[发明专利]一种基于数字孪生的蒸汽发生器状态监测与预测系统及方法

权利要求书

1.一种基于数字孪生的蒸汽发生器状态监测与预测系统，其特征在于：包括数字孪生模型模块、数据处理模块、特征提取与融合模块、状态与故障识别模块、状态预测模块；通过核电厂蒸汽发生器DCS系统采集现场数据，并将获得的现实空间数据传送给数字孪生模型和数据处理模块；数据处理模块将获得的传感器参数、环境参数和调控参数进行归一化、去噪预处理，并通过D-S理论和滤波算法进行融合，得到的融合信息传递给数字孪生模型和特征提取与融合模块；数字孪生模型通过历史数据和实时监测数据实现对蒸汽发生器传热管关键物理场和参数的反演并将必要参数展现在操作台和三维模型中；特征提取与融合模块通过基于iForest的多维特征提取方法实现特征提取与融合并将可识别的特征送往状态监测与诊断模块进行状态识别；状态预测模块通过预测模型对传热管缺陷程度和最大应力强度进行预测，并将结果反馈到孪生空间的集合模型中视景；针对产生的不可标记故障，通过数字孪生模型的故障数据与迁移学习模型进行诊断；将诊断和预测结果展示在三维展示界面上，利用核电厂停堆检修中蒸汽发生器传热管涡流检测信号对孪生模型进行校验和更新。

2.根据权利要求1所述的一种基于数字孪生的蒸汽发生器状态监测与预测系统的方法，其特征在于，步骤如下：

步骤1：蒸汽发生器的运行数据通过核电厂监测系统传送给数据处理模块，将传感器采集数据进行预处理和标准化；

步骤2：步骤1中所得到的数据一方面存储到历史数据库中以供调用，另一方面传递给数字孪生模型；

步骤3：步骤1中得到预处理后的数据通过iForest多维特征提取后对特征进行识别，对于可标记的特征将其传递到状态监测与故障诊断系统中；

步骤4：针对步骤3中不可标记的特征，通过数字孪生模型产生的数据通过进行诊断，将数字孪生模型产生的丰富故障数据作为源领域知识迁移到目标域即现实物理空间产生的不可标记故障数据；

步骤5：当诊断后的特征和诊断结果传送到状态预测模块，通过训练好的深度神经网络预测模型对蒸汽发生器传热管的状态进行预测；

步骤6：将步骤3～步骤5的结果通过蒸汽发生器传热管三维视景平台进行展示；

步骤7：将步骤3～步骤5的监测和诊断结果传送回历史数据库以供调用和数字孪生模型模型的训练和更新。