1、实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆运行状态，设置监测阈值并初始化状态监测模型；
[0057]
根据故障机理仿真得到故障模式数据后存储在故障模式数据库中，数据的监测参数包括且不限于温度、压力、流量和功率，
[0058]
采集位置包括但不限于主回路和辅助回路，
[0059]
故障模式包括但不限于落棒、一回路流动阻力增加、冷阱流量减小等系统故障以及卡死、精度下降、固定偏移等传感器故障。
[0060]
铅冷反应堆运行状态数据包括且不限于温度、压力、流量和功率参数，反映铅冷反应堆的运行状况；温度数据和流量参数来自于铅冷反应堆主回路和辅助回路，构成如下特征运行参数状态向量：
[0061][0062]
其中，x
t
为t时刻所有n个监测参数的测量值组成的状态向量；为第i个监测参数的取值。
[0063]
标准化采用zscore标准化方式，具体如下：
[0064][0065]
其中，x
new
为标准化后的数据，x为原数据，为原数据均值，σ为原数据标准差。
[0066]
采用主成分分析方法进行故障特征提取，构建t2和q统计量作为铅冷反应堆运行状态监测指标，具体如下：
[0067]
t2＝tλ-1
t
t
＝xpλ-1
p
t
x
t
[0068][0069]
其中，t为参数状态向量使用主成分分析方法提取的得分向量；λ-1
为得分向量求得的特征值组成的对角矩阵；p为主成分分析方法进行特征提取的负载矩阵。
[0070]
设置监测阈值为监测参数对统计量的导数超过设定的阈值，监测参数对统计量的导数求解如下：
[0071][0072][0073]
其中，t
new
是x
new
对应的得分向量，λ是t
new
对应的特征值构成的对角矩阵，pj是矩阵p的第j行；是相应变量x
new,j
的重组变量。
[0074]
状态监测模型包括主成分分析模型。
[0075]
s2、依据获取的运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；
[0076]
故障诊断模型包括支持向量机、高斯过程回归模型模型、k近邻模型，其中支持向量机模型用于故障类型判断，高斯过程回归模型用于判断故障程度，k近邻模型计算故障相似度。
[0077]
训练算法分别是支持向量机、高斯过程回归、k近邻聚类。
[0078]
s3、根据统计量t2和q，将监测结果实时显示给操作员；
[0079]
若仅有一个变量的监测统计量超出阈值，相应传感器发生故障；
[0080]
若不少于两个变量的监测统计量同时超出阈值，认为系统发生故障；
[0081]
若没有统计量超出阈值，认为铅冷反应堆正常运行，继续监测。
[0082]
s4、对运行状态统计量进行判断，当监测到系统故障发生时，将实时运行数据进行特征提取后通过故障类型判断模型诊断系统故障类型和程度，实时显示诊断结果，为操作员运维提供准确有价值的信息。
[0083]
故障类型判断模型为使用故障模式数据库中的数据训练得到的支持向量机模型，故障程度判断模型为高斯回归模型。
[0084]
若系统故障类型在故障模式数据库中未知，则计算其与故障模式数据库中已知故障模式的相似程度，将相似程度最高的故障类型以及相应的相似程度作为诊断结果，更新故障模式数据库，重新训练故障类型判断模型以识别未知故障模式；
[0085]
更新故障模式数据库的方法采用k近邻方法，通过计算未知故障与已知故障样本之间的相似度实现；监测参数包括铅冷反应堆运行流量、压力、温度参数。
[0086]
请参阅图2，本发明再一个实施例中，提供一种铅冷反应堆状态监测与故障诊断系统，该系统能够用于实现上述铅冷反应堆状态监测与故障诊断方法，具体的，该铅冷反应堆状态监测与故障诊断系统包括数据采集模块、训练加载模块、在线监测模块以及故障诊断模块。
[0087]
其中，数据采集模块，实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；
[0088]
训练加载模块，依据运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；
[0089]
在线监测模块，根据状态监测模型检测统计量t2和q，并实时显示监测结果；
[0090]
故障诊断模块，根据在线监测模块得到的监测结果对统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过故障诊断模块得到的故障诊断模型诊断系统故障类型和程度。
[0091]
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于铅冷反应堆状态监测与故障诊断方法的操作，包括：
[0092]
实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；依据运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；根据状态监测模型检测统计量t2和q，并实时显示监测结果；根据监测结果对统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过故障诊断模型诊断系统故障类型和程度。
[0093]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0094]
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关铅冷反应堆状态监测与故障诊断方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
[0095]
实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；依据运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；根据状态监测模型检测统计
量t2和q，并实时显示监测结果；根据监测结果对统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过故障诊断模型诊断系统故障类型和程度。
[0096]
综上所述，本发明一种铅冷反应堆状态监测与故障诊断方法及系统，有效降低计算负担，具有高的故障诊断精度和可靠性，具有应对未知故障的能力，适应于铅冷快堆在离岸运行下的自主运行的要求，能够为运行和操作提供支撑。
[0097]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0098]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0099]
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0100]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0101]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0102]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0103]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质
可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(randomaccess memory，ram)、电载波信号、电信信号以及软件分发介质等，需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0104]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0105]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0106]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0107]
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

