CN111091292A - 一种核电站实时风险动态建模分析*** - Google Patents
一种核电站实时风险动态建模分析*** Download PDFInfo
- Publication number
- CN111091292A CN111091292A CN201911309656.0A CN201911309656A CN111091292A CN 111091292 A CN111091292 A CN 111091292A CN 201911309656 A CN201911309656 A CN 201911309656A CN 111091292 A CN111091292 A CN 111091292A
- Authority
- CN
- China
- Prior art keywords
- risk
- real
- equipment
- time
- importance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012163 sequencing technique Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 7
- 238000002955 isolation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种核电站实时风险动态建模分析***,包括四个模块:部件/设备风险贡献分析器、数据来源分析器、实时风险监测建模器和实时风险监测模型分析器。部件/设备风险贡献分析器采用风险贡献排序方法,对给定***的实时风险监测模型涉及的所有部件/设备进行风险贡献的计算和排序。数据来源分析器根据设备类型、时间特性和周期进行分类与排序。实时风险监测建模器结合风险贡献和数据来源确定最终排序结果,综合采用共因失效模型重建、扩展模型子库、多重边界条件集等多种方法,按照最终排序根据***实际配置和部件状态,对其实时风险监测模型进行快速构建、存储与动态更新,以支持实时风险监测模型分析器对***进行实时风险的精确评价。
Description
技术领域
本发明涉及核能***的实时风险监测的建模与分析领域,具体来说是一种核电站实时风险动态建模分析***,也适用于一般复杂***的安全分析。
背景技术
核能***(如核电站、实验堆等)在运行等阶段中需要对***总体风险进行实时的评价分析,从而及时发现***中的薄弱环节并判断***可能产生的异常或潜在事故,进而对***进行维修与改进。最终在把***风险控制在一定范围内的前提下,完成***任务。
目前,核电站中通常采用PRA(Probabilistic Risk Assessment概率风险评价)技术对电厂***的可靠性和风险进行评价分析,而PRA技术中最常用的方法就是故障树分析(Fault Tree Analysis,FTA)与事件树分析(Event Tree Analysis,ETA)方法。同时,一般采用基于“小事件树-大故障树”方法和“顶层逻辑(Top-logic)大故障树”方法,对风险评价模型中的故障树和事件树进行整合,这不可避免的会涉及共因失效模型、边界条件集、故障树转换页等在内的多种建模分析方法与技术。二十世纪后期,研究人员基于PRA发展了知风险决策(RID,Risk Informed Decision),将概率风险评价与传统的确定论安全分析方法进行综合,从而利用概率论来消除确定论方法中过于依赖工程经验判断和计算结果保守缺点,最终达到科学决策目的。自美国核管会推动知风险决策实施之后,美国核电站不仅显著提高安全性,而且较大幅度改善了经济性。
核电站实时风险监测方法与技术是知风险决策的重要体现和支持工具,根据其研发出来的核电站风险监测器可以根据核电站运行的真实情况,建立动态的实时风险监测模型,计算核电站实时风险,快速对核电站日常操作进行评估,包括功率运行模式、部件出役/复役、维修活动、定期试验、运行/备用列状态切换等。并根据评价结果,对核电站操作人员和管理人员提出操作管理的建议。与通常PRA计算的平均风险和基准风险相比,风险监测器基于实时风险监测模型计算的实时风险能够更精确的评价核电站在某个运行时刻特定配置状态下的真实风险水平。由于风险监测理念对于***状态评估的有效性,目前已经在国内外很多核电国家获得广泛的应用,甚至扩展到核电之外的相关领域。
纵观国内外实时风险监测的研究现状,可以发现存在以下重要问题尚未得到有效解决:风险监测模型的实时化已经成为主要趋势,现有方法采用在同一时间对实时风险监测模型的所有部件数据进行统一频率更新。但是因为实时性与准确性互相制约,特别是实时风险监测的对象往往都是核电站这种典型的大型复杂***,难以实现核电站实时风险监测模型中全部信息的实时更新,这就导致了风险评价的不准确问题。而且模型的动态建造与实时更新的数据来源虽然多种多样,但是总体而言模型更新的信息类型不够齐全,数据准确度不够。此外,核电站实时风险监测的动态建模过程中,涉及到部件对于核电站的风险贡献大小,现有方法仅根据单一核电站配置状态进行部件重要度排序,例如采用代表部件失效之后核电站风险增加程度的RAW重要度来进行排序,或者采用代表部件在实时风险监测模型结构中的重要程度的FV重要度来进行排序,而这在核电站配置状态变化情况下将造成排序不准确。
发明内容
本发明技术解决问题:克服现有技术的不足,提供一种核电站实时风险动态建模分析***,利用部件/设备在多种核能***运行状态下对核能***(这里的“核能***”包括而不限于发电用的核电站、核能供热反应堆、研究用的反应堆,以及燃料循环设施)综合风险贡献的预排序,以及核能***中多种数据来源更新时间特性的差异,按照部件/设备对核能***风险的实际影响进行实时风险监测模型的动态建造,具有快速、准确的优点。
本发明的技术方案如下:一种核电站实时风险动态建模分析***,如图1所示,包括:
