一种基于多层流模型的核电厂智能报警分析系统

齐寒 杨明 杨军 郑立程

(华南理工大学电力学院 广州 510640)

0 引言

核电厂燃料采用以铀元素为主的放射性物质[1]，运行不当可能会导致重大危害，核电行业行稳致远的发展必须建立在高度可靠的核安全基础上[2]。在经历了几次重大安全事故后，运行安全问题成为核电行业关注的焦点。然而，核电厂工艺系统复杂，各结构间高度耦合，当发生事故时，系统运行参数相互影响，面临大量警报，操纵员的操纵负荷和精神压力也随之增大。美国三里岛事故表明，过量信息会提高操纵员的人因失误概率，增加核电厂的安全隐患。因此，需要开发一套智能化的核电厂报警分析系统，在系统发生异常时帮助操纵员过滤报警信息，识别引发系统异常的根原因，定位故障位置, 提升核电厂运行的安全性和可靠性。辅助支持系统的报警分析方法总体分为3类[3]：①基于解析模型的报警分析方法；②基于知识的报警分析方法；③基于信号处理的报警分析方法。其中，基于知识的报警分析方法关键技术在于知识库的建立和报警分析技术，模型易于建立和修改，可实时处理报警事件并解释因果关系，可以通过人机界面与操纵员互动，更加适用于大型非线性复杂系统的报警分析及故障诊断。本研究采用多层流模型 (Multilevel Flow Model，MFM)方法构建系统功能模型，同时应用图论算法开发系统报警分析程序过滤无效信息，快速识别报警根原因，定位故障模块，图像化显示报警分析结果，为操纵员提供操纵支持。

1 多层流建模方法简介

多层流模型是一种目标导向的系统功能性建模方法，它在描述系统的拓扑结构和行为知识的同时，还能体现系统的设计意图和使用目的，符合人的认知思维习惯，可理解性强[4]。多层流模型在守恒原理的基础上，描述复杂工艺系统的产生、传输、存储和消耗物质、能量和信息的功能特性和相互作用，同时也可通过建立控制系统的基本行为概念，对具有控制过程的系统进行定性推理分析。与其他功能模型的不同之处在于，MFM结合了“手段-目的”的分析方法和“部分-整体”的拆分方法，可以在不同的抽象层次上进行建模，适合分析和处理复杂动态系统问题。另外，通过图形化建模可以进一步形象地展示各级目标和功能的层级关系和实现流程，也便于推理规则的制定。

多层流模型建模元素如图1所示，功能分为基础功能与控制流功能。基础功能用于描述系统物质、能量与信息传递的物理部件，控制流功能用于描述系统部件间的控制关系。目的表示系统所要实现的目标，流结构表示系统物质、信息及能量的传递过程。关系描述功能、流结构之间的逻辑关系，分为层内关系和层与层关系。层内关系描述系统部件逻辑关系；层与层关系描述部件与流结构、流结构与流结构的逻辑关系。

图1 多层流功能建模元素

MFM中部件间因果关系如图2所示，以源与传输为例，源功能在传输功能上游且两者相互影响。①下游推理：当源功能为高状态时，传输功能为高状态；当源功能为低状态时，传输功能为低状态。②上游推理：当传输功能为高状态时，源功能为低状态；当传输功能为低状态时，源功能为高状态。

图2 多层流中源与传输的因果关系

2 基于因果有向图智能推理算法

多层流模型蕴含了系统功能间的因果关系，因果有向图可以清晰描述这种符号语言间的因果关系，并且易于转换为算法语言。本文在基于多层流功能知识表达的基础上，结合有向图知识，开发智能报警分析算法。

2.1 有向图原理

有向图由节点和矢量边组成，数学表达为G=(V,E)，V为节点的集合，E为矢量边的集合。有向图中节点a、b间存在边a→b，则称a是b的父节点，b是a的子节点。a的子节点集用PaG(a)表示，b的父节点集用ChG(b)表示。如果有向图中的矢量边不构成闭合环路，那么这种图被称为有向无环图。

有向图的图路径搜索算法[5]分为深度优先算法(DFS)和广度优先算法(BFS)。深度优先算法从访问节点出发，沿一条路依次访问该路上其他节点，之后返回原节点继续访问其他路，对未访问节点递归重复此过程，其空间复杂度小，能优先遍历路上所有节点。广度优先算法从访问节点出发，遍历该节点的相邻节点，再依次遍历每个相邻节点的相邻节点，其时间复杂度小，能快速遍历所有节点。本文基于这两种图路径搜索算法，根据多层流模型知识表达特点，结合python语言开发智能报警分析算法。

