一種基于多層流模型的核電廠智能報警分析系統

齊寒 楊明 楊軍 鄭立程

(華南理工大學電力學院 廣州 510640)

0 引言

核電廠燃料采用以鈾元素為主的放射性物質[1]，運行不當可能會導致重大危害，核電行業行穩致遠的發展必須建立在高度可靠的核安全基礎上[2]。在經歷了幾次重大安全事故后，運行安全問題成為核電行業關注的焦點。然而，核電廠工藝系統復雜，各結構間高度耦合，當發生事故時，系統運行參數相互影響，面臨大量警報，操縱員的操縱負荷和精神壓力也隨之增大。美國三里島事故表明，過量信息會提高操縱員的人因失誤概率，增加核電廠的安全隱患。因此，需要開發一套智能化的核電廠報警分析系統，在系統發生異常時幫助操縱員過濾報警信息，識別引發系統異常的根原因，定位故障位置, 提升核電廠運行的安全性和可靠性。輔助支持系統的報警分析方法總體分為3類[3]：①基于解析模型的報警分析方法；②基于知識的報警分析方法；③基于信號處理的報警分析方法。其中，基于知識的報警分析方法關鍵技術在于知識庫的建立和報警分析技術，模型易于建立和修改，可實時處理報警事件并解釋因果關系，可以通過人機界面與操縱員互動，更加適用于大型非線性復雜系統的報警分析及故障診斷。本研究采用多層流模型 (Multilevel Flow Model，MFM)方法構建系統功能模型，同時應用圖論算法開發系統報警分析程序過濾無效信息，快速識別報警根原因，定位故障模塊，圖像化顯示報警分析結果，為操縱員提供操縱支持。

1 多層流建模方法簡介

多層流模型是一種目標導向的系統功能性建模方法，它在描述系統的拓撲結構和行為知識的同時，還能體現系統的設計意圖和使用目的，符合人的認知思維習慣，可理解性強[4]。多層流模型在守恒原理的基礎上，描述復雜工藝系統的產生、傳輸、存儲和消耗物質、能量和信息的功能特性和相互作用，同時也可通過建立控制系統的基本行為概念，對具有控制過程的系統進行定性推理分析。與其他功能模型的不同之處在于，MFM結合了“手段-目的”的分析方法和“部分-整體”的拆分方法，可以在不同的抽象層次上進行建模，適合分析和處理復雜動態系統問題。另外，通過圖形化建模可以進一步形象地展示各級目標和功能的層級關系和實現流程，也便于推理規則的制定。

多層流模型建模元素如圖1所示，功能分為基礎功能與控制流功能。基礎功能用于描述系統物質、能量與信息傳遞的物理部件，控制流功能用于描述系統部件間的控制關系。目的表示系統所要實現的目標，流結構表示系統物質、信息及能量的傳遞過程。關系描述功能、流結構之間的邏輯關系，分為層內關系和層與層關系。層內關系描述系統部件邏輯關系；層與層關系描述部件與流結構、流結構與流結構的邏輯關系。

圖1 多層流功能建模元素

MFM中部件間因果關系如圖2所示，以源與傳輸為例，源功能在傳輸功能上游且兩者相互影響。①下游推理：當源功能為高狀態時，傳輸功能為高狀態；當源功能為低狀態時，傳輸功能為低狀態。②上游推理：當傳輸功能為高狀態時，源功能為低狀態；當傳輸功能為低狀態時，源功能為高狀態。

圖2 多層流中源與傳輸的因果關系

2 基于因果有向圖智能推理算法

多層流模型蘊含了系統功能間的因果關系，因果有向圖可以清晰描述這種符號語言間的因果關系，并且易于轉換為算法語言。本文在基于多層流功能知識表達的基礎上，結合有向圖知識，開發智能報警分析算法。

2.1 有向圖原理

有向圖由節點和矢量邊組成，數學表達為G=(V,E)，V為節點的集合，E為矢量邊的集合。有向圖中節點a、b間存在邊a→b，則稱a是b的父節點，b是a的子節點。a的子節點集用PaG(a)表示，b的父節點集用ChG(b)表示。如果有向圖中的矢量邊不構成閉合環路，那么這種圖被稱為有向無環圖。

有向圖的圖路徑搜索算法[5]分為深度優先算法(DFS)和廣度優先算法(BFS)。深度優先算法從訪問節點出發，沿一條路依次訪問該路上其他節點，之后返回原節點繼續訪問其他路，對未訪問節點遞歸重復此過程，其空間復雜度小，能優先遍歷路上所有節點。廣度優先算法從訪問節點出發，遍歷該節點的相鄰節點，再依次遍歷每個相鄰節點的相鄰節點，其時間復雜度小，能快速遍歷所有節點。本文基于這兩種圖路徑搜索算法，根據多層流模型知識表達特點，結合python語言開發智能報警分析算法。

