趙 越，張 勤，，，鄧宏琛，董春玲

（1.清華大學(xué) 核能與新能源技術(shù)研究院，北京 100084；2.北京航空航天大學(xué) 計(jì)算機(jī)學(xué)院，北京 100191；3.清華大學(xué) 工程物理系，北京 100084）

核電站作為一類復(fù)雜而極其重要的工業(yè)系統(tǒng)，始終將安全置于首位。對于一正常運(yùn)行的系統(tǒng)，發(fā)生故障和失效無法避免。故障表現(xiàn)為超出設(shè)備范圍的偏差，而失效則表現(xiàn)為系統(tǒng)的持續(xù)性中斷，系統(tǒng)發(fā)生失效時由于不能執(zhí)行指定的動作，從而不能完成既定的功能［1］。故障和失效可能發(fā)生于核電站的儀器、設(shè)備和生產(chǎn)流程中，給核電站的運(yùn)行帶來嚴(yán)重影響。

故障監(jiān)測和診斷（FDD）是在系統(tǒng)中監(jiān)測、隔離和識別故障的過程。在系統(tǒng)運(yùn)行時，故障監(jiān)測確認(rèn)是否有故障出現(xiàn)，在故障發(fā)生時進(jìn)行故障診斷。故障診斷包括故障隔離和故障識別，故障隔離能定位故障的位置，故障識別決定故障的類型和隨時間變化的特征［2］。FDD 方法可用于需長時間操作和運(yùn)行的系統(tǒng)，即具有在線檢測（OLM）需求的系統(tǒng)。

核電站是一復(fù)雜的、需長時間操作和運(yùn)行的系統(tǒng)，在FDD 過程中存在著很多的不確定性，為處理這一問題，引入動態(tài)不確定因果圖（DUCG）作為智能故障診斷方法，此方法已被應(yīng)用于復(fù)雜系統(tǒng)不確定性行為的故障診斷［3］。隨后，DUCG 被用于分析核電站二回路系統(tǒng)中的一類典型故障。

1 DUCG 的圖形表達(dá)

在故障診斷方面，DUCG 的獨(dú)特優(yōu)勢在于它對診斷過程和結(jié)果的可解釋性，并對參數(shù)準(zhǔn)確度和信息完整度的依賴性較小。圖1為基于中國廣核集團(tuán)有限公司寧德1號核電機(jī)組建造的故障診斷因果圖模型，共包含核電站二回路典型的18個故障。

2 DUCG 的推理法則

為在不完全表達(dá)的前提下執(zhí)行精確的推理，DUCG 采用了“鏈?zhǔn)健蓖评矸▌t，此法則的關(guān)鍵步驟是“事件展開”。事件展開是將每個被監(jiān)測到的事件分別沿著邏輯表達(dá)的因果鏈展開至根原因事件，成為由一系列｛A，B，D｝類型變量組成的不相交的積之和形式，如式（1）［3］：

2.1 化簡

化簡是推理過程中，在監(jiān)測變量和判斷因果關(guān)系的基礎(chǔ)上，消去和舍棄一些不可能發(fā)生或無意義的因果關(guān)系或變量。DUCG 定義了一系列化簡規(guī)則［3］，可將一復(fù)雜的因果圖顯著簡化。

2.2 拆分和刪除

在故障診斷過程中，DUCG 分解的目標(biāo)是降低因果結(jié)構(gòu)圖的規(guī)模。通過假定不同的初因事件Bi，一個龐大而復(fù)雜的DUCG 可被拆分為一系列子DUCG。任一子DUCG 都是有意義的，僅當(dāng)某個DUCG 子圖能解釋所有監(jiān)測到的異常證據(jù)時，這個子圖才是有效的，其中的初因基本事件Bij便成為可能的根原因［3］。那些無效的DUCG 子圖因不能與收到的監(jiān)測變量匹配，被刪除且不予考慮。

2.3 事件展開

在概率計(jì)算之前，根據(jù)監(jiān)測到的證據(jù)E，在每一子圖中首先進(jìn)行事件展開，以得到可能的原因假設(shè)。這些假設(shè)組成了假設(shè)空間SH（SH=∪gSHg，SHg表示與子圖對應(yīng)的假設(shè)空間，用下標(biāo)g 表示，g=1，2，…）。在事件展開過程中，同時進(jìn)行邏輯處理［3-4］。這樣可有效地避免冗余計(jì)算，從總體上降低推理工作量。

2.4 概率計(jì)算

每個假設(shè)的狀態(tài)概率Hk，j∈SHg是分別以不完全和完全的證據(jù)計(jì)算的，計(jì)算結(jié)果分別表示為Hs′k，j和Hsk，j。不完全的證據(jù)E′（僅為異常監(jiān)測量）在故障診斷推理中首先被使用，以得到一近似結(jié)果。這個結(jié)果隨后能被正常監(jiān)測量E″修正（若存在），E″作為負(fù)證據(jù)以提高推理準(zhǔn)確度。計(jì)算公式為式（2）和（3），其 中σk，j=Pr｛E″|Hk，jE′｝／Pr｛E″|E′｝為精確結(jié)果和近似結(jié)果間的修正因子。

