不確定條件下船用核動力系統狀態評估問題研究

邰 云，閆 冰，孫建華，謝保偉

(1.武漢第二船舶研究所，湖北 武漢 430064；2.中船重工集團公司 渤船集團，遼寧 葫蘆島 125000)

不確定條件下船用核動力系統狀態評估問題研究

邰 云1，閆 冰1，孫建華1，謝保偉2

(1.武漢第二船舶研究所，湖北 武漢 430064；2.中船重工集團公司 渤船集團，遼寧 葫蘆島 125000)

鑒于船用核動力系統特殊的運行環境以及運行要求，其安全運行概念已經超出了核安全設計的框架，要加強其運行狀態的安全評估。而核動力系統運行工況多變，運行狀態存在多種設備的組合，以及各類設備健康狀態的不確定性。本文概要介紹了當前核動力系統運行狀態評估的背景，需求以及引發的下游問題，基于已經具有核動力系統的可靠性信息，運行信息，故障診斷的方法以及 FMEA 表，大量調研國內外技術發展以及剖析核動力系統技術發展現狀與需求的基礎上，提出了結合貝葉斯網絡評估裝置運行不確定性問題的解決方案，分析核動力系統設計、運行的安全評估方法，彌補當前系統健康管理中缺失的一環。

核動力系統；狀態評估；不確定性；貝葉斯網絡

1 核動力系統運行安全是船舶安全的重心

隨著我國經濟發展，能源安全以及海洋戰略的發展提出更高需求。在陸上核電復蘇和規模建設的同時，船用核動力裝置技術也在不斷前進，其可以適用于船舶動力、島嶼供電、海水淡化、海洋資源開發等。海上浮動核電站、核動力商船等動力裝置的發展越來越受到各國的重視，包括國際原子能機構、英國、俄羅斯在內發達國家都開展了海上浮動平臺的研制。而我國多家核能開發單位，包括中廣核、中核、中船重工等都正在全力推進海上浮動平臺的研發與建設。

核動力系統是核動力船舶的心臟和主動脈，其承擔了核動力船舶的動力以及正常電力的供應，該系統的運行安全可靠影響到核動力船舶或浮動平臺遠洋工作、項目完成甚至船舶與船員的生存，是核動力船舶安全的重心。與陸上核電站的運行狀態不同，船用核動力系統既要滿足船舶動力、供電等負荷變化的需求，還需要適應海洋環境的帶來腐蝕、搖擺的影響，另外還要考慮空間要求、運行性能、可靠性和可維護性等多項性能指標，所以核動力系統的設計與運行有著顯著的特點。

1）復雜的運行環境與有限的布置空間

由于船用核動力裝置內部空間有限，所以在動力系統設備布置以及系統設計方面，只可能考慮系統必備的系統配置，很多輔助的安全措施都是復用，甚至一些監督手段都未曾采用。與核電站相比，我國現運行的核動力裝置雖然配備有獨立的專設安全措施，但是最終冷源依舊需要外部動力提供。而另一方面，船用核動力裝置受海洋環境的影響，由于傾斜，搖擺會對大量的重要信號帶來較大的誤差，而這些信號往往都會導致觸發系統的安全預警或保護。

2） 核動力系統冗余配置與運行組合多變

鑒于核動力系統運行的特殊要求，一方面要保證裝置的安全運行，另一方面又受到設計空間的約束，所以在系統設計時，往往都是提高各個動力設備的運行負載能力，同時，采用左右兩舷設備互為備用的設計思路。以圖 1 的動力裝置給水系統為例。

圖 1 為核動力裝置的給水系統原理圖，其中 2 個汽輪給水泵都同時具備 100% 給兩舷供水的能力，所以在實際運行中，2 臺泵并車運行，如果有 1 臺泵發生故障，可以依靠另 1 臺泵實現兩舷供水。與此相比，大亞灣核電站，每個汽輪機組配有 2 臺汽輪給水泵， 1 臺電動給水泵備用，各有滿足 50% 的負荷的供水能力，實際運行時，2 臺汽輪給水泵運行，當發生故障時，投入備用的電動給水泵。由于系統冗余配置的設計方案，而且動力裝置運行工況多變，各種工況運行設備的組合也不盡相同，在高低運行工況下，投入運行的設備數量大不相同，系統運行的特征也不一樣。

3）核動力系統負荷多變，瞬態響應要求高

由于裝置任務與工作的不同，與核電站長期額定功率運行不同，核動力裝置運行負荷多變，而且其瞬態響應要求高，其動態運行條件與核電站具備 10% 階越或者 5%/min 的線性功率變化要求的苛刻程度有天壤之別?？焖俚乃矐B變化會導致動態參數變化劇烈，極可能導致越限報警，觸發誤保護動作信號。如蒸汽發生器水位，在大幅度升功率或者降功率過程中，由于蒸汽壓力的波動，易產生“假水位”信號。

