基于大数据的SG 支撑板狭缝堵塞率趋势预测

周田蜜，朱桂霞，秦 凤，钱玉刚

（中核武汉核电运行技术股份有限公司，湖北武汉 430223）

0 引言

2004—2006 年期间，法国克里斯电厂发生了3 次泄漏[1]。通过根本原因分析发现，3 次泄漏均是支撑管板处传热管发生裂纹所致。调查还发现，裂纹处的支撑板狭缝均部分或全部堵塞，腐蚀导致传热管泄漏。另外，支撑板狭缝堵塞影响传热管传热效率，所以对狭缝的堵塞情况进行研究是非常有必要的。

1 SG 支撑板狭缝堵塞率的预测方法

在立式SG 中，腐蚀产物在被排污系统排出的同时，会有一部分在SG 支撑板不断沉积（图1）。而SG 在安装、调试、运行和维修期间，也可能有异物进入SG，在机组运行时会给SG 传热管造成伤害。因此，定期对支撑板进行冲洗，可以减缓传热管腐蚀和破裂的趋势并减少对传热效率的影响。

图1 SG 支撑板及支撑板的梅花孔

与法国、美国等国家相比，我国国内的核电厂比较年轻，支撑板狭缝堵塞情况并不明显，目前也没有对传热效率造成明显影响，所以国内在SG 狭缝堵塞率方面的研究还处于萌芽阶段，目前主要是采用涡流监测、影像检查等方法直接测量堵塞率和利用计算机模拟SG 物理模型。但是，直接测量方法对系统的运行效率影响较大，例如，影像检查往往需要在停堆的情况下才可能进行，不能实现实时的退化状态监测。而计算机模拟手段只能对简化的SG 进行建模，不能准确地模拟SG 复杂的运行过程，其对退化状态的模拟准确度也不是很高。

在SG 传热管的检修和泥渣清理过程中，如何精确检测出传热管结垢位置和泥渣量一直是一个难点，国内外专家学者也对传热管结垢检测技术做了大量研究。文献[2]研究了涡流检测技术在SG 检验应用中的基准检测标准，提出了涡流检测技术应用的基本环境和分析检测方法，并通过实验对比的方式进行验证。文献[3]介绍了依靠美国ZETEC 公司制造的MIZ-18A 涡流检测系统对传热管进行诊断和结垢检测。文献[4]研究了使用涡流检测技术对SG 传热管进行结垢检验和缺陷诊断的优点，并指出了传热管结垢处理过程中，应用涡流检测所遇到的困难以及解决方式。文献[5]研究了利用超声波技术对传热管进行结垢检测的方法，通过超声波发射仪进行监测传热管结垢造成的腐蚀点位置。文献[6]研究发现SG 的监测数据与支撑板狭缝的堵塞率有一定的相关性。

法国EDF 与EPRI 联合对SG 狭缝堵塞率预测方法进行了研究。研究发现：通过在二次侧的蒸汽温度、液体温度、气压等大量数据中，可以提取到有效的系统故障表征以及退化特征，同时通过机器学习方法可以估计并预测SG 狭缝堵塞率。该研究成果已经成功地应用于法国的EDF 核电厂，即堵塞率达到一定的阈值后，实施预防性措施，如化学清洗。

随着人工智能算法的发展和计算机计算能力的增长，SG 的运行数据监控信息可以为系统的退化状态提供有用信息，达到发挥更大作用的目的。问题的重点是，如何从大量的监测数据中提取有效的系统故障表征以及退化特征，同时通过机器学习方法估计并预测SG 狭缝堵塞率趋势预测。

2 方案流程

基于大数据的SG 堵塞率变化趋势建模的研究方案主要流程为：数据预处理→特征提取→相关性分析→退化趋势建模。因而，其主要内容可以分为4 个部分：第一部分拟针对数据中所包含的噪音、异常点和缺失点进行处理；第二部分拟在预处理数据的基础上进行特征提取，以达到降低数据维数、减少非相关变量对退化趋势模型的影响；第三部分拟根据提取的特征向量分析其与SG 堵塞率变化的相关性，选择可以准确表征SG 堵塞率变化的特征；第四部，建立SG 堵塞率变化趋势模型。

（1）数据预处理。本部分主要针对SG 原始监测数据中可能包含的噪音、异常点缺失点进行处理。针对噪音，需要使用统计方法对噪音进行分析并对监测的时间序列数据进行平滑处理。针对异常点，需要通过利用统计方法进行鉴别并从监测数中删除这些异常点。数据中的缺失点主要有两种来源：第一种是传感器数据在传输过程中由于环境噪音影响造成数据丢失，第二种是在处理数据中异常点的过程中，由于删除了数据中异常点造成数据缺失。针对缺失点，需要通过分析其临近数据变化趋势并对缺失点进行重构。

（2）特征提取。SG 的中多监测变量中，往往包含无效和冗余特征。特征提取的过程就是去除数据中无效变量并将冗余变量进行合并。特征提取的方法较多，大致可以分为两类。第一类是通过在现有监测变量中进行选择，第二类是在现有变量基础上构建新的特征向量。

（3）相关性分析。不同特征提取方法获得的特征不同，而本部分主要通过相关性分析选择与研究目标最相关的特征。相关性分析的过程，主要通过计算所提取的特征的变化趋势和速度与SG 堵塞率的经验变化率进行对比，进而找出最优的特征提取方法及特征。

（4）退化趋势建模。根据特征提取和相关性分析中获得的最优特征随时间变化的趋势，选择合适的模型对退化趋势进行建模，进而获得SG 堵塞率变化的一般性模型。在获得不同时间下SG 真实堵塞率数据后，可以对模型中的参数进行估计，获得针对某一特定SG 的退化趋势模型。

3 总结

蒸汽发生器支撑板狭缝堵塞率的升高可能导致蒸汽压力下降和二次侧水位震荡等危害，因此必须提前预警。目前通过涡流检查可实现对泥渣堆积厚度的监测，但尚无法分析支撑板狭缝堵塞率，而且涡流检查只能在换料大修期间进行，在测量传热管壁厚之外进行结垢分析会增加额外的受照剂量和工作窗口。

通过本课题的研究可实现如下3 个目标：①实现支撑板狭缝堵塞率的连续分析和预测，为电厂的决策提供更为全面的量化支撑；②可引起国内核电厂业主对支撑板狭缝堵塞情况的关注，为后续支撑板的鼓泡清洗、化学清洗等研发工作提供数据支撑；③国内关于此方面的研究尚处于起步阶段，现开展研究有望成为此方向的权威机构。