核电厂设备剩余寿命预测方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种核电厂设备剩余寿命预测方法、装置、设备和存储介质。该方法包括：对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数；根据未来时段内的威布尔参数，确定核电厂设备在未来时段内的寿命特征分布；根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命。采用本方法能够提高对核电厂设备剩余寿命预测的准确性。余寿命预测的准确性。余寿命预测的准确性。

【技术实现步骤摘要】
核电厂设备剩余寿命预测方法、装置、设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种核电厂设备剩余寿命预测方法、装置、设备和存储介质。

技术介绍

[0002]随着人工智能技术在各领域的发展，出现了剩余寿命预测方法。以核电厂反应堆运行领域为例，可以利用人工智能技术完成核电厂设备剩余寿命的预测。目前，对核电厂设备剩余寿命的预测方法中，通常基于核电厂设备的历史运行状态和预先训练好的剩余寿命预测模型，模型直接输出核电厂设备的剩余寿命值。
[0003]但是，核电厂设备的剩余寿命本身就是一个概率事件，而不应该是一个绝对的值，也就是说，传统技术中模型输出的剩余寿命值并不符合现实意义，对核电厂设备剩余寿命的预测并不真实准确，亟需解决。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高对核电厂设备剩余寿命预测的准确性的核电厂设备剩余寿命预测方法、装置、设备和存储介质。
[0005]第一方面，本申请提供了一种核电厂设备剩余寿命的预测方法。该方法包括：
[0006]对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数；
[0007]根据未来时段内的威布尔参数，确定核电厂设备在未来时段内的寿命特征分布；
[0008]根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命。
[0009]在其中一个实施例中，寿命特征分布包括：众数特征分布、分位数特征分布和均值特征分布中的至少一种。
[0010]在其中一个实施例中，若寿命特征分布包括分位数特征分布和均值特征分布中的至少一种，以及众数特征分布；则根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命，包括：
[0011]根据未来时段内的威布尔参数中的形状参数与形状阈值之间的关系，从未来时段内的寿命特征分布中确定目标特征分布；
[0012]根据目标特征分布，预测核电厂设备在未来时段内的剩余寿命。
[0013]在其中一个实施例中，根据未来时段内的威布尔参数中的形状参数与形状阈值之间的关系，从未来时段内的寿命特征分布中确定目标特征分布，包括：
[0014]判断未来时段内的威布尔参数中的形状参数是否大于形状阈值；
[0015]若是，则将未来时段内的寿命特征分布中的众数特征分布，作为目标特征分布；
[0016]若否，则根据寿命特征分布中的分位数特征分布和均值特征分布中的至少一种，确定目标特征分布。
[0017]在其中一个实施例中，对核电厂设备的历史监测信息进行非线性拟合处理，确定
核电厂设备在未来时段内的威布尔参数，包括：
[0018]通过非线性拟合模型，对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数。
[0019]在其中一个实施例中，该方法还包括：将样本设备在第一样本时段内的样本监测信息输入至非线性拟合模型，得到样本设备在第二样本时段内的威布尔参数；其中，第一样本时段早于第二样本时段；
[0020]根据样本设备在第二样本时段内的威布尔参数、样本设备在第二样本时段内的实际剩余寿命，以及样本设备在第二样本时段内的故障情况，确定损失值；
[0021]基于损失值，对非线性拟合模型进行训练。
[0022]在其中一个实施例中，样本设备在第二样本时段内的威布尔参数、样本设备在第二样本时段内的实际剩余寿命，以及样本设备在第二样本时段内的故障情况，确定损失值，包括：
[0023]根据样本设备在第二样本时段内的威布尔参数、样本设备在第二样本时段内的实际剩余寿命，确定损失系数；
[0024]根据损失系数和样本设备在第二样本时段内的故障情况，确定损失值。
[0025]第二方面，本申请还提供了一种设备剩余寿命的预测装置。该装置包括：
[0026]参数确定模块，用于对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数；
[0027]分布确定模块，用于根据未来时段内的威布尔参数，确定核电厂设备在未来时段内的寿命特征分布；
