基于数据驱动的舰船核动力安全支持技术分析

庄乾平

(中国核工业集团公司，北京 100822)

基于数据驱动的舰船核动力安全支持技术分析

庄乾平

(中国核工业集团公司，北京 100822)

与核电站相比，舰船核动力系统工况多变，运行环境恶劣，辅助系统及工程安全设施相对简易，因此针对舰船核安全技术的研究一直是行业内的热点问题之一。近年来，随着计算机技术的飞速发展，舰船核动力系统大量历史运行数据被完整真实的保存下来，如能利用数理统计、智能学习等大数据分析手段，归纳提炼其隐含的有价值的信息，可形成有效客观的经验积累，指导舰船核动力系统安全运行，为舰船核动力系统运行安全技术的发展提供新途径。

舰船核动力系统；数据驱动；经验反馈；核安全技术；人工智能

0 引 言

核动力系统因其超长的续航能力和不依赖氧气的诸多优点，受到各国军用舰船，特别是潜艇和大型水面舰艇的青睐，如目前美国所有在役的潜艇和大部分航母都采用核动力，舰船使用核动力系统带来便利的同时，也不可避免带来了核安全问题。

与建造在陆地上的核电站相比，舰船核动力系统核安全现状不容乐观。首先，运行工况多变。核电站多数时间都处于满负荷稳态运行，而舰船核动力系统，因舰船机动性需求，常常需要不断变换航速，执行战术动作，动力负荷变化快，这必然导致反应堆运行功率频繁跟踪调节，系统发生异常和故障的概率也随之提高。其次，相比核电厂，舰船空间狭小，舱室内高温、高盐、高湿，还受海洋摇摆条件影响，核动力设备工作环境恶劣，发生故障概率普遍高于核电厂；再次，受舰船空间和条件限制，舰船核动力装置辅助系统和工程安全设施相比核电站简易，可利用的救援和维修资源有限，这进一步增加了安全风险。上述不利因素，使得舰船核安全问题一直以来都是行业内研究的热点问题[1–2]。本文将从舰船核动力系统运行数据角度，分析应对舰船核动力系统特定安全问题的新技术。

1 传统舰船核动力系统运行安全技术分析

早期关于核安全技术的研究，主要集中在机理分析法，故障树分析法和人员运行经验反馈法等几种手段上。

机理分析法主要依据反应堆运行物理和热工水力原理，分析系统运行过程、异常和故障现象，用于发现异常或故障的产生机理，是由因推果的过程。然而，舰船核动力系统发生异常时表现出来的现象往往是一种结果，需要由现象去推导诱发现象的原因，原因和现象结果二者之间往往都不是一一对应，因此，该方法更适用于事后归纳总结经验，但却较难逆向确定故障原因。

故障树分析法试图遍历和覆盖系统及设备的各种工况、各种故障的因果关系，以典型事故和故障为导向，构建树状关系图，试图采用有限的最小割集，匹配系统状态，最终归类诊断出系统发生故障的类型，如能构建核动力系统级的完整故障分析树，则可以有效解决舰船核动力系统异常与故障辨识问题，使得舰船核动力系统运行安全管理技术得到质的提升。然而，完整的系统级故障树是一种理想状态，故障树的复杂度会随着系统内设备数量的增加而成指数阶上升，难于构建和实现。

基于操纵人员运行经验反馈的方法，是目前应用最广泛的方法。在装备操作规程和操作手册的基础上，经过一代代运行操纵人员的不断积累和完善，形成运行经验，这种运行经验多数都是通过口口相传的方式传承和扩散的，也伴有一些经验公式和文字性的积累，能够覆盖大多数的系统异常和故障，是行之有效的一套运行管理方式。但是，上述经验反馈方法往往带有一代代传授者很强的主观意识，很难完全客观分析问题，而且随着系统及设备服役时间的增长，如出现老化、失效、参数偏移等新问题就难于发现与应对了。

