白曉明，王新軍，艾紅雷，衛(wèi)東，鄭連綱，謝海

基于動(dòng)態(tài)時(shí)間彎曲算法的核電廠瞬態(tài)識(shí)別方法研究

白曉明1，王新軍1，艾紅雷1，衛(wèi)東2，鄭連綱1，謝海1

（1.中國核動(dòng)力研究設(shè)計(jì)院 反應(yīng)堆系統(tǒng)設(shè)計(jì)技術(shù)重點(diǎn)實(shí)驗(yàn)室，成都 610213； 2.環(huán)境保護(hù)部核與輻射安全中心，北京 100010）

對(duì)核電廠運(yùn)行瞬態(tài)識(shí)別進(jìn)行有效識(shí)別。基于動(dòng)態(tài)時(shí)間彎曲算法，計(jì)算運(yùn)行瞬態(tài)中溫度、壓力和流速數(shù)據(jù)與設(shè)計(jì)瞬態(tài)中對(duì)應(yīng)數(shù)據(jù)之間的相似程度，通過定義等效相似度反應(yīng)溫度、壓力和流速的不同權(quán)重。在完成當(dāng)前運(yùn)行瞬態(tài)與各條設(shè)計(jì)瞬態(tài)之間的相似程度后，通過比較相似度值，將運(yùn)行瞬態(tài)歸類為設(shè)計(jì)瞬態(tài)。通過對(duì)“華龍一號(hào)”核電廠的設(shè)計(jì)瞬態(tài)和基于設(shè)計(jì)瞬態(tài)攝動(dòng)獲得的虛擬運(yùn)行瞬態(tài)進(jìn)行驗(yàn)證，文中提出的方法能夠快速有效地對(duì)運(yùn)行瞬態(tài)進(jìn)行分類，結(jié)果顯示，有95%以上的運(yùn)行瞬態(tài)能夠被正確識(shí)別?；趧?dòng)態(tài)時(shí)間彎曲算法和等效相似度建立的瞬態(tài)識(shí)別方法具有高效、準(zhǔn)確等優(yōu)點(diǎn)，能夠有效應(yīng)用于核電廠的疲勞監(jiān)測(cè)系統(tǒng)。

瞬態(tài)識(shí)別；疲勞監(jiān)測(cè)；核電廠；動(dòng)態(tài)時(shí)間彎曲

在核電廠的運(yùn)行過程中，關(guān)鍵設(shè)備和管道系統(tǒng)的健康狀態(tài)需要通過疲勞監(jiān)測(cè)系統(tǒng)進(jìn)行監(jiān)測(cè)。由于核電廠運(yùn)行瞬態(tài)的波動(dòng)變化是導(dǎo)致設(shè)備和管道疲勞的重要因素，因此對(duì)運(yùn)行瞬態(tài)的識(shí)別和分類是核電廠疲勞監(jiān)測(cè)系統(tǒng)中的關(guān)鍵技術(shù)。以美國核電廠延壽為例，延壽相關(guān)要求10CFR54中明確規(guī)定了需要進(jìn)行疲勞分析，同時(shí)NUREG-1801中給出了滿足10CFR54要求的指南。指南要求在延壽申請(qǐng)中，需要提供導(dǎo)致明顯疲勞使用系數(shù)改變的瞬態(tài)發(fā)生次數(shù)。綜上所述，通過瞬態(tài)統(tǒng)計(jì)方法獲取電廠運(yùn)行中真實(shí)瞬態(tài)發(fā)生的次數(shù)，對(duì)電廠的疲勞監(jiān)測(cè)及延壽工作都具有重要的意義。

在核電廠的設(shè)計(jì)階段，通過計(jì)算分析能夠得到不同工況下的設(shè)計(jì)瞬態(tài)，但電廠的實(shí)際運(yùn)行瞬態(tài)往往與設(shè)計(jì)瞬態(tài)相差較大，傳統(tǒng)的瞬態(tài)識(shí)別方法難以直接基于設(shè)計(jì)瞬態(tài)進(jìn)行。近年來，基于模式識(shí)別方法發(fā)展較快，并吸引了大量研究者進(jìn)行相關(guān)的研究[1-9]。人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粒子群優(yōu)化、隱馬爾可夫模型和模糊熵方法等多種方法被應(yīng)用于瞬態(tài)識(shí)別技術(shù)。大多數(shù)基于數(shù)據(jù)的方法都需要龐大的數(shù)據(jù)作為訓(xùn)練集，這在核電廠實(shí)際使用中并不可行。為解決這一問題，文中提出了基于動(dòng)態(tài)時(shí)間彎曲（Dynamic Time Warping，DTW）算法以設(shè)計(jì)瞬態(tài)為參考進(jìn)行瞬態(tài)識(shí)別的方法。在該方法中，以設(shè)計(jì)瞬態(tài)為基準(zhǔn)，通過計(jì)算運(yùn)行瞬態(tài)與設(shè)計(jì)瞬態(tài)之間的等效DTW距離，實(shí)現(xiàn)對(duì)運(yùn)行瞬態(tài)準(zhǔn)確高效地自動(dòng)識(shí)別。該方法的研究對(duì)疲勞監(jiān)測(cè)系統(tǒng)中基于循環(huán)次數(shù)的疲勞計(jì)算具有重要意義。

