[发明专利]应用大数据理论优化核电厂在役检查项目和频率的方法

说明书

本发明属于核电厂运营技术领域，涉及应用大数据理论优化核电厂在役检查项目和频率的方法。所述的方法依次包括如下步骤：(1)大数据收集；(2)数据库的建立，数据的存储和提取；(3)数据的预处理；(4)数据的建模和分析；(5)优化在役检查。利用本发明的应用大数据理论优化核电厂在役检查项目和频率的方法，能够通过对核电厂在役检查和维修方面积累的大量数据的分析，发现规律，从而更好的优化在役检查的项目、方法和频率。

技术领域

本发明属于核电厂运营技术领域，涉及应用大数据理论优化核电厂在役检查项目和频率的方法。

背景技术

在役检查是在核电厂运行寿期内，对核安全1-3级系统、部件及其支撑所进行的有计划的定期检验，以便及时发现新产生的缺陷和(或)跟踪已知缺陷的扩展，并判断它们对核电厂运行是否可以接受，或是否有必要采取补救措施。

目前主要有两种确定核电厂在役检查项目的策略/规范，即法国RSE-M规范采用的破坏导向策略和美国ASME规范采用的抽样策略。

RSEM基于确定论安全分析的结果，细致的规定了需检查的系统设备、检查部位、接近方式、检查方法和检查频度。ASME先将检验对象进行分类，然后对于每个检验类别，ASME以表格形式给出检测方法、验收标准、检测范围和频度。对于某一具体的核电站，按ASME建立的机组在役检查大纲需要针对该堆型的实际情况逐设备进行梳理细化。例如ASME规定核安全1级异种金属(B-F)型管道焊缝必须100％做在役检查，核安全1级同种金属管道焊缝抽取25％检查，核安全2级管道焊缝抽取7.5％。

上述两种策略或者说方法未考虑破裂后果对安全的影响以及设备的可靠性，导致检查的项目和频率偏高，存在一定的优化空间。

大数据近年来在各行各业得到了越来越多的应用，经过对大量数据的分析可以得到这些数据内在的信息和联系，从而优化改进原有设计或者创造出新的设计。核电厂在役检查和维修方面积累了大量的数据，通过对这些数据进行挖掘分析、发现规律，可优化在役检查的项目、方法和频率。

发明内容

本发明的目的是提供应用大数据理论优化核电厂在役检查项目和频率的方法，以能够通过对核电厂在役检查和维修方面积累的大量数据的分析，发现规律，从而更好的优化在役检查的项目、方法和频率。

为实现此目的，在基础的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，所述的方法依次包括如下步骤：

(1)大数据收集；

(2)数据库的建立，数据的存储和提取；

(3)数据的预处理；

(4)数据的建模和分析；

(5)优化在役检查。

本发明将大数据应用引入核电厂在役检查方面。首先收集众多核电厂运行和维修数据，特别是核电厂预防性维修、运行设备故障和大修维修等数据，建立安全重要设备的运行维护数据库，而后基于该数据库进行数据挖掘和分析，最后以目前的在役检查大纲为基础，优化在役检查项目、方法和频率。

在一种优选的实施方案中，本发明提供应用大数据理论优化核电厂在役检查项目和频率的方法，其中步骤(1)中，收集的数据包括设备标识数据、设备分级数据、设备类型数据、在役检查数据、历史故障数据、维修经历数据、所处环境数据。