DUCG 在核电站二回路故障诊断中的应用

赵 越，张 勤，，，邓宏琛，董春玲

（1.清华大学 核能与新能源技术研究院，北京 100084；2.北京航空航天大学 计算机学院，北京 100191；3.清华大学 工程物理系，北京 100084）

核电站作为一类复杂而极其重要的工业系统，始终将安全置于首位。对于一正常运行的系统，发生故障和失效无法避免。故障表现为超出设备范围的偏差，而失效则表现为系统的持续性中断，系统发生失效时由于不能执行指定的动作，从而不能完成既定的功能［1］。故障和失效可能发生于核电站的仪器、设备和生产流程中，给核电站的运行带来严重影响。

故障监测和诊断（FDD）是在系统中监测、隔离和识别故障的过程。在系统运行时，故障监测确认是否有故障出现，在故障发生时进行故障诊断。故障诊断包括故障隔离和故障识别，故障隔离能定位故障的位置，故障识别决定故障的类型和随时间变化的特征［2］。FDD 方法可用于需长时间操作和运行的系统，即具有在线检测（OLM）需求的系统。

核电站是一复杂的、需长时间操作和运行的系统，在FDD 过程中存在着很多的不确定性，为处理这一问题，引入动态不确定因果图（DUCG）作为智能故障诊断方法，此方法已被应用于复杂系统不确定性行为的故障诊断［3］。随后，DUCG 被用于分析核电站二回路系统中的一类典型故障。

1 DUCG 的图形表达

在故障诊断方面，DUCG 的独特优势在于它对诊断过程和结果的可解释性，并对参数准确度和信息完整度的依赖性较小。图1为基于中国广核集团有限公司宁德1号核电机组建造的故障诊断因果图模型，共包含核电站二回路典型的18个故障。

2 DUCG 的推理法则

为在不完全表达的前提下执行精确的推理，DUCG 采用了“链式”推理法则，此法则的关键步骤是“事件展开”。事件展开是将每个被监测到的事件分别沿着逻辑表达的因果链展开至根原因事件，成为由一系列｛A，B，D｝类型变量组成的不相交的积之和形式，如式（1）［3］：

2.1 化简

化简是推理过程中，在监测变量和判断因果关系的基础上，消去和舍弃一些不可能发生或无意义的因果关系或变量。DUCG 定义了一系列化简规则［3］，可将一复杂的因果图显著简化。

2.2 拆分和删除

在故障诊断过程中，DUCG 分解的目标是降低因果结构图的规模。通过假定不同的初因事件Bi，一个庞大而复杂的DUCG 可被拆分为一系列子DUCG。任一子DUCG 都是有意义的，仅当某个DUCG 子图能解释所有监测到的异常证据时，这个子图才是有效的，其中的初因基本事件Bij便成为可能的根原因［3］。那些无效的DUCG 子图因不能与收到的监测变量匹配，被删除且不予考虑。

2.3 事件展开

在概率计算之前，根据监测到的证据E，在每一子图中首先进行事件展开，以得到可能的原因假设。这些假设组成了假设空间SH（SH=∪gSHg，SHg表示与子图对应的假设空间，用下标g 表示，g=1，2，…）。在事件展开过程中，同时进行逻辑处理［3-4］。这样可有效地避免冗余计算，从总体上降低推理工作量。

2.4 概率计算

每个假设的状态概率Hk，j∈SHg是分别以不完全和完全的证据计算的，计算结果分别表示为Hs′k，j和Hsk，j。不完全的证据E′（仅为异常监测量）在故障诊断推理中首先被使用，以得到一近似结果。这个结果随后能被正常监测量E″修正（若存在），E″作为负证据以提高推理准确度。计算公式为式（2）和（3），其 中σk，j=Pr｛E″|Hk，jE′｝／Pr｛E″|E′｝为精确结果和近似结果间的修正因子。

3 实例验证

核电站设备和系统中可能发生数以百计的故障，不同堆型的核电站发生故障的类型和表现也存在较大差别，用DUCG 建造一核电站完整的智能故障诊断的模型将会十分复杂。因此，本课题以中国广核集团有限公司宁德核电站1号机组为原型，建立了二回路系统典型的18个故障的诊断因果图模型，如图1 所示，为简洁起见，X、B 变量被省略，仅以图形表示。故障名称列于表1。

在建模过程中，每个故障可作为一个模块单独建模或与其他任何故障联合建模，这样模块化的建模设计可将一个因果图拆分成多个相互独立的部分，在规定了统一标准的前提下，由该领域的专业人员共同建模，降低了对核电站这样复杂系统的建模难度。

图2为图1的一个子图，表示“宁德核电站1号机组（CPR1000）二回路A 路蒸汽管道泄漏”时故障的发展和可能引起的参数变化，图中所有的因果关系和参数（如事件矩阵An；j）均由中国广核集团公司技术人员确定，子图中变量定义列于表2。

图1 宁德1号核电站二回路DUCGFig.1 DUCG of secondary loop in Unit 1of Ningde Nuclear Power Plant

编号 名称1凝结水泵CPA 状态CEX001PO 故障2凝结水泵CPA 状态CEX002PO 故障3泵MFPA 故障APA102PO 4泵MFPA 故障APA102PO 5阀V3关闭故障APA113VL 6阀PCV400A 故障GCT115VV 7 A 路蒸汽管道泄漏8阀PCV308A 故障GCT131VV 9故障GRE001VV 全开／关10 ARE031VL意外全开11 真空泵VPA 独立失效CVI101PO 12 A 路给水管道泄漏13 B路给水管道泄漏14 C路给水管道泄漏15 透平机械故障16 给水加热器旁路阀ABP011VL意外开启17 主蒸汽集管破裂18蒸汽发生器传热管破裂