1 理論及方法

1.1 動(dòng)態(tài)時(shí)間彎曲算法

動(dòng)態(tài)時(shí)間彎曲算法是一種計(jì)算兩組時(shí)間序列數(shù)據(jù)之間相似度的算法，該算法的核心思想是將兩組數(shù)據(jù)的時(shí)間軸建立非線性對(duì)應(yīng)關(guān)系，通過將時(shí)間序列拉伸或壓縮來匹配計(jì)算兩個(gè)時(shí)間序列之間的相似度，其原理如圖1所示。圖中的實(shí)線表示兩個(gè)時(shí)間序列，虛線連接序列之間的相似點(diǎn)。DTW使用所有相似點(diǎn)之間的距離綜合衡量兩個(gè)時(shí)間序列之間的相似性。與傳統(tǒng)基于歐式距離計(jì)算相似度的方法不同，DTW方法能夠有效地計(jì)算時(shí)間軸長度不統(tǒng)一時(shí)數(shù)據(jù)之間的相似度，因此該算法被廣泛應(yīng)用于語音識(shí)別等領(lǐng)域。

圖1 動(dòng)態(tài)時(shí)間彎曲算法

1.2 瞬態(tài)分類方法

1.3 瞬態(tài)在線識(shí)別

基于DTW算法，建立了瞬態(tài)在線識(shí)別流程，如圖2所示。需要注意的是，在瞬態(tài)識(shí)別過程中，用于進(jìn)行瞬態(tài)比較的參考輸入不僅包括設(shè)計(jì)瞬態(tài)，還包括已經(jīng)被識(shí)別的運(yùn)行瞬態(tài)。參考瞬態(tài)會(huì)隨著瞬態(tài)識(shí)別數(shù)量的增加而不斷增大，并有助于提高瞬態(tài)識(shí)別的正確率。此外，如果運(yùn)行瞬態(tài)不能被識(shí)別為設(shè)計(jì)瞬態(tài)，將建立一個(gè)新運(yùn)行瞬態(tài)的列表，用于后續(xù)的瞬態(tài)識(shí)別。

圖2 在線識(shí)別流程

2 結(jié)果及分析

文中采用“華龍一號(hào)”的40條設(shè)計(jì)瞬態(tài)作為參考瞬態(tài)構(gòu)建數(shù)據(jù)庫。由于目前“華龍一號(hào)”尚無運(yùn)行數(shù)據(jù)，通過以下方式構(gòu)建虛擬瞬態(tài)：

1）對(duì)設(shè)計(jì)瞬態(tài)中的折線點(diǎn)在橫軸（時(shí)間）上進(jìn)行攝動(dòng)，攝動(dòng)范圍為設(shè)計(jì)瞬態(tài)的±50%。如某設(shè)計(jì)瞬態(tài)中兩個(gè)折線點(diǎn)之間的時(shí)間間隔為100 s，攝動(dòng)后其時(shí)間間隔為50~150 s之間的隨機(jī)數(shù)。

2）對(duì)設(shè)計(jì)瞬態(tài)中的折線點(diǎn)在縱軸（溫度或壓力）上進(jìn)行，攝動(dòng)范圍為設(shè)計(jì)瞬態(tài)的±25%。如某設(shè)計(jì)瞬態(tài)中兩個(gè)折線點(diǎn)之間的溫差為100 ℃，攝動(dòng)后其溫差為75~125 ℃之間的隨機(jī)數(shù)。

3）對(duì)攝動(dòng)之后的折線添加高斯白噪聲，模擬傳感器采集過程中的噪聲影響。

需要注意的是，每條虛擬運(yùn)行瞬態(tài)均由相應(yīng)的設(shè)計(jì)瞬態(tài)變化而來，因此具有標(biāo)簽。通過對(duì)這些瞬態(tài)的識(shí)別，能夠獲得當(dāng)前方法的識(shí)別率。