4）核動力系統信息構成的復雜性

鑒于上文所描述的核動力裝置運行環境、工況、系統配置的差異，最終必然導致核動力系統信息構成的復雜性與多元化。核動力系統運行中相關的信息類型可以分成以下幾種：

① 運行環境相關的信息：船舶的運行姿態（搖擺、傾斜、速度），海水壓力，溫度；

② 運行設備的配置狀態：投入運行設備的狀態，如泵的高低速，投入與切除信號；

③ 長期運行的特征參數：設備老化、管路腐蝕、金屬疲勞、滑油磨粒；

④ 定值運行的過程參數：如穩壓器壓力、水位，蒸汽發生器水位，冷凝器水位等信號；

⑤ 隨負荷變化的過程參數：蒸汽流量、給水流量、泵轉速、閥位開度等

所以，對于核動力系統的運行評估必須與船舶實際運行的狀態緊密相連，考慮單工作狀態的診斷與評估都無法真正適用于裝置的運行。

2 核動力裝置配置、運行特點引出的幾大難題

上文詳細論述了核動力裝置設計、配置、運行的特點，這些特點對動力裝置系統設計與運行安全性的評估帶來了一下幾大難題。

1）冗余系統配置帶來的風險隱藏

復雜系統的故障可能相互獨立, 也可能相關, 即故障間存在相依性。單純的可靠性分析中若僅考慮獨立故障, 將低估系統故障概率。核動力裝置由于存在大量冗余設計, 因部件的獨立隨機故障而引起系統失效的概率很小, 但受到相關故障的影響, 系統在使用中的實際可靠性就低得多?，F運行裝備曾發生過，由于保護系統采用的三取二的設計原則，保護輸出的一路輸出板卡長期故障而沒有發現，直到另一路供電電源發生故障觸發應急停堆事故才被發現。冗余系統配置系統可以提高系統運行的安全性，但是如何評估系統運行的安全性是當前裝置設計的一大難題。以上文 2 臺泵100% 備用給水為例，亦可以設計為 4 臺各 50% 的配置方案，但是孰優孰劣，需要有一套科學的評價體系。

2）運行中狀態參數的不確定性

由于核動力裝置運行環境復雜，工況多變且測點信息有限，所以在現在的系統設計中，基本都是采用的定閾值報警，而系統的 FMEA 也僅僅是定性分析，對于運行中故障現象沒有量化的指標與方法，無法將測點的信息與故障描述內容結合起來，如水位過高的原因是調節閥卡閥，但是如果量化卡閥這個指標以及其發生概率，這個是現在系統運行評估中缺乏的重要一環。

3）動態過程的運行評估技術

核動力裝置負荷變化過程多，動態過程響應快，所以由此帶來了動態過程特性相對較差，控制難度大的問題。而系統設計時，是以單閾值限值對運行過程的故障實施報警。如圖 2 所示，在大負荷降功率過程時，如果發生給水調節閥發卡閥，則極易導致蒸汽發生器滿水，使二回路輔助系統壓力上升燙傷人員。從發生卡閥到滿水過程歷時近 3 min，而等到水位信號達到報警值之前，有近 2 min的時間沒有被關注，應該提出一種適合于分析此類動態過程狀態遷移的評估技術。

綜上，當前核動力系統運行評估的主要核心是需要針對系統的復雜性和信息的不確定性開發技術層面上切實有效的評估技術。而作為量化處理不確定信息以及信息間傳遞相關性的強大工具，概率圖模型（probabilistic graphical models）一直是不確定推理和智能計算的重點研究領域。對概率圖模型的研究不僅包括模型結構和依賴關系的表述，還包括利用這些模型進行的推斷和產生信度的過程。上文論述中已經清楚論述了核動力系統的 3 個數學特征：不確定性；復雜的系統結構；存在時變的狀態轉移。而針對核動力系統設計、穩態運行以及動態過程中運行狀態評估的問題，都可以采用貝葉斯網絡或者連續時間貝葉斯網絡的數學結構進行表述，并基于網絡節點間的概率分布對裝置運行可信度進行分析計算，以此尋找系統設計的薄弱環節，評估運行狀態，分析運行風險，為操作員人為干預提供足夠的操作時間。

3 國內外研究現狀及分析

對于從事與核相關設計的工作，核安全是一個永恒的話題，而核動力系統作為海洋中的孤島電站，其保障條件比不上核電站，而保證核動力正常運行的要求卻比核電站運行苛刻。所以，需要加強其運行不確定性問題的評估研究。

