核动力设备状态趋势预测方法研究

高政新

摘要：对核动力设备故障诊断、趋势预测目的进行详细分析，针对当前存在于核动力设备状态趋势预测当中的问题进行分析，总结核动力设备状态趋势的预测方法，保证其自身的安全稳定运行。

关键词：核动力设计；状态趋势；预测方法；研究

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.16723198.2017.06.098

现如今，我国的社会经济不断快速发展，人们的生活质量和水平越来越高，社会各界对于电力的需求量越来越高，电力市场的发展也越来越快。当前，核电在电力市场当中具有非常强的竞争力，被公认为是一种安全性比较高、并且能够可持续发展、同时对环境保护还能够产生作用的能源。在这种形势下，核能不再单纯的是一种能源选择，更是人们日常生活中，一种能源必需品。核电在实际利用过程中，有潜在威胁，核动力设备如果在运行过程中发生故障的话，不严重的情况下会导致不同程度的经济损失，而严重的情况下，不仅会导致工作人员的人身安全造成威胁，而且会对社会造成恶劣影响。所以人们对核动力设备的关注度越来越高，核动力系统的复杂性不断增加，对核动力设备状态的检测、诊断、维护、保障都越来越复杂化，所以针对这种现象，对核动力设备状态进行检查的时候，尽可能的采用先进的设备和方法，保证设备的正常安全运行状态。

1核动力设备故障诊断的目的

当前，在社会经济、科学技术不断大力发展和生产的影响下，机械设备日常工作强度不在上升，为了能够保证生产效率、自动化程度达到一定标准，设备越来越复杂，导致其自身一旦出现一些微小型的故障，就会“牵一发而动全身”，导致整个设备以及与设备相关的周围环境都受到破坏。所以在这种形势下，机械设备故障的诊断技术越来越受到人们的广泛关注，特别是核动力设备，自身就有潜在威胁，如果没有对其进行切实有效的诊断，很容易导致经济损失、人身安全威胁等严重的后果。比如前苏联切尔诺贝利核电站泄露事故，就是由设备故障操作不当，而引起的，不仅震惊世界，而且造成的后果非常严重。事故的发生最根本的原因就是由于没有及时对其进行诊断，导致设备在已经出现问题的情况下仍然坚持运行，很容易造成重大事故的发生。

2核动力设备状态趋势预测的目的

当前核电已经逐渐成为电力发展以及人们日常生活当中必不可少的一项重要能源，核电不仅能够对环境产生保护作用，而且是一种可持续发展的能源，在电力行业不断发展的影响先，核动力技术也取得了重大的发展。现如今，核动力技术已经成为电力市场当中比较成熟的技术，而核动力设备自身由于存在放射性危险以及其自身的一些安全威胁，所以在这种形势下，就需要对核动力设备的正常安全运行状态进行实时监控，保证其自身的放射性释放量远远低于国家规定的限定值。如果一旦发生事故，由于放射性核素的不可控制释放量会产生非常严重的后果，所以在实际操作过程中，应当尽可能的杜绝这种现象的发生。因此，对核动力设备状态进行检测和预报，不仅是对核动力设备的正常安全运行状态提供切实有效的保障，而且也是能够针对其自身的运行状态，对其进行准确的预防性措施和对策，这样能够避免在遇到问题时，“手忙脚乱”，造成更大事故的发生。对核动力设备状态进行有效的趋势预测，不仅能够有效的提高核动力装置自身的安全性，而且能够保证运行状态的稳定性。对核动力装置进行趋势预测和分析，对其自身的运行轨迹进行预测，能够预防和提前预知事故的发生，在保证核动力装备运行状态良好的同时，能够保证其自身的安全性、可靠性，比单纯的故障诊断来说，更加具有现实意义。

