基于大數據的SG 支撐板狹縫堵塞率趨勢預測

周田蜜，朱桂霞，秦 鳳，錢玉剛

（中核武漢核電運行技術股份有限公司，湖北武漢 430223）

0 引言

2004—2006 年期間，法國克里斯電廠發生了3 次泄漏[1]。通過根本原因分析發現，3 次泄漏均是支撐管板處傳熱管發生裂紋所致。調查還發現，裂紋處的支撐板狹縫均部分或全部堵塞，腐蝕導致傳熱管泄漏。另外，支撐板狹縫堵塞影響傳熱管傳熱效率，所以對狹縫的堵塞情況進行研究是非常有必要的。

1 SG 支撐板狹縫堵塞率的預測方法

在立式SG 中，腐蝕產物在被排污系統排出的同時，會有一部分在SG 支撐板不斷沉積（圖1）。而SG 在安裝、調試、運行和維修期間，也可能有異物進入SG，在機組運行時會給SG 傳熱管造成傷害。因此，定期對支撐板進行沖洗，可以減緩傳熱管腐蝕和破裂的趨勢并減少對傳熱效率的影響。

圖1 SG 支撐板及支撐板的梅花孔

與法國、美國等國家相比，我國國內的核電廠比較年輕，支撐板狹縫堵塞情況并不明顯，目前也沒有對傳熱效率造成明顯影響，所以國內在SG 狹縫堵塞率方面的研究還處于萌芽階段，目前主要是采用渦流監測、影像檢查等方法直接測量堵塞率和利用計算機模擬SG 物理模型。但是，直接測量方法對系統的運行效率影響較大，例如，影像檢查往往需要在停堆的情況下才可能進行，不能實現實時的退化狀態監測。而計算機模擬手段只能對簡化的SG 進行建模，不能準確地模擬SG 復雜的運行過程，其對退化狀態的模擬準確度也不是很高。

在SG 傳熱管的檢修和泥渣清理過程中，如何精確檢測出傳熱管結垢位置和泥渣量一直是一個難點，國內外專家學者也對傳熱管結垢檢測技術做了大量研究。文獻[2]研究了渦流檢測技術在SG 檢驗應用中的基準檢測標準，提出了渦流檢測技術應用的基本環境和分析檢測方法，并通過實驗對比的方式進行驗證。文獻[3]介紹了依靠美國ZETEC 公司制造的MIZ-18A 渦流檢測系統對傳熱管進行診斷和結垢檢測。文獻[4]研究了使用渦流檢測技術對SG 傳熱管進行結垢檢驗和缺陷診斷的優點，并指出了傳熱管結垢處理過程中，應用渦流檢測所遇到的困難以及解決方式。文獻[5]研究了利用超聲波技術對傳熱管進行結垢檢測的方法，通過超聲波發射儀進行監測傳熱管結垢造成的腐蝕點位置。文獻[6]研究發現SG 的監測數據與支撐板狹縫的堵塞率有一定的相關性。

法國EDF 與EPRI 聯合對SG 狹縫堵塞率預測方法進行了研究。研究發現：通過在二次側的蒸汽溫度、液體溫度、氣壓等大量數據中，可以提取到有效的系統故障表征以及退化特征，同時通過機器學習方法可以估計并預測SG 狹縫堵塞率。該研究成果已經成功地應用于法國的EDF 核電廠，即堵塞率達到一定的閾值后，實施預防性措施，如化學清洗。

隨著人工智能算法的發展和計算機計算能力的增長，SG 的運行數據監控信息可以為系統的退化狀態提供有用信息，達到發揮更大作用的目的。問題的重點是，如何從大量的監測數據中提取有效的系統故障表征以及退化特征，同時通過機器學習方法估計并預測SG 狹縫堵塞率趨勢預測。

2 方案流程

基于大數據的SG 堵塞率變化趨勢建模的研究方案主要流程為：數據預處理→特征提取→相關性分析→退化趨勢建模。因而，其主要內容可以分為4 個部分：第一部分擬針對數據中所包含的噪音、異常點和缺失點進行處理；第二部分擬在預處理數據的基礎上進行特征提取，以達到降低數據維數、減少非相關變量對退化趨勢模型的影響；第三部分擬根據提取的特征向量分析其與SG 堵塞率變化的相關性，選擇可以準確表征SG 堵塞率變化的特征；第四部，建立SG 堵塞率變化趨勢模型。

（1）數據預處理。本部分主要針對SG 原始監測數據中可能包含的噪音、異常點缺失點進行處理。針對噪音，需要使用統計方法對噪音進行分析并對監測的時間序列數據進行平滑處理。針對異常點，需要通過利用統計方法進行鑒別并從監測數中刪除這些異常點。數據中的缺失點主要有兩種來源：第一種是傳感器數據在傳輸過程中由于環境噪音影響造成數據丟失，第二種是在處理數據中異常點的過程中，由于刪除了數據中異常點造成數據缺失。針對缺失點，需要通過分析其臨近數據變化趨勢并對缺失點進行重構。

（2）特征提取。SG 的中多監測變量中，往往包含無效和冗余特征。特征提取的過程就是去除數據中無效變量并將冗余變量進行合并。特征提取的方法較多，大致可以分為兩類。第一類是通過在現有監測變量中進行選擇，第二類是在現有變量基礎上構建新的特征向量。

（3）相關性分析。不同特征提取方法獲得的特征不同，而本部分主要通過相關性分析選擇與研究目標最相關的特征。相關性分析的過程，主要通過計算所提取的特征的變化趨勢和速度與SG 堵塞率的經驗變化率進行對比，進而找出最優的特征提取方法及特征。

（4）退化趨勢建模。根據特征提取和相關性分析中獲得的最優特征隨時間變化的趨勢，選擇合適的模型對退化趨勢進行建模，進而獲得SG 堵塞率變化的一般性模型。在獲得不同時間下SG 真實堵塞率數據后，可以對模型中的參數進行估計，獲得針對某一特定SG 的退化趨勢模型。

3 總結

蒸汽發生器支撐板狹縫堵塞率的升高可能導致蒸汽壓力下降和二次側水位震蕩等危害，因此必須提前預警。目前通過渦流檢查可實現對泥渣堆積厚度的監測，但尚無法分析支撐板狹縫堵塞率，而且渦流檢查只能在換料大修期間進行，在測量傳熱管壁厚之外進行結垢分析會增加額外的受照劑量和工作窗口。

通過本課題的研究可實現如下3 個目標：①實現支撐板狹縫堵塞率的連續分析和預測，為電廠的決策提供更為全面的量化支撐；②可引起國內核電廠業主對支撐板狹縫堵塞情況的關注，為后續支撐板的鼓泡清洗、化學清洗等研發工作提供數據支撐；③國內關于此方面的研究尚處于起步階段，現開展研究有望成為此方向的權威機構。