核电厂DCS系统实时健康评价方法及系统与流程

本技术属于dcs系统健康评价，尤其涉及一种核电厂dcs系统实时健康评价方法及系统。

背景技术：

1、随着数字化技术的发展，目前所有的新建电厂和大部分在运核电厂都采用dcs(数字化仪控系统)技术，一些采用模拟仪表的老电厂也逐步进行了数字化控制改造。

2、作为核电厂的神经系统和大脑，dcs对机组具有全局性和系统性的影响，在dcs运行过程中一旦某一环节产生偏差，可能会造成核电厂相关设备降级，严重情况下甚至会导致反应堆停堆、汽轮机停机、机组降功率等后果，对核电厂的安全、可靠、经济运行带来极大的挑战，因此开展dcs健康管理技术研究，逐步提升dcs可靠性和智能化运维水平，对机组的安全稳定运行起着至关重要的作用。

3、现有的核电厂健康状态评估方法存在以下缺点：

4、第一，设备故障监测与诊断的不足。在核电厂中，设备故障可能影响安全和效率，显性故障容易发现，而隐性故障往往难以识别。

5、第二，健康状态评估缺乏量化标准。传统的健康状态评估方法往往缺乏系统性和量化依据，使得运维人员难以准确判断设备是否在正常工作状态。

6、第三，决策依据不充分。在复杂的设备环境中，缺乏科学的数据支持可能导致资源浪费和决策失误。

7、第四，预防性维护的有效性不足。高风险领域中的设备故障可能导致严重后果，传统维护方式常常无法及时识别和处理潜在问题。

8、第五，整体系统可靠性评估不足。在核电厂中，单个设备的故障可能导致系统整体性能下降。若无法全面评估各部分健康状况，整体系统的可靠性将受到威胁。

技术实现思路

1、本技术的主要目的在于提供一种核电厂dcs系统实时健康评价方法及系统，解决设备故障监测与诊断的不足，难以识别隐性故障的问题，能够实时监测并有效区分这两类故障，从而降低潜在风险。

2、本技术的另一目的在于提供一种核电厂dcs系统实时健康评价方法及系统，解决健康状态评估缺乏量化标准，难以准确判断设备是否在正常工作状态的问题，本技术提供了一套量化健康度计算标准，使设备状态评估更加明确和可靠。

3、本技术的另一目的在于提供一种核电厂dcs系统实时健康评价方法及系统，解决决策依据不充分导致资源浪费和决策失误的问题，本技术通过实时数据分析，提供了明确的决策依据，帮助管理层优化维护策略，以减少资源浪费和运行成本。

4、本技术的另一目的在于提供一种核电厂dcs系统实时健康评价方法及系统，解决预防性维护的有效性不足，无法及时识别和处理潜在问题，本技术通过实时监测设备健康状况，增强了预防性维护的有效性，确保能够及时应对潜在风险。

5、本技术的另一目的在于提供一种核电厂dcs系统实时健康评价方法及系统，解决整体系统可靠性评估不足的问题，本技术能提升整体系统的稳定性和安全性。

6、为了实现上述目的，本技术提供如下技术方案：

7、第一方面，本技术提供了一种核电厂dcs系统实时健康评价方法，包括：

8、步骤1、通过离线数据构建健康评价标准，离线数据包括dcs设备信息、dcs系统配置、dcs系统专家知识；

9、步骤2、将在线数据输入局部健康评价模块，在线数据包括监测数据和日志数据，利用局部健康评价模块计算单个设备的健康度；

10、步骤3、将局部健康评价模块输出的结果输入至整体健康评价模块，整体健康评价模块输出整体健康评价的结果，实现实时健康评价。

11、在一些实施例中，健康评价标准的构建基于设备分级、设备间功能相关性和专家知识分析，通过整合dcs设备信息、系统配置和行业经验，建立以100分为基准的扣分机制。

12、在一些实施例中，局部健康评价模块的输入数据包括数据中的异常信息，在线数据进行数据清洗与预处理之后，通过特征提取和异常检测模型识别监测数据和日志数据中的实时异常，衡量设备异常与正常状态的偏离程度，并将异常偏离程度换算成设备健康度。

