一种基于模糊多属性决策的核电站设备状态维修决策方法与流程

1.本发明属于核电检修技术领域，具体涉及一种基于模糊多属性决策的核电厂设备状态维修决策方法。


背景技术：

2.在核电厂传统的设备维修决策工作中，决策过程主要集中于专业人员根据核电机组安全技术规范、设备运行维护手册等技术文件，针对设备及其零部件出现的恶化问题，如设备老化、部件损坏等，基于专家或专业工程师的经验，在多人讨论的基础上，统一各方意见后决定对设备实施修复、更换或持续保持观察等，该类决策方法具备快速响应性及灵活性，基本可以实现核电设备状态的快速预判与维修行为的保守决策。然而，传统决策方法由于人的主观能动性，主要以当前机组和设备状态为基础，从已获取到的计划成本、维修成本和质量成本等信息出发执行偏于保守的维修决策，无法全面考虑并顾及多方面复杂因素之间的关系，因而难以通过量化的形式进行选择性维修决策，在一定程度上，增加了维修决策的预期总成本。
3.因此，亟待开发一种通过量化形式对核电站设备状态进行维修决策的方法，能够在得到设备健康评估和故障诊断预测结果的基础上，实现维修成本最低化、效益最大化的目标。


技术实现要素：

4.本发明的目的在于提供一种基于模糊多属性决策的核电厂设备状态维修决策方法，该方法以故障诊断预测结果已知为前提，既在已知悉具体存在问题的设备部件及故障趋势的情况下，将技术层次的状态信息与决策者关注的后果进行融合，综合利用相关预知信息，通过模糊多属性决策与层次分析法相结合，实现较复杂的核电厂设备出现零部件恶化趋势时，以量化形式进行最优选择的维修决策，能够有效并迅速作出“是否停机检修”的判断与决策，从而在实现降低维修决策的预期总成本、维修利益最大化的同时，有效避免核电厂停机停堆、降低系统不可用率。
5.实现本发明目的的技术方案：
6.一种基于模糊多属性决策的核电厂设备状态维修决策方法，所述方法包括以下步骤：
7.步骤1：在对核电厂设备进行模糊多属性决策前，确定各类维修行为决策，形成维修行为决策集a＝*a1,a2…am
}；
8.步骤2：对核电厂设备的各个零部件进行分析，判断每个零部件维修行为决策的影响因素，将维修行为决策的影响因素确定为维修行为属性集b＝*b1,b2…bn
}；
9.步骤3：根据维修行为属性集与维修行为决策集的相对影响程度，将维修行为属性划分为不同层级；
10.步骤4：根据维修行为属性对维修行为决策的影响程度，利用层次分析法划分维修
行为属性层级，确定各个维修行为属性的相对重要程度，即重要程度等级，记为权重集ω＝*ω1,ω2…
ωn}；
11.步骤5：选取适用于维修决策的模糊数隶属度分布曲线，建立隶属函数模糊变量与维修行为属性及权重的对应关系；
12.步骤6：将维修行为决策和维修行为属性的定性描述转换成模糊变量表示的定量指标，获得维修行为决策和维修行为属性的模糊决策矩阵；
13.步骤7：采用模糊加权方法对每个维修行为决策的权重ωj和模糊变量赋值进行变换，求取每个维修行为决策的模糊决策向量
14.步骤8：对各个维修行为决策的模糊决策向量实施归一化处理，求得维修行为决策的模糊效用值，通过比较各个维修行为决策的模糊效用值大小，实现对各个维修行为决策的排序和择优。
15.所述步骤5包括：
16.步骤5.1：根据模糊数隶属度函数分布曲线及模糊数隶属度函数公式，将隶属度分布曲线对应函数的模糊变量，获得隶属函数模糊变量；
17.步骤5.2：建立隶属函数模糊变量与维修行为属性及权重的对应关系，对维修行为属性集进行层级划分并对权重集进行等级划分。
18.所述步骤5.1中适用于维修决策的模糊数隶属度分布曲线为：l-r型梯形模糊数隶属度函数分布曲线，模糊数隶属度函数公式为：l-r型梯形模糊数隶属度函数公式。
19.所述步骤6包括：
20.步骤6.1：对每个维修行为决策对应的各个维修行为属性逐一进行评估，获得维修行为决策和维修行为属性的定性评估结果，并获得权重的定性评估结果；
21.步骤6.2：根据步骤5.2建立的隶属函数模糊变量与维修行为属性及权重的对应关系，将维修行为决策和维修行为属性的定性评估结果以及权重的定性评估结果转换为维修行为决策和维修行为属性的模糊变量表示的定量指标；