3 實(shí)例驗(yàn)證

核電站設(shè)備和系統(tǒng)中可能發(fā)生數(shù)以百計(jì)的故障，不同堆型的核電站發(fā)生故障的類型和表現(xiàn)也存在較大差別，用DUCG 建造一核電站完整的智能故障診斷的模型將會十分復(fù)雜。因此，本課題以中國廣核集團(tuán)有限公司寧德核電站1號機(jī)組為原型，建立了二回路系統(tǒng)典型的18個故障的診斷因果圖模型，如圖1 所示，為簡潔起見，X、B 變量被省略，僅以圖形表示。故障名稱列于表1。

在建模過程中，每個故障可作為一個模塊單獨(dú)建?；蚺c其他任何故障聯(lián)合建模，這樣模塊化的建模設(shè)計(jì)可將一個因果圖拆分成多個相互獨(dú)立的部分，在規(guī)定了統(tǒng)一標(biāo)準(zhǔn)的前提下，由該領(lǐng)域的專業(yè)人員共同建模，降低了對核電站這樣復(fù)雜系統(tǒng)的建模難度。

圖2為圖1的一個子圖，表示“寧德核電站1號機(jī)組（CPR1000）二回路A 路蒸汽管道泄漏”時故障的發(fā)展和可能引起的參數(shù)變化，圖中所有的因果關(guān)系和參數(shù)（如事件矩陣An；j）均由中國廣核集團(tuán)公司技術(shù)人員確定，子圖中變量定義列于表2。

圖1 寧德1號核電站二回路DUCGFig.1 DUCG of secondary loop in Unit 1of Ningde Nuclear Power Plant

編號 名稱1凝結(jié)水泵CPA 狀態(tài)CEX001PO 故障2凝結(jié)水泵CPA 狀態(tài)CEX002PO 故障3泵MFPA 故障APA102PO 4泵MFPA 故障APA102PO 5閥V3關(guān)閉故障APA113VL 6閥PCV400A 故障GCT115VV 7 A 路蒸汽管道泄漏8閥PCV308A 故障GCT131VV 9故障GRE001VV 全開／關(guān)10 ARE031VL意外全開11 真空泵VPA 獨(dú)立失效CVI101PO 12 A 路給水管道泄漏13 B路給水管道泄漏14 C路給水管道泄漏15 透平機(jī)械故障16 給水加熱器旁路閥ABP011VL意外開啟17 主蒸汽集管破裂18蒸汽發(fā)生器傳熱管破裂

圖2 二回路A 路蒸汽管道泄漏Fig.2 Secondary loop steam pipe leak

二回路A 路蒸汽管道泄漏是核電站可能發(fā)生的重要故障，寧德1號機(jī)組的主蒸汽系統(tǒng)流程簡圖如圖3 所示。當(dāng)A 路蒸汽管道發(fā)生泄漏時，蒸汽發(fā)生器SG1 的水位下降，然而虛假水位卻導(dǎo)致寬量程水位ARE061MN 升高。A、B、C 路主蒸汽管線上的流量VVP001MD、VVP002MD、VVP003MD 增大，導(dǎo)致3條管線上的壓力變送器的示數(shù) VVP007MP、VVP008MP、VVP009MP升高，發(fā)出管線隔離信號，使得3 條管線上的主蒸汽隔離閥VVP001VV、VVP002VV、VVP003VV 由打開變?yōu)殛P(guān)閉狀態(tài)。同時，管線出現(xiàn)壓差升高，壓力變送器發(fā)出安注信號。另一方面，由于A 路管線泄漏，一回路溫度RCP624KM 降低，引起穩(wěn)壓器壓力RCP005MP 降低，也發(fā)出安注信號。安注信號發(fā)出后，觸發(fā)跳堆信號，反應(yīng)堆跳堆。

變量名稱 變量描述 狀態(tài)信息B33 二回路A路蒸汽管道狀態(tài) 0-正常，1-發(fā)生泄漏故障X53 一回路平均溫度RCP624KM 0-正常，1-偏低，2-偏高X11 反應(yīng)堆運(yùn)行狀態(tài) 0-正常，1-偏低，2-偏高X28 SG1寬量程水位ARE061MN 0-正常，1-故障關(guān)閉X33 穩(wěn)壓器壓力RCP005MP 0-正常，1-偏低，2-偏高X47 A蒸汽管道流量VVP001MD 0-正常，1-偏低，2-偏高X48 A蒸汽管道壓力VVP007MP 0-正常，1-偏低，2-偏高X72 安注信號 0-正常，1-觸發(fā)X167 B蒸汽管道壓力VVP008MP 0-正常，1-偏低，2-偏高X168 C蒸汽管道壓力VVP009MP 0-正常，1-偏低，2-偏高X173 B蒸汽管道流量VVP002MD 0-正常，1-偏低，2-偏高X174 C蒸汽管道流量VVP003MD 0-正常，1-偏低，2-偏高X188 主蒸汽隔離閥開度VVP001VV 0-打開，1-關(guān)閉X189 主蒸汽隔離閥開度VVP002VV 0-打開，1-關(guān)閉X190 主蒸汽隔離閥開度VVP003VV 0-打開，1-關(guān)閉