部件/设备风险贡献分析器、数据来源分析器、实时风险监测建模器和实时风险监测模型分析器;
部件/设备风险贡献分析器:对给定的一个核能***,采用风险贡献排序方法,对此核能***的实时风险监测模型涉及的所有部件/设备进行风险贡献的计算和排序,得到每个部件/设备正常运行或故障对整个核能***的风险水平影响的大小排序列表;供实时风险监测建模器使用;
数据来源分析器:对给定的一个核能***,根据实时风险监测模型中涉及的数据来源的设备类型、固有时间特性和周期,进行数据来源的分类与排序,得到每个数据来源所需要的更新时间的大小排序列表;供实时风险监测建模器使用;
实时风险监测建模器:基于“小事件树-大故障树”方法和“顶层逻辑(Top-logic)大故障树”方法,对实时风险监测模型中的故障树和事件树进行整合;综合风险贡献排序和数据来源排序结果,采用包括共因失效模型重建、恢复分析、扩展模型子库、多重边界条件集、多重故障树转换页在内的方法,对实时风险监测模型进行构建、存储与动态修改更新,得到给定核能***的实时风险监测模型;供实时风险监测模型分析器使用;
实时风险监测模型分析器:针对实时风险监测模型,首先对多重边界条件集进行单一取值化处理,采用动态链接的方式完成多重故障树转换页与扩展模型子库的处理;再进行故障树化简,简化包括多种复杂逻辑门向“与门”“或门”的转换、重复逻辑门和基本事件的删减与合并,以及相似分支结构的整合;最后对故障树模型进行编码与模块化,并计算最小割集,计算包括部件/设备允许停役时间和定期试验间隔在内的风险指标,计算部件/设备的重要度和敏感性,并计算获取***风险的不确定性分布。
所述部件/设备风险贡献分析器中,采用如下方式进行部件/设备对核能***的风险贡献计算和排序:
(1)首先计算实时风险监测模型中所有部件/设备的RAW重要度、FV重要度、RTS重要度,计算方法如下:
RAWi=P(i1)/P(R),FVi=(P(R)-P(i0))/P(R),RTSi=(P(i1)-P(R))/P(i1),其中P(R)代表实时风险监测模型的顶层逻辑大故障树的顶事件失效概率;P(i1)代表部件i的失效概率被设置为1时的顶层逻辑大故障树的顶事件失效概率,或实时导致设备i失效的所有部件的失效概率都被设置为1时的顶层逻辑大故障树失效概率;P(i0)代表部件i的失效概率被设置为0时的顶层逻辑大故障树的顶事件失效概率,或实时导致设备i失效的所有部件的失效概率都被设置为0时的顶层逻辑大故障树失效概率;
(2)然后根据RAW重要度、FV重要度、RTS重要度的计算结果,对实时风险监测模型中的部件/设备进行风险重要性排序,把重要度大于临界值的部件或设备标记为风险重要部件或设备;其中RAW重要度的临界值RI的取值范围是[0.5,8],FV重要度的临界值FI的取值范围是[0.001,0.9],RTS重要度的临界值RI的取值范围是[0.001,0.9];
(3)最后根据综合重要度TI的计算公式计算获得最终的风险贡献排序,具体如下:
TIi=α*FVi+β*RTSi+γ*RAWi,其中α、β和γ为权重因子,取值范围是[0,1];针对包含多个部件的设备,其RAW重要度为所包含部件RAW重要度的最大值,其FV重要度为所有部件FV重要度之和,其RTS重要度为所有部件RTS重要度之和;综合重要度TI数值大的部件/设备即为风险贡献大的部件/设备,其排序在前。
所述数据来源分析器对数据来源的分类与排序采用如下方式进行:
(1)把给定核能***的所有数据来源按照其设备类型分为5类,包括:操作员动作和设备监测数据、故障诊断与可靠性修正数据、基于维修与试验的设备信息数据、核能***设计或运行规程的更改,以及包括核能***所在的环境气象与核能***技术规格书在内的其它影响到核能***风险水平的数据;
(2)按照上述5类数据来源对于核能***实时风险影响的大小,对数据来源进行排序,具体的先后顺序为:核能***的设计或运行规程更改、操作员动作和设备监测数据、基于维修与试验的设备信息数据、故障诊断与可靠性修正数据,以及包括核能***所在的环境气象与核能***技术规格书在内的其它影响到核能***风险水平的数据;每一类数据来源内部则按照风险贡献的排序判断优先权;
(3)同一种设备类型同样风险贡献的数据来源,按照固有时间特性和周期进行排序,具体的先后顺序为秒量级、分钟量级、小时至天量级、月至年量级。
所述实时风险监测建模器对风险贡献排序和数据来源排序结果进行综合考虑,每一类数据内部则按照风险贡献的排序判断优先权;具体采用如下顺序和方式来对实时风险监测模型进行构建、存储与动态修改更新:
(1)设备类型为核能***设计或运行规程更改的数据源,涉及的模型结构与部件可靠性数据的优先权在所有设备类型的数据来源中是最高的,优先对其进行构建、存储与动态修改更新的操作;属于风险重要部件的基于维修与试验的设备信息数据,优先权排第2位;
(2)同一种设备类型的数据来源,风险重要部件的设备状态和可靠性数据的优先权高于非风险重要部件的设备状态和可靠性数据,在同一种设备类型的数据来源中,优先对风险重要部件的设备状态和可靠性数据进行构建、存储与动态修改更新的操作;
(3)对于属于风险重要部件的核能***设计或运行规程的更改,以及属于风险重要部件的操作员动作和设备监测数据,其更新周期为1秒至30秒;对于属于风险重要部件的故障诊断与可靠性修正数据,更新周期为5秒至1分钟;对于非风险重要部件的核能***设计或运行规程的更改、非风险重要部件的操作员动作和设备监测数据、非风险重要部件的故障诊断与可靠性修正数据,以及非风险重要部件的基于维修与试验的设备信息数据,更新周期都是10秒至2分钟;风险重要部件的其它数据的更新周期是30秒至2分钟,非风险重要部件的其它数据的更新周期是2分钟至5分钟;
(4)对实时风险监测模型进行构建、存储与动态修改更新时,采用的方法包括共因失效模型重建方法、恢复分析方法、扩展模型子库方法、多重边界条件集方法和多重故障树转换页方法在内的一种或多种方法。