[0028]寿命预测模块，用于根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命。
[0029]第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0030]对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数；
[0031]根据未来时段内的威布尔参数，确定核电厂设备在未来时段内的寿命特征分布；
[0032]根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命。
[0033]第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0034]对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数；
[0035]根据未来时段内的威布尔参数，确定核电厂设备在未来时段内的寿命特征分布；
[0036]根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命。
[0037]第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0038]对核电厂设备的历史监测信息进行非线性拟合处理，确定核电厂设备在未来时段内的威布尔参数；
[0039]根据未来时段内的威布尔参数，确定核电厂设备在未来时段内的寿命特征分布；
[0040]根据未来时段内的寿命特征分布，预测核电厂设备在未来时段内的剩余寿命。
[0041]上述核电厂设备剩余寿命预测方法、装置、设备和存储介质，通过对核电厂设备的历史监测信息进行非线性拟合处理得到的未来时段内的威布尔参数，来确定核电厂设备在未来时段内的寿命特征分布，由于未来时段内的威布尔参数即表征其随时间的变化分布情况，所以，基于威布尔参数确定出的核电厂设备在未来时段内的寿命特征分布也是对应的概率分布情况，而不是一个具体的预测值，更加具有参考意义。并且，由于威布尔参数的概率分布情况会随着时间的变化而变化，相应的，核电厂设备在未来时段内的寿命特征分布也会随时间的变化而变化，也就是说，未来时段内每一天对应的核电厂设备在未来时段内的寿命特征分布都不相同，每一天的寿命特征分布都表征最新的寿命概率分布情况，因此，根据未来时段内的寿命特征分布，预测出来的核电厂设备在未来时段内的剩余寿命值会更加准确可信。
附图说明
[0042]图1为本实施例提供的一种核电厂设备剩余寿命的预测方法的应用环境图；
[0043]图2为本实施例提供的第一种核电厂设备剩余寿命的预测方法的流程示意图；
[0044]图3为本实施例提供的一种威布尔参数所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核电厂设备剩余寿命的预测方法，其特征在于，所述方法包括：对核电厂设备的历史监测信息进行非线性拟合处理，确定所述核电厂设备在未来时段内的威布尔参数；根据所述未来时段内的威布尔参数，确定所述核电厂设备在所述未来时段内的寿命特征分布；根据所述未来时段内的寿命特征分布，预测所述核电厂设备在所述未来时段内的剩余寿命。2.根据权利要求1所述的方法，其特征在于，所述寿命特征分布包括：众数特征分布、分位数特征分布和均值特征分布中的至少一种。3.根据权利要求2所述的方法，其特征在于，若所述寿命特征分布包括分位数特征分布和均值特征分布中的至少一种，以及众数特征分布；则根据所述未来时段内的寿命特征分布，预测所述核电厂设备在所述未来时段内的剩余寿命，包括：根据所述未来时段内的威布尔参数中的形状参数与形状阈值之间的关系，从所述未来时段内的寿命特征分布中确定所述目标特征分布；根据所述目标特征分布，预测所述核电厂设备在所述未来时段内的剩余寿命。4.根据权利要求3所述的方法，其特征在于，所述根据所述未来时段内的威布尔参数中的形状参数与形状阈值之间的关系，从所述未来时段内的寿命特征分布中确定所述目标特征分布，包括：判断所述未来时段内的威布尔参数中的形状参数是否大于形状阈值；若是，则将所述未来时段内的寿命特征分布中的众数特征分布，作为所述目标特征分布；若否，则根据所述寿命特征分布中的分位数特征分布和均值特征分布中的至少一种，确定所述目标特征分布。5.根据权利要求1所述的方法，其特征在于，所述对核电厂设备的历史监测信息进行非线性拟合处理，确定所述核电厂设备在未来时段内的威布尔参数，包括：通过非线性拟合模型，对核电厂设备的历史监测信息进行非线性拟合处理，确定所述核电厂设备在未来时段内的威布尔参数。6.根据权利要求5所述的方法，其特...

【专利技术属性】
技术研发人员：李文淮，李瀚生，胡硕文，丁鹏，夏文卿，刘敏，陈澍，于枫婉，崔大伟，段承杰，
申请(专利权)人：中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：