基于贝叶斯分类器的核电厂事故诊断方法研究

目前在核电厂事故诊断方面所使用的人工智能技术如神经网络等,难以同时具备较好的鲁棒性和可解释性,本研究提出基于贝叶斯分类器的核电厂事故诊断方法,并进一步将贝叶斯分类器细化为离散型朴素贝叶斯分类器、高斯型朴素贝叶斯分类器和贝叶斯网络3种,将这3种贝叶斯分类器用于核电厂事故诊断,并进行性能对比。研究结果表明：基于贝叶斯分类器的诊断方法将知识驱动和数据驱动相结合,具有较强的鲁棒性和可解释性。3种分类器中,高斯型朴素贝叶斯方法诊断在诊断准确率、诊断效率、事故破口尺寸诊断精度和事故可诊断的种类方面具有显著优势。     

基于贝叶斯MCMC方法的高斯烟羽模型不确定性分析

适当的大气扩散模型对于核电厂假想事故的后果评价是必要的,对其进行参数不确定性分析对于提高模型预测的可信度具有重要的意义。相比于传统的不确定性分析方法,贝叶斯方法充分考虑了已有的观测数据,马尔科夫链蒙特卡罗方法(Markov Chain Monte Carlo,MCMC)可以方便地将贝叶斯方法和高斯烟羽模型相结合。首先使用一次改变一个变量值的方法分析模型对几个重要参数的敏感性,然后选择敏感性最大的两个参数使用贝叶斯MCMC方法进行了不确定性分析。通过分析MCMC样本序列,得到了观测值的最优拟合及模拟结果的置信区间。贝叶斯方法能获得更可靠的置信区间,从而为事故后应急响应提供更好的参考数据。     

基于时序深度学习模型的安全壳关键参数快速预测研究

主蒸汽管道断裂（MSLB）事故威胁核电厂安全运行。本文基于时序深度学习模型预测核电厂非能动安全壳冷却系统（PCCS）在MSLB事故下关键安全参数随时间变化的瞬态响应。以瞬态安全参数为研究对象,数据通过线性归一化、特征标签分割预处理,使用短期数据集训练,采用长短时记忆网络（LSTM）和循环神经网络（RNN）建立单参量与多参量协同的时序深度学习模型;由多参量协同模型预测未经训练的长期数据集。研究表明:在同类事故、不同工况下,基于时序深度学习模型的预测具有适用性;基于训练短期数据来预测长期数据方法可行;使用LSTM的单参量模型或多参量协同模型的预测精度比RNN更高,基于LSTM深度学习模型能够有效、高精度快速预测MSLB事故下PCCS瞬态安全参数响应特性, 可为事故安全分析提供快速预测分析。      

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

核电厂故障特征复杂多样,具有不确定性.提出一种基于粗糙集理论和支持向量机(SVM)算法的核电厂故障诊断方法.该方法运用粗糙集理论完成对不确定、不完整数据的约简,然后在此基础上设计SVM多级分类器进行故障诊断.最后,将该方法用于核电厂蒸汽发生器传热管破损、冷端破口、汽相破口、热阱丧失等4种典型故障的诊断.研究表明,该方法能够实现对核电厂故障的快速准确诊断.     

本构模型不确定性评价结构化方法开发及应用

最佳估算加不确定性（BEPU）方法被国际原子能机构（IAEA）推荐用于核电厂安全分析,目前已成为核电厂执照申请的主流方法。典型BEPU方法依赖于最佳估算程序将输入参数的不确定性传播至输出,而程序本构模型的不确定性则往往没有得到适当考虑。本研究提出了一种结构化方法用于评价程序本构模型的不确定性,基于该方法对本构模型按照特征进行分类,针对不同模型类型采用不同评价方法。本研究使用的模型评价方法包括前向方法中的非参数曲线估计法以及反向方法中的贝叶斯校准法和覆盖率校准法,此外还包含替代模型的构建方法。使用该结构化方法量化了失水事故中重要模型的不确定性,并将量化的模型不确定性通过抽样计算传播至包壳峰值温度。结果表明,抽样计算值和实验值均小于保守计算值,考虑了模型不确定性后的传播计算结果能够很好地包络实验值,且考虑模型不确定性后能够有效增加安全裕量。      

