多机组核电厂动态人因可靠性分析方法与装置制造方法及图纸

多机组核电厂动态人因可靠性分析方法包括：步骤一、利用动态事件树对人因失误事件建模，并对多机组核电厂操纵员的人因失误进行分析，确定人因失误类型以及潜在的人因失误；步骤二、基于贝叶斯网络与数据指引型建模技术构建人因失误因果模型，再利用该模型计算各类人因失误的名义人误概率；步骤三、基于反问题数值求解方法建立行为形成因子关于时间变量的函数，再根据所得到的函数关系式建立动态人因失误概率的计算格式；步骤四、利用系统动力学对步骤一中所建模型中的动态反馈回路进行分析，并结合步骤二中的计算结果以及步骤三中建立的动态人因失误概率的计算格式，构建动态可靠性定量分析模型，计算人因可靠性定量计算值。

【技术实现步骤摘要】
多机组核电厂动态人因可靠性分析方法与装置
本专利技术涉及人因工程
，特别涉及一种多机组核电厂动态人因可靠性分析方法与装置。
技术介绍
传统的人因可靠性分析（HRA）主要针对单个机组的操纵员或操纵班组进行可靠性评价，在考虑多机组整体风险时也只是简单叠加各单个机组的风险，而并未过多地考虑核电厂各机组之间的关联性、设备和系统的共用情况、不同机组操纵员行为之间的相关性、以及始发事件在各机组之间产生的联动效应等，因此在面对多机组HRA问题时，传统的HRA方法或将不再适用。多机组运行模式对人员行为的影响可以通过三个方面来体现：一是可以通过共享硬件设备的方式体现，例如，多机组之间共用设备；二是可以通过类似硬件共因失效(CommonCauseFailure,CCF)的方式体现，例如，不同操纵员在不同反应堆机组中执行相同任务；三是可以通过共享环境的方式体现，例如，多个机组的操纵员共用同一主控室。就目前我国运行核电厂的实际情况而言，多机组对人员行为的影响更多的是表现在第二个方面。此外，相较于单机组运行模式，多机组在资源分配、不同机组操纵员之间的恢复支持、以及应急响应组织等方面对操纵员的影响也存在实质性的差异。对于多机组核电厂HRA而言，现行HRA方法主要存在以下不足：(1)缺乏能够表征多机组运行特征的认知可靠性模型和人因失误因果模型；(2)现行HRA方法中对PSFs的处理方式无法满足多机组运行模式下的任务分析要求；(3)对人因失误事件（HumanFailureEvent,HFE）的建模大多采用静态的建模技术，如决策树和事件树，这样的建模技术无法真实、准确地反映HFE随时间的演变历程（尤其是在极端事故条件下）；(4)现有HRA定量计算模型的动态性、预测性和回溯性不足，功能结构普遍单一。因此，如何将核电厂HRA的分析范围从单个机组层面扩大至多机组层面，进而保证分析结果的完整性和精确性已成为人因可靠性分析亟待解决的重要课题。
技术实现思路
本专利技术的目的之一是提供一种新的人因可靠性分析方法来解决多机组核电厂动态人因可靠性分析问题，实现了将核电厂HRA的分析范围从单个机组层面扩大至多机组层面，保证了分析结果的完整性和精确性。为了实现上述目的，本专利技术采用如下技术方案：一种多机组核电厂动态人因可靠性分析方法，包括：步骤一、利用动态事件树DET对人因失误事件建模，并对多机组核电厂操纵员的人因失误进行分析，确定多机组核电厂的人因失误类型以及潜在的人因失误；步骤二、确定与多机组核电厂操纵员人因失误相关的行为形成因子PSFs，利用人工神经网络分析行为形成因子与各类型人因失误之间的映射关系，并基于贝叶斯网络BN与数据指引型建模技术构建人因失误因果模型，再利用该模型计算各类人因失误的名义人误概率HNEP；步骤三、基于反问题数值求解方法建立行为形成因子关于时间变量的函数，再根据所得到的函数关系式建立动态人因失误概率HEP的计算格式；步骤四、利用系统动力学对步骤一所建模型中包含“监视-诊断-决策-执行”的动态反馈回路进行分析，并结合步骤二中的计算结果以及步骤三中建立的动态人因失误概率的计算格式，构建综合集成“BN+DET+SD”的动态可靠性定量分析模型，对多机组核电厂动态人因可靠性定量计算，得到最终的人因可靠性定量计算值。