一种核电厂循环水泵状态预测方法、系统及设备技术方案

本发明专利技术公开了一种核电厂循环水泵状态预测方法、系统及设备，通过循环水泵运行状态监测模型以及历史样本数据中的历史正常数据，采用bootstrap算法回归计算得到循环水泵在历史正常数据下的动态参考阈值区间，基于动态参考阈值区间求解得到循环水泵运行状态监测模型的置信区间和预测区间；采用循环水泵试验台标记故障数据作为故障参考区间，实时采集循环水泵运行参数，基于置信区间、预测区间和故障参考区间的设定阈值实现循环水泵监测故障的快速预测，弥补了电厂实际工程积累不足，无法给出经验预警与轻微损伤及明显故障阈值的问题，利用数据驱动的统计学模型及试验台故障数据，结合残差结果代替传统固定粗大阈值，直观有效地实现循环水泵动态监测。地实现循环水泵动态监测。地实现循环水泵动态监测。

【技术实现步骤摘要】
一种核电厂循环水泵状态预测方法、系统及设备


[0001]本专利技术属于电厂设备状态评估领域，特别涉及一种核电厂循环水泵状态预测方法、系统及设备。

技术介绍

[0002]循环水系统作为核电厂的最后热阱，称之为核电厂的血液，其设备运行状态直接影响核电厂机组能否正常运行。循环水泵是该系统的关键设备，目前国内核电厂对循环水泵的维修处于事后维修和定期检修，存在解体工期长、过度维修等问题，状态监测能为基于状态的维修提供依据。国内核电厂循环水泵目前仍使用一个固定阈值报警方法，存在漏报、晚报问题，基于智能方法的状态评估能给出指标曲线，但在状态监测评估后，无法准确判定循环水泵状态，目前在状态等级划分方法上，对于数据集充足的数据一般应用模糊理论进行模糊等级划分，实现循环水泵状态阈值设定；对于有明确工程经验的设备，常见多经验阈值等级划分，但这种方法不适用于故障样本数据、工程故障经验较少的循环水泵状态监控，无法基于现有循环水泵状态监控数据实现有效的状态等级划分，从而无法实现有效的等级监控，提高维修处于事后维修和定期检修效率。