22.步骤6.3：将维修行为属性集和维修行为决策集的模糊变量赋值，获得维修行为决策和维修行为属性的模糊决策矩阵。
23.所述步骤6.3中将维修行为属性集和维修行为决策集的模糊变量赋值为其中，i＝1,2,
…
,m；j＝1,2,
…
,n；维修行为决策和维修行为属性的模糊决策矩阵为：
[0024][0025]
所述步骤7中每个维修行为决策的模糊决策向量的求取公式为：
[0026][0027]
所述步骤8中归一化处理的计算方法为对模糊决策向量中每个分量进行平方根
计算，求得维修行为决策的模糊效用值。
[0028]
所述步骤1中维修行为决策集包括：停机停堆大修、14天内完成消缺、每日进行观察监测。
[0029]
所述步骤2中维修行为属性集包括：健康指标、节约人工、节约备件、安全裕度。
[0030]
本发明的有益技术效果在于：
[0031]
1、本发明提供的一种基于模糊多属性决策的核电厂设备状态维修决策方法有效避免了核电厂停机停堆、降低系统不可用率，同时降低了维修决策的预期总成本，实现维修利益最大化。
[0032]
2、本发明提供的一种基于模糊多属性决策的核电厂设备状态维修决策方法分析过程简单，提高了决策效率，并提高系统设备的安全性、可靠性、功能完整性。
[0033]
3、本发明相较于传统决策方法，建立了安全性+经济性综合风险量化评价体系，依托缺陷数据的层层迭代、层次划分的优化，逐渐实现剪除核电厂中高层管理人员判断过程的目的。
[0034]
4、本发明相较于传统决策方法，通过设备运行状态、缺陷状况的量化指标，能够更好的为核电厂整体概率安全评价提供数据支撑。
附图说明
[0035]
图1为本发明所提供的一种基于模糊多属性决策的核电厂设备状态维修决策方法流程图；
[0036]
图2为l-r型梯形模糊数隶属度分布函数曲线图。
具体实施方式
[0037]
下面结合附图和实施例对本发明作进一步详细说明。
[0038]
本发明提供的一种基于模糊多属性决策的核电厂设备状态维修决策方法，具体包括以下步骤：
[0039]
步骤1：在对核电厂设备进行模糊多属性决策前，确定各类维修行为决策，形成维修行为决策集a＝*a1,a2…am
}。
[0040]
例如：某一核电典型设备，为建立该设备模糊多属性决策模型，将其维修行为决策分为“继续工作”与“提前检修”等。
[0041]
步骤2：对核电厂设备的各个零部件进行分析，判断每个零部件维修行为决策的影响因素，将维修行为决策的影响因素确定为维修行为属性集b＝{b1,b2…bn
}。
[0042]
例如：某一核电典型设备，评估“健康指标”“节约人工”“节约备件”“安全裕度”等方面因素，可影响维修行为决策，记为维修行为属性集。
[0043]
步骤3：根据维修行为属性集与维修行为决策集的相对影像程度，将维修行为属性划分为不同层级。
[0044]
例如：将维修行为属性层级划分为：“高”、“较高”、“一般”、“较低”、“低”等。
[0045]
步骤4：根据维修行为属性对维修行为决策的影响程度，利用层次分析法划分维修行为属性层级，确定各个维修行为属性的相对重要程度，即重要程度等级，记为权重集ω＝{ω1,ω2…
ωn}。
[0046]
权重可衡量各属性的评价等级，例如：“重要”、“较重要”、“一般”、“较不重要”、“不重要”等。
[0047]
步骤5：选取适用于维修决策的模糊数隶属度分布曲线，建立隶属函数模糊变量与维修行为属性及权重的对应关系。
[0048]
步骤5.1：根据l-r型梯形模糊数隶属度函数分布曲线及l-r型梯形模糊数隶属度函数公式，将隶属度分布曲线对应函数的模糊变量，获得隶属函数模糊变量(m,n；β,γ)；
[0049]
步骤5.2：建立隶属函数模糊变量与维修行为属性及权重的对应关系，对维修行为属性集进行层级划分并对权重集进行等级划分。
[0050]
步骤6：将维修行为决策和维修行为属性的定性描述转换成模糊变量表示的定量指标，获得维修行为决策和维修行为属性的模糊决策矩阵。
[0051]
步骤6.1：对每个维修行为决策对应的各个维修行为属性逐一进行评估，获得维修行为决策和维修行为属性的定性评估结果，并获得权重的定性评估结果；
[0052]
步骤6.2：根据步骤5.2建立的隶属函数模糊变量与维修行为属性及权重的对应关系，将维修行为决策和维修行为属性的定性评估结果以及权重的定性评估结果转换为维修行为决策和维修行为属性的模糊变量表示的定量指标；
