【技术实现步骤摘要】
一种核电站实时风险动态建模分析系统
本专利技术涉及核能系统的实时风险监测的建模与分析领域,具体来说是一种核电站实时风险动态建模分析系统,也适用于一般复杂系统的安全分析。
技术介绍
核能系统(如核电站、实验堆等)在运行等阶段中需要对系统总体风险进行实时的评价分析,从而及时发现系统中的薄弱环节并判断系统可能产生的异常或潜在事故,进而对系统进行维修与改进。最终在把系统风险控制在一定范围内的前提下,完成系统任务。目前,核电站中通常采用PRA(ProbabilisticRiskAssessment概率风险评价)技术对电厂系统的可靠性和风险进行评价分析,而PRA技术中最常用的方法就是故障树分析(FaultTreeAnalysis,FTA)与事件树分析(EventTreeAnalysis,ETA)方法。同时,一般采用基于“小事件树-大故障树”方法和“顶层逻辑(Top-logic)大故障树”方法,对风险评价模型中的故障树和事件树进行整合,这不可避免的会涉及共因失效模型、边界条件集、故障树转换页等在内的多种建模分析方法与技术。二十世纪后期,研究人员基于PRA发展了知风险决策(RID,RiskInformedDecision),将概率风险评价与传统的确定论安全分析方法进行综合,从而利用概率论来消除确定论方法中过于依赖工程经验判断和计算结果保守缺点,最终达到科学决策目的。自美国核管会推动知风险决策实施之后,美国核电站不仅显著提高安全性,而且较大幅度改善了经济性。核电站实时风险监测方法与技术是知风险决策的重要体现和支持工具, ...
【技术保护点】
1.一种核电站实时风险动态建模分析系统,其特征在于,包括:部件/设备风险贡献分析器、数据来源分析器、实时风险监测建模器和实时风险监测模型分析器;/n部件/设备风险贡献分析器:对给定的一个核能系统,采用风险贡献排序方法,对此核能系统的实时风险监测模型涉及的所有部件/设备进行风险贡献的计算和排序,得到每个部件/设备正常运行或故障对整个核能系统的风险水平影响的大小排序列表;供实时风险监测建模器使用;/n数据来源分析器:对给定的一个核能系统,根据实时风险监测模型中涉及的数据来源的设备类型、固有时间特性和周期,进行数据来源的分类与排序,得到每个数据来源所需要的更新时间的大小排序列表;供实时风险监测建模器使用;/n实时风险监测建模器:基于“小事件树-大故障树”方法和“顶层逻辑(Top-logic)大故障树”方法,对实时风险监测模型中的故障树和事件树进行整合;综合风险贡献排序和数据来源排序结果,采用包括共因失效模型重建、恢复分析、扩展模型子库、多重边界条件集、多重故障树转换页在内的方法,对实时风险监测模型进行构建、存储与动态修改更新,得到给定核能系统的实时风险监测模型;供实时风险监测模型分析器使用; ...
【技术特征摘要】 【专利技术属性】
1.一种核电站实时风险动态建模分析系统,其特征在于,包括:部件/设备风险贡献分析器、数据来源分析器、实时风险监测建模器和实时风险监测模型分析器;
部件/设备风险贡献分析器:对给定的一个核能系统,采用风险贡献排序方法,对此核能系统的实时风险监测模型涉及的所有部件/设备进行风险贡献的计算和排序,得到每个部件/设备正常运行或故障对整个核能系统的风险水平影响的大小排序列表;供实时风险监测建模器使用;
数据来源分析器:对给定的一个核能系统,根据实时风险监测模型中涉及的数据来源的设备类型、固有时间特性和周期,进行数据来源的分类与排序,得到每个数据来源所需要的更新时间的大小排序列表;供实时风险监测建模器使用;
实时风险监测建模器:基于“小事件树-大故障树”方法和“顶层逻辑(Top-logic)大故障树”方法,对实时风险监测模型中的故障树和事件树进行整合;综合风险贡献排序和数据来源排序结果,采用包括共因失效模型重建、恢复分析、扩展模型子库、多重边界条件集、多重故障树转换页在内的方法,对实时风险监测模型进行构建、存储与动态修改更新,得到给定核能系统的实时风险监测模型;供实时风险监测模型分析器使用;
实时风险监测模型分析器:针对实时风险监测模型,首先对多重边界条件集进行单一取值化处理,采用动态链接的方式完成多重故障树转换页与扩展模型子库的处理;再进行故障树化简,简化包括多种复杂逻辑门向“与门”“或门”的转换、重复逻辑门和基本事件的删减与合并,以及相似分支结构的整合;最后对故障树模型进行编码与模块化,并计算最小割集,计算包括部件/设备允许停役时间和定期试验间隔在内的风险指标,计算部件/设备的重要度和敏感性,并计算获取系统风险的不确定性分布。
2.根据权利要求1所述的一种核电站实时风险动态建模分析系统,其特征在于:所述部件/设备风险贡献分析器中,采用如下方式进行部件/设备对核能系统的风险贡献计算和排序:
(1)首先计算实时风险监测模型中所有部件/设备的RAW重要度、FV重要度、RTS重要度,计算方法如下:
RAWi=P(i1)/P(R),FVi=(P(R)-P(i0))/P(R),RTSi=(P(i1)-P(R))/P(i1),其中P(R)代表实时风险监测模型的顶层逻辑大故障树的顶事件失效概率;P(i1)代表部件i的失效概率被设置为1时的顶层逻辑大故障树的顶事件失效概率,或实时导致设备i失效的所有部件的失效概率都被设置为1时的顶层逻辑大故障树失效概率;P(i0)代表部件i的失效概率被设置为0时的顶层逻辑大故障树的顶事件失效概率,或实时导致设备i失效的所有部件的失效概率都被设置为0时的顶层逻辑大故障树失效概率;
(2)然后根据RAW重要度、FV重要度、RTS重要度的计算结果,对实时风险监测模型中的部件/设备进行风险重要性排序,把重要度大于临界值的部件或设备标记为风险重要部件或设备;其中RAW重要度的临界值RI的取值范围是[0.5,8],FV重要度的临界值FI的取值范围是[0.001,0.9],RTS重要度的临界值RI的取值范围是[0.001,0.9];
(3)最后根据综合重要度TI的计算公式计算获得最终的风险贡献排序,具体如下:
技术研发人员:吴宜灿,陈珊琦,戈道川,汪振,陈超,陈志斌,汪进,王芳,胡丽琴,
申请(专利权)人:中国科学院合肥物质科学研究院,
类型:发明
国别省市:安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。