3核动力设备状态趋势预测的方法

3.1简单预测方法

对核动力设备状态进行趋势预测时，最简单的预测方法就是利用两点异常状态的方法、采用直线式的方法、采用预测统计的方法等等。这些方法都属于传统的预测方法，比较简便，容易测量。这些传统设备的维修周期预测方法，主要是将以往的维修保养计划资料作为基础部分，利用概率或者是统计理论，结合有经验的工作人员对其进行深入研究和分析，对这些数值进行归纳和总结。利用这种方法来对核动力设备状态进行趋势预测，需要明确数据统计的各种概率分布，这种方法的样本空间需求量非常大，而其自身的准确度能够直接影响到预测的精准度，但是在实际操作过程中，其自身的准确度往往存在很大的误差，这也是传统预测方法精准度较差的主要原因。

3.2现代预测方法

现代预测方法包括时间序列预测模型、灰色系统预测模型等等，现代预测方法现在仍然处于研究的阶段，已经逐渐向实用阶段方向发展。时间序列模型是比较常见并且很有成效的预测方法之一，当前很多新型的预测方法都是在其自身的基础上逐渐研发出来。实践序列模型主要是利用参数模型对实际观测到的数据进行随机抽取，并且对这些数据进行详细分析，时间序列模型能够反映出不同时间段观测值之间的相关性，也就是核动力设备自身状态变化的“惯性”，能够更加真实有效的反映出核动力设备在运行过程中，出现在实际操作过程中，如果将核动力设备的某项状态变化时间序列当做是一个随机序列的话，那么将已经存有的观测值作为样本，这样一来，能够利用现有的样本数据建立实时时间序列模型，切实有效的对核动力设备的实际运行状态进行预测。

3.3人工智能预测方法

在科学技术不断大力发展的影响下，人工智能预测方法已经越来越受到人们的欢迎，在核动力设备状态的趋势预测过程中，人工智能预测方法使用的比较频繁，不仅能够节约人力成本，而且能够保证测量的准确性。人工智能预测方法主要包括神经网络预测、专家系统预测、小波分解预测等等，现如今，人工智能技术逐渐进入到故障诊断领域当中，已经成为一种全新并且非常有效果的预测方法和故障诊断方法。传统的预测方法主要是将数学模型作为基础，依照数学模型当中的原则和理念进行延伸和发展，很多故障一旦发生就会导致系统结构出现变化。特别是在一些异常情况下，由于缺乏现场数据，导致符合现场情况的数学模型很难建立起来，对核动力设备状态的预测就显得“力不从心”。

人工职能预测系统主要是将知识工程作为指导预测，能够总结和归纳人类对各种事物的分析能力，利用智能便捷的方法能够对信息进行获取、传递、处理以及利用。在特定环境下，能够对诊断对象进行切实有效的状态识别和预测，人工智能诊断系统主要是由于人、脑功能的模拟硬件以及其自身需要的一些外部设备所组成。人工智能主要体现其自身的“智能化”，在预测过程中，领域专家的干预，能够对故障信号进行切实有效的检测和分析，利用相关领域知识和技术对实际核动力设备的运行状态进行预测和故障推理，一旦发现故障存在，能够及时有效的解决，保证核动力设备的正常安全运行状态。另外，根据对知识的处理途径上的不同，人工智能预测方法现如今，主要存在两个研究方向，其中一个是在符号推理的影响下而进行的智能预测，而另外一种则是在数值计算的影响下进行的职能预测。无论是哪一种方法，在对核动力设备状态的趋势进行预测时，都能够最大限度的发挥其自身的作用力，盡可能减少故障的发生率，保证核动力设备的正常安全运行，对核能的应用、电力行业的整体发展来说，都起到良好的保障作用。

4结束语

总之，核能已经成为现代人日常生活当中必不可少的一项重要能源，为了能够保证其自身的安全、稳定，对核动力设备的状态进行趋势预测是非常重要的一项工作内容。在实际操作中，要根据核电站事故发生的特点进行总结，吸取经验，不断创新和优化趋势预测方法，最大限度的保证核动力设备运行状态的安全性、稳定性、可靠性。

参考文献

[1]张雨.设备状态监测与故障诊断的理论和实践[J].长沙：国防科技大学出版社，2010，（01）.

[2]臧希年.核电厂系统及设备[J].北京：清华大学出版社，2010，（03）.

[3]王江萍.机械设备故障诊断技术及应用[J].西安：西北工业大学出版社，2011，（10）.