【技术实现步骤摘要】
反应堆保护系统动态可靠性分析方法、系统、设备及介质
[0001]本专利技术涉及核能工程领域，特别是涉及一种反应堆保护系统动态可靠性分析方法、系统、设备及介质。
技术介绍
[0002]“华龙一号”是目前世界上先进的三代核反应堆。世界首台“华龙一号”已在福清核电投入运行。反应堆保护系统(RPS)是“华龙一号”一个重要的安全相关系统，其主要功能是：确保在事故情况下从反应堆停堆系统中产生及时和可靠的保护动作，使反应堆处于受控状态。由于数字化仪控系统安装在了RPS中，RPS包含大量的部件。部件中的硬件包括传感器、继电器柜和电源等，部件中的软件包括如通讯，信号逻辑表决和处理器等，这导致系统具有复杂的结构和动态特性。因此，进行“华龙一号”RPS动态可靠性分析具有重要意义。
技术实现思路
[0003]本专利技术的目的是提供一种反应堆保护系统动态可靠性分析方法、系统、设备及介质，能够动态反应反应堆保护系统的可靠性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种反应堆保护系统动态可靠性分析方法，所述方法包括：
[0006]根据反应堆保护系统的故障来源和故障结果，得到动态故障树；
[0007]根据所述动态故障树，构建所述反应堆保护系统的模糊动态贝叶斯模型；
[0008]基于马尔科夫链得到所述模糊动态贝叶斯模型的条件概率表和状态转移矩阵，并应用D
‑
S证据理论确定所述模糊动态贝叶斯模型的先验概率，得到确定参数后的模糊动态贝叶斯模型；>[0009]应用拉丁超立方抽样规则，对所述确定参数后的模糊动态贝叶斯模型进行模糊贝叶斯正向推理，得到所述反应堆保护系统的可靠性与时间的关系曲线。
[0010]可选地，所述根据反应堆保护系统的故障来源和故障结果，得到动态故障树，具体包括：
[0011]根据反应堆保护系统的故障来源和故障结果，确定所述反应堆保护系统的顶事件；
[0012]根据所述反应堆保护系统的故障来源和故障结果，应用潜在的失效模式与影响分析方法，确定所述反应堆保护系统的中间事件和基本事件；
[0013]应用静态逻辑门和动态逻辑门对所述顶事件、所述中间事件和所述基本事件之间的逻辑关系进行连接，得到逻辑门连接关系；
[0014]根据所述顶事件、所述中间事件、所述基本事件以及所述逻辑门连接关系，建立反应堆保护系统的动态故障树。
[0015]可选地，所述根据所述动态故障树，构建所述反应堆保护系统的模糊动态贝叶斯模型，具体包括：
[0016]应用转换策略，将所述动态故障树的基本事件、中间事件和顶事件转换为节点，将所述逻辑门连接关系转换为非根节点的条件；所述节点包括根节点、中间节点和叶节点；
[0017]根据所述节点和所述条件，建立模糊动态贝叶斯模型。
[0018]可选地，基于马尔科夫链得到所述模糊动态贝叶斯模型的条件概率表和状态转移矩阵，并应用D
‑
S证据理论确定所述模糊动态贝叶斯模型的先验概率，得到确定参数后的模糊动态贝叶斯模型，具体包括：
[0019]根据专家知识，确定所述节点的失效率，得到节点失效率；
[0020]根据所述节点失效率的期望值和标准差，确定基于区间二型模糊集的判断信息；
[0021]根据所述判断信息，建立所述节点失效率的基于区间二型模糊集的判断矩阵；
[0022]以所述判断矩阵中的判断信息为基本概率赋值，建立证据矩阵；
[0023]应用D
‑
S证据理论对所述证据矩阵进行融合，确定所述根节点的先验概率；
[0024]基于马尔科夫链，将所述动态故障树中的逻辑门连接关系转换为非根节点的条件概率表；
[0025]基于马尔科夫链，并根据所述反应堆保护系统的国际标准，确定基于区间二型模糊集的根节点的状态转移矩阵；
[0026]根据所述条件概率表、所述状态转移矩阵和所述先验概率，得到确定参数后的模糊动态贝叶斯模型。
[0027]可选地，所述应用D
‑
S证据理论对所述证据矩阵进行融合的算法为：
[0028][0029][0030][0031][0032]其中，为上隶属度函数的融合结果；m
L*
(x
i
)为下隶属度函数的融合结果；n为指标的个数；e为专家的个数；K
L
为下隶属度函数的冲突系数；K
U
为上隶属度函数的冲突系数；为第z个专家证据的下隶属度函数；为第z个专家证据的上隶属度函数；L和U分别为下限和上限。
[0033]可选地，所述应用拉丁超立方抽样规则，对所述确定参数后的模糊动态贝叶斯模型进行模糊贝叶斯正向推理，得到所述反应堆保护系统的可靠性与时间的关系曲线，具体包括：
[0034]应用拉丁超立方抽样规则，确定先验概率样本；
[0035]根据所述先验概率样本，应用公式计算第k个先验概率样本的叶节点T的发生概率；其中，P
k
(X
i
)为一个先验概率样本；P
k
(T|X
i
)为条件概率；P
k
(T)为叶节点T的发生概率；P
k
