基于動態時間彎曲算法的核電廠瞬態識別方法研究

白曉明，王新軍，艾紅雷，衛東，鄭連綱，謝海

基于動態時間彎曲算法的核電廠瞬態識別方法研究

白曉明1，王新軍1，艾紅雷1，衛東2，鄭連綱1，謝海1

（1.中國核動力研究設計院 反應堆系統設計技術重點實驗室，成都 610213； 2.環境保護部核與輻射安全中心，北京 100010）

對核電廠運行瞬態識別進行有效識別?；趧討B時間彎曲算法，計算運行瞬態中溫度、壓力和流速數據與設計瞬態中對應數據之間的相似程度，通過定義等效相似度反應溫度、壓力和流速的不同權重。在完成當前運行瞬態與各條設計瞬態之間的相似程度后，通過比較相似度值，將運行瞬態歸類為設計瞬態。通過對“華龍一號”核電廠的設計瞬態和基于設計瞬態攝動獲得的虛擬運行瞬態進行驗證，文中提出的方法能夠快速有效地對運行瞬態進行分類，結果顯示，有95%以上的運行瞬態能夠被正確識別?；趧討B時間彎曲算法和等效相似度建立的瞬態識別方法具有高效、準確等優點，能夠有效應用于核電廠的疲勞監測系統。

瞬態識別；疲勞監測；核電廠；動態時間彎曲

在核電廠的運行過程中，關鍵設備和管道系統的健康狀態需要通過疲勞監測系統進行監測。由于核電廠運行瞬態的波動變化是導致設備和管道疲勞的重要因素，因此對運行瞬態的識別和分類是核電廠疲勞監測系統中的關鍵技術。以美國核電廠延壽為例，延壽相關要求10CFR54中明確規定了需要進行疲勞分析，同時NUREG-1801中給出了滿足10CFR54要求的指南。指南要求在延壽申請中，需要提供導致明顯疲勞使用系數改變的瞬態發生次數。綜上所述，通過瞬態統計方法獲取電廠運行中真實瞬態發生的次數，對電廠的疲勞監測及延壽工作都具有重要的意義。

在核電廠的設計階段，通過計算分析能夠得到不同工況下的設計瞬態，但電廠的實際運行瞬態往往與設計瞬態相差較大，傳統的瞬態識別方法難以直接基于設計瞬態進行。近年來，基于模式識別方法發展較快，并吸引了大量研究者進行相關的研究[1-9]。人工神經網絡、支持向量機、粒子群優化、隱馬爾可夫模型和模糊熵方法等多種方法被應用于瞬態識別技術。大多數基于數據的方法都需要龐大的數據作為訓練集，這在核電廠實際使用中并不可行。為解決這一問題，文中提出了基于動態時間彎曲（Dynamic Time Warping，DTW）算法以設計瞬態為參考進行瞬態識別的方法。在該方法中，以設計瞬態為基準，通過計算運行瞬態與設計瞬態之間的等效DTW距離，實現對運行瞬態準確高效地自動識別。該方法的研究對疲勞監測系統中基于循環次數的疲勞計算具有重要意義。

1 理論及方法

1.1 動態時間彎曲算法

動態時間彎曲算法是一種計算兩組時間序列數據之間相似度的算法，該算法的核心思想是將兩組數據的時間軸建立非線性對應關系，通過將時間序列拉伸或壓縮來匹配計算兩個時間序列之間的相似度，其原理如圖1所示。圖中的實線表示兩個時間序列，虛線連接序列之間的相似點。DTW使用所有相似點之間的距離綜合衡量兩個時間序列之間的相似性。與傳統基于歐式距離計算相似度的方法不同，DTW方法能夠有效地計算時間軸長度不統一時數據之間的相似度，因此該算法被廣泛應用于語音識別等領域。

圖1 動態時間彎曲算法

1.2 瞬態分類方法

1.3 瞬態在線識別

基于DTW算法，建立了瞬態在線識別流程，如圖2所示。需要注意的是，在瞬態識別過程中，用于進行瞬態比較的參考輸入不僅包括設計瞬態，還包括已經被識別的運行瞬態。參考瞬態會隨著瞬態識別數量的增加而不斷增大，并有助于提高瞬態識別的正確率。此外，如果運行瞬態不能被識別為設計瞬態，將建立一個新運行瞬態的列表，用于后續的瞬態識別。

圖2 在線識別流程

2 結果及分析

文中采用“華龍一號”的40條設計瞬態作為參考瞬態構建數據庫。由于目前“華龍一號”尚無運行數據，通過以下方式構建虛擬瞬態：

1）對設計瞬態中的折線點在橫軸（時間）上進行攝動，攝動范圍為設計瞬態的±50%。如某設計瞬態中兩個折線點之間的時間間隔為100 s，攝動后其時間間隔為50~150 s之間的隨機數。

2）對設計瞬態中的折線點在縱軸（溫度或壓力）上進行，攝動范圍為設計瞬態的±25%。如某設計瞬態中兩個折線點之間的溫差為100 ℃，攝動后其溫差為75~125 ℃之間的隨機數。

3）對攝動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，每條虛擬運行瞬態均由相應的設計瞬態變化而來，因此具有標簽。通過對這些瞬態的識別，能夠獲得當前方法的識別率。

表2 權重因子對瞬態識別率的影響

圖3 溫度和壓力的DTW相似度

圖4 運行瞬態與設計溫度的對比

3 結語

文中基于動態時間彎曲算法提出了一種進行核電廠瞬態識別的方法，該方法能夠利用設計瞬態作為參考瞬態對運行瞬態進行識別。由于該方法不需要過多地運行瞬態進行模型訓練，因此更適用于新型核電廠。同時，該瞬態識別方法是核電廠疲勞監測系統的重要組成部分。

[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, 郝軼, 黃曉津, 等. 基于模糊熵的核電站瞬態識別方法[J]. 原子能科學技術, 2014, 48(9): 1640-1645.

[9] 常遠, 黃曉津, 李春文, 等. 基于模糊熵的核電站瞬態分段識別方法[J]. 核動力工程, 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，內蒙古人，博士，工程師，主要研究方向為反應堆結構力學。