2 基于数据驱动的运行安全技术的提出

依靠历史运行数据驱动研究复杂系统运行机理，获取复杂系统经验控制方法或者智能控制方法，一直是复杂系统建模和控制的一个重要研究方向[3–4]。

近年来随着计算机和海量可靠存储技术的发展，大量舰船核动力系统运行数据被完整记录下来，这些运行数据客观真实体现了系统运行过程和运行状态，是研究分析舰船核动力系统运行经验的第一手资料，如以这些海量数据为基础，针对特定的舰船核动力系统构建运行数据样本库，综合运用运行人员专家经验反馈，大数据挖掘与分析等技术，便可从新的角度，构建一些有效可行的舰船核动力系统安全支持技术，如系统异常、故障或事故重现技术；系统异常参数重新标定技术；设备故障趋势或者老化趋势预测技术；系统运行工况和异常状态自动辨识技术等。

3 系统异常、故障或事故重现技术

与常规动力相比，舰船核动力系统发生异常和故障的概率极低，我国舰船核动力系统发生事故的概率目前为0，因此舰船核动力系统异常和故障的经验价值很高，利用实时记录的异常和故障数据，结合仿真演示技术，可以重现演示上述过程，为操纵人员积累经验、安全分析人员分析原因，提供平台和数据依据。

4 运行数据驱动的系统异常参数重新标定技术

由于舰船机动性的需要，核动力系统经常需要快速升降负荷，甚至由于海上航行对于动力的依赖，当系统出现轻度故障时，仍然不能停堆检修，需要在一定安全限制范围内继续运行，这些实际状况都可能会导致压力、水位类参数（如稳压器水位、蒸汽发生器水位）大幅波动，在此过程中，由于水的汽化与液化现象剧烈交织，水中含气，极易出现虚假满水现象，导致测量系统难于准确测量出实际水位，而水位类信号不仅是操纵员辨识核动力系统运行状态的关键依据，也是操纵员执行操作的关键指示信号，还是许多自动调节与控制系统的驱动信号，比如蒸汽发生器水位就是给水调节系统的输入信号，稳压器水位是补水、排水、辨识系统是否发生LOCA的关键信号，其测量与显示的准确性直接影响核动力系统的运行安全。因此，有必要针对核动力系统运行过程中出现虚假显示的异常参数开展重新标定研究。

参数重构技术属于容错控制理论范畴，多年来，容错控制理论的研究发展很快，应用也很广泛[5–7]。在核能技术领域，许多国家进行了故障诊断和容错控制技术的应用性研究，如：美国在线实现了具有故障传感器输出重构功能的核反应堆功率控制系统，并在爱达荷EG&G实验室的LOFT系统上成功地进行了试验；美国麻省理工学院的MITR-Ⅱ核反应堆将容错控制技术成功地应用于在线核反应堆功率控制系统。在国内核电厂和船用核动力系统中微型计算机已参与到闭环控制系统中，其在提高控制系统的可靠性方面，采用了简单的硬件冗余。但对于应用软件冗余，采用模拟仿真方法实现信号重构的应用尚未完全实现。

目前软件冗余重构方法主要有基于数学物理模型和基于数理统计 2 种方法。基于物理模型的方法发展较早、理论上比较完善、实际应用比较成熟，是指运用已被证明的定理、定律或者推论，在若干简化假定条件下，通过分析系统变量间的关系和运动规律，而获得解析数学模型的方法，主要应用于在线故障检测和诊断以及指示仪表信号的重构，但存在计算速度慢无法在线实现，还存在模型简化误差，计算传递误差，不能适应系统设备性能指标退化等问题。基于数理统计的方法是指以系统历史运行数据为基础，利用神经网络、支持向量机等人工智能技术，分析系统运行规律以获取系统重构计算模型的方法。该方法无需考虑系统的实际模型，而且贴近实际系统运行状态，对于复杂的工业过程控制具有实际的应用价值，比如在火电厂领域。近年来，随着人工智能的快速发展，基于机器学习和模式识别的故障诊断与运行状态重构方法已成为研究的热点。