圖3 核電站主蒸汽系統(tǒng)流程簡圖Fig.3 Flow diagram of nuclear power plant main steam system

4 定量分析

為驗(yàn)證建立的DUCG 模型，證明DUCG推理法則和計(jì)算步驟的適用性，從中國廣核集團(tuán)仿真技術(shù)有限公司針對寧德1號機(jī)組生產(chǎn)的核電站模擬機(jī)獲得了故障數(shù)據(jù)。部分故障數(shù)據(jù)隨時間的變化如圖4所示。

圖4 部分故障隨時間的變化Fig.4 Changes over time in part of faults

所得數(shù)據(jù)中的證據(jù)E（發(fā)生故障的數(shù)據(jù)）有：

所有未列出的X 變量表示它們的狀態(tài)為正?；蛭粗D1應(yīng)用化簡規(guī)則，將所有無關(guān)的變量從DUCG 中去除，得到化簡后的DUCG 如圖5所示。由此，一個巨大的DUCG 被有效化簡，從而使推理計(jì)算的難度被顯著簡化。

圖5 故障診斷結(jié)果Fig.5 Fault diagnosis result of reasoning machine

圖5包含了所有的異常證據(jù)，能解釋所有故障數(shù)據(jù)之間的因果關(guān)系。由簡化的圖像，即可確定B33為唯一引起監(jiān)測到故障的原因，但為完整描述DUCG 在核電站中的診斷過程，對圖5進(jìn)行繼續(xù)處理。將化簡后的DUCG（圖5）進(jìn)行事件展開，首先要得到假設(shè)空間SHg。由于篇幅所限，僅對X11，1進(jìn)行展開。

由此可得：

可求得Pr｛E′｝=0.009 227 45。將E′展開過程中的所有A 類型的變量和權(quán)重因子rn；i／rn忽略，可得假設(shè)空間SH=SH1=｛H1，1｝=｛B33，1｝，式中H1表示B33。顯然下式是成立的：

因此，在不完全條件E′下，Hk，j∈SH1的狀態(tài)概率為又因圖4中的正常證據(jù)E″=?，所以得到Pr｛E｝=Pr｛E′｝=0.009 227 45，和之間的修正因子σk，j為1，故==1。

結(jié)果表明，在根據(jù)寧德1號機(jī)組所建模型中，只有B33，1能解釋所有中國廣核集團(tuán)仿真技術(shù)有限公司模擬機(jī)監(jiān)測到的故障，即B33，1是引發(fā)所有故障的根源。這在核電站實(shí)際運(yùn)行過程中，能為核電站發(fā)生的故障進(jìn)行快速、準(zhǔn)確的故障診斷。

5 結(jié)論

針對核電站這一復(fù)雜系統(tǒng)的故障診斷，本文介紹了DUCG 的推理機(jī)理和推理法則。以中國廣核集團(tuán)有限公司寧德1號機(jī)組為原型，建立了核電站二回路包含18個故障的診斷模型，并用中國廣核集團(tuán)仿真技術(shù)有限公司生產(chǎn)的寧德1號核電機(jī)組的模擬機(jī)所產(chǎn)生的“二回路A 路蒸汽管道泄漏”時故障數(shù)據(jù)進(jìn)行驗(yàn)證，準(zhǔn)確而快速地得到了引發(fā)故障的原因事件，并計(jì)算得到事件的狀態(tài)概率和此時原因事件引發(fā)故障的概率，為核電站工作人員提供可靠的操作依據(jù)。

由于目前的驗(yàn)證數(shù)據(jù)僅由核電站模擬器提供，驗(yàn)證模型也局限于壓水堆核電站二回路的18個故障，因此，本系統(tǒng)所建立的知識庫模型還不具備完整性和系統(tǒng)性，有必要提出修改和完善，也是下一步的研究方向。

［1］ ISERMANN R，BALLE P.Trends in the application of model-based fault detection and diagnosis of technical processes［J］.Control Engineering Practice，1997，5：709-719.

［2］ ISERMANN R.Fault-diagnosis systems：An introduction from fault detection to fault tolerance［M］.US：Springer-Verlag，2006.

［3］ ZHANG Q.Dynamic uncertain causality graph for knowledge representation and reasoning：Discrete DAG cases［J］.Comput Sci Technol，2012，7（2）：1-23.

［4］ DONG Chunling，WANG Yanjun，ZHANG Qin，et al.The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo［J］.Computer Methods and Programs in Biomedicine，2014，113：162-174.