汽轮机超速保护系统的可靠度预测方法及装置制造方法及图纸

本发明专利技术公开了一种汽轮机超速保护系统的可靠度预测方法及装置，涉及可靠性评估技术领域，该方法根据系统一段时间内的多个第一特征参数集训练用于预测汽轮机超速保护系统的可靠度的回归神经网络模型；获取系统在第一时刻的第二初始特征参数集；将第二初始特征参数集输入至训练好的回归神经网络模型，得到第二时刻的系统的可靠度。本发明专利技术公开的汽轮机超速保护系统的可靠度预测方法及装置，实现多故障并发状态下该汽轮机超速保护系统可靠度的动态预测。

Reliability prediction method and device of turbine overspeed protection system

【技术实现步骤摘要】
汽轮机超速保护系统的可靠度预测方法及装置
本专利技术涉及可靠性评估
，特别涉及一种汽轮机超速保护系统的可靠度预测方法及装置。
技术介绍
汽轮机超速保护系统是核电机组安全运行的重要保障，其可靠动作由系统中各设备的有效动作共同支撑，其中任一设备发生故障都可能引起系统可靠度降低，甚至导致系统无法动作。且随着汽轮机组长期运行，各设备可能会出现不同程度的多种故障，对系统产生不同程度的影响。通过对汽轮机超速保护系统在多种故障状态下可靠度的预测，不仅可以保障机组安全稳定运行，还可以为系统维护提供可靠建议，提高系统运行经济效益。相关技术中，核电汽轮机超速保护系统可靠性研究多基于理论分析和工程研究，从而对系统的维护和改进提出合理建议。在实现本专利技术的过程中，专利技术人发现相关技术至少存在以下问题：传统的可靠性分析方法不能对核电汽轮机超速保护系统的可靠度进行动态预测。
技术实现思路
本专利技术实施例提供了一种汽轮机超速保护系统的可靠度预测方法及装置，能够实现多故障并发状态下汽轮机超速保护系统的可靠度预测。具体技术本文档来自技高网...

【技术保护点】
1.一种汽轮机超速保护系统的可靠度预测方法，其特征在于，包括：/n根据所述系统一段时间内的多个第一特征参数集训练用于预测汽轮机超速保护系统的可靠度的回归神经网络模型；/n获取所述系统在第一时刻的第二初始特征参数集；/n将所述第二初始特征参数集输入至训练好的所述回归神经网络模型，得到第二时刻的所述系统的可靠度。/n

【技术特征摘要】
1.一种汽轮机超速保护系统的可靠度预测方法，其特征在于，包括：
根据所述系统一段时间内的多个第一特征参数集训练用于预测汽轮机超速保护系统的可靠度的回归神经网络模型；
获取所述系统在第一时刻的第二初始特征参数集；
将所述第二初始特征参数集输入至训练好的所述回归神经网络模型，得到第二时刻的所述系统的可靠度。


2.根据权利要求1所述的方法，其特征在于，所述根据所述系统一段时间内的多个第一特征参数集训练用于预测汽轮机超速保护系统的可靠度的回归神经网络模型，包括：
获取所述系统一段时间内不同采样时刻对应的第一特征参数集及对应的所述系统的可靠度；
将所述多个第一特征参数集按其对应的采样顺序输入所述回归神经网络模型，以对应的所述系统的可靠度作为目标输出，对所述回归神经网络模型进行训练。


3.根据权利要求2所述的方法，其特征在于，所述获取所述系统一段时间内不同采样时刻对应的第一特征参数集，包括：
确定所述系统当前采样时刻发生故障的关键设备；
获取所述发生故障的关键设备对应的多个第一初始特征参数集；
根据所述发生故障的关键设备确定所述多个第一初始特征参数集对应的模糊权值矩阵；
根据所述模糊权值矩阵和所述多个第一初始特征参数集确定当前采样时刻对应的第一特征参数集。


4.根据权利要求3所述的方法，其特征在于，所述根据所述发生故障的关键设备确定所述多个第一初始特征参数集对应的模糊权值矩阵，包括：
获取关键设备与所述模糊权值矩阵的对应关系；
根据所述对应关系确定所述多个第一初始特征参数集对应的模糊权值矩阵。


5.根据权利要求4所述的方法，其特征在于，获取关键设备与所述模糊权值矩阵的对应关系之前，还包括：
确定每个所述关键设备对应的模糊权值矩阵；
预先建立所述关键设备与所述模糊权值矩阵的对应关系。


6.根据权利要求5所述的方法，其特征在于，所述确定每个所述关键设备对应的模糊权值矩阵，包括：
确定每个所述关键设备对应的多个所述第一初始特征参数集中每个所述第一初始特征参数集所对应的故障种类；
根据每个关键设备的每种故障种类对应的第一初始特征参数集得到每个关键设备的每个故障种类的第一隶属度矩阵；
将每个关键设备的...

【专利技术属性】
技术研发人员：吴志钢，魏振华，陈思沛，林令知，陈雯，
申请(专利权)人：国核电力规划设计研究院有限公司，
类型：发明
国别省市：北京;11