本发明与现有技术相比优点在于:
(1)针对现有核电站实时风险监测中,难以同时快速更新核电站全部***部件/设备状态信息的问题,本发明根据部件/设备对核电站实时风险贡献的大小对其在模型中的更新频率和顺序进行安排,克服了现有方法在同一时间对实时风险监测模型的所有部件数据进行统一频率更新的缺陷,能够有效提高核电站实时风险监测的建模和分析速度。
(2)本发明综合采用多种风险贡献衡量指标,特别是综合考虑了RTS重要度指标,能够适用于核电站等复杂***在实时运行状态下部件/设备对于总体风险贡献的正确排序,解决现有方法不准确性问题。另外,根据设备类型对多种数据来源进行分类,结合风险贡献进行排序,有利于优先更新实时风险模型中对核能***风险影响大的部件/设备信息;此思想对于非核能的一般复杂***的数据更新也同样适用。
(3)本发明根据实时风险监测模型特征综合采用共因失效模型重建、扩展模型子库、多重边界条件集等多种方法,从而实现快速根据核能***的实际配置和部件状态,对其实时风险监测模型进行快速的构建、存储与动态更新,并同时限制其规模;以支持对核能***实时风险的精确监测。
(4)本发明综合了核电站实时风险监测模型动态建造与实时更新涉及的多种数据来源,总体而言模型更新的信息类型更加齐全,数据准确度更好;有利于更新方式的自动化程度更高,为真正的实时在线的风险监测建立了基础。
附图说明
图1为本发明实现的流程图;
图2为反应堆泄压***的故障树模型;
图3为主给水***的故障树模型;
图4为主给水***中的第3路交流电子***的故障树模型;
图5为主给水***中1号泵故障树模型展开之后的总图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示,本发明针对核电站等复杂***的实时风险监测中实时性与准确性互相制约的问题,拟快速准确的进行实时风险监测模型的动态建模和分析,首先进行核电站在不同配置状态下部件或设备对于总体风险贡献排序,其次,根据核电站实时风险监测所涉及的各类数据源及其对核电站总体风险的贡献,以及其各自不同的时间更新特点,并根据实时风险监测模型特征综合采用共因失效组的快速重建、多重边界条件集嵌套式处理、多数据子库等多种方式对模型进行高效率的动态构建与修改,为快速进行风险评价建立模型基础,最后进行实时风险监测模型的分析。本发明为我国在核电站风险评价的发展提供新的思路,推动核电站实际运行中的实时风险监测与管理工作。对于复杂***在多种工作模式下的风险评价建模分析方法也可提供一定的参考。
实施例1:假设有一个核电站的实时风险监测器,由于其模型规模较大,通常涉及数千个子***/部件,现以其关键***之一:反应堆泄压***的故障树模型为例,说明本发明的具体实施方式,如图2所示。图2包括6个自动泄压阀门,分别是DPS-VS01-A,DPS-VS02-A,DPS-VS03-A,DPS-VS04-A,DPS-VS05-A,DPS-VS06-A,一个手动泄压阀门DPS-MAN—H,其中6个自动泄压阀门部件形成了6取2的冗余***,而且受到共因失效的影响。
按照本发明提出的实时风险监测的动态建模分析***进行如下处理:
(1)采用如下风险贡献排序方法进行各个部件的风险贡献计算和排序:
首先计算实时风险监测模型中所有部件/设备的RAW重要度、FV重要度、RTS重要度。反应堆泄压***涉及7个自动泄压阀门,分别是DPS-VS01-A,DPS-VS02-A,DPS-VS03-A,DPS-VS04-A,DPS-VS05-A,DPS-VS06-A,一个手动泄压阀门DPS-MAN—H,以及一个离线的部件DPS-VS07-A(因为此部件的配置状态是离线,所以实时风险模型中不显示,其原所在的故障树位置是DPS-VS06-A旁边)。6个自动部件形成的冗余***涉及共因失效,因此分别采用共因失效的故障转换页来表示。
以DPS-MAN--H部件为例,RAW重要度、FV重要度、RTS重要度的计算方法如下:RAW=P(1)/P(R),FV=(P(R)-P(0))/P(R),RTS=(P(1)-P(R))/P(1),其中P(R)代表实时风险监测模型的顶层逻辑大故障树的顶事件失效概率;P(1)代表故障树模型中,部件DPS-MAN--H的失效概率被设置为1时的顶层逻辑大故障树的顶事件失效概率;P(0)代表故障树模型中,部件DPS-MAN--H的失效概率被设置为0时的顶层逻辑大故障树的顶事件失效概率。假设按照核电站实时风险监测全模型的计算结果如下表所示:
(2)然后根据RAW重要度、FV重要度、RTS重要度的计算结果,对实时风险监测模型中的部件/设备进行风险重要性排序,把重要度大于临界值的部件或设备标记为风险重要部件或设备;本实施例中RAW重要度的临界值RI的取值是8,FV重要度的临界值FI的取值是0.1,RTS重要度的临界值RI的取值是0.1;因为部件DPS-MAN--H的RAW重要度计算结果为10.5,则判断DPS-MAN--H是风险重要部件,其余7个部件的重要度均小于临界值,因此属于非风险重要部件。
(3)最后根据综合重要度TI的计算公式计算排序获得最终的风险贡献优先权,具体如下:
TIi=α*FVi+β*RTSi+γ*RAWi,其中α、β和γ为权重因子,取值分别是0.4,0.4,0.4;本例子不涉及包含多个部件的设备,所以RAW重要度、FV重要度、RTS重要度都分别为部件本身的重要度;综合重要度TI排序在前的即为风险贡献大的部件或设备。按照公式与上述表格计算,7个部件的综合重要度TI大小排序是DPS-MAN--H、DPS-VS01-A、DPS-VS02-A、DPS-VS03-A、DPS-VS04-A、DPS-VS05-A、DPS-VS06-A、DPS-VS07-A,即DPS-MAN--H的风险贡献最大,DPS-VS01-A次之,其余类推。
(4)采用如下方式对数据来源进行分类与排序:
把所有数据来源按照其设备类型分为5类,包括:操作员动作和设备监测数据、故障诊断与可靠性修正数据、基于维修与试验的设备信息数据、核能***设计或运行规程的更改。其中,DPS-MAN--H属于操作员动作和设备监测数据类;假设DPS-VS01-A正在维修,则属于基于维修与试验的设备信息数据类;DPS-VS02-A的失效概率被最近的运行规程改动所改变,则属于核能***设计或运行规程的更改类;DPS-VS03-A需要进行故障诊断与可靠性修正,则属于故障诊断与可靠性修正数据类,其余的DPS-VS04-A、DPS-VS05-A、DPS-VS06-A都有监测,属于操作员动作和设备监测数据类;DPS-VS07-A属于其它数据。
(5)按照上述5类数据来源对于核能***实时风险影响的大小,对数据来源进行排序,具体的先后顺序为:核能***的设计或运行规程更改、操作员动作和设备监测数据、基于维修与试验的设备信息数据、故障诊断与可靠性修正数据、其它数据;每一类数据来源内部则按照风险贡献的排序判断优先权;因此,7个部件的先后排序是:DPS-VS02-A、DPS-MAN--H、DPS-VS04-A、DPS-VS05-A、DPS-VS06-A、DPS-VS01-A、DPS-VS03-A、DPS-VS07-A。
(6)同一种设备类型同样风险贡献的数据来源,按照固有时间特性和周期进行排序,具体的先后顺序为秒量级、分钟量级、小时至天量级、月至年量级;本例子7个部件的风险贡献不同,不涉及固有时间特性的判断。
所述的实时风险监测的动态建模方法,其特征在于:综合风险贡献排序和数据来源排序结果,每一类数据内部则按照风险贡献的排序判断优先权;具体采用如下顺序和方式来对实时风险监测模型进行构建、存储与动态修改更新:
设备类型为核能***设计或运行规程更改的数据源,涉及的模型结构与部件可靠性数据的优先权在所有设备类型的数据来源中是最高的,优先对其进行构建、存储与动态修改更新的操作;属于风险重要部件的基于维修与试验的设备信息数据,优先权排第2位;因此,部件DPS-VS02-A的优先权最高。虽然部件DPS-VS01-A正在维修,但是它不属于风险重要部件,因此排序不适用于这一条判断。
同一种设备类型的数据来源,风险重要部件的设备状态和可靠性数据的优先权高于非风险重要部件的设备状态和可靠性数据,在同一种设备类型的数据来源中,优先对风险重要部件的设备状态和可靠性数据进行构建、存储与动态修改更新的操作;因此,DPS-MAN--H的排序优先于DPS-VS04-A、DPS-VS05-A、DPS-VS06-A。最终,综合判断排序的结果是:DPS-VS02-A、DPS-MAN--H、DPS-VS04-A、DPS-VS05-A、DPS-VS06-A、DPS-VS01-A、DPS-VS03-A、DPS-VS07-A。
(7)按照如下方式,判断所有部件/设备的数据更新周期:对于属于风险重要部件的核能***设计或运行规程的更改,以及属于风险重要部件的操作员动作和设备监测数据,其更新周期为1秒至30秒;对于属于风险重要部件的故障诊断与可靠性修正数据,更新周期为5秒至1分钟;对于非风险重要部件的核能***设计或运行规程的更改、非风险重要部件的操作员动作和设备监测数据、非风险重要部件的故障诊断与可靠性修正数据,以及非风险重要部件的基于维修与试验的设备信息数据,更新周期都是10秒至2分钟;风险重要部件的其它数据的更新周期是30秒至2分钟,非风险重要部件的其它数据的更新周期是2分钟至5分钟;对于每一类更新周期,本例子中都选择其下限,以提高风险监测的实时性。
因此,7个部件对应的更新周期分别为DPS-VS02-A(10秒)、DPS-MAN--H(1秒)、DPS-VS04-A(10秒)、DPS-VS05-A(10秒)、DPS-VS06-A(10秒)、DPS-VS01-A(10秒)、DPS-VS03-A(10秒)、DPS-VS07-A(2分钟)。
(8)最后,对实时风险监测模型进行构建、存储与动态修改更新时,采用的方法包括共因失效模型重建方法、恢复分析方法、扩展模型子库方法、多重边界条件集方法和多重故障树转换页方法在内的一种或多种方法。本例子涉及对DPS-VS01-A,DPS-VS02-A,DPS-VS03-A,DPS-VS04-A,DPS-VS05-A,DPS-VS06-A等6个部件进行共因失效模型重建、多重故障树转换页2种处理方法,并建立这6个部件对应的扩展模型子库;同时,需要对部件DPS-MAN--H、DPS-VS01-A、DPS-VS02-A进行恢复分析,根据部件的实时状态,判断何时需要把它们列入某一时刻实时风险监测模型的故障树当中去,例如正在维修的DPS-VS01-A不需要列入,同时不必更新其失效概率,另外2个部件已经实际运行则需要列入,DPS-VS02-A还需要把运行规程更改后的失效概率更新到模型中。
(9)针对上述建立的实时风险监测模型,首先对整体模型的多重边界条件集进行单一取值化处理,例如:正在维修的部件DPS-VS01-A,需要舍弃其原有失效概率,而对其在故障树模型中进行置1。
采用动态链接的方式完成多重故障树转换页与扩展模型子库的处理,包括这几个阀门对应的共因失效故障树页;
其次进行故障树化简,包括多种复杂逻辑门向“与门”“或门”的转换,例如本例中的6取2的表决门。删减与合并重复的逻辑门和基本事件,以及相似分支结构的整合;
最后对故障树模型进行编码与模块化,并完成定性分析即求解最小割集、割集后处理和定量分析,包括RAW、FV重要度计算、敏感性分析和不确定性分析。
实施例2:
假设有一个核电站的主给水***(Main feed water system)的故障树模型,如图3所示,其中主给水***1号泵@MFW-PUMP-2-Gate、2号泵@MFW-PUMP-3-Gate、3号泵@MFW-PUMP-4-Gate组成3取2的冗余配置,而主给水***1号隔离阀@MFW-ISOL-3-Gate、2号隔离阀@MFW-ISOL-2-Gate则形成互为冗余的配置,以及主给水***的第3路交流电子***ACP-3-Tree(其故障树模型如图4所示)。第3路交流电子***当且仅当2个事件发生的时候才失效:一个是丧失场外电(Loss of off-site power),另一个是蒸汽轮机提供的电源失效(Standby power supply from Gas Turbine fail)。
假设图3中的1号泵@MFW-PUMP-2-Gate的故障树模型作展开处理,展开之后的主给水***的故障树总模型如图5所示,可以看到展开部分包括有2个代表给水泵部件的共因失效的故障转换页,泵1MFW-PM01-D-CCFP与泵2MFW-PM01-A-CCFP,以及一个房型事件MFW-P1代表泵1是否在运行;房型事件的取值为0或1,不参与重要度计算。而图3中其它泵的不作展开处理,因此对于1号泵@MFW-PUMP-2-Gate、第3路交流电子***ACP-3-Tree,本发明的具体实施方式与实施例1类似,这里不再详细说明。假设其按照核电站实时风险监测全模型的重要度计算结果如下表所示:
部件名称 | RAW重要度 | FV重要度 | RTS重要度 |
ACP-GT01-A | 6.3 | 0.005 | NA |
ACP-GT01-M | 6.3 | 0.005 | NA |
OFFSITE-POWER | 10.8 | 0.08 | NA |
MFW-PM01-D-CCFP | 5.7 | 0.004 | NA |
MFW-PM01-A-CCFP | 5.7 | 0.004 | NA |
本实施例中RAW重要度的临界值RI的取值是9,FV重要度的临界值FI的取值是0.07,RTS重要度的临界值RI的取值是0.1;因为部件OFFSITE-POWER的RAW重要度计算结果为10.8,则判断OFFSITE-POWER是风险重要部件,其余部件的重要度均小于临界值,因此属于非风险重要部件。
而对于2号泵@MFW-PUMP-3-Gate、3号泵@MFW-PUMP-4-Gate、1号隔离阀@MFW-ISOL-3-Gate、2号隔离阀@MFW-ISOL-2-Gate,它们都属于包含多个部件的设备,其处理方式与实施例1不同,这里详细说明其差异,即最后根据综合重要度TI的计算公式计算排序获得最终的风险贡献优先权的时候,其具体方法如下:
TIi=α*FVi+β*RTSi+γ*RAWi,其中α、β和γ为权重因子,在本实施例中假设取值是0.3;针对包含多个部件的设备,其RAW重要度为所包含部件RAW重要度的最大值,其FV重要度为所有部件FV重要度之和,其RTS重要度为所有部件RTS重要度之和。
在本实施例中,假设2号泵@MFW-PUMP-3-Gate包含2个部件(MFW-PM02-D-CCFP、MFW-PM02-A-CCFP)、3号泵@MFW-PUMP-4-Gate包含2个部件(MFW-PM03-D-CCFP、MFW-PM03-A-CCFP)、1号隔离阀@MFW-ISOL-3-Gate包含2个部件(MFW-VCO1-D、MFW-VCO1-A)、2号隔离阀@MFW-ISOL-2-Gate包含2个部件(MFW-VCO2-D、MFW-VCO2-A)。其按照核电站实时风险监测全模型的重要度计算结果如下表所示:
部件名称 | RAW重要度 | FV重要度 | RTS重要度 |
MFW-PM02-D-CCFP | 5.3 | 0.005 | NA |
MFW-PM02-A-CCFP | 5.4 | 0.006 | NA |
MFW-PM03-D-CCFP | 5.5 | 0.006 | NA |
MFW-PM03-A-CCFP | 5.5 | 0.005 | NA |
MFW-VCO1-D | 4.1 | 0.005 | NA |
MFW-VCO1-A | 4.2 | 0.004 | NA |
MFW-VCO2-D | 3.9 | 0.003 | NA |
MFW-VCO2-A | 3.9 | 0.004 | NA |
因此,2号泵@MFW-PUMP-3-Gate的RAW重要度为5.4,FV重要度为0.011。3号泵@MFW-PUMP-4-Gate的RAW重要度为5.5,FV重要度为0.011。1号隔离阀@MFW-ISOL-3-Gate的RAW重要度为4.2,FV重要度为0.009。2号隔离阀@MFW-ISOL-2-Gate的RAW重要度为3.9,FV重要度为0.007。
其它的实施步骤,包括后续的综合风险贡献排序和数据来源排序结果,每一类数据内部则按照风险贡献的排序判断模型更新时的优先权;确定实时风险监测模型构建、存储与动态修改更新的时间周期等,以及最后的实时风险模型分析方法,都与实施例1类似,这里不再详细说明。
本发明未详细阐述部分属于本领域的公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种核电站实时风险动态建模分析***,其特征在于,包括:部件/设备风险贡献分析器、数据来源分析器、实时风险监测建模器和实时风险监测模型分析器;
部件/设备风险贡献分析器:对给定的一个核能***,采用风险贡献排序方法,对此核能***的实时风险监测模型涉及的所有部件/设备进行风险贡献的计算和排序,得到每个部件/设备正常运行或故障对整个核能***的风险水平影响的大小排序列表;供实时风险监测建模器使用;
数据来源分析器:对给定的一个核能***,根据实时风险监测模型中涉及的数据来源的设备类型、固有时间特性和周期,进行数据来源的分类与排序,得到每个数据来源所需要的更新时间的大小排序列表;供实时风险监测建模器使用;
实时风险监测建模器:基于“小事件树-大故障树”方法和“顶层逻辑(Top-logic)大故障树”方法,对实时风险监测模型中的故障树和事件树进行整合;综合风险贡献排序和数据来源排序结果,采用包括共因失效模型重建、恢复分析、扩展模型子库、多重边界条件集、多重故障树转换页在内的方法,对实时风险监测模型进行构建、存储与动态修改更新,得到给定核能***的实时风险监测模型;供实时风险监测模型分析器使用;