13、在一些实施例中，设备健康度受到两个因素的影响，分别是设备故障和设备异常，设备健康评价模型的输入为设备仅故障时的健康度和设备仅异常时的健康度，输出为设备健康度，计算方式如下：

14、hdev＝max(hfault+hanomaly-100,0)

15、式中，hdev为设备健康度，hfault为设备仅故障时的健康度，hanomaly为设备仅异常时的健康度。

16、在一些实施例中，机柜健康度受到环境、故障、异常和工作负荷的影响，则机柜健康评价模型的输入是设备受环境、故障、异常和工作负荷影响下的健康度，输出是机柜健康度，计算方式如下：

17、h＝αhe+βhc+γhas+δhl

18、式中，he为由环境算得的健康度得分，hc为由故障算得的健康度得分，has为由异常算得的健康度得分，hl为由工作负荷算得的健康度得分，α、β、γ、δ为权重系数。

19、在一些实施例中，dcs系统健康度受到系统包含的各机柜的健康度的影响，则dcs系统健康评价模型的输入是与机柜健康度有关的各项参数，输出是dcs系统健康度；

20、采用层次分析法对cc1机柜、cc2机柜、nc机柜、rtm机柜、dcs二层系统、网络总线分配权重，计算模型如下：

21、

22、式中，hs为系统健康度；β1、β2、β3、β4为层次分析法计算得出的cc1、cc2、nc、rtm四种机柜权重值，β5、β6为dcs二层、网络总线的权重；ncc1、ncc2、nnc、nrtm为cc1、cc2、nc、rtm机柜的数量；i1、i2、i3、i4为中间变量；为不同分级的每个dcs机柜的健康度；h二层为dcs二层健康度；hlan为网络健康度；b为dcs系统健康度计算系数。

23、在一些实施例中，采用实时多窗口pca异常检测模型对日志数据进行异常检测，使用向量y的端点到正常子空间sd的距离来确定y是否异常，实时多窗口pca异常检测模型如下：

24、对原始数据矩阵(m个样本，n个特征)进行标准化：

25、

26、式中，为每个特征的均值向量，为每个特征的标准差向量；

27、计算协方差矩阵：

28、

29、对σ进行特征分解：

30、σ＝vλvt

31、式中，为特征向量矩阵，按对应特征值λ1≥λ2≥…≥λn排序，λ＝diag(λ1,λ2,…,λn)为对角矩阵；

32、选择前k个主成分构建正常子空间sd，剩余n-k个主成分构建异常子空间sa：

33、p＝[v1,v2,…,vk]

34、q＝[vk+1,vk+2,…,vn]

35、式中，p为正常子空间投影矩阵，q为异常子空间投影矩阵；

36、对测试样本进行标准化后得到xstd，分别投影到两个子空间，在正常子空间的投影(保留主要变异信息)为：

37、yd＝xstdppt

38、在异常子空间的投影(残差部分反映异常信息)为：

39、ya＝xstd-yd＝xstd(i-ppt)

