[发明专利]基于多源信息强化学习蒸汽发生器给水系统诊断方法

说明书

本发明提供一种基于多源信息强化学习蒸汽发生器给水系统故障诊断方法，包括对蒸汽发生器给水系统中蒸汽发生器、给水泵和给水阀进行状态监测，获取多个状态信息；基于信息源类型将关联的状态信息聚类形成特征信息簇；基于特征信息簇集成建立特征矩阵，对特征矩阵提取状态特征向量；将状态特征向量输入至数据分析模型体系进行故障类型的诊断，并对相应构件的状态参数进行评价和调控。本发明针对蒸汽发生器给水系统多源信息故障诊断，采用信号处理、互信息关联、非线性降维、深度强化学习等技术，解决了多源信息的特征提取、特征融合、特征集成、特征学习等问题，为蒸汽发生器给水系统多源信息的自主学习与状态识别诊断提供了新的技术方案。

技术领域

本发明涉及数据特征处理与机器学习领域，具体涉及一种基于多源信息强化学习蒸汽发生器给水系统诊断方法及系统。

背景技术

蒸汽发生器是电厂一、二回路的枢纽，其主要功能是把一回路反应堆产生的热量传递给二回路给水，使二回路给水变为一定温度和压力的蒸汽，从而起到热量交换、能量传递的作用；蒸汽发生器给水系统是由汽轮机、冷凝器、给水泵、调节阀等部件组成的系统。蒸汽发生器给水控制是压水堆核电厂极其重要的控制功能，用于调节核电厂蒸汽发生器二次侧水位在需求定值上，以保证机组的稳定运行。蒸汽发生器给水控制功能要求集成度高，操作要求复杂，涉及电厂的多个系统，因此其故障诊断需要快速、准确。

目前，随着新技术的大量应用，蒸汽发生器给水系统复杂性显著提高，所涉及的不确定因素也日益增多，蒸汽发生器给水系统在运行维护期间所面临的风险以及风险所导致的损失规模也越来越大。蒸汽发生器给水系统中普遍含有机械、液压、电器、管道等多种设备，从每个设备获取的数据存在着信息类别、变化特征、采样特性等差异，使得单一数据特征无法准确反映设备的运行状态；蒸汽发生器给水系统的多源异构数据存在局部信息不完整、信息冗余度高、信息集中度低等特点，系统运行工况多，子系统之间信息交互复杂，不同设备中的数据特征存在非线性关联，未经多源信息分离与关联信息融合处理的设备特征无法有效描述系统的总体状态。然而，传统的故障诊断方法仅能从部分数据层面反映设备的局部运行状态，而无法从系统层面提供大型装备的健康信息。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于多源信息强化学习蒸汽发生器给水系统诊断方法，该方法可对蒸汽发生器给水系统的多源状态信息进行关联性融合，并在此基础上将深度学习的感知能力和强化学习的决策能力相结合，建立深度强化学习系统以实现蒸汽发生器给水系统的状态识别与故障诊断。

为实现上述目的，本发明第一方面提供一种基于多源信息强化学习蒸汽发生器给水系统故障诊断方法，所述方法包括：

对所述蒸汽发生器给水系统中蒸汽发生器、给水泵和给水阀进行状态监测，获取多个状态信息；基于信息源类型分别对多个所述状态信息进行第一特征向量的提取；

根据第一特征向量将关联的状态信息聚类形成多个特征信息簇；再将多个所述特征信息簇进行非线性融合，降维获得多个第二特征向量；

将多个所述第二特征向量集成建立二维特征矩阵，使用卷积神经网络对所述特征矩阵进行深度学习，提取状态特征向量；

建立数据分析模型体系，所述数据分析模型体系包括强化学习网络模型、价值评价网络模型以及策略优化网络模型；

将状态特征向量输入至所述数据分析模型体系进行故障类型的诊断，并对相应蒸汽发生器、给水泵或给水阀的状态参数进行评价和调控。

进一步地，其中；

所述状态信息包括蒸汽发生器进水口温度、蒸汽发生器进水口流量、蒸汽发生器进水口压力、给水泵速度、给水泵加速度和给水阀开度；

所述信息源类型为瞬变状态信息、渐变状态信息和缓变状态信息。