蒸汽发生器更换启动因子的评估方法、设备及存储介质与流程

技术特征：
1.一种蒸汽发生器更换启动因子的评估方法，其特征在于，包括以下步骤：将蒸汽发生器中的传热管、给水环和水室分隔板作为参与蒸汽发生器更换启动因子评估的关键部件，所述蒸汽发生器更换启动因子用于评价蒸汽发生器的健康状态；通过开展相应的传热管磨损实验、给水环fac减薄模拟计算、水室分隔板材料应力腐蚀试验，形成相应的参考数据集，以获取传热管磨损深度、给水环壁厚减薄量、水室分隔板裂纹扩展长度，作为关键评价指标；根据所述关键评价指标和相应参考数据集的联系，基于xgboost算法，建立预测模型，所述预测模型包括传热管磨损深度预测模型、给水环壁厚减薄量预测模型、水室分隔板裂纹扩展长度预测模型；根据所述蒸汽发生器当前的运维数据，利用相应预测模型得到相应关键评价指标的预测限值，将所述蒸汽发生器的关键评价指标的实际限值与对应的预测限值作差，以得到三个差值，若所述差值均大于0，则将所述差值相乘后再进行tanh函数处理以得到所述蒸汽发生器更换启动因子，若所述更换启动因子大于a,则所述蒸汽发生器无需修理，若所述更换启动因子小于a且大于0,则所述蒸汽发生器无需更换但需要修理，其中a∈(0,1)；若存在一个差值小于或等于0，则所述蒸汽发生器需要更换。2.根据权利要求1所述的蒸汽发生器更换启动因子的评估方法，其特征在于，所述xgboost算法以分类与回归树作为元学习器，根据上一棵树的训练残差构建下一棵树，经过多次迭代训练建立强学习器，逐步递进优化目标函数，从而获得最佳预测限值。3.根据权利要求2所述的蒸汽发生器更换启动因子的评估方法，其特征在于，假设所述预测模型有t个决策树，则所述预测模型在第i个样本x
i
下的预测限值为：式中，代表对第i个样本进行t-1个决策树相加后的值作为预测限值，n为样本总数，f为所有cart决策树的函数集合空间，f
k
为第k棵树的决策函数。4.根据权利要求3所述的蒸汽发生器更换启动因子的评估方法，其特征在于，所述预测模型中的目标函数为：式中，为损失函数；ω(f
t
)为正则项，其用于控制模型复杂程度。5.根据权利要求2所述的蒸汽发生器更换启动因子的评估方法，其特征在于，所述预测模型采用分位数误差和拟合优度作为机器学习回归模型评价指标。6.根据权利要求1所述的蒸汽发生器更换启动因子的评估方法，其特征在于，用蒸汽发生器传热管材料分别与相应支撑板和防振条材料形成不同的摩擦副，加工多组磨损实验样品，开展多组模拟水化学环境下支撑结构处微动磨损实验，获取多组传热管微动磨损行为数据，作为传热管磨损深度的参考数据集，其包括水环境温度、压力、ph值、溶解氧含量、冲击力、冲击频率、滑移频率、服役时间及该条件下的最大磨损深度。7.根据权利要求1所述的蒸汽发生器更换启动因子的评估方法，其特征在于，通过给水环fac减薄模拟计算出不同条件下的壁厚减薄量，并形成对应的参考数据集，该参考数据集包括给水流量、压力、温度、流速、给水环流量、服役时间以及该条件下的壁厚减薄量。
8.根据权利要求1所述的蒸汽发生器更换启动因子的评估方法，其特征在于，通过开展模拟核电厂一回路水环境下水室分隔板应力腐蚀试验，以获得多组裂纹长度数据，并形成所述水室分隔板裂纹扩展长度预测模型的参考数据集，该参考数据集包括水环境温度、压力、ph值、溶解氧含量、应力值、服役时间以及该条件下的裂纹长度。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述的蒸汽发生器更换启动因子的评估方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述的蒸汽发生器更换启动因子的评估方法。

技术总结
本发明公开了一种蒸汽发生器更换启动因子的评估方法、设备及存储介质，评估方法包括以下步骤：将蒸汽发生器中的传热管、给水环和水室分隔板作为参与蒸汽发生器更换启动因子评估的关键部件；通过开展相应的试验，以获取传热管磨损深度、给水环壁厚减薄量、水室分隔板裂纹扩展长度，作为关键评价指标；基于XGBoost算法，建立预测模型；根据蒸汽发生器当前的运维数据，利用预测模型得到相应的预测限值，将蒸汽发生器的关键评价指标的实际限值与对应的预测限值作差，根据差值以得到蒸汽发生器更换启动因子。本发明提供的评估方法、设备及存储介质通过自动跟踪计算蒸汽发生器更换启动因子，为蒸汽发生器更换启动决策提供依据。据。据。


技术研发人员：王鹏 梅金娜 蔡振 杭玉桦 陈海岳 谭世杰 汪浩川
受保护的技术使用者：苏州热工研究院有限公司 中国广核集团有限公司 中国广核电力股份有限公司
技术研发日：2023.04.27
技术公布日：2023/8/5