CEPR状态导向法事故规程自动诊断策略

核电厂在进入事故运行规程之前都要进行诊断,由诊断规程引导操纵员进入事故规程。当前,国内现役核电厂均采用人工诊断方式。采用第3代中国先进压水堆(CEPR)的台山核电厂采用最新的技术——自动诊断策略。本文对核电厂处理事故时采用的2种诊断方式进行简单比较,并着重对自动诊断逻辑流程作了详细的介绍,分析核电厂采用自动诊断策略的可行性和优越性。     

考虑人因的核电厂主控室认知可靠性模型研究

面对传统认知因素及认知建模所存在的缺陷,以核电厂主控室为参考背景,以人因为关键点,提出了一种基于贝叶斯网络的认知可靠性分析模型.该模型重点分析了影响认知可靠性的人因,对认知节点及认知节点所对应的影响因素提出了一系列方法及相应函数公式来计算认知可靠性.该模型及方法可以应用于核电厂主控室操作人员认知过程的评价.     

利用可信性模糊回归模型研究核电厂操纵员事故响应时

利用模糊数学中的模糊数概念,采用可信性模糊回归模型研究核电厂操纵员的事故响应.对影响操纵员事故响应时间的绩效形成因子PSF进行了定量化的分析,得到了核电厂操纵员事故响应时间的可信性模糊回归模型定量计算公式.对所得到的结论进行了相应的分析,说明了在小样本情况下所采用研究方法的正确性.研究方法不仅对核电厂的安全运行可以提供相应的参考借鉴而且可以推广到其他研究领域.     

基于SOP的核电厂操纵员监视过程马尔可夫模型

介绍了核电厂状态导向法事故规程SOP(State-oriented Procedure)原理及其重要性,描述了数字化主控室中操纵员跟随SOP处理电厂事故的流程,据此刻画了基于SOP的核电厂操纵员监视行为过程,建立了符合DCS+SOP环境的马尔可夫模型,并给出了核电厂的应用实例。     

新建核电厂设计扩展工况中复杂事故序列的确定方法研究

根据国际原子能机构安全要求SSR-2/1和轻水堆核电厂欧洲用户要求(EUR),新设计核电厂需要考虑设计扩展工况,包括复杂事故序列和严重事故。国内、外核安全法规和技术标准没有给出确定设计扩展工况中复杂事故序列的具体方法。本文系统分析和研究了设计扩展工况中复杂事故序列的确定方法,提出基于核安全法规、导则和技术标准要求,基于概率安全评价(PSA)的风险见解,基于工程判断和基于类似核电厂设计经验四种具体方法,并应用于防城港核电厂3号、4号机组工程设计。本方法可用于指导新建核电厂设计,合理选择复杂事故序列和开展相关的安全特征设计,以进一步提高核电厂的安全水平。     

基于Adaboost算法的核电站故障诊断方法

针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于Adaboost算法设计了一种可使核电站控制系统自主识别故障类型的机器学习算法模型,该算法模型通过为集成学习的各种故障识别算法合理分配权重系数,提升集成学习整体算法对核电站事故类型的识别精度和算法可靠性。同时测试结果表明Adaboost算法对7种典型的核电站运行或事故工况的平均识别正确率可达95%以上;而且当事故发生150 s后,识别正确率可达100%。因此基于Adaboost算法的基学习器整合方法可用于优化集成学习的算法结构,提高算法对核电站事故类型的识别精度。      

考虑人因的面向对象贝叶斯网络概率安全评估模型

人因对系统安全的影响日益突出,但现有的概率安全评估方法对其重视不足.本文建立了一种考虑人因的面向对象贝叶斯网络概率安全评估模型.该模型将人因整合到已有的事件序列图框架中,然后构建面向对象贝叶斯网络模型中的类,并转化为潜在贝叶斯网络进行推理,最后将推理结果整合到事件序列图中进行概率安全评估.利用该模型对核电站失水事故进行了分析,结果表明,该模型不仅适用于实时情境评估的情形,还适用于积累了一定量信息之后的情境评估.由于采用了面向对象的建模思想,有效地降低了建模的复杂程度,非常适用于大型复杂系统安全性建模分析.     