进一步地，上述方法还包括：步骤五、基于蒙特卡洛仿真，并在贝叶斯理论的基础上结合Metropolis抽样算法，对步骤五中所建立的动态可靠性定量分析模型的参数进行不确定性定量。进一步地，前述步骤一中对所述多机组核电厂操纵员的人因失误进行分析时包括：识别多机组核电厂操纵员的认知行为特征：先识别多机组核电厂主控室操纵员的认知行为过程，再辨识操纵员认知过程中所包含的具体认知行为及表征，最后结合认知行为过程以及具体认知行为及表征确定出包括认知类型、认知要素和认知历程在内的操纵员认知行为特征；基于认知功能模型的人因失误分类：在操纵员的认知行为过程中内嵌认知功能模型来分解复杂任务，再根据最表层任务的认知功能模型来进行人因失误分类，包括基于可观察到的错误行为特征进行行为失误分类以及基于认知机理的假设和理论上的推理进行认知失误分类；确定人误因果关系：从“组织-情境状态-人员个体”的层面确定其与人因失误之间的影响关系及失误传递机制。进一步地，前述步骤二中，确定与多机组核电厂操纵员人因失误相关的行为形成因子PSFs时，首先，搜集国内外多机组运行事件报告；其次，搜集有关多机组核电厂风险评估的研究报告；然后，对所搜集的资料进行数据挖掘，基于步骤一中确定的人误因果关系，识别与多机组核电厂操纵员人因失误相关的PSFs；最后，从操纵员的心理负荷、认知负荷、以及体力负荷三个维度来对PSFs集进行补充和完善；利用人工神经网络分析行为形成因子与各类型人因失误之间的映射关系时，首先，对每一份多机组运行事件报告进行根本原因分析并获得与该事件相关的PSFs；然后，将PSFs集视为输入变量，人因失误视为输出变量，对所有事件报告相对应的输入和输出变量用二值逻辑的数组存储起来；最后，基于人工神经网络分析所获得的数据样本，进而得到PSFs因子与人因失误之间的映射关系；基于贝叶斯网络BN与数据指引型建模技术构建人因失误因果模型时，首先，对PSFs因子进行相关性分析，并结合PSFs与人因失误的映射关系，通过GeNIe分析软件筛选并确定与人因失误关联度较高的因子作为模型中的节点变量；然后，对所搜集的人因事件报告进行统计分析，获得各根节点的先验概率，结合仿真实验和模拟机实验的数据统计分析获取各中间节点变量的条件概率分布；最后，基于贝叶斯网络建立具有回溯性的数据指引型人因失误因果模型。再进一步地，前述步骤三中，基于反问题数值求解方法建立行为形成因子关于时间变量的函数时，首先，针对不同的始发事件，预先设定该事件序列中的实验观测点；然后，对模拟机实验和仿真实验的过程进行分析，以获取在每个实验序列观测点上PSFs的状态；最后，采用最小二乘法和Tikhonov正则化方法进行数据拟合及优化求解，得到行为形成因子关于时间变量的函数。更进一步地，在识别所述多机组核电厂操纵员的认知行为特征时：通过现场观察、操纵员访谈以及文献调研识别多机组核电厂主控室操纵员的认知行为过程；利用数据挖掘和文本挖掘技术，对所搜集的多机组运行事件报告和文献资料进行深度挖掘分析，辨识操纵员认知过程中所包含的具体认知行为及表征。优选地，在确定所述与多机组核电厂操纵员人因失误相关的行为形成因子PSFs时：通过国家核安全局经验反馈平台和世界核电运营者协会经验反馈平台搜集国内外多机组运行事件报告；搜集来自IAEA、NRC、KAERI、美国核电运行研究院以及美国电力研究院有关多机组核电厂风险评估的研究报告；利用主成分分析、相关性分析、关联规则分析和因子分析技术对所搜集的资料进行数据挖掘，基于步骤一中确定的人误因果关系，识别与多机组核电厂操纵员人因失误相关的PSFs；在对上述资料进行分析挖掘的基础上，辅以人因工程实验研究，利用脑电图和事件相关电位的实验研究手段，从操纵员的心理负荷、认知负荷、以及体力负荷三个维度来对PSFs集进行补充和完善。本专利技术的目的之二是提供一种多机组核电厂动态人因可靠性分析装置，其包括：识别模块：所述识别模块中嵌入本文档来自技高网...

