[发明专利]基于大数据分析的核电厂主泵三级密封故障预测方法

说明书

本发明属于核电厂设备可靠性技术领域，具体涉及一种基于大数据分析的核电厂主泵三级密封故障预测方法，目的是通过主泵运行状态数据的相互关联和分析，实现核电厂主泵三级密封故障的预测，便于电厂开展状态维修。并将核电厂设备维修方式从全部进行预防性维修向部分设备进行基于设备的状态进行维修的方向进行改进。通过新的诊断和测试可以给出准确的缺陷定位和阀门状态趋势分析，阀门的性能主要通过阀门诊断来判断，大大减少了阀门解体频度，节约了大量物资及人力成本。采用本发明所述的方法，为制定设备故障应对措施提供了充分的时间裕度，避免电厂遭受不必要的损失。

技术领域

本发明属于核电厂设备可靠性技术领域，具体涉及一种基于大数据分析的核电厂主泵三级密封故障预测方法。

背景技术

反应堆冷却剂泵(以下简称主泵)是核电站的重要设备，其安装在反应堆内，主要功能是将反应堆冷却剂进行升压，克服冷却剂在压力容器、蒸汽发生器以及主管路中动的阻力，保证反应堆冷却剂在一回路中不断地循环流动，将核裂变产生的热量，通过冷却剂送至蒸汽发生器。目前国内核电厂的主泵大多采用的是轴封泵，其三级机械密封组件是主泵的重要部件之一，由于机械磨损这一不可避免的问题，也是主泵中最容易损坏的部件。反应堆运行期间，如果主泵机械密封出现降级或失效，电厂只能停堆对其进行维修，这不仅会给电厂带来很大的经济损失，对反应堆的安全运行也不利。目前，国内核电厂仅能针对主泵机械密封泄漏率进行阈值报警，采用这种单点孤立阈值报警的方法无法及早发现设备隐性异常和设备性能劣化的细微变化，待报警出现，设备已然处于故障状态。而且设备维护仅靠采取周期性的预防性维修手段来避免故障的发生，无法做到“应修则修”，无形中增加了电厂的运营成本。

现今，传感器技术应用广泛，核电厂主泵运行状态的监测参数也很丰富。但却没有一种技术能综合利用这些状态参数，使海量的数据相互关联并通过分析手段，来预测机械密封故障的发生，使电厂及早采取应对措施，避免损失。

发明内容

本发明的目的是通过主泵运行状态数据的相互关联和分析，实现核电厂主泵三级密封故障的预测，便于电厂开展状态维修。

本发明是这样实现的：

一种基于大数据分析技术的核电厂主泵三级密封故障预测方法，包括以下步骤：

步骤一：建立主泵三级密封故障预警的业务模型；

步骤二：比较主泵的运行实测参数与业务模型输出的变量虚值，捕获异常数据；

步骤三：将捕获的异常数据与设备历史故障特征参数数据进行比对，完成故障的预测；通过与故障模式表征参数数据的对比，获知设备的故障模式；并通过故障预测算法来预测故障可能发生的时间点；这种预测算法通过分析问题测点的报警事件数列整体趋势特点，从中挖掘出该数据序列随时间变化而变化的规律，这些规律包括长期发展趋势规律、周期波动规律、不规则变动规律，针对这些规律获取这些模式的对应数学模型，长期发展趋势模型采用线性模型、周期波动模型采用正余弦模型、不规则变动模型采用高斯白噪声模型，去综合预测该测点将来运行的状态。

如上所述的步骤一按照以下步骤进行：

步骤1.1，测点的选择；根据运行经验分析，给出建模测点，共16个，具体测点见表1所示；

表1构建主泵业务模型的参数类型

步骤1.2，进行数据选择；在历年的运行状态数据中，观察测点数据曲线，截取最近三年的数据作为建模数据；

步骤1.3，进行测点相关性分析；该步骤对监测设备任意两个不同测点数据之间是否存在相关关系，以及何种关系作出判断；采用协方差数值作为测点相关性判断的依据；其数学模型可以表达为：

16个测点的相关性分析结果如表2所示：