[发明专利]一种核电Loca事件故障预测与诊断方法

说明书

本发明的目的在于公开一种基于多元实时数据流与长短期记忆网络的核电Loca事件故障预测与诊断方法，与现有技术相比，能有效识别管道处于正常运行还是破裂状态，并当管道处于破裂状态时，能精准定位到破裂管道与破口大小范围；同时基于定时计算，能在提前10分钟预测管道故障，并能达到99％以上的故障诊断准确率，实现本发明的目的。

技术领域

本发明涉及一种核电Loca事件故障预测与诊断方法，特别涉及一种基于多元实时数据流与长短期记忆网络的核电Loca事件故障预测与诊断方法。

背景技术

设备是生产制造企业非常重要的资产，也是生产制造系统稳定可靠的核心。随着现代生产管理模式的不断改进，生产制造企业对设备的安全、经济和环保运行的要求也越来越高。在核电这个特殊的领域，对机组、系统与设备的安全运行有着更高的要求，同时反应堆冷却系统作为核电发电系统中尤为重要的一环，当反应堆冷却系统出现Loca故障时，整个机组将处于高风险状态。对于核电领域来说，避免Loca事件的发生极其重要。

然而，由于核电机组系统庞大繁杂，存在多物理场耦合，相比于火电厂，存在较大的特殊性，导致了传统的专家知识和机理知识无法有效的对Loca事件进行预测与诊断。

近年来，随着大数据和人工智能等新兴技术的发展，设备状态监测与故障诊断技术得到了的推广和应用，相比于传统手段，基于大数据与人工智能的诊断技术适用性广，可提前发现故障征兆，做到故障的预测与诊断。

因此，特别需要一种基于多元实时数据流与长短期记忆网络的核电Loca事件故障预测与诊断方法，以解决上述现有存在的问题。

发明内容

本发明的目的在于提供一种基于多元实时数据流与长短期记忆网络的核电Loca事件故障预测与诊断方法，针对现有技术的不足，通过采集仿真数据、数据平衡、数据增强、数据预处理、训练LSTM模型、建立实时数据预测任务，从而完成反应堆冷却系统Loca事件的实时故障预测与诊断，降低核反应堆因故障带来的安全与经济风险。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于多元实时数据流与长短期记忆网络的核电Loca事件故障预测与诊断方法，其特征在于，包括如下步骤：

(1)样本数据的采集与平衡：

通过仿真器模拟反应堆冷却系统管道在发生热段大破口、热段小破口、ADS4大破口和ADS4小破口四种故障前管道运行数据，与管道正常运行数据；样本标签数量不均衡时，采用smote进行过采样处理标签不混合问题；

(2)数据增强与预处理；

(3)LSTM模型训练与优化：

将四种故障与正常运行共五类数据进行数据集的等比例划分，70％数据作为训练数据集，30％作为测试数据集；将样本数据的标签进行独热编码；采用一层LSTM网络加2层全连接层构建网络；

(4)实时预测与诊断：

通过定时任务，构建一个从实时数据采集、处理、预测的任务，定期计算。实时计算设备当前状态。

在本发明的一个实施例中，步骤(1)中，数据的范围与格式的步骤如下：

1)故障数据与正常数据包含各种功率台阶，包括0％，5％，20％，30％，50％，60％，70％，80％，90％，100％；

2)模拟破口尺寸大小包括1％，2％，3％，4％，5％，20％，40％，60％，80％，100％；

3)采集冷却系统管道63个传感器，仿真故障发生前的5分钟数据，每个样本均为一个(300，63)的二维矩阵。