2.2 算法流程

基于有向图的智能报警分析算法流程如下：

(1)将核电厂系统多层流模型离散化为有向无环图节点模型，节点根据可测与否分为可测节点和不可测节点。可测节点对应系统中可测部件状态值，不可测节点对应系统中不可测部件状态值以及引发报警的原因事件，多层流功能间因果关系即为节点间推理规则，用If-then语法表达。节点模型中所有节点构成有向图中节点集V，节点间推理规则构成边集E，节点集V与边集E构成算法推理分析知识库。

(2)当系统检测到异常工况时，利用广度优先算法对节点模型进行广度遍历，定位到引发异常工况的报警节点，确定故障模块；算法将节点模型中未发生报警的可测节点与其子节点、边集进行剔除，仅保留报警节点及其子节点集，缩小分析范围。

(3)经过算法智能处理后节点模型被简化，报警节点与其子节点、边集构成新的有向图，利用深度优先算法对报警有向图进行深度遍历，找到影响所有异常节点的子节点，该节点对应的事件即为该事故工况下报警根原因。

3 系统运行流程

根据核电厂运行系统资料，应用多层流建模技术建立核电厂工艺系统模型，规则化因果关系，形成因果关系知识库。通过对核电厂运行状态进行在线监测，对整体的运行工况进行判断，获取报警事件清单，智能报警分析算法将多层流模型转化为有向图节点模型，形成因果逻辑规则知识库，经过智能报警分析算法处理，对报警事件进行过滤降噪、推理分析，在人机界面上形成报警事件因果关系图，实现报警根原因识别，帮助操纵员快速定位故障部件，降低操纵员操纵负荷。智能报警分析系统的总体运行框架如图3所示。

图3 智能报警系统功能流程

4 案例分析

4.1 系统描述

反应堆冷却剂系统是核电厂一回路的核心系统，为验证智能报警推理分析系统的报警分析可靠性，本文选取核电厂压水堆冷却剂系统[6]，对主冷却剂系统LOCA事件响应报警进行推理分析，系统结构如图4所示。

图4 反应堆冷却剂系统结构

4.2 系统建模

应用多层流模型方法对反应堆冷却剂系统运行知识进行建模描述，如图5所示，其中S1为系统能量流，S2为系统冷却剂物质流，功能含义分别如表1、表2所示。G1表示右环路SG向汽轮机供能，G2表示左环路SG向汽轮机供能，G3表示维持系统冷却剂流量，G4表示左环路SG蒸汽产量，G5表示左环路SG蒸汽产量。

图5 反应堆冷却剂系统多层流模型

表1 能量流模型功能含义(S1)

表2 物质流模型功能含义(S2)

续表2

4.3 报警分析

以核电厂反应堆冷却剂系统左环路小破口事故(LOCA)为例，选取Relap5事故[7]数据进行报警推理分析，报警事件如表3所示。根据报警事件，智能报警分析系统在模型中可以快速确定报警位置，即S1中E3、E4、E5、E6、E8、E11、E12，S2中M1、M2、M10。

表3 左环路小破口报警事件

程序依据算法展开智能分析，输出报警分析结果如图6所示。人机界面左侧为报警事件列表，右侧为报警事件因果关系图。因果关系图中双圈节点表示根原因，深色节点为报警事件，白色节点为可测未报警事件。根据因果关系图可知，稳压器水位低报警(M2 low)为左环路小破口事故的根原因事件。警报的传递路径为： 1→2(稳压器水位低→稳压器压力低)，1→12→13(稳压器水位低→左环路冷却剂流量高→堆芯水位低)，1→3→8→10(稳压器水位低→冷却剂流量低→反应堆堆芯温度高→右环路入口温度高)，3→9→7(冷却剂流量低→稳压器温度高→左环路SG温度高)，8→11(反应堆堆芯温度高→左环路入口温度高)。在1→4→5→6→7过程中，4、5、6节点未发生报警，且1→7节点间存在另一条警报传递的路(1→3→9→7)，因此可以将该报警链过滤。报警分析结果符合实际，证明多层流模型可以准确表述系统知识，该系统能对报警事件进行有效的智能分析。

图6 左环路小破口事件智能报警分析

5 结语

本文提出一种基于多层流模型方法功能建模，结合有向图知识开发报警分析算法的智能报警分析系统，以压水堆冷却剂系统左环路小破口事件为例，建立冷却剂系统MFM模型，构造报警分析知识库。经验证分析，MFM方法可以准确构建核电厂工艺系统知识模型，有向图算法通过对节点模型进行智能处理，有效过滤报警信息，缩小警报范围，定位故障模块，在线识别根原因，降低大量信息对于信息诊断任务的影响,提升核电厂运行的安全性和可靠性。