技术特征：
1.一种铅冷反应堆状态监测与故障诊断方法，其特征在于，包括以下步骤：s1、实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；s2、依据步骤s1得到的运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；s3、根据步骤s1得到的状态监测模型检测统计量t2和q，并实时显示监测结果；s4、根据步骤s3得到的监测结果对步骤s1得到的统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过步骤s2得到的故障诊断模型诊断系统故障类型和程度。2.根据权利要求1所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，步骤s1中，采用主成分分析方法进行故障特征提取，构建统计量t2和q作为铅冷反应堆运行状态监测指标，具体如下：t2＝tλ-1
t
t
＝xpλ-1
p
t
x
t
其中，t为参数状态向量使用主成分分析方法提取的得分向量，λ-1
为得分向量求得的特征值组成的对角矩阵，p为主成分分析方法进行特征提取的负载矩阵，x为监测变量，i为单位矩阵，为监测变量的均值。3.根据权利要求2所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，对统计量t2和q求导监测铅堆的运行状态具体为：和q求导监测铅堆的运行状态具体为：其中，t
new
是x
new
对应的得分向量，λ是t
new
对应的特征值构成的对角矩阵，p
j
是矩阵p的第j行；是相应变量x
new,j
的重组变量，为t2的贡献率，为q的贡献率。4.根据权利要求1所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，步骤s1中，故障包括落棒、一回路流动阻力增加、冷阱流量减小、卡死、精度下降、固定偏移。5.根据权利要求1所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，步骤s2中，故障诊断模型包括故障类型判断模型、故障程度判断模型和计算故障相似度模型，训练算法分别是支持向量机、高斯过程回归、k近邻聚类。6.根据权利要求1所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，步骤s3中，若仅有一个变量的监测统计量超出阈值，相应传感器发生故障；若不少于两个变量的监测统计量同时超出阈值，认为系统发生故障；若没有统计量超出阈值，认为铅冷反应堆正常运行，继续监测。7.根据权利要求1所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，步骤s4中，故障诊断包括故障类型和故障程度的判断，故障类型判断模型为使用故障模式数据库中的数据训练得到的支持向量机模型，故障程度判断模型为高斯回归模型。8.根据权利要求7所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，若系统故
障类型在故障模式数据库中未知，则计算其与故障模式数据库中已知故障模式的相似程度，将相似程度最高的故障类型以及相应的相似程度作为诊断结果，更新故障模式数据库，重新训练故障类型判断模型以识别未知故障模式。9.根据权利要求1所述的铅冷反应堆状态监测与故障诊断方法，其特征在于，步骤s4中，采用k近邻方法更新故障模式数据库，通过计算未知故障与已知故障样本之间的相似度实现；监测参数包括铅冷反应堆运行流量、压力、温度参数。10.一种铅冷反应堆状态监测与故障诊断系统，其特征在于，包括：数据采集模块，实时获取铅冷反应堆运行状态数据，对获取的运行状态数据进行标准化与故障特征提取，计算得到监测铅冷反应堆运行状态的统计量t2和q，对统计量t2和q求导监测铅堆的运行状态，设置监测阈值并初始化状态监测模型；训练加载模块，依据运行状态数据建立故障模式数据库，依据故障模式数据库里的故障数据训练并加载故障诊断模型；在线监测模块，根据状态监测模型检测统计量t2和q，并实时显示监测结果；故障诊断模块，根据在线监测模块得到的监测结果对统计量t2和q进行判断，当系统故障发生时，将实时运行数据进行特征提取后通过故障诊断模块得到的故障诊断模型诊断系统故障类型和程度。

技术总结
本发明公开了一种铅冷反应堆状态监测与故障诊断方法及系统，获取铅冷堆运行数据，标准化后进行信息提取，建立故障模式数据库，同时将数据传递至状态监测模块，初步给出监测结果到操作员界面。若监测到系统故障发生，将启动故障诊断模块，进行故障类型判断和故障程度估计。本发明克服现有基于数据驱动诊断采用单一诊断方法，计算传输效率低、实时性差、无法识别未知故障模式的缺点，为铅冷反应堆运行提供高效和准确的诊断方案。高效和准确的诊断方案。高效和准确的诊断方案。


技术研发人员：孙培伟 王怡青 魏新宇
受保护的技术使用者：西安交通大学
技术研发日：2023.07.13
技术公布日：2023/10/15