(X
i
|T)为节点X
i
的后验概率；
[0036]根据公式ΔP
k
(X
i
)＝|P
k
(X
i
|T)
‑
P
k
(X
i
)|，计算第k个先验概率样本的根节点的后验概率；其中，P
k
(T)为叶节点T的发生概率；P
k
(X
i
|T)为节点X
i
的后验概率；ΔP
k
(X
i
)为节点X
i
的概率变化率；
[0037]根据所述第k个先验概率样本的根节点的后验概率，确定所述第k个先验概率样本的根节点的可靠性；
[0038]根据所述第k个先验概率样本的根节点的可靠性，确定所有的所述先验概率样本的可靠性；
[0039]根据所有的所述先验概率样本的可靠性，得到所述反应堆保护系统的可靠性与时间的关系曲线。
[0040]可选地，所述方法还包括：
[0041]应用拉丁超立方抽样规则，对所述确定参数后的模糊动态贝叶斯模型进行模糊贝叶斯逆向推理，得到影响所述反应堆保护系统的可靠性的关键部件。
[0042]一种反应堆保护系统动态可靠性分析系统，应用于上述的反应堆保护系统动态可靠性分析方法，所述系统包括：
[0043]动态故障树建立模块，用于根据反应堆保护系统的故障来源和故障结果，得到动态故障树；
[0044]模糊动态贝叶斯模型建立模块，用于根据所述动态故障树，构建所述反应堆保护系统的模糊动态贝叶斯模型；
[0045]参数确定模块，用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种反应堆保护系统动态可靠性分析方法，其特征在于，所述方法包括：根据反应堆保护系统的故障来源和故障结果，得到动态故障树；根据所述动态故障树，构建所述反应堆保护系统的模糊动态贝叶斯模型；基于马尔科夫链得到所述模糊动态贝叶斯模型的条件概率表和状态转移矩阵，并应用D
‑
S证据理论确定所述模糊动态贝叶斯模型的先验概率，得到确定参数后的模糊动态贝叶斯模型；应用拉丁超立方抽样规则，对所述确定参数后的模糊动态贝叶斯模型进行模糊贝叶斯正向推理，得到所述反应堆保护系统的可靠性与时间的关系曲线。2.根据权利要求1所述的反应堆保护系统动态可靠性分析方法，其特征在于，所述根据反应堆保护系统的故障来源和故障结果，得到动态故障树，具体包括：根据反应堆保护系统的故障来源和故障结果，确定所述反应堆保护系统的顶事件；根据所述反应堆保护系统的故障来源和故障结果，应用潜在的失效模式与影响分析方法，确定所述反应堆保护系统的中间事件和基本事件；应用静态逻辑门和动态逻辑门对所述顶事件、所述中间事件和所述基本事件之间的逻辑关系进行连接，得到逻辑门连接关系；根据所述顶事件、所述中间事件、所述基本事件以及所述逻辑门连接关系，建立反应堆保护系统的动态故障树。3.根据权利要求2所述的反应堆保护系统动态可靠性分析方法，其特征在于，所述根据所述动态故障树，构建所述反应堆保护系统的模糊动态贝叶斯模型，具体包括：应用转换策略，将所述动态故障树的基本事件、中间事件和顶事件转换为节点，将所述逻辑门连接关系转换为非根节点的条件；所述节点包括根节点、中间节点和叶节点；根据所述节点和所述条件，建立模糊动态贝叶斯模型。4.根据权利要求3所述的反应堆保护系统动态可靠性分析方法，其特征在于，所述基于马尔科夫链得到所述模糊动态贝叶斯模型的条件概率表和状态转移矩阵，并应用D
‑
S证据理论确定所述模糊动态贝叶斯模型的先验概率，得到确定参数后的模糊动态贝叶斯模型，具体包括：根据专家知识，确定所述节点的失效率，得到节点失效率；根据所述节点失效率的期望值和标准差，确定基于区间二型模糊集的判断信息；根据所述判断信息，建立所述节点失效率的基于区间二型模糊集的判断矩阵；以所述判断矩阵中的判断信息为基本概率赋值，建立证据矩阵；应用D
‑
S证据理论对所述证据矩阵进行融合，确定所述根节点的先验概率；基于马尔科夫链，将所述动态故障树中的逻辑门连接关系转换为非根节点的条件概率表；基于马尔科夫链，并根据所述反应堆保护系统的国际标准，确定基于区间二型模糊集的根节点的状态转移矩阵；根据所述条件概率表、所述状态转移矩阵和所述先验概率，得到确定参数后的模糊动态贝叶斯模型。5.根据权利要求4所述的反应堆保护系统动态可靠性分析方法，其特征在于，所述应用D
‑
S证据理论对所述证据矩阵进行融合的算法为：
其中，m
U*
(x
i
)为上隶属度函数的融合结果；m
L*
(x
i
)为下隶属度函数的融合结果；n为指标的个数；e为专家的个数；K
L
为下隶属度函数的冲突系数；K
U
为上隶属度函数的冲突系数；为第z个专家证据的下隶...
【专利技术属性】
技术研发人员：隋阳，于涛，许谨涛，郑梦琰，戴滔，桂毛磊，李枭瀚，丁睿，
申请(专利权)人：南华大学，
类型：发明
国别省市：
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。