40、计算残差向量ya的平方范数作为异常得分：

41、

42、设定阈值θanomaly，若异常得分超过阈值则判定为异常，其中θanomaly可通过以下方式确定：

43、如取正常样本得分的95％分位数。

44、在一些实施例中，对于每个异常设备，计算健康度扣分d为：

45、d＝a×b

46、式中，a是设备的异常程度系数，b是设备的故障扣分值；

47、则设备的健康度得分hd为：

48、hd＝100-d

49、在计算机柜的健康度htotal时，结合设备的重要性权重进行加权平均：

50、

51、式中，hdij表示第i种分级的第j个设备的健康度，ni表示第i种分级设备数量，wi表示第i种分级设备的重要性权重。

52、在一些实施例中，不同分级的设备叠加故障计算如下：

53、若最高故障等级为cc1，则计算公式为：

54、hc＝h1-0.59n2-0.42n3-0.33n4

55、若最高故障等级为cc2，则计算公式为：

56、hc＝h2-0.42n3-0.33n4

57、若最高故障等级为nc，则计算公式为：

58、hc＝h3-0.33n4

59、若最高故障等级为rtm，则计算公式为：

60、hc＝h4

61、式中，hc为机柜健康度，当hc的计算结果小于0时，h＝0；

62、当dcs控制机柜断网，则计算公式为：

63、

64、式中，α1、α2、α3、α4为层次分析法计算得出的不同分级的机柜权重值。

65、在一些实施例中，设定工作负荷小于等于40％为满分100分；工作负荷为60％时，设定得分60分；工作负荷为100％时，设定得分为0分；公式如下：

66、

67、式中，xload表示负荷率，hl表示对应的分值。

68、在一些实施例中，

69、h＝αhe+βhc+γhas+δhl

70、式中，he表示由环境算得的健康度得分，hc表示由故障算得的健康度得分，has表示由异常算得的健康度得分，hl表示由工作负荷算得的健康度得分，α、β、γ、δ为权重系数。

71、在一些实施例中，采用层次分析法计算系统健康度，如下：

72、采用层次分析法对cc1机柜、cc2机柜、nc机柜、rtm机柜、dcs二层系统、网络总线分配权重，计算模型如下：

73、

74、式中，hs表示系统健康度；β1、β2、β3、β4为层次分析法计算得出的cc1、cc2、nc、rtm四种机柜权重值，β5、β6为dcs二层、网络总线的权重；ncc1、ncc2、nnc、nrtm表示cc1、cc2、nc、rtm机柜的数量；i1、i2、i3、i4表示中间变量；表示不同分级的每个dcs机柜的健康度；h二层表示dcs二层健康度；hlan表示网络健康度；b表示dcs系统健康度计算系数。

75、第二方面，本技术提供了一种核电厂dcs系统实时健康评价系统，包括：

76、离线标准构建模块，用于基于历史离线数据建立设备健康度评价标准，离线数据包括dcs设备信息、dcs系统配置、dcs系统专家知识；

77、实时数据采集模块，用于实时采集在线数据，在线数据包括监测数据和日志数据；

78、局部健康评价模块，用于接收实时数据采集模块的输入数据，内置设备健康评价模型，输出单个设备的健康度；

79、整体健康评价模块，用于接收多个设备的健康度并进行权重分配，内置机柜健康评价模型和系统健康评价模型，计算并输出整体健康评价的结果；

80、可视化模块，用于对整体健康评价模块的输出数据进行可视化处理。

81、与现有技术相比，本技术提供的核电厂dcs系统实时健康评价方法及系统具有以下有益效果：

82、本技术能实现实时健康评价，能够全面、准确地评估设备的运行状态和健康水平，确保dcs系统的稳定和可靠运行。

83、本技术能提高故障识别率。实时监测并区分显性与隐性故障，显著提高故障检测的及时性，降低设备故障对安全和性能的影响。

84、本技术能量化健康状态与决策支持。引入科学的健康度计算标准，使设备健康状态可量化，提升管理透明度，并利用实时数据分析为决策提供可靠依据，优化资源配置，降低运营成本。

85、本技术能增强预防性维护能力。通过实时监测设备健康状况，及时识别潜在问题，提升预防性维护效果，减少突发故障风险，提高运行安全性。

86、本技术能提升整体系统可靠性。全面评估dcs系统健康状况，确保各组件高效协同工作，显著降低因单点故障导致的系统崩溃风险。

87、本技术能优化信息管理与可持续发展，整合设备和系统数据，减少信息分散，提高信息处理效率，支持快速决策，确保核电厂长期安全、高效运行，促进行业可持续发展。

88、本技术基于dcs系统的离线数据构建健康评价标准，离线数据包括设备信息、系统配置与专家知识，通过提取设备分级与评价指标、设备相关性、设备权重及健康阈值，形成设备、机柜和系统的多层级健康度计算规则与权重分配依据；针对在线数据，通过传感器监测数据与过程控制站日志的清洗与预处理，利用多窗口特征提取方法提取日志特征，并结合故障检测模块识别显性故障与隐性故障，其中显性故障通过条件/规则约束检测，隐性故障通过主成分分析(pca)模型检测；基于检测结果与设备权重计算设备健康度，完成局部健康评价；进一步结合机柜权重计算机柜健康度，最终融合其他影响因素权重实现dcs系统整体健康度评价。本技术通过离线与在线数据的协同处理、显隐故障联合检测及多层级权重融合机制，实现了核电dcs系统健康状态的实时精准评估，为系统维护决策提供动态支持。