[發明專利]核電汽輪機系統故障預警方法及系統

在審

• 申請號: 202011329125.0
• 申請日: 2020-11-24
• 公開（公告）號: CN112487910A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 毛萬朝;劉高俊;謝紅云;張黎明;盧超;王春冰;平嘉臨;范一鵬;張超;段奇志
• 申請（專利權）人: 中廣核工程有限公司;深圳中廣核工程設計有限公司;中國廣核集團有限公司;中國廣核電力股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/02
• 代理公司: 深圳市瑞方達知識產權事務所(普通合伙) 44314
• 代理人: 高瑞

1.一種核電汽輪機系統故障預警方法，其特征在于，包括：

數據處理步驟：獲取實時采集的汽輪機的多個監測參數的信號數據，并分別對每個監測參數的信號數據進行處理，且根據處理后的多個監測參數的信號數據生成多維矩陣數據；

模型預測步驟：將所述多維矩陣數據送入預先建立的狀態預測模型，并根據所述狀態預測模型的輸出獲取汽輪機下一時刻的參數預測信息；

狀態輸出步驟：根據所述參數預測信息，實時輸出狀態預測結果；

異常判斷步驟：根據所述狀態預測結果判斷汽輪機是否出現異常，并在異常時生成故障預警信息。

2.根據權利要求1所述的核電汽輪機系統故障預警方法，其特征在于，所述狀態預測模型通過以下方式建立：

在訓練時，對汽輪機的多個監測參數的信號數據分別進行處理，并根據處理后的多個監測參數的信號數據生成多維矩陣數據；

將所述多維矩陣數據作為樣本數據，并將樣本數據按預設比例拆分成訓練樣本數據、驗證樣本數據和測試樣本數據；

構造徑向基神經網絡模型，并以徑向基函數作為神經網絡激活函數，及采用模糊C均值聚類算法確定各個神經元中心；

利用所述訓練樣本數據構造輸入輸出向量，并使用自然梯度下降法對所述徑向基神經網絡模型進行訓練，以獲取所述徑向基神經網絡模型的最優參數，而且，根據所述最優參數確定狀態預測模型；

利用所述驗證樣本數據對所確定的狀態預測模型進行精度驗證，并判斷是否符合預設精度要求，若不符合預設精度要求，則繼續訓練直至符合預設精度要求；

利用測試樣本數據對驗證后的狀態預測模型進行測試，并采用貝葉斯檢驗法計算其置信度。

3.根據權利要求1或2所述的核電汽輪機系統故障預警方法，其特征在于，對每個監測參數的信號數據進行處理，包括：

對每個監測參數的信號數據進行異常值過濾處理；

對每個監測參數的信號數據進行缺失填充處理；

對每個監測參數的信號數據進行降噪處理；

對每個監測參數的信號數據進行中心化處理。

4.根據權利要求3所述的核電汽輪機系統故障預警方法，其特征在于，對每個監測參數的信號數據進行異常值過濾處理，包括：

采用箱型圖法對每個監測參數的信號數據進行處理，以篩掉異常值。

5.根據權利要求3所述的核電汽輪機系統故障預警方法，其特征在于，對每個監測參數的信號數據進行降噪處理，包括：

采用小波包閾值去噪法對每個監測參數的信號數據進行降噪處理。

6.根據權利要求1或2所述的核電汽輪機系統故障預警方法，其特征在于，在生成多維矩陣數據之后，還包括：

根據概率主成分分析法，對數據處理后的多維矩陣數據進行降維處理。

7.根據權利要求6所述的核電汽輪機系統故障預警方法，其特征在于，所述狀態預測模型的嵌入維數為5。

8.根據權利要求2所述的核電汽輪機系統故障預警方法，其特征在于，利用所述訓練樣本數據構造輸入輸出向量，包括：

在所述訓練樣本數據中，將每個時間節點及其后面的四個時間節點的數據歸為一組，并將其作為輸入向量，以及，將每組最后一個時間節點的下一節點的數據作為輸出向量。

9.一種核電汽輪機系統故障預警系統，其特征在于，包括：

數據處理模塊，用于獲取實時采集的汽輪機的多個監測參數的信號數據，并分別對每個監測參數的信號數據進行處理，且根據處理后的多個監測參數的信號數據生成多維矩陣數據；

模型預測模塊，用于將所述多維矩陣數據送入預先建立的狀態預測模型，并根據所述狀態預測模型的輸出獲取汽輪機下一時刻的參數預測信息；

狀態輸出模塊，用于根據所述參數預測信息，實時輸出狀態預測結果；

異常判斷模塊，用于根據所述狀態預測結果判斷汽輪機是否出現異常，并在異常時生成故障預警信息。

10.根據權利要求9所述的核電汽輪機系統故障預警系統，其特征在于，還包括：

模型構建模塊，用于在訓練時，根據汽輪機的多個監測參數的信號數據構建狀態預測模型，并對所構建的狀態預測模型進行驗證及測試。