本發明(ming)涉及(ji)(ji)核反(fan)應堆(dui)安全管理，具體(ti)為一種高溫堆(dui)自(zi)動(dong)排(pai)風及(ji)(ji)實時(shi)故(gu)障(zhang)監(jian)測方法及(ji)(ji)系統。

背景技術：

1、核能設(she)施，特別(bie)是核反應堆，因其(qi)潛在的(de)(de)放(fang)射性(xing)泄漏或(huo)更廣泛的(de)(de)環境污染風險而(er)需要極其(qi)嚴格的(de)(de)安全控(kong)制(zhi)措施。傳統的(de)(de)安全管理系統主要依賴于預定(ding)的(de)(de)安全程序和人工監(jian)控(kong)，這在應對快速(su)發展的(de)(de)事故(gu)情景時(shi)可(ke)能不夠及時(shi)或(huo)有效。

2、目(mu)前多(duo)數核反應堆的(de)安(an)全系統(tong)側重于被動安(an)全措(cuo)施，如應急(ji)停機系統(tong)、冷卻(que)系統(tong)和(he)壓力釋放系統(tong)等。這些系統(tong)雖然能夠在(zai)(zai)一定程度(du)上應對事(shi)故(gu)，但常常缺乏實時的(de)數據分析和(he)預(yu)測能力，以(yi)便更早地識別潛(qian)在(zai)(zai)的(de)事(shi)故(gu)跡象并采取預(yu)防措(cuo)施。此外，傳統(tong)系統(tong)通常需(xu)要較多(duo)的(de)人(ren)工(gong)干(gan)預(yu)，增加了操作復雜性和(he)人(ren)為錯誤的(de)風險。

3、隨著信(xin)息技術(shu)和人工智能的(de)發(fa)展，現代核設施安全系統需要整合更高級的(de)技術(shu)，如數據融合、機器(qi)學習(xi)和自動控制，來提高事故響應的(de)速(su)度和效率。

4、通過(guo)改進(jin)和(he)引入這些技術(shu)，可(ke)以顯著提升(sheng)核(he)設施的(de)(de)安(an)全性能，減少人為(wei)干預(yu)，降低事故風險(xian)，確(que)保核(he)能的(de)(de)安(an)全、高(gao)效(xiao)利用。本發明旨在集成這些先(xian)進(jin)技術(shu)，形成一個(ge)全面的(de)(de)、自動(dong)化的(de)(de)核(he)反應堆安(an)全管(guan)理(li)系統(tong)，提供更為(wei)有效(xiao)的(de)(de)事故預(yu)防和(he)響應機制。

技術實現思路

1、鑒于(yu)上述存(cun)在的問題，提(ti)出了本發明。

2、因此(ci)，本發明解決的(de)技術問題(ti)是(shi)：如何實(shi)現實(shi)時、自動(dong)化的(de)核反應堆(dui)安全(quan)監控(kong)，通(tong)過(guo)集成先進的(de)數據融合(he)、機器學習算法及(ji)自動(dong)控(kong)制(zhi)系統，提高事故預測(ce)的(de)準確性和響應速(su)度，以及(ji)優化設備健(jian)康監測(ce)和維護決策。

3、為解決上述技術問題，本發明提(ti)供如(ru)下(xia)技術方案：一種高溫(wen)堆(dui)自(zi)動排風及實(shi)時(shi)(shi)故障監(jian)測方法，包括(kuo)：實(shi)時(shi)(shi)監(jian)控在核(he)反應堆(dui)和輔助設施中(zhong)的(de)環境數據(ju)，并(bing)進行數據(ju)收集；

4、使用卡爾曼濾波(bo)器(qi)對收集的環(huan)境數據進(jin)行融合處(chu)理；

5、通(tong)過機器學習(xi)算法建立事故預測模型，進行事故分析；

6、對運行(xing)設備進行(xing)健(jian)康監(jian)測(ce)，評估性能趨勢，提前(qian)識別潛在(zai)故障(zhang)，在(zai)檢測(ce)到設備異常(chang)跡象(xiang)時自動(dong)發出維護信號；

7、根據所述事故分析和(he)設備(bei)異常(chang)跡象結果，進行排風子系統的啟動和(he)停止控制。

8、作為本發明所述的高(gao)溫堆自(zi)動排風及實(shi)時故障監(jian)測(ce)方法的一種(zhong)優選方案(an)，其中(zhong)：所述環境(jing)數據包括(kuo)，通過輻射(she)探(tan)測(ce)器，實(shi)時監(jian)測(ce)并(bing)收集輻射(she)強度數據；