实时风险监测模型分析器:针对实时风险监测模型,首先对多重边界条件集进行单一取值化处理,采用动态链接的方式完成多重故障树转换页与扩展模型子库的处理;再进行故障树化简,简化包括多种复杂逻辑门向“与门”“或门”的转换、重复逻辑门和基本事件的删减与合并,以及相似分支结构的整合;最后对故障树模型进行编码与模块化,并计算最小割集,计算包括部件/设备允许停役时间和定期试验间隔在内的风险指标,计算部件/设备的重要度和敏感性,并计算获取***风险的不确定性分布。
2.根据权利要求1所述的一种核电站实时风险动态建模分析***,其特征在于:所述部件/设备风险贡献分析器中,采用如下方式进行部件/设备对核能***的风险贡献计算和排序:
(1)首先计算实时风险监测模型中所有部件/设备的RAW重要度、FV重要度、RTS重要度,计算方法如下:
RAWi=P(i1)/P(R),FVi=(P(R)-P(i0))/P(R),RTSi=(P(i1)-P(R))/P(i1),其中P(R)代表实时风险监测模型的顶层逻辑大故障树的顶事件失效概率;P(i1)代表部件i的失效概率被设置为1时的顶层逻辑大故障树的顶事件失效概率,或实时导致设备i失效的所有部件的失效概率都被设置为1时的顶层逻辑大故障树失效概率;P(i0)代表部件i的失效概率被设置为0时的顶层逻辑大故障树的顶事件失效概率,或实时导致设备i失效的所有部件的失效概率都被设置为0时的顶层逻辑大故障树失效概率;
(2)然后根据RAW重要度、FV重要度、RTS重要度的计算结果,对实时风险监测模型中的部件/设备进行风险重要性排序,把重要度大于临界值的部件或设备标记为风险重要部件或设备;其中RAW重要度的临界值RI的取值范围是[0.5,8],FV重要度的临界值FI的取值范围是[0.001,0.9],RTS重要度的临界值RI的取值范围是[0.001,0.9];
(3)最后根据综合重要度TI的计算公式计算获得最终的风险贡献排序,具体如下:
TIi=α*FVi+β*RTSi+γ*RAWi,其中α、β和γ为权重因子,取值范围是[0,1];针对包含多个部件的设备,其RAW重要度为所包含部件RAW重要度的最大值,其FV重要度为所有部件FV重要度之和,其RTS重要度为所有部件RTS重要度之和;综合重要度TI数值大的部件/设备即为风险贡献大的部件/设备,其排序在前。
3.根据权利要求1所述的一种核电站实时风险动态建模分析***,其特征在于:所述数据来源分析器对数据来源的分类与排序采用如下方式进行:
(1)把给定核能***的所有数据来源按照其设备类型分为5类,包括:操作员动作和设备监测数据、故障诊断与可靠性修正数据、基于维修与试验的设备信息数据、核能***设计或运行规程的更改,以及包括核能***所在的环境气象与核能***技术规格书在内的其它影响到核能***风险水平的数据;
(2)按照上述5类数据来源对于核能***实时风险影响的大小,对数据来源进行排序,具体的先后顺序为:核能***的设计或运行规程更改、操作员动作和设备监测数据、基于维修与试验的设备信息数据、故障诊断与可靠性修正数据,以及包括核能***所在的环境气象与核能***技术规格书在内的其它影响到核能***风险水平的数据;每一类数据来源内部则按照风险贡献的排序判断优先权;
(3)同一种设备类型同样风险贡献的数据来源,按照固有时间特性和周期进行排序,具体的先后顺序为秒量级、分钟量级、小时至天量级、月至年量级。
4.根据权利要求1所述的一种核电站实时风险动态建模分析***,其特征在于:所述实时风险监测建模器对风险贡献排序和数据来源排序结果进行综合考虑,每一类数据内部则按照风险贡献的排序判断优先权;具体采用如下顺序和方式来对实时风险监测模型进行构建、存储与动态修改更新:
(1)设备类型为核能***设计或运行规程更改的数据源,涉及的模型结构与部件可靠性数据的优先权在所有设备类型的数据来源中是最高的,优先对其进行构建、存储与动态修改更新的操作;属于风险重要部件的基于维修与试验的设备信息数据,优先权排第2位;
(2)同一种设备类型的数据来源,风险重要部件的设备状态和可靠性数据的优先权高于非风险重要部件的设备状态和可靠性数据,在同一种设备类型的数据来源中,优先对风险重要部件的设备状态和可靠性数据进行构建、存储与动态修改更新的操作;
(3)对于属于风险重要部件的核能***设计或运行规程的更改,以及属于风险重要部件的操作员动作和设备监测数据,其更新周期为1秒至30秒;对于属于风险重要部件的故障诊断与可靠性修正数据,更新周期为5秒至1分钟;对于非风险重要部件的核能***设计或运行规程的更改、非风险重要部件的操作员动作和设备监测数据、非风险重要部件的故障诊断与可靠性修正数据,以及非风险重要部件的基于维修与试验的设备信息数据,更新周期都是10秒至2分钟;风险重要部件的其它数据的更新周期是30秒至2分钟,非风险重要部件的其它数据的更新周期是2分钟至5分钟;
(4)对实时风险监测模型进行构建、存储与动态修改更新时,采用的方法包括共因失效模型重建方法、恢复分析方法、扩展模型子库方法、多重边界条件集方法和多重故障树转换页方法在内的一种或多种方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911309656.0A CN111091292B (zh) | 2019-12-18 | 2019-12-18 | 一种核电站实时风险动态建模分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911309656.0A CN111091292B (zh) | 2019-12-18 | 2019-12-18 | 一种核电站实时风险动态建模分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091292A true CN111091292A (zh) | 2020-05-01 |