2.2 算法流程

基于有向圖的智能報警分析算法流程如下：

(1)將核電廠系統多層流模型離散化為有向無環圖節點模型，節點根據可測與否分為可測節點和不可測節點。可測節點對應系統中可測部件狀態值，不可測節點對應系統中不可測部件狀態值以及引發報警的原因事件，多層流功能間因果關系即為節點間推理規則，用If-then語法表達。節點模型中所有節點構成有向圖中節點集V，節點間推理規則構成邊集E，節點集V與邊集E構成算法推理分析知識庫。

(2)當系統檢測到異常工況時，利用廣度優先算法對節點模型進行廣度遍歷，定位到引發異常工況的報警節點，確定故障模塊；算法將節點模型中未發生報警的可測節點與其子節點、邊集進行剔除，僅保留報警節點及其子節點集，縮小分析范圍。

(3)經過算法智能處理后節點模型被簡化，報警節點與其子節點、邊集構成新的有向圖，利用深度優先算法對報警有向圖進行深度遍歷，找到影響所有異常節點的子節點，該節點對應的事件即為該事故工況下報警根原因。

3 系統運行流程

根據核電廠運行系統資料，應用多層流建模技術建立核電廠工藝系統模型，規則化因果關系，形成因果關系知識庫。通過對核電廠運行狀態進行在線監測，對整體的運行工況進行判斷，獲取報警事件清單，智能報警分析算法將多層流模型轉化為有向圖節點模型，形成因果邏輯規則知識庫，經過智能報警分析算法處理，對報警事件進行過濾降噪、推理分析，在人機界面上形成報警事件因果關系圖，實現報警根原因識別，幫助操縱員快速定位故障部件，降低操縱員操縱負荷。智能報警分析系統的總體運行框架如圖3所示。

圖3 智能報警系統功能流程

4 案例分析

4.1 系統描述

反應堆冷卻劑系統是核電廠一回路的核心系統，為驗證智能報警推理分析系統的報警分析可靠性，本文選取核電廠壓水堆冷卻劑系統[6]，對主冷卻劑系統LOCA事件響應報警進行推理分析，系統結構如圖4所示。

圖4 反應堆冷卻劑系統結構

4.2 系統建模

應用多層流模型方法對反應堆冷卻劑系統運行知識進行建模描述，如圖5所示，其中S1為系統能量流，S2為系統冷卻劑物質流，功能含義分別如表1、表2所示。G1表示右環路SG向汽輪機供能，G2表示左環路SG向汽輪機供能，G3表示維持系統冷卻劑流量，G4表示左環路SG蒸汽產量，G5表示左環路SG蒸汽產量。

圖5 反應堆冷卻劑系統多層流模型

表1 能量流模型功能含義(S1)

表2 物質流模型功能含義(S2)

續表2

4.3 報警分析

以核電廠反應堆冷卻劑系統左環路小破口事故(LOCA)為例，選取Relap5事故[7]數據進行報警推理分析，報警事件如表3所示。根據報警事件，智能報警分析系統在模型中可以快速確定報警位置，即S1中E3、E4、E5、E6、E8、E11、E12，S2中M1、M2、M10。

表3 左環路小破口報警事件

程序依據算法展開智能分析，輸出報警分析結果如圖6所示。人機界面左側為報警事件列表，右側為報警事件因果關系圖。因果關系圖中雙圈節點表示根原因，深色節點為報警事件，白色節點為可測未報警事件。根據因果關系圖可知，穩壓器水位低報警(M2 low)為左環路小破口事故的根原因事件。警報的傳遞路徑為： 1→2(穩壓器水位低→穩壓器壓力低)，1→12→13(穩壓器水位低→左環路冷卻劑流量高→堆芯水位低)，1→3→8→10(穩壓器水位低→冷卻劑流量低→反應堆堆芯溫度高→右環路入口溫度高)，3→9→7(冷卻劑流量低→穩壓器溫度高→左環路SG溫度高)，8→11(反應堆堆芯溫度高→左環路入口溫度高)。在1→4→5→6→7過程中，4、5、6節點未發生報警，且1→7節點間存在另一條警報傳遞的路(1→3→9→7)，因此可以將該報警鏈過濾。報警分析結果符合實際，證明多層流模型可以準確表述系統知識，該系統能對報警事件進行有效的智能分析。

圖6 左環路小破口事件智能報警分析

5 結語

本文提出一種基于多層流模型方法功能建模，結合有向圖知識開發報警分析算法的智能報警分析系統，以壓水堆冷卻劑系統左環路小破口事件為例，建立冷卻劑系統MFM模型，構造報警分析知識庫。經驗證分析，MFM方法可以準確構建核電廠工藝系統知識模型，有向圖算法通過對節點模型進行智能處理，有效過濾報警信息，縮小警報范圍，定位故障模塊，在線識別根原因，降低大量信息對于信息診斷任務的影響,提升核電廠運行的安全性和可靠性。