[0053]
步骤6.3：将维修行为属性集和维修行为决策集的模糊变量赋值为其中，i＝1,2,
…
,m；j＝1,2,
…
,n，获得维修行为决策和维修行为属性的模糊决策矩阵
[0054][0055]
步骤7：采用模糊加权方法对每个维修行为决策的权重ωj和模糊变量赋值进行变换，求取每个维修行；为决策的模糊决策向量
[0056]
每个维修行为决策的模糊决策向量的求取公式为：
[0057][0058]
步骤8：对各个维修行为决策的模糊决策向量实施归一化处理，求得维修行为决策的模糊效用值，通过比较各个维修行为决策的模糊效用值大小，实现对各个维修行为决策的排序和择优。
[0059]
实施例1
[0060]
以核电厂某一特定设备作为案例，采用本发明方法对其进行维修决策，如图1所示，具体步骤包括：
[0061]
步骤1：针对此台设备，设定“停机停堆大修”、“14天内完成消缺”、“每日进行观察监测”三类维修行为决策，记作维修行为决策集a＝{a1,a2,a3}，即a1表示停机停堆大修，a2表示14天内完成消缺，a3表示每日进行观察监测。
[0062]
步骤2：针对此台设备，评估确定影像维修决策的因素包括：“健康指标”、“节约人工”、“节约备件”、“安全裕度”四个因素，这些因素将影响维修行为决策结果。
[0063]
将确定的四个影响因素，记作维修行为属性集b＝{b1,b2,b3,b4}，即b1表示健康指
标，b2表示节约人工，b3表示节约备件，b4表示安全裕度。
[0064]
步骤3：根据维修行为属性集与维修行为决策集的相对影像程度，将维修行为属性划分为不同层级。
[0065]
维修行为属性根据影响程度分别划分为5个层级，不同层级的定义如下：
[0066]
(1)健康指标：健康指标由健康评价系统得出并赋予分值，对应不同健康得分划分属性层级：
[0067]
高：设备健康评分＞95分；
[0068]
较高：95分＜设备健康评分≤85分；
[0069]
一般：85分＜设备健康评分≤75分；
[0070]
较低：75分＜设备健康评分≤65分；
[0071]
低：设备健康评分≤65分。
[0072]
(2)人工成本：
[0073]
多：人工成本＞40人日；
[0074]
较多：25人日＜人工成本≤40人日；
[0075]
一般：7人日＜人工成本≤25人日；
[0076]
较少：0.5人日＜人工成本≤7人日；
[0077]
少：人工成本≤0.5人日。
[0078]
(3)备件成本：
[0079]
多：备件成本＞50万元；
[0080]
较多：30万元＜备件成本≤50万元；
[0081]
一般：10万元＜备件成本≤30万元；
[0082]
较少：1万元＜备件成本≤10万元；
[0083]
少：备件成本≤1万元。
[0084]
(4)安全裕度：
[0085]
高：维修行为对机组无影响；
[0086]
较高：维修行为导致24小时内状态回撤；
[0087]
一般：维修行为导致3天内状态回撤；
[0088]
较低：维修行为导致14天内状态回撤；
[0089]
低：维修行为导致停机停堆。
[0090]
步骤4：根据维修行为属性对维修行为决策的影响程度，确定各个维修行为属性的重要程度等级，记为权重集ω＝{ω1,ω2,ω3,ω4}，将权重等级划分为“重要”“较重要”“一般”“较不重要”“不重要”。
[0091]
步骤5：选用如图2所示的l-r型梯形模糊数隶属度分布曲线作为本实施例用于维修决策的模糊数隶属度分布曲线，增加模糊模拟过程的可信度，建立隶属函数模糊变量与维修行为属性及权重的对应关系
[0092]
步骤5.1：根据l-r型梯形模糊数隶属度函数分布曲线及l-r型梯形模糊数隶属度函数公式，将隶属度分布曲线对应函数的模糊变量，获得隶属函数模糊变量(m,n；β,γ)
[0093]
l-r型梯形模糊数隶属度函数公式如下所示，式中(m,n；β,γ)为隶属函数模糊变量。
[0094][0095]
根据图2的分布曲线，计算隶属函数模糊变量。
[0096]
对应图形1：
[0097][0098]
求得：m＝0；n＝0.2；β＝0；γ＝0.2。
[0099]
对应图形2：