使用人工智能法重新标定参数，主要依据核动力系统运行过程中主要参数之间的耦合关系，以其他正常显示的参数为输入，计算标定异常参数，其耦合关系计算式的确定，需要大量可靠训练样本，舰船核动力系统运行数据样本库，可为人工智能法参数耦合关系的确定提供准确、可靠、针对性强的训练样本，为其实现提供数据基础。

5 运行数据驱动的设备故障趋势或者老化趋势预测技术

收集在役设备的历史运行数据，进行挖掘分析，可用来预测设备的寿命，未来运行状态等关键信息[8–9]。

核动力设备的故障和老化是一个长期积累的过程，在其失效之前，其状态参数和运行特性参数就已有所体现，依据自动记录的各类设备的运行过程数据和状态参数，结合设备失效频次，经统计分析，可计算出设备的平均工作寿期，当前运转状态，未来故障趋势和预期工作时间，进而更有计划的更换、维修，降低设备在运故障概率，从而降低安全风险，提高整个核动力系统的可靠性和可用性。

6 运行数据驱动的系统运行工况和异常状态自动辨识技术

在核动力运行与安全支持领域，自动化与智能化一直以来是行业发展的一个关键目标方向[10–11]。

舰船核动力系统综合显控台有几百路信号，需要重点关注的也有几十路，运行操纵人员长时间关注诸多参数极易产生疲劳，造成人因失误，特别是在异常工况下，年轻操纵员要同时关注如此多的信号的变化情况，通常比较吃力，而要分析这些参数的细微变化速率与初因事件类型的对应关系，即使是经验丰富的操纵员也难以做到，而这些工作恰好是计算机善于解决的问题，

通过梳理分析核动力系统历史运行数据，将其切割分解成各种正常工况与不同异常工况样本库，使用成熟有效的人工智能学习算法训练并验证上述样本，构建舰船核动力系统运行工况和异常状态自动辨识网络或者模型，接入舰船核动力系统综合显控台，用于实时辨识系统运行状态，辅助操纵员值班，可有效降低人因失误，提高系统安全运行性能。

7 结 语

舰船核动力系统运行状态数据的收集，为核动力系统的安全运行和经验反馈提供了新的技术手段和途径，许多新的核安全支持技术会应运而生，上面列举了几种可能的技术方向，并不全面，相信未来，信息与大数据技术在舰船核动力运行管理领域的推广和应用会带来一场大的技术变革。

[ 1 ]成守宇, 王贺, 彭敏俊, 等. 核动力装置运行支持系统的设计与开发[J]. 核科学与工程, 2010, 30(4): 325–332. CHENG Shouyu, WANG He, PENG Minjun, et al.Design of operator support system for nuclear power plants[J]. Chinese Journal of Nuclear Science and Engineering, 2010, 30(4): 325–332.

[ 2 ]王贺, 成守宇, 张志俭. 操纵员运行支持系统中状态监测方法研究[J]. 核动力工程, 2010, 31(2): 71–75. WANG He, CHENG Shouyu, ZHANG Zhijian. Research on condition monitoring method for operator support system[J]. Nuclear Power Engineering, 2010, 31(2): 71–75.

[ 3 ]房耀. 基于数据驱动的步进式加热炉温度控制策略的研究[D]. 合肥: 合肥工业大学, 2016. FANG Yao. The research on temperature control strategy of walking-bean furnace based on data-driven control[D]. Hefei: Hefei Polytechnic University, 2016.

[ 4 ]侯忠生, 许建新. 数据驱动控制理论及方法的回顾和展望[J].自动化学报, 2009, 35 (6): 650–667. HOU Zhongsheng, XU Jianxin. On data-driven control theory: the state of the art and perspective[J]. Acta Automatica Sinica, 2009, 35 (6): 650–667.