【技术保护点】
1.多机组核电厂动态人因可靠性分析方法，其特征在于，包括：步骤一、利用动态事件树对人因失误事件建模，并对多机组核电厂操纵员的人因失误进行分析，确定多机组核电厂的人因失误类型以及潜在的人因失误；步骤二、确定与多机组核电厂操纵员人因失误相关的行为形成因子，利用人工神经网络分析行为形成因子与各类型人因失误之间的映射关系，并基于贝叶斯网络与数据指引型建模技术构建人因失误因果模型，再利用该模型计算各类人因失误的名义人误概率；步骤三、基于反问题数值求解方法建立行为形成因子关于时间变量的函数，再根据所得到的函数关系式建立动态人因失误概率的计算格式；步骤四、利用系统动力学对步骤一所建模型中包含“监视‑诊断‑决策‑执行”的动态反馈回路进行分析，并结合步骤二中的计算结果以及步骤三中建立的动态人因失误概率的计算格式，构建综合集成“贝叶斯网络+动态事件树+系统动力学”的动态可靠性定量分析模型，对多机组核电厂动态人因可靠性定量计算，得到最终的人因可靠性定量计算值。

【技术特征摘要】
1.多机组核电厂动态人因可靠性分析方法，其特征在于，包括：步骤一、利用动态事件树对人因失误事件建模，并对多机组核电厂操纵员的人因失误进行分析，确定多机组核电厂的人因失误类型以及潜在的人因失误；步骤二、确定与多机组核电厂操纵员人因失误相关的行为形成因子，利用人工神经网络分析行为形成因子与各类型人因失误之间的映射关系，并基于贝叶斯网络与数据指引型建模技术构建人因失误因果模型，再利用该模型计算各类人因失误的名义人误概率；步骤三、基于反问题数值求解方法建立行为形成因子关于时间变量的函数，再根据所得到的函数关系式建立动态人因失误概率的计算格式；步骤四、利用系统动力学对步骤一所建模型中包含“监视-诊断-决策-执行”的动态反馈回路进行分析，并结合步骤二中的计算结果以及步骤三中建立的动态人因失误概率的计算格式，构建综合集成“贝叶斯网络+动态事件树+系统动力学”的动态可靠性定量分析模型，对多机组核电厂动态人因可靠性定量计算，得到最终的人因可靠性定量计算值。2.根据权利要求1所述的多机组核电厂动态人因可靠性分析方法，其特征在于，还包括：步骤五、基于蒙特卡洛仿真，并在贝叶斯理论的基础上结合Metropolis抽样算法，对步骤五中所建立的动态可靠性定量分析模型的参数进行不确定性定量。3.根据权利要求1或2所述的多机组核电厂动态人因可靠性分析方法，其特征在于，步骤一中对所述多机组核电厂操纵员的人因失误进行分析时包括：识别多机组核电厂操纵员的认知行为特征：先识别多机组核电厂主控室操纵员的认知行为过程，再辨识操纵员认知过程中所包含的具体认知行为及表征，最后结合认知行为过程以及具体认知行为及表征确定出包括认知类型、认知要素和认知历程在内的操纵员认知行为特征；基于认知功能模型的人因失误分类：在操纵员的认知行为过程中内嵌认知功能模型来分解复杂任务，再根据最表层任务的认知功能模型来进行人因失误分类，包括基于可观察到的错误行为特征进行行为失误分类以及基于认知机理的假设和理论上的推理进行认知失误分类；确定人误因果关系：从“组织-情境状态-人员个体”的层面确定其与人因失误之间的影响关系及失误传递机制。4.根据权利要求3所述的多机组核电厂动态人因可靠性分析方法，其特征在于，在步骤二中，确定与多机组核电厂操纵员人因失误相关的行为形成因子时，首先，搜集国内外多机组运行事件报告；其次，搜集有关多机组核电厂风险评估的研究报告；然后，对所搜集的资料进行数据挖掘，基于步骤一中确定的人误因果关系，识别与多机组核电厂操纵员人因失误相关的行为形成因子；最后，从操纵员的心理负荷、认知负荷、以及体力负荷三个维度来对行为形成因子集进行补充和完善；利用人工神经网络分析行为形成因子与各类型人因失误之间的映射关系时，首先，对每一份多机组运行事件报告进行根本原因分析并获得与该事件相关的行为形成因子；然后，将行为形成因子集视为输入变量，人因失误视为输出变量，对所有事件报告相对应的输入和输出变量用二值逻辑的数组存储起来；最后，基于人工神经网络分析所获得的数据样本，进而得到行为形成因子与人因失误之间的映射关系；基于贝叶斯网络BN与数据指引型建模技术构建人因失误因果模型时，首先，对行为形成因子进行相关性分析，并结合行为形成因子与人因失误的映射关系，通过GeNIe分析软件筛选并确定与人因失误关联度较高的因子作为模型中的节点变量；然后，对所搜集的人因事件报告进行统计分析，获得各根节点的先验概率，结合仿真实验和模拟机实验的数据统计分析获取各中间节点变量的条件概率分布；最后，基于贝叶斯网络建立具有回溯性的数据指引型人因失误因果模型。5.根据权利要求4所述的多机组核电厂动态人因可靠性分析方法，其特征在于，在步骤三中，基于反问题数值求解方法建立行为形成因子关于时间变量的函数时，首先，针对不同的始发事件，预先设定该事件序列中的实验观测点；然后，对模拟机实验和仿真实验的过程进行分析，以获取在每个实验序列观测点上行为形成因子的状态；最后，采用最小二乘法和Tikhonov正则化方法进行数据拟合及优化求解，得到行为形成因子关于时间变量的函数。6.根据权利要求5所述的多机组核电厂动态人因可靠性分析方法，其特征在于，在识别所述多机组核电厂操纵员的认知行为特征时：通过现场观察、操纵员访谈以及文献调研识别多机组核电厂主控室操纵员的认知行为过程；利用数据挖掘和文本挖掘技术，对所搜集的多机组运行事件报告和文献资料进行深度挖掘分析，辨识操纵员认知过程中所包含的具体认知行为及表征。7.根据权利要求6所述的多机组核电厂动态人因可靠性分析方法，其特征在于，在确定所述与多机组核电厂操纵员人因失误相关的行为形成因子时：通过...

【专利技术属性】
技术研发人员：邹衍华，张力，徐茜，贾惠侨，刘建桥，毛珂，
申请(专利权)人：湖南工学院，
类型：发明
国别省市：湖南,43