[0100][0101]
求得：m＝0.3；n＝0.3；β＝0.15；γ＝0.15。对应图形3：
[0102][0103]
求得：m＝0.5；n＝0.5；β＝0.15；γ＝0.15。对应图形4：
[0104][0105]
求得：m＝0.7；n＝0.7；β＝0.15；γ＝0.15。
[0106]
对应图形5：
[0107][0108]
求得：m＝0.9；n＝1；β＝0.2；γ＝0。
[0109]
步骤5.2：建立隶属函数模糊变量与维修行为属性及权重的对应关系，对维修行为属性集进行层级划分并对权重集进行等级划分
[0110]
维修行为属性集及权重集赋值形式见表1。
[0111]
表1定性描述与模糊数隶属度分布函数对应关系
[0112][0113]
步骤6：将维修行为决策和维修行为属性的定性描述转换成模糊变量表示的定量指标，获得维修行为决策和维修行为属性的模糊决策矩阵。
[0114]
步骤6.1：对维修行为决策集中每个维修行为决策对应的各个维修行为属性逐一进行评估，获得维修行为决策和维修行为属性的定性评估结果，并获得权重的定性评估结果
[0115]
根据核电厂数据，针对维修行为决策集a＝{a1,a2,a3}获得评估结果：
[0116]
(1)此设备若“停机停堆大修”，健康指标将得到改观，但需要花费大量人力在停机停堆期间执行所有消缺工作，并且需要借用备件用于维修，检修期间机组失去安全裕度。
[0117]
(2)此设备若“14天内完成消缺”，健康指标可能得到改观，因只单独执行该检修工作，只需要花费少量人工及备件进行维修，检修期间机组失去安全裕度
[0118]
(3)此设备若“每日进行观察监测”，健康指标将得到改观，但只需花费很少的人力执行检测任务，且无需领用备件，监测期间机组安全裕度较高。
[0119]
加入权重的评估结果，具体详见表2。
[0120]
表2维修行为和属性集的评估结果
[0121][0122]
步骤6.2：根据步骤5.2建立的隶属函数模糊变量与维修行为属性及权重的对应关系，将维修行为决策和维修行为属性的定性评估结果以及权重的定性评估结果转换为维修行为决策和维修行为属性的模糊变量表示的定量指标
[0123]
步骤6.3：将维修行为属性集和维修行为决策集的模糊变量赋值为其中，i＝1,2,
…
,m；j＝1,2,
…
,n，获得维修行为决策和维修行为属性的模糊决策矩阵
[0124][0125]
通过表1和表2信息，列出模糊决策矩阵中各个模糊变量赋值，如表3所示
[0126]
表3维修行为的模糊决策矩阵中各个模糊变量赋值
[0127][0128]
步骤7：采用模糊加权方法对每个维修行为决策的权重ω和模糊变量赋值进行变换，求取每个维修行为决策的模糊决策向量
[0129]
每个维修行为决策的模糊决策向量的求取公式为：
[0130][0131]
例如，维修行为决策a1对应的模糊决策向量计算方法为：
[0132]
模糊决策矩阵内a1行对应的一维向量模糊变量赋值分别与对应的权重ωj做乘
法运算后求和，然后再除以权重ωj的总和，仍然得到一个一维向量。各个模糊决策向量的计算结果如下：
[0133][0134][0135][0136]
步骤8：对各个维修行为决策的模糊决策向量实施归一化处理，求得维修行为决策的模糊效用值，通过比较各个维修行为决策的模糊效用值大小，实现对各个维修行为决策的排序和择优。
[0137]
通过对模糊决策向量中每个分量进行平方根计算，对上述步骤7中取得的进行归一化处理，求得维修行为决策的模糊效用值，计算结果如下：
[0138][0139][0140][0141]
通过比较，各个维修行为决策的模糊效用值大小顺序为：a3＞a2＞a1，得出最优维修行为决策a
max
＝a3，既，此设备应采取“每日进行观察监测”。
[0142]
上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。

技术特征：
1.一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述方法包括以下步骤：步骤1：在对核电厂设备进行模糊多属性决策前，确定各类维修行为决策，形成维修行为决策集a＝{a1，a2...a
m