CN111091292B CN111091292B (zh) | 2023-08-18 |
Family
ID=70396152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911309656.0A Active CN111091292B (zh) | 2019-12-18 | 2019-12-18 | 一种核电站实时风险动态建模分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091292B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136354A (zh) * | 2021-09-28 | 2022-03-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种基于定位分析的台区量测设备故障诊断方法及*** |
CN114997696A (zh) * | 2022-06-21 | 2022-09-02 | 岭澳核电有限公司 | 核电机组停机停堆风险动态评估方法、装置及计算机设备 |
CN117196321A (zh) * | 2023-11-03 | 2023-12-08 | 福建福清核电有限公司 | 核电厂计划任务概率风险的计算方法及其计算装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4632802A (en) * | 1982-09-16 | 1986-12-30 | Combustion Engineering, Inc. | Nuclear plant safety evaluation system |
CN103400193A (zh) * | 2013-08-21 | 2013-11-20 | 中国科学院合肥物质科学研究院 | 一种用于核电站的三日风险滚动监测管理***及管理方法 |
CN103400246A (zh) * | 2013-08-23 | 2013-11-20 | 中国科学院合肥物质科学研究院 | 一种基于云架构的核电厂风险监测***及监测方法 |
CN103700025A (zh) * | 2013-11-22 | 2014-04-02 | 浙江大学 | 一种基于风险分析的电力***设备重要度的评估排序方法 |
CN104318110A (zh) * | 2014-10-28 | 2015-01-28 | 中国科学院合肥物质科学研究院 | 一种基于重要度和敏感性复合排序的提高大型复杂***风险设计及维修效率的方法 |
CN105469186A (zh) * | 2014-11-28 | 2016-04-06 | 上海核工程研究设计院 | 一种能够自监测的风险监测***及自监测方法 |
CN105631578A (zh) * | 2015-12-10 | 2016-06-01 | 浙江大学 | 一种面向风险评估的输变电设备故障概率模型的建模方法 |
CN106407216A (zh) * | 2015-07-31 | 2017-02-15 | 国网能源研究院 | 基于语义网构建路径开发的线索追溯稽核***及其构建方法 |
CN108416526A (zh) * | 2018-03-15 | 2018-08-17 | 哈尔滨工程大学 | 一种核电站生产计划的在线时间相关风险监测***及方法 |
CN109002959A (zh) * | 2018-06-11 | 2018-12-14 | 北京石油化工学院 | 一种基于大数据的危化品运输风险预测*** |
-
2019
- 2019-12-18 CN CN201911309656.0A patent/CN111091292B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4632802A (en) * | 1982-09-16 | 1986-12-30 | Combustion Engineering, Inc. | Nuclear plant safety evaluation system |
CN103400193A (zh) * | 2013-08-21 | 2013-11-20 | 中国科学院合肥物质科学研究院 | 一种用于核电站的三日风险滚动监测管理***及管理方法 |
CN103400246A (zh) * | 2013-08-23 | 2013-11-20 | 中国科学院合肥物质科学研究院 | 一种基于云架构的核电厂风险监测***及监测方法 |
CN103700025A (zh) * | 2013-11-22 | 2014-04-02 | 浙江大学 | 一种基于风险分析的电力***设备重要度的评估排序方法 |
CN104318110A (zh) * | 2014-10-28 | 2015-01-28 | 中国科学院合肥物质科学研究院 | 一种基于重要度和敏感性复合排序的提高大型复杂***风险设计及维修效率的方法 |
CN105469186A (zh) * | 2014-11-28 | 2016-04-06 | 上海核工程研究设计院 | 一种能够自监测的风险监测***及自监测方法 |
CN106407216A (zh) * | 2015-07-31 | 2017-02-15 | 国网能源研究院 | 基于语义网构建路径开发的线索追溯稽核***及其构建方法 |
CN105631578A (zh) * | 2015-12-10 | 2016-06-01 | 浙江大学 | 一种面向风险评估的输变电设备故障概率模型的建模方法 |