表2 權(quán)重因子對(duì)瞬態(tài)識(shí)別率的影響

圖3 溫度和壓力的DTW相似度

圖4 運(yùn)行瞬態(tài)與設(shè)計(jì)溫度的對(duì)比

3 結(jié)語

文中基于動(dòng)態(tài)時(shí)間彎曲算法提出了一種進(jìn)行核電廠瞬態(tài)識(shí)別的方法，該方法能夠利用設(shè)計(jì)瞬態(tài)作為參考瞬態(tài)對(duì)運(yùn)行瞬態(tài)進(jìn)行識(shí)別。由于該方法不需要過多地運(yùn)行瞬態(tài)進(jìn)行模型訓(xùn)練，因此更適用于新型核電廠。同時(shí)，該瞬態(tài)識(shí)別方法是核電廠疲勞監(jiān)測(cè)系統(tǒng)的重要組成部分。

[1] MOL A C A, MARTINEZ A S, SCHIRRU R. A Neural Model for Transient Identifi-cation in Dynamic Processes With “Do Not Know” Response[J]. Annals of Nuclear Energy , 2003, 30: 1365-1381.

[2] Mol A C A, Almeida J C S, Pereira C M N A, et al. Neural and Genetic-based Approaches to Nuclear Transient Identification Including “Don′t Know” Response[J]. Progress in Nuclear Energy , 2006, 48: 268-282.

[3] MEDEIROS J A C C, SCHIRRU R.. Identification of Nuclear Power Plant Transients Using the Particle Swarm Optimization algorithm[J]. Annals of Nuclear Energy , 2008, 35: 576-582.

[4] GOTTLIEB C, ARZHANOV V, GUDOWSKI W. Feasibility Study on Transient Identification in Nuclear Power Plants Using Support Vector machines[J]. Nuclear Technology, 2006, 155: 67-77.

[5] KWON K C. HMM-based Transient Identification in Dynamic Process[J]. Trans-actions on Control, Automation, and Systems Engineering , 2000(2): 40-46.

[6] KWON K C, KIM J H. Accident Identification in Nuclear Power Plants Using Hidden Markov Models[J]. Engineering Applications of Artificial Intelligence , 1999, 12: 491-501.

[7] KWON K C, KIM J H, SEONG P H. Hidden Markov Model-based Real-time Transient Identifications in Nuclear Power Plants[J]. International Journal of Intelligent Systems , 2002,17: 791-811.

[8] 常遠(yuǎn), 郝軼, 黃曉津, 等. 基于模糊熵的核電站瞬態(tài)識(shí)別方法[J]. 原子能科學(xué)技術(shù), 2014, 48(9): 1640-1645.

[9] 常遠(yuǎn), 黃曉津, 李春文, 等. 基于模糊熵的核電站瞬態(tài)分段識(shí)別方法[J]. 核動(dòng)力工程, 2014, 35(1): 106-109.

A Dynamic Time Warping Algorithm Based Transient Identification Method in Nuclear Power Plants

BAI Xiao-ming1, WANG Xin-jun1, AI Hong-lei1, WEI Dong2, ZHENG Lian-gang1, XIE Hai1

(1.Science and Technology on Reactor System Design Technology Laboratory, Nuclear Power Institute of China, Chengdu 610213, China; 2.Nuclear and Radiation Safety Center, Beijing 100010, China)

To identify the transients in the nuclear power plant effectively.Based on the dynamic time warping algorithm, the similarity between the temperature, pressure and flow rate in the operational transient and these in the design transient was calculated, respectively. Meanwhile, an effective similarity for the transient was defined to represent the different weight factor of temperature/pressure and flow rate. After the effective similarities for all the design transients were calculated, the current operational transient can be classified in to the best similar design transient.The design transient of Hualong 1 nuclear power plant and virtual operation transient obtained based on disturbance of design transient verified that the method proposed in this paper could effectively classify the operation transient. In the verification, more than 95% transients could be identified correctly.Based on the DTW based algorithm and effective similarity, a transient identification method is proposed in present paper, this method is effective and accurate, and can be used in the fatigue monitor system of nuclear power plant.

transient identification; fatigue monitor; nuclear power plant; dynamic time warping

10.7643/ issn.1672-9242.2019.02.017

TM623

A

1672-9242(2019)02-0082-04

2018-11-22；

2018-12-19

白曉明（1988—），男，內(nèi)蒙古人，博士，工程師，主要研究方向?yàn)榉磻?yīng)堆結(jié)構(gòu)力學(xué)。