9、使用氣體分析儀監測核設施內部及周邊的空(kong)氣質量和有害氣體濃(nong)度；

10、使(shi)用溫度傳感(gan)器(qi)，監(jian)測和(he)收集冷卻系統周(zhou)圍(wei)和(he)控制室內的溫度；

11、通(tong)過濕度(du)傳感器收集設(she)施內部(bu)的濕度(du)數(shu)據；

12、通過壓(ya)力傳感器，監(jian)測(ce)和收集壓(ya)力數據。

13、作為本發明所述的高溫堆自動排風及實時故障監(jian)測方法(fa)的一種(zhong)優(you)選方案，其中：所述使(shi)用(yong)卡(ka)爾曼濾波器對數(shu)據進(jin)行(xing)融合處理包括(kuo)，定義(yi)狀態向量xt為t時刻(ke)的環境(jing)參數(shu)狀態，公(gong)式表(biao)示為：

14、

15、其中，α表(biao)(biao)(biao)示(shi)(shi)(shi)正的縮(suo)放(fang)因子，t表(biao)(biao)(biao)示(shi)(shi)(shi)積分上限，e-λt表(biao)(biao)(biao)示(shi)(shi)(shi)衰減因子，λ表(biao)(biao)(biao)示(shi)(shi)(shi)一個(ge)正的衰減常數(shu)(shu)，rt表(biao)(biao)(biao)示(shi)(shi)(shi)輻射強度(du)數(shu)(shu)據(ju)(ju)，∈表(biao)(biao)(biao)示(shi)(shi)(shi)輻射強度(du)數(shu)(shu)據(ju)(ju)調整(zheng)參(can)數(shu)(shu)，pt表(biao)(biao)(biao)示(shi)(shi)(shi)壓力數(shu)(shu)據(ju)(ju)，β表(biao)(biao)(biao)示(shi)(shi)(shi)壓力數(shu)(shu)據(ju)(ju)調整(zheng)參(can)數(shu)(shu)，log(1+θt)表(biao)(biao)(biao)示(shi)(shi)(shi)對溫度(du)數(shu)(shu)據(ju)(ju)θt的自(zi)然(ran)對數(shu)(shu)變化；

16、使用上一(yi)時(shi)刻的(de)狀態(tai)(tai)估計和控制(zhi)輸入向(xiang)量ut，通(tong)過狀態(tai)(tai)轉(zhuan)移矩(ju)陣ft計算當前時(shi)刻的(de)狀態(tai)(tai)預測公式為：

17、

18、同時，更(geng)新預測誤差協(xie)方(fang)差矩陣pt|t-1，公式為：

19、

20、其中(zhong)，表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)時(shi)刻(ke)t基于t-1時(shi)刻(ke)的(de)(de)預測，pt|t-1表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)預測誤差(cha)(cha)(cha)協(xie)方差(cha)(cha)(cha)矩(ju)(ju)陣，pt表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)更新后的(de)(de)誤差(cha)(cha)(cha)協(xie)方差(cha)(cha)(cha)矩(ju)(ju)陣，ft表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)狀(zhuang)態轉(zhuan)移矩(ju)(ju)陣，表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)ft的(de)(de)轉(zhuan)置，表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)時(shi)刻(ke)t-1的(de)(de)狀(zhuang)態估計，bt表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)控制輸(shu)入矩(ju)(ju)陣，wt表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)過(guo)程(cheng)噪(zao)聲，ut表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)控制輸(shu)入向(xiang)量，qt表(biao)(biao)(biao)(biao)示(shi)(shi)(shi)(shi)過(guo)程(cheng)噪(zao)聲協(xie)方差(cha)(cha)(cha)矩(ju)(ju)陣；

21、計(ji)算卡(ka)爾曼(man)增益kt：

22、

23、利用(yong)卡(ka)爾曼增(zeng)益調(diao)整預測(ce)狀態，公式為：

24、

25、更新(xin)誤差協方差矩(ju)陣pt，公式(shi)為：

26、pt＝(i-ktht)pt|t-1

27、其中，kt表(biao)示(shi)(shi)(shi)卡爾曼增益(yi)，ht表(biao)示(shi)(shi)(shi)觀(guan)測矩(ju)陣，表(biao)示(shi)(shi)(shi)觀(guan)測矩(ju)陣ht的轉置(zhi)，zt表(biao)示(shi)(shi)(shi)在(zai)時(shi)間(jian)t的實際(ji)觀(guan)測向(xiang)量(liang)，rt表(biao)示(shi)(shi)(shi)觀(guan)測噪聲協方差矩(ju)；i表(biao)示(shi)(shi)(shi)單位(wei)矩(ju)陣，維度與(yu)xt相同。