CN108416526A (zh) * | 2018-03-15 | 2018-08-17 | 哈尔滨工程大学 | 一种核电站生产计划的在线时间相关风险监测***及方法 |
CN109002959A (zh) * | 2018-06-11 | 2018-12-14 | 北京石油化工学院 | 一种基于大数据的危化品运输风险预测*** |
Non-Patent Citations (3)
Title |
---|
ZHANG HAO; ZHANG LIQIANG; QIN YANFENG; JIANG TAO; CAO NING; ZHOU CHUANGBIN; ET ALL: "Modeling and simulation of loss of power in nuclear power plant", 《2018 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY (POWERCON)》 * |
戴婧;毕军;马宗伟;: "风险排序及其在环境风险管控中的应用", no. 01 * |
陈珊琦: "故障树和事件树建模与分析的关键算法研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136354A (zh) * | 2021-09-28 | 2022-03-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种基于定位分析的台区量测设备故障诊断方法及*** |
CN114997696A (zh) * | 2022-06-21 | 2022-09-02 | 岭澳核电有限公司 | 核电机组停机停堆风险动态评估方法、装置及计算机设备 |
CN117196321A (zh) * | 2023-11-03 | 2023-12-08 | 福建福清核电有限公司 | 核电厂计划任务概率风险的计算方法及其计算装置 |
CN117196321B (zh) * | 2023-11-03 | 2024-03-01 | 福建福清核电有限公司 | 核电厂计划任务概率风险的计算方法及其计算装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111091292B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358366B (zh) | 一种配电变压器故障风险监测方法及*** | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及*** | |
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断***及方法 | |
CN111091292A (zh) | 一种核电站实时风险动态建模分析*** | |
CN102478584B (zh) | 基于小波分析的风电场风速预测方法及*** | |
CN114035468B (zh) | 基于XGBoost算法的风机检修流程预测性监控方法与*** | |
CN104680254B (zh) | 一种基于综合成本模型的电网规划方案优选方法 | |
CN111488896A (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN113537523A (zh) | 一种变电设备状态检修及辅助决策方法 | |
CN113780375B (zh) | 一种基于数字孪生的虚实交互风电场风力监测***及应用 | |
CN112016806A (zh) | 发电站设备状态检修方法、***、介质及装置 | |
Ma et al. | Economic operation evaluation of active distribution network based on fuzzy Borda method | |
CN112085108A (zh) | 基于自动编码器及k均值聚类的光伏电站故障诊断算法 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
Jin et al. | Adaptive age replacement using on-line monitoring | |
CN117578440A (zh) | 一种基于神经网络的电网负荷预测方法 | |
CN114861973B (zh) | 一种计及多源因素的风力发电***风险评估方法 | |
Li et al. | Two-stage multi-level equipment grey state prediction model and application | |
CN116307838A (zh) | 一种电网可靠性评估中配电网精确等值方法及***、介质 | |
CN116823008A (zh) | 一种园区能源利用效率评估方法、***、设备和存储介质 | |
CN114897262A (zh) | 一种基于深度学习的轨道交通设备故障预测方法 | |
Shopeju et al. | A comprehensive review of thermal power plants reliability using stochastic methods | |
CN112070335A (zh) | 一种核电厂计划停运可用率的评估方法及*** | |
Wang et al. | A new evaluation mechanism on investment effectiveness of a production and technical transformation project in a power system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |