一种用于核电厂设备安全状态预测的应用方法和系统技术方案

本发明专利技术提供了一种用于核电厂设备安全状态预测的应用方法，包括：数据预处理。对数据进行采样，获取变送器的功率；将采样频率对齐，缺失数据用后面的数据向前补齐；分别计算同一泵中，各变送器功率的差值；计算数据集中，各变送器每日功率数据的最大值、最小值、平均值、总和，得到当天的功率统计数据；计算数据集中，各变送器每日diff的最大值、最小值、中间值、总和，得到当天的差值统计数据。本发明专利技术还提供一种用于核电厂设备安全状态预测的系统，包括数据预处理模块、设备安全状态预测模型训练模块、设备安全状态预测模块。本发明专利技术大大的降低预测幅度的差异性，实时的对设备性能早期衰退进行预警，减少业务人员分析时间。

【技术实现步骤摘要】

本专利技术涉及核电厂设备安全状态预测，尤其涉及一种用于核电厂设备安全状态预测的应用方法和系统。

技术介绍

1、电力系统不稳定因素较多，其中电力设备作为电力系统的基本要素，其故障为影响电网运行的重要安全隐患，对电力设备的故障风险预测可以有效降低电网故障风险带来的损失。为保障电力网络的安全运行、维护经济社会的发展，改进电力设备故障诊断策略为当前亟需解决的关键性问题之一。在对电力系统的检测中，利用已有的设备实时监测系统运行数据和传感器数据，可对设备建立基于多源异构数据的故障预测和健康状态评价模型，实现设备性能的早期衰退预警，降低运维人工成本，提高设备运行安全性。

2、目前，基于物理模型和数据驱动是用于故障预测的研究方法。其中基于物理模型包括基于物理失效模型和基于滤波器模型，基于数据驱动可分为可靠性分析、统计方法、智能神经网络。常规的故障分析预测最近几年流行采用机器学习模型，例如支持向量机(svm)和人工神经网络(ann)已被用于因子主导的方法，并且在知识学习任务中表现出一定的竞争力。与简单的统计模型相比，机器学习对高维训练数据更加灵活，并且能够从历史本文档来自技高网...

【技术保护点】

1.一种用于核电厂设备安全状态预测的应用方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于核电厂设备安全状态预测的应用方法，其特征在于，步骤1包括：

3.根据权利要求2所述的用于核电厂设备安全状态预测的应用方法，其特征在于，步骤1.1中，将采样频率对齐到10秒以内。

4.根据权利要求3所述的用于核电厂设备安全状态预测的应用方法，其特征在于，采样频率对齐到1秒。

5.根据权利要求1所述的用于核电厂设备安全状态预测的应用方法，其特征在于，步骤2包括：

6.根据权利要求5所述的用于核电厂设备安全状态预测的应用方法，其特征在...

【技术特征摘要】

1.一种用于核电厂设备安全状态预测的应用方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于核电厂设备安全状态预测的应用方法，其特征在于，步骤1包括：

3.根据权利要求2所述的用于核电厂设备安全状态预测的应用方法，其特征在于，步骤1.1中，将采样频率对齐到10秒以内。

4.根据权利要求3所述的用于核电厂设备安全状态预测的应用方法，其特征在于，采样频率对齐到1秒。

5.根据权利要求1所述的用于核电厂设备安全状态预测的应用方法，其特征在于，步骤2包括：

6.根据权利要...

【专利技术属性】
技术研发人员：秦绪涛，张钧鸣，宋忠洋，许列琦，朱旭东，王晨成，杨强，朱云飞，樊金龙，刘铭洋，
申请(专利权)人：江苏核电有限公司，
类型：发明
国别省市：