28、作為(wei)本發明(ming)所(suo)述的(de)高溫堆自動排風及實時故障監(jian)測方法的(de)一種優選方案，其中：所(suo)述建立事故預測模型包括，利用所(suo)述卡爾曼濾波(bo)器的(de)輸出進行特(te)征提取，公式為(wei)：

29、

30、其中，gt表(biao)示(shi)在t時刻的(de)綜(zong)合(he)特(te)征值，表(biao)示(shi)卡(ka)爾(er)曼濾波器的(de)歷史狀(zhuang)態估(gu)計(ji)數據，表(biao)示(shi)過(guo)去n個數據點的(de)平均狀(zhuang)態估(gu)計(ji)，λ表(biao)示(shi)衰減因(yin)子，l表(biao)示(shi)觀測窗口(kou)長(chang)度。

31、作為本(ben)發明所(suo)述(shu)的高溫堆(dui)自動排風及實時故障(zhang)監(jian)測方(fang)法(fa)的一種(zhong)優(you)選方(fang)案，其中：所(suo)述(shu)建立事故預測模(mo)型(xing)還包括，基于提取的特征gt，引(yin)入(ru)高維映射以增加非(fei)線性表達(da)能力：

32、

33、其中，vt表示(shi)(shi)在(zai)t時(shi)刻(ke)的(de)特(te)征向量(liang)變換值(zhi)，α表示(shi)(shi)正(zheng)的(de)縮(suo)放因(yin)子，表示(shi)(shi)正(zheng)弦函數(shu)，用于對(dui)每個(ge)特(te)征進行(xing)非線(xian)性轉換；表示(shi)(shi)在(zai)t時(shi)刻(ke)的(de)第i個(ge)特(te)征值(zhi)；∈表示(shi)(shi)一個(ge)微量(liang)值(zhi)；

34、整合各個特征值，進行綜(zong)合評估，公式(shi)為(wei)：

35、

36、其中，paccident(t)表(biao)(biao)(biao)示(shi)(shi)(shi)在(zai)(zai)時間t的事(shi)故(gu)發生概率，范圍在(zai)(zai)0到(dao)1之(zhi)間；b0表(biao)(biao)(biao)示(shi)(shi)(shi)偏置(zhi)項(xiang)，b(s)表(biao)(biao)(biao)示(shi)(shi)(shi)一個權重函數，s表(biao)(biao)(biao)示(shi)(shi)(shi)積(ji)分變(bian)量(liang)，范圍在(zai)(zai)0到(dao)1之(zhi)間；φ(s,vt)表(biao)(biao)(biao)示(shi)(shi)(shi)非線(xian)性變(bian)換函數，|s-vt|2表(biao)(biao)(biao)示(shi)(shi)(shi)距離度(du)量(liang)，衡量(liang)s和特征(zheng)向量(liang)vt之(zhi)間的差異。

37、作為本發明所述(shu)的(de)高溫堆(dui)自動排風及實時(shi)故障監測方法的(de)一種優選(xuan)方案(an)，其中：所述(shu)對運(yun)行設備進行健康監測包括，收集(ji)運(yun)行設備的(de)運(yun)行數(shu)據，表示(shi)為時(shi)間序列st；

38、進行設備健康狀(zhuang)態數(shu)據特征(zheng)提(ti)取，公(gong)式為：

39、

40、其中，w表(biao)(biao)示窗口(kou)大小，st-i表(biao)(biao)示在時間t-i的設(she)備狀態數(shu)據；max(st-i)-min(st-i)表(biao)(biao)示是在時間窗口(kou)t-i內所(suo)收集(ji)的設(she)備狀態數(shu)據st-i的最大值與最小值之(zhi)差；

41、使用機器學(xue)習模型來分析從設備數據中提取的特征，并評估設備的健(jian)康狀況指(zhi)數ht：

42、

43、其中，σ表(biao)示(shi)(shi)sigmoid函(han)數，用(yong)于(yu)將線性(xing)(xing)組合(he)的(de)(de)結果轉(zhuan)換(huan)為概(gai)率(lv)值，hj表(biao)示(shi)(shi)應用(yong)于(yu)健(jian)康特征的(de)(de)非線性(xing)(xing)轉(zhuan)換(huan)函(han)數，cj表(biao)示(shi)(shi)權重系數，c0表(biao)示(shi)(shi)偏置(zhi)項，j表(biao)示(shi)(shi)考慮的(de)(de)不同類型的(de)(de)特征處理方式的(de)(de)數量。