SAMEX: A severe accident management support expert

A decision support system for use in a severe accident management following an incident at a nuclear power plant is being developed which is aided by a severe accident risk database module and a severe accident management simulation module. The severe accident management support expert (SAMEX) system can provide the various types of diagnostic and predictive assistance based on the real-time plant specific safety parameters. It consists of four major modules as sub-systems: (a) severe accident risk data base module (SARDB), (b) risk-informed severe accident risk data base management module (RI-SARD), (c) severe accident management simulation module (SAMS), and (d) on-line severe accident management guidance module (on-line SAMG). The modules are integrated into a code package that executes within a WINDOWS XP operating environment, using extensive user friendly graphics control. In Korea, the integrated approach of the decision support system is being carried out under the nuclear R&D program planned by the Korean Ministry of Education, Science and Technology (MEST). An objective of the project is to develop the support system which can show a theoretical possibility. If the system is feasible, the project team will recommend the radiation protection technical support center of a national regulatory body to implement a plant specific system, which is applicable to a real accident, for the purpose of immediate and various diagnosis based on the given plant status information and of prediction of an expected accident progression under a severe accident situation.     

基于神经网络方法的LOCA事故诊断

冷却剂丧失事故(Loss of Coolant Accident,LOCA)是核电厂安全分析中的一类典型事故,不同的破口位置和破口尺寸将直接影响到事故的处置和后果。为判断LOCA事故的破口位置和尺寸,可以借助于神经网络的模式识别功能。针对CPR1000核电系统,利用CATHARE软件建模并仿真不同破口位置和尺寸的LOCA事故,提取事故发生时的6类热工水力参数对BP(Back Propagation)神经网络、Elman神经网络、RBF(Radial Basis Function)神经网络和支持向量机进行训练,再将训练后的神经网络用于破口位置和尺寸的诊断。结果表明,在4种神经网络中,参数优化后的支持向量机对破口位置和尺寸的诊断准确率较高且诊断稳定性较好。在LOCA事故发生时,可以利用支持向量机获取破口的详细信息,辅助操纵员高效地处理事故。     

基于粗糙决策模型的核电厂故障诊断方法

将粗糙集和信息熵相结合,提出了改进的决策树ID3算法,并提出了基于此算法和粗糙集约简算法的故障诊断方法.将该方法用于核电厂故障诊断.结果表明,该方法具有良好的故障诊断性能,可在核电厂故障诊断领域中应用.     

基于事件触发机制的核电站智能诊断专家系统置信规则库的研究

为提高核电站故障诊断的准确性和及时性,提出采用以核电站主要设备运行参数的报警状态为事件的触发机制对核电站设备故障进行诊断,利用核电站相关运行参数的信息集合建立事件触发下的核电站智能诊断专家系统置信规则库,而构建规则库采用故障机理模型与核电模型等相结合的方式,即在故障引起的报警下进行描述故障的征兆集合提取、规则的表示和规则变量的设定。通过在核电模型中人为引入故障,利用基于事件触发机制的核电站智能诊断专家系统进行故障诊断。诊断结果表明,本系统诊断出的故障类型与在核电模型中引入的故障类型一致,验证了本系统诊断结果的准确性,证明了此规则库的有效性和可行性。     

基于多分类SVM的船用核动力装置主回路系统破口特征诊断技术研究

失水事故发生时,在事故初期判断出事故类型对操纵员安全操作意义重大,为此提出一种基于监控参数的失水事故类型判断方法。该方法根据事故发生后13 s内监控参数的变化速率与破口类型的对应关系,提取故障征兆,建立事故判断模型,并根据建立的模型使用支持向量机分类的方法进行破口事故类型判断。试验结果表明,该方法在事故发生初期可准确、有效地判断出典型失水事故的破口尺寸和相对位置。     

核电站混合式故障诊断系统的开发和评价

提出了一种基于规则和人工神经网络的混合式故障诊断方法，用于在线诊断核事故。基于规则的诊断方法用于事故类型的识别，人工神经网络用于准确判断事故的具体位置以及严重程度等基于规则难以诊断的信息。正常工况下的仿真试验验证了该方法的有效性。