摘要：本文通过对核电厂不同环境监测技术的描述中引出对在线监技术的建模方法与其实现方法的研究，包括对经验建模和物理建模的深层次的探讨并举例说明在线监测技术的具体实现的功能与数据存储等相关问题。最后结合我国核电厂在线监测方面取得的成绩与不足提出对核电厂在线监测技术的几点建议。

　　关键词：核电厂，在线监测，建模方法，实现方法。

　　为了保证核电厂的安全，迫切需要对核电厂设备运行状态进行实时或定时的在线监测，及时反映劣化程度，以便采取预防措施，避免事故发生。在线监测技术的开发和应用工作对提高电力设备的运行维护水平，及时发现事故隐患，减少停电事故的发生起到了积极作用。

　　1.核电厂环境监测技术的描述

　　随着电脑系统和数字信号处理技术的发展，非在线测量已经被在线监测系统(on line monitoring，OLM)所取代，独立反应堆和反应堆类型的共振频率数据库也已经建立起来。表1为当前核电厂环境监测方法。

　　表1 核电厂环境监测技术方法

　　2.建模方法

　　在线监测常用的建模方法有经验建模和物理建模，这些方法已经被用于核电站中的设备状态监测。适当开发的模型可以很精确的计算出预估值并且对过程变量变化高度敏感，意外过程变量变化可以被自动的检测出来，而且经验表明，系统老化所造成的影响可以通过对过程变量的测量提早观察到。

　　核电站设备和系统的建模技巧可以在没有额外测量和数据采集系统的情况下应用。大多数核电站都有详细的实际数据库，这是与系统建模软件之间的接口。当测量到的数据和以前存储的数据之间的差值超过某一阈值的时候，数据记录器就会记录下来现在的数据，一个模型的输出通常是一组经过计算或者预测的数值，这些数值可以与测量出的或者期望的数值相比较，来确定与正常状态或者说是目标状态之间的偏差。物理模型和经验模型都能够完成异常检测。

　　2.1 经验建模

　　经验建模，是指通过历史操作数据和模拟数据来建模。建模的基本过程是把经过测量或者模拟得到的数据录入到一个一般性的线性或者非线性模型。这种过程可能是主动地，也可能是被动的，并且包含了对过程变量的确认以及把变量之间的关系嵌入到模型中。

　　经验建模的一种方式就是通过对一系列输入过程变量的处理，根据从经验数据得到的内在关系，得到对某些输入变量的期望(见图1)。测量值和预测值之间的差值被当作残值，这些残值被用来找出那些与预期行为之间的偏差。经验建模的另一种方法是通过一组输入过程变量直接探测异常值，进而诊断自己的假设(见图2)。在这种情况中，输入的一组过程测量值被这个模型分析并且与之前设定的错误假设建立对应关系，这种方案是一种人工神经网络中典型的分类问题，已被广泛应用[9,10]。

　　图 1 信息流程图和基于变量预期经验值模型的设备状态监测的解释 2.1.1 经验建模的要求如果要精确地预测，那么要考虑的一个极其重要的问题就是，经验数据要提供所有状态的样本，这并不是要求经验数据要包含所有可能的情况，二是要求它对各种情况达到一定的覆盖率。只有当经验模型运用的环境和开发模型的环境相同或者相似的情况下，经验模型才能足够可靠。

　　根据以前的教训，能否成功的建立设备状态监测的经验模型，最大的障碍就是数据能否获得。尽管有很多充分的测量管道用来建立用来检测异常状态的经验模型，但是对于异常状态下仪表读数的自动解释是更困难的事情，而且，并非所有可能的错误都能够模拟或者量化。 2.1.2 几种经验建模方法总结表2 为核电厂常用经验建模方法，包括此种建模方法的定义，应用及优缺点方面的总结。

　　表2 常用经验建模方法总结

2.2 物理建模

　　物理建模，则是根据基于基本原理和物理定律的等式变换来建模。假设一个系统的结构和设计都已经知道，那么建模就可以先把一些已经成型的组件连接起来建立一个完整的物理模型。对于过程的物理建模，参数之间的物理关系被明确，特定的输出变量是通过计算输入变量来确定的。因此，对于模拟器这种情况，计算值是根据过程所期望的操作来决定的，物理模型中的值则是根据直接测量的值来确定的。

　　利用物理模型进行设备状态监测和检查最常见的方法就是通过冗余分析的方法，产生留数，并分析以侦测异常。 如图2所示。留数是由对电站的监测和数学模型的计算之间的比较产生的。当出现错误、扰动、噪声或模型错误的时候，留数将不为零。 2.2.1 物理建模要求物理建模的最主要的要求就是要建模的过程设计结构和函数都能够用严谨的数学语言来描述，能够找到有效的计算方法来解决并应用到模型中的等式是应用这种建模方法的另一个主要要求。

　　图2 信息流程图和对基于物理模型的设备状态监测系统的解释 2.2.2 物理建模的优点和缺点一旦一个物理模型建立起来，那么它就能够被应用于很多用途。比如研究不同的老化机制。除此之外，如果需要，还能够提供很多关于这个过程的不能测量的变量。这些方法的主要缺点是这种分析方法要求非常精确的数学模型保证其有效性。对于大规模系统，这种信息可能无法取得，或者可能代价太高。 而且，如果电站做了一些调整，那么工程师需要对物理模型做一些调整。尽管可以用建模工具来支持这种建模和维护，但是依然需要过程专家来保证电站模型实时更新。 2.2.3物理建模的应用一个物理模型的复杂性，无论是从层次还是相互之间关联角度看，都取决于建模的最终目的。根据对最终精确度和精细程度不同等级的要求，模型可以大致分为两类定型模型和定量模型。定性分析模型能够直接从控制系统变化的物理定律推导出来，但是模型简单，由于这种物理模型应用的局限性，暂不予说明。定量模型能够被应用于很多状态检测和检测任务当中，如下所示： 热性能分析。 对核电站的热效率的监测和优化变得越来越重要。因为能源市场的自由化使得电厂要面对更激烈的竞争。热性能检测的总体目标是在保证安全运行的前提下，尽量最大化产出率。 数据调整。过程测量的偏差不可避免的会发生在测量，处理和传送信号的过程中，也会发生在过程的监测，错误的侦测和优化过程中。 错误的侦测和确认。 典型的错误有：热交换过程中的污垢和泄露，泄漏的阀，泵和压缩机的老化，还有传感器的漂移，特别是流量计的漂移。这些错误可能不会导致严重的操作问题，但是如果不及时找到问题却会影响电厂的经济效率。 2.3 物理建模的相关技术除了这两种经验模型和物理模型，还有很多其他的相关技术可以能够帮助为系统建模或者独立的完成监测和检测任务。比如最近在核电技术中广泛应用的模糊逻辑和多层流控制模型技术。其他较早的技术，像是专家系统，最近几年很少被人关注也很少被应用，我们就不再讨论了。

 1/4    1 2 3 4 下一页 尾页