44、作(zuo)為本發明所述的(de)(de)高溫堆自(zi)動(dong)排(pai)風及實時故障監(jian)測方法的(de)(de)一種優選方案，其中(zhong)：所述進(jin)行排(pai)風子系(xi)統的(de)(de)啟動(dong)和停止控制包括(kuo)，排(pai)風子系(xi)統將根據設(she)備健(jian)(jian)康指數ht自(zi)動(dong)啟動(dong)或停止，設(she)定(ding)臨界健(jian)(jian)康狀況閾值θcritical和正常健(jian)(jian)康狀況閾值θnormal；

45、當ht≤θcritical時(shi)，則系(xi)統自動啟(qi)動排風(feng)子系(xi)統，應對環境(jing)危(wei)害或故障風(feng)險的發生，同時(shi)發送緊(jin)急維護通知；

46、當(dang)ht≥θnormal時，則表明設備處于(yu)良好的(de)運行(xing)狀態，系統停止排(pai)風子系統，以(yi)節(jie)省能源和(he)減少運行(xing)；

47、當θcritical<ht<θnormal時，則系統將(jiang)維持當前狀(zhuang)態；

48、使用事(shi)故預測(ce)模型(xing)paccident(t)評(ping)估事(shi)故發生的概(gai)率，設定閾(yu)值(zhi)αaccident來決定緊(jin)急措(cuo)施的啟動；

49、當paccident(t)≥αaccident時，預測(ce)的事故概率超(chao)過閾值，系統(tong)將自(zi)動(dong)啟動(dong)排風子系統(tong)并采取安全措施；

50、當paccident(t)<αaccident時，系統將(jiang)繼續在正常(chang)監(jian)控(kong)模(mo)式下(xia)運行，維持現有的監(jian)測(ce)和(he)數據記錄活(huo)動。

51、一種高溫(wen)堆自動排風(feng)及實時(shi)故障監測系統，其特征在于(yu)：包括，

52、數(shu)據采(cai)集與預處理模塊：實時監控在核反應堆和輔助設施中的(de)環境數(shu)據，并進行數(shu)據收集；

53、數據融(rong)合(he)處理模塊：使用卡爾曼濾波器對收(shou)集的環境數據進行(xing)融(rong)合(he)處理；

54、事(shi)故預測(ce)模(mo)型模(mo)塊(kuai)：通過機器學習算法建立事(shi)故預測(ce)模(mo)型，進行事(shi)故分析；

55、設備健康(kang)監(jian)測(ce)模塊：對運行設備進行健康(kang)監(jian)測(ce)，評估(gu)性能趨勢，提前識(shi)別潛在(zai)故障，在(zai)檢(jian)測(ce)到設備異常跡象時自動發出維護信號；

56、控制(zhi)與響應模塊(kuai)：根(gen)據所(suo)述事故分析和設備(bei)異常跡象結果，進行(xing)排風子(zi)系統的啟動和停止控制(zhi)。

57、一種(zhong)計(ji)算機設備(bei)，包括：存儲器和處理(li)器；所述(shu)存儲器存儲有計(ji)算機程序，其中：所述(shu)處理(li)器執行(xing)所述(shu)計(ji)算機程序時實現本發明中任一項所述(shu)的方法的步驟(zou)。

58、一(yi)種計算(suan)機(ji)(ji)可讀存儲介質(zhi)，其上(shang)存儲有計算(suan)機(ji)(ji)程序，其中：所述計算(suan)機(ji)(ji)程序被(bei)處理器執行時實現本發明中任一(yi)項所述的方法的步驟。

59、本發明(ming)的(de)有益(yi)效果：本發明(ming)顯著提高了核反(fan)應堆安(an)全監(jian)控(kong)的(de)實時性和(he)自動化(hua)水(shui)平，有效預(yu)測并預(yu)防(fang)潛在事故。自動控(kong)制系統減(jian)少(shao)了人為操(cao)作(zuo)，降低錯誤(wu)風險，同(tong)時優化(hua)設(she)備維護，延(yan)長了設(she)備使用壽命并減(jian)少(shao)維護成本，整體(ti)提升了核設(she)施的(de)安(an)全性和(he)經濟(ji)效率。