[ 5 ]陈玉清, 姚栋, 于雷. 舰船核动力系统状态参数重构分析方法初探[J]. 四川兵工学报, 2016(9): 50–53. CHEN Yuqing, YAO Dong, YU Lei. Analysis method of ships nuclear-powered system state parameter reconstruction[J]. Journal of Ordnance Equipment Engineering, 2016(9): 50–53.

[ 6 ]王晓龙, 蔡琦, 陈玉清. 基于支持向量回归的稳压器水位信号重构研究[J]. 原子能科学技术, 2013, 47(6): 1003–1007. WANG Xiaolong, CAI Qi, CHEN Yuqing. Analysis method of ships nuclear-powered system state parameter reconstruction[J]. Atomic Energy Science and Technology, 2013, 47(6): 1003–1007.

[ 7 ]黄超. 数据驱动传感器故障误差补偿与容错控制方法研究[D]. 兰州: 兰州理工大学, 2016. HUANG Chao. The study of error compensation and faulttolerant control approaches against sensor faults based on datadriven[D]. Lanzhou: Lanzhou University of Technology, 2016.

[ 8 ]李瑛. 船舶保养检验数据的分析与挖掘[J]. 舰船科学技术, 2016 (20): 160–162. LI Ying. Analysis and mining of ship maintenance inspection data[J]. Ship Science and Technology, 2016 (20): 160–162.

[ 9 ]杨秀芳. 一种基于无线传感器网络的海洋信息智能采集方法[J]. 舰船科学技术, 2016(24): 145–147. YANG Xiufang. The method for marine information intelligent acquisition based on wireless wensor network[J]. Ship Science and Technology, 2016(24): 145–147.

[10]刘永阔, 谢春丽, 成守宇, 等. 核电站分布式智能故障诊断系统研究与设计[J]. 原子能科学技术, 2011, 45 (6): 688–694. LIU Yongkuo, XIE Chunli, CHENG Shouyu, et al. Research and design of distributed intelligence fault diagnosis system in nuclear power plant[J]. Atomic Energy Science and Technology, 2011, 45 (6): 688–694.

[11]闫雨石, 鞠文博. 船舶无人驾驶技术中的数据融合应用技术[J]. 舰船科学技术, 2016 (20): 1–3. YAN Yushi, JU Wenbo. Application of data fusion technology in the unmanned marine vehicle autopilot technology[J]. Ship Science and Technology, 2016 (20): 1–3.

[12]王晓龙, 蔡琦, 陈玉清, 等. 基于多分类SVM的船用核动力装置主回路系统破口特征诊断技术研究[J]. 原子能科学技术, 2014(3): 462–468. WANG Xiaolong, CAI Qi, CHEN Yuqing, et al. Study on diagnostic technique for nuclear power plant primary coolant circuit system break characteristics based on multiclassification SVM[J]. Atomic Energy Science and Technology, 2014(3): 462–468.

Analysis of safety support technology for marine NPP based on data driven

ZHUANG Qian-ping
(China National Nuclear Corporation, Beijing 100822, China)

Compared with the nuclear power station on land, the marine nuclear power system runs with changing conditions, harsh working environment, and relatively simple safety facilities and auxiliary system, thus the study on the safety technology of marine nuclear power system has been one of the hottest issues in the industry. In recent years, with the rapid development of computer technology, the historical data of marine nuclear power system is completely and veritably saved, and if we can summarize hidden valuable information in these data by mathematical statistics, intelligent learning and other large data analysis methods, and gradually the effective and objective experience could be formed, which would guide the operators s operating marine nuclear power plant more safely. This issue would provide a new way for the development of safety technology of marine nuclear power plant.

marine nuclear power plant；data driven；experience feedback；nuclear safety technology；artificial intelligence

TL361

A

1672 – 7649(2017)08 – 0142 – 04

10.3404/j.issn.1672 – 7649.2017.08.030

2017 – 05 – 15

庄乾平(1973 – )，男，工程师，从事核动力研制管理工作。