技术实现思路

[0003]本专利技术的目的在于提供一种核电厂循环水泵状态预测方法、系统及设备，以克服现有技术的不足。
[0004]为达到上述目的，本专利技术采用如下技术方案：
[0005]一种核电厂循环水泵状态预测方法，包括以下步骤：
[0006]S1，采集数据，所述数据包括循环水泵机组原始运行数据，将循环水泵机组原始运行数据分类标签为历史样本数据和测试数据；
[0007]S2，建立循环水泵运行状态监测模型，基于循环水泵运行状态监测模型以及历史样本数据中的历史正常数据，采用bootstrap算法回归计算得到循环水泵在历史正常数据下的动态参考阈值区间，基于动态参考阈值区间求解得到循环水泵运行状态监测模型的置信区间和预测区间；
[0008]S3，采用循环水泵试验台标记故障数据作为故障参考区间，实时采集循环水泵运行参数，基于置信区间、预测区间和故障参考区间的设定阈值实现循环水泵监测故障的快速预测。
[0009]进一步的，循环水泵机组原始运行数据通过传感器测得的数据点在时间上具有相关性的时间序列数据。
[0010]进一步的，利用数据驱动的模型结合试验台数据获取循环水泵机组原始运行数据。
[0011]进一步的，通过多个循环水泵运行状态监测模型反复采样得出的所有正常状态下预测得到置信区间。
[0012]进一步的，采用bootstrap算法回归计算得到循环水泵在历史正常数据下的范围区间，使用不同的训练数据训练不同的模型，获取不同的预测结果，所有重采样的预测结果形成一个可信区间，再通过预测值，求解模型的置信区间和预测区间。
[0013]进一步的，置信区间具体求解过程如下：
[0014][0015]式中：n——训练观测值的数量；p——用于推断y的变量数；t
n
‑
p,α/2
——逼近n
‑
p自由度和置信度1
‑
α的正态分布的t统计量；——模型预测的方差；Bias——模型偏差；偏差的平方是均方差MSE与预测和噪声方差之和的差；
[0016][0017]如果平方偏差小于零，则将偏差设置为零，则：
[0018][0019]将置信区间覆盖范围计算为置信区间中包含的去噪残差的分数大约为零。
[0020]进一步的，通过循环水泵运行状态监测模型反复预测出来的所有结果区间即为预测区间。
[0021]进一步的，预测区间具体计算过程如下
[0022][0023]式中：n——训练观测值的数量；p——用于推断y的变量数；t
n
‑
p,α/2
——逼近n
‑
p自由度和置信度1
‑
α的正态分布的t统计量；——模型预测的方差；Bias——模型偏差；
[0024]其中，偏差的平方是均方差MSE与预测和噪声方差之和的差，即：
[0025][0026]一种核电厂循环水泵状态预测系统，包括数据采集模块，数据处理模块和预测模块；
[0027]数据采集模块用于获取循环水泵机组原始运行数据，并将循环水泵机组原始运行数据分类标签为历史样本数据和测试数据，将历史样本数据传输至数据处理模块；数据处理模块基于循环水泵运行状态监测模型以及历史样本数据中的历史正常数据，处理得到循环水泵运行状态监测模型的置信区间和预测区间，同时采用循环水泵试验台标记故障数据作为故障参考区间，并将置信区间、预测区间和故障参考区间阈值传输至预测模块，同时通过数据采集模块实时采集循环水泵运行参数传输至预测模块，预测模块根据实时采集循环水泵运行参数与置信区间、预测区间和故障参考区间的设定阈值输出循环水泵监测故障的预测结果。
[0028]一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述方法的步骤。
[0029]与现有技术相比，本专利技术具有以下有益的技术效果：
[0030]本专利技术一种核电厂循环水泵状态预测方法，通过循环水泵运行状态监测模型以及历史样本数据中的历史正常数据，采用bootstrap算法回归计算得到循环水泵在历史正常数据下的动态参考阈值区间，基于动态参考阈值区间求解得到循环水泵运行状态监测模型的置信区间和预测区间；采用循环水泵试验台标记故障数据作为故障参考区间，实时采集循环水泵运行参数，基于置信区间、预测区间和故障参考区间的设定阈值实现循环水泵监测故障的快速预测，弥补了电厂实际工程积累不足，无法给出经验预警与轻微损伤及明显故障阈值的问题，利用数据驱动的统计学模型及试验台故障数据，结合残差结果代替传统固定粗大阈值，直观有效地实现循环水泵动态监测。能够充分利用电厂循环水泵海量监测数据及循泵实验台损伤模拟数据，使用统计方法，解决了工程故障积累不足、经验阈值划分困难的问题，直观有效实现电厂循环水泵的状态监测和评估，对减少不必要的维修造成的设备损伤以及突发故障导致的电厂紧急停机具有重要工程意义。
[0031]进一步的，利用数据驱动的模型结合试验台数据解决循环水泵工程经验不足、故障数据积累不足因此无法实现基于经验的状态准确监测的问题。
[0032]一种核电厂循环水泵状态预测系统，结构简单，能够结合故障诊断细节结果快速预测故障，提高了检测效率。
附图说明
[0033]图1为本专利技术实施例中方法流程图。
[0034]图2为本专利技术实施例中置信区间和预测区间仿真图。
[0035]图3为本专利技术实施例中的残差结果图。
[0036]图4为本专利技术实施例中的状态等级划分图。
具体实施方式
[0037]下面结合附图对本专利技术做进一步详细描述：
[0038]一种核电厂循环水泵状态预测方法，包括以下步骤：
[0039]步骤1)，采集数据，所述数据包括循环水泵机组原始运行数据，对循环水泵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核电厂循环水泵状态预测方法，其特征在于，包括以下步骤：S1，采集数据，所述数据包括循环水泵机组原始运行数据，将循环水泵机组原始运行数据分类标签为历史样本数据和测试数据；S2，建立循环水泵运行状态监测模型，基于循环水泵运行状态监测模型以及历史样本数据中的历史正常数据，采用bootstrap算法回归计算得到循环水泵在历史正常数据下的动态参考阈值区间，基于动态参考阈值区间求解得到循环水泵运行状态监测模型的置信区间和预测区间；S3，采用循环水泵试验台标记故障数据作为故障参考区间，实时采集循环水泵运行参数，基于置信区间、预测区间和故障参考区间的设定阈值实现循环水泵状态的快速预测。2.根据权利要求1所述的一种核电厂循环水泵状态预测方法，其特征在于，循环水泵机组原始运行数据通过传感器测得的数据点在时间上具有相关性的时间序列数据。3.根据权利要求1所述的一种核电厂循环水泵状态预测方法，其特征在于，利用数据驱动的模型结合试验台数据获取循环水泵机组原始运行数据。4.根据权利要求1所述的一种核电厂循环水泵状态预测方法，其特征在于，通过多个循环水泵运行状态监测模型反复采样得出的所有正常状态下预测得到置信区间。5.根据权利要求4所述的一种核电厂循环水泵状态预测方法，其特征在于，采用bootstrap算法回归计算得到循环水泵在历史正常数据下的范围区间，使用不同的训练数据训练不同的模型，获取不同的预测结果，所有重采样的预测结果形成一个可信区间，再通过预测值，求解模型的置信区间和预测区间。6.根据权利要求5所述的一种核电厂循环水泵状态预测方法，其特征在于，置信区间具体求解过程如下：式中：n——训练观测值的数量；p——用于推断y的变量数；t
n
‑
p,α/2
——逼近n
‑
p自由度和置信度1
‑
α的正态分布的t统计量；——模型预测的方差；...

【专利技术属性】
技术研发人员：成玮，李芸，张乐，陈雪峰，刘一龙，邢继，堵树宏，孙涛，徐钊，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：