}；步骤2：对核电厂设备的各个零部件进行分析，判断每个零部件维修行为决策的影响因素，将维修行为决策的影响因素确定为维修行为属性集b＝{b1，b2...b
n
}；步骤3：根据维修行为属性集与维修行为决策集的相对影响程度，将维修行为属性划分为不同层级；步骤4：根据维修行为属性对维修行为决策的影响程度，利用层次分析法划分维修行为属性层级，确定各个维修行为属性的相对重要程度，即重要程度等级，记为权重集ω＝{ω1，ω2...ω
n
}；步骤5：选取适用于维修决策的模糊数隶属度分布曲线，建立隶属函数模糊变量与维修行为属性及权重的对应关系；步骤6：将维修行为决策和维修行为属性的定性描述转换成模糊变量表示的定量指标，获得维修行为决策和维修行为属性的模糊决策矩阵；步骤7：采用模糊加权方法对每个维修行为决策的权重ω
j
和模糊变量赋值进行变换，求取每个维修行为决策的模糊决策向量步骤8：对各个维修行为决策的模糊决策向量实施归一化处理，求得维修行为决策的模糊效用值，通过比较各个维修行为决策的模糊效用值大小，实现对各个维修行为决策的排序和择优。2.根据权利要求1所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤5包括：步骤5.1：根据模糊数隶属度函数分布曲线及模糊数隶属度函数公式，将隶属度分布曲线对应函数的模糊变量，获得隶属函数模糊变量；步骤5.2：建立隶属函数模糊变量与维修行为属性及权重的对应关系，对维修行为属性集进行层级划分并对权重集进行等级划分。3.根据权利要求2所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤5.1中适用于维修决策的模糊数隶属度分布曲线为：l-r型梯形模糊数隶属度函数分布曲线，模糊数隶属度函数公式为：l-r型梯形模糊数隶属度函数公式。4.根据权利要求2所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤6包括：步骤6.1：对每个维修行为决策对应的各个维修行为属性逐一进行评估，获得维修行为决策和维修行为属性的定性评估结果，并获得权重的定性评估结果；步骤6.2：根据步骤5.2建立的隶属函数模糊变量与维修行为属性及权重的对应关系，将维修行为决策和维修行为属性的定性评估结果以及权重的定性评估结果转换为维修行为决策和维修行为属性的模糊变量表示的定量指标；步骤6.3：将维修行为属性集和维修行为决策集的模糊变量赋值，获得维修行为决策和维修行为属性的模糊决策矩阵。
5.根据权利要求4所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤6.3中将维修行为属性集和维修行为决策集的模糊变量赋值为其中，i＝1,2,
…
,m；j＝1,2,
…
,n；维修行为决策和维修行为属性的模糊决策矩阵为：6.根据权利要求5所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤7中每个维修行为决策的模糊决策向量的求取公式为：7.根据权利要求6所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤8中归一化处理的计算方法为对模糊决策向量中每个分量进行平方根计算，求得维修行为决策的模糊效用值。8.根据权利要求1所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤1中维修行为决策集包括：停机停堆大修、14天内完成消缺、每日进行观察监测。9.根据权利要求1所述的一种基于模糊多属性决策的核电厂设备状态维修决策方法，其特征在于，所述步骤2中维修行为属性集包括：健康指标、节约人工、节约备件、安全裕度。

技术总结
本发明属于核电检修技术领域，具体涉及一种基于模糊多属性决策的核电厂设备状态维修决策方法，包括：确定各类维修行为决策，形成维修行为决策集A＝{A1，A2...A


技术研发人员：陈国才 韩文悦 施卫华 王运喜 詹瑜滨 崔运佳 连金彬 高攀
受保护的技术使用者：中核国电漳州能源有限公司
技术研发日：2023.03.03
技术公布日：2023/7/12