图2 二回路A 路蒸汽管道泄漏Fig.2 Secondary loop steam pipe leak

二回路A 路蒸汽管道泄漏是核电站可能发生的重要故障，宁德1号机组的主蒸汽系统流程简图如图3 所示。当A 路蒸汽管道发生泄漏时，蒸汽发生器SG1 的水位下降，然而虚假水位却导致宽量程水位ARE061MN 升高。A、B、C 路主蒸汽管线上的流量VVP001MD、VVP002MD、VVP003MD 增大，导致3条管线上的压力变送器的示数 VVP007MP、VVP008MP、VVP009MP升高，发出管线隔离信号，使得3 条管线上的主蒸汽隔离阀VVP001VV、VVP002VV、VVP003VV 由打开变为关闭状态。同时，管线出现压差升高，压力变送器发出安注信号。另一方面，由于A 路管线泄漏，一回路温度RCP624KM 降低，引起稳压器压力RCP005MP 降低，也发出安注信号。安注信号发出后，触发跳堆信号，反应堆跳堆。

变量名称 变量描述 状态信息B33 二回路A路蒸汽管道状态 0-正常，1-发生泄漏故障X53 一回路平均温度RCP624KM 0-正常，1-偏低，2-偏高X11 反应堆运行状态 0-正常，1-偏低，2-偏高X28 SG1宽量程水位ARE061MN 0-正常，1-故障关闭X33 稳压器压力RCP005MP 0-正常，1-偏低，2-偏高X47 A蒸汽管道流量VVP001MD 0-正常，1-偏低，2-偏高X48 A蒸汽管道压力VVP007MP 0-正常，1-偏低，2-偏高X72 安注信号 0-正常，1-触发X167 B蒸汽管道压力VVP008MP 0-正常，1-偏低，2-偏高X168 C蒸汽管道压力VVP009MP 0-正常，1-偏低，2-偏高X173 B蒸汽管道流量VVP002MD 0-正常，1-偏低，2-偏高X174 C蒸汽管道流量VVP003MD 0-正常，1-偏低，2-偏高X188 主蒸汽隔离阀开度VVP001VV 0-打开，1-关闭X189 主蒸汽隔离阀开度VVP002VV 0-打开，1-关闭X190 主蒸汽隔离阀开度VVP003VV 0-打开，1-关闭

图3 核电站主蒸汽系统流程简图Fig.3 Flow diagram of nuclear power plant main steam system

4 定量分析

为验证建立的DUCG 模型，证明DUCG推理法则和计算步骤的适用性，从中国广核集团仿真技术有限公司针对宁德1号机组生产的核电站模拟机获得了故障数据。部分故障数据随时间的变化如图4所示。

图4 部分故障随时间的变化Fig.4 Changes over time in part of faults

所得数据中的证据E（发生故障的数据）有：

所有未列出的X 变量表示它们的状态为正常或未知。对图1应用化简规则，将所有无关的变量从DUCG 中去除，得到化简后的DUCG 如图5所示。由此，一个巨大的DUCG 被有效化简，从而使推理计算的难度被显著简化。

图5 故障诊断结果Fig.5 Fault diagnosis result of reasoning machine

图5包含了所有的异常证据，能解释所有故障数据之间的因果关系。由简化的图像，即可确定B33为唯一引起监测到故障的原因，但为完整描述DUCG 在核电站中的诊断过程，对图5进行继续处理。将化简后的DUCG（图5）进行事件展开，首先要得到假设空间SHg。由于篇幅所限，仅对X11，1进行展开。

由此可得：

可求得Pr｛E′｝=0.009 227 45。将E′展开过程中的所有A 类型的变量和权重因子rn；i／rn忽略，可得假设空间SH=SH1=｛H1，1｝=｛B33，1｝，式中H1表示B33。显然下式是成立的：

因此，在不完全条件E′下，Hk，j∈SH1的状态概率为又因图4中的正常证据E″=Ø，所以得到Pr｛E｝=Pr｛E′｝=0.009 227 45，和之间的修正因子σk，j为1，故==1。

结果表明，在根据宁德1号机组所建模型中，只有B33，1能解释所有中国广核集团仿真技术有限公司模拟机监测到的故障，即B33，1是引发所有故障的根源。这在核电站实际运行过程中，能为核电站发生的故障进行快速、准确的故障诊断。

5 结论

针对核电站这一复杂系统的故障诊断，本文介绍了DUCG 的推理机理和推理法则。以中国广核集团有限公司宁德1号机组为原型，建立了核电站二回路包含18个故障的诊断模型，并用中国广核集团仿真技术有限公司生产的宁德1号核电机组的模拟机所产生的“二回路A 路蒸汽管道泄漏”时故障数据进行验证，准确而快速地得到了引发故障的原因事件，并计算得到事件的状态概率和此时原因事件引发故障的概率，为核电站工作人员提供可靠的操作依据。

由于目前的验证数据仅由核电站模拟器提供，验证模型也局限于压水堆核电站二回路的18个故障，因此，本系统所建立的知识库模型还不具备完整性和系统性，有必要提出修改和完善，也是下一步的研究方向。

［1］ ISERMANN R，BALLE P.Trends in the application of model-based fault detection and diagnosis of technical processes［J］.Control Engineering Practice，1997，5：709-719.

［2］ ISERMANN R.Fault-diagnosis systems：An introduction from fault detection to fault tolerance［M］.US：Springer-Verlag，2006.

［3］ ZHANG Q.Dynamic uncertain causality graph for knowledge representation and reasoning：Discrete DAG cases［J］.Comput Sci Technol，2012，7（2）：1-23.

［4］ DONG Chunling，WANG Yanjun，ZHANG Qin，et al.The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo［J］.Computer Methods and Programs in Biomedicine，2014，113：162-174.