國際上現已成熟的核動力系統故障分析都是人們在運行核電廠的實踐中逐步積累發展起來的, 通過半個多世紀的發展, 國際上建立了一套完整而詳盡的安全分析體系。這套系統被國際社會認可, 并在國際原子能機構的監督下實施。核電廠核動力系統的運行故障分析及對策研究是進行核動力系統安全分析的重要組成部分, 核動力系統故障分析經歷了 2 個階段, 70 年代中期以前確定論安全分析方法為基礎進行研究, 它是以縱深防御概念[1]為基礎, 以確保反應性控制、堆芯冷卻和放射性包容 3 項基本安全功能為目標, 針對一套確定的設計基準工況, 采用一套保守的假設和分析方法, 確保任何故障下堆芯的安全。1975 年美國原子能委員會基于概率風險評價（PRA）的 WASH1400“反應堆安全研究”報告發表, 這項運用故障樹（FTA）方法[2]和事件樹（ETA）方法的研究報告的結果在 1979 年三里島核事故中得到驗證, 概率安全評價由此得到了廣泛的認可, 以 PRA 為基礎運用 FTA 法和 ETA 法進行故障分析也得到廣泛運用?，F在的核安全設計準則以及概率風險評估[3]都是以假設基準事故前提下對核安全發生概率的分析，對于核動力系統，除了核安全還有對應的裝置安全，而且對實際運行狀態的評估要以數據驅動分析，而不是假設基準事故，這個是當前問題與 PRA之間本質的區別。

在國內，陳玲等[4]首先提出了船用核動力系統技術狀態綜合評估模型研究，并針對部分失效情況下的動力裝置技術狀態實施評估[5], 張永發等[6]提出了核動力裝置的安全目標。劉永闊等[7-8]結合神經網絡對核動力裝置故障實施診斷，而謝春麗等提出了信息融合的方法[9]。在國際上，KunMo 等[10]提出了動態神經網絡模型對核動力裝置瞬態實施故障診斷的方法，Jinkyun 等[11]較早提出了核動力裝置診斷系統框架的概念，而 Tae-Ho Woo 等[12]提出了基于層次分析法（AHP）的核動力裝置運行安全評估研究。近幾年來，基于多層流方法的核動力系統故障診斷受到越來越多的重視，楊明等[13]將多層流的方法與核動力裝置相結合，提出了基于多層流的核動力裝置故障診斷的方法，而詹靜采用了基于多層流模型對核動力裝置的可靠性進行了研究[14]?？v觀當前核動力系統評估的技術發展，大量的研究還僅僅出于理論研究，沒有結合核動力裝置運行的實際狀態以及系統組成出發，層次分析法需要大量人為定義的中間層次，而多層流方法只能考慮按照能量流，物質流的方向進行建模，其他的智能算法如神經網絡不能顯式表征系統信息間的邏輯關系。另外，當前的診斷方法都無法評估動態過程的運行特征。

基于對核動力系統運行不確定性的現狀，本文提出了結合貝葉斯網絡的核動力系統運行不確定性評估的方法。貝葉斯網絡的搭建是基于運行故障的因果關系，它既能顯式表現系統的關系，還可以考慮系統配置，運行方式的不同，其比單一的多層流建模方法更為科學。另外，對于網絡拓撲結構的優化與推理有一套完善的計算方法，可以有效對復雜系統建模進行優化計算。此外，基于貝葉斯網絡可以對系統動態過程實施量化評估，這是其他方法所無法勝任的。

自從 1986 年 Pearl 提出概率圖網絡[15-16]的概念后，貝葉斯網絡目前己應用于很多領域，如美國國家科學研究會研制的核電站狀態評估系統，美國通用電氣公司的 Auxiliary Turbine Diagnosis 工業故障診斷系統；美國航空航天局和 Rockwell 公司聯合研制的航天故障診斷系統等；微軟的主打產品 Windows2000 和 Office 系列等很多產品在很多方面融入了貝葉斯網絡等[17]。

而結合概率圖網絡對工程應用中不確定性問題的診斷與評估已經成為了一個研究熱點。Jun Su-ha 提出了基于層次分析法與貝葉斯網絡結合的安全特征分類的方法[18], 文獻[19- 20]以空間站為背景提出了搭建用于診斷的貝葉網絡。而 Hussian 采用貝葉斯網絡對過程控制故障診斷的不確定性進行了研究[21]。Xie S 采用貝葉斯網絡對衛星動力系統進行了故障診斷[22]。貝葉斯網絡除了對它應用的研究，還有大量的對網絡計算，學習方法的研究，如文獻[23-26]。對于網絡拓撲結構以及復雜系統的概率計算對解決實際的工程問題有著很好的幫助作用。

4 基于貝葉斯網絡的狀態評估研究方案及可行性分析

4.1 核動力系統靜態設計狀態的失效評估方案

由于核動力裝置動力系統的結構復雜，在對系統進行狀態評估時，必須先確定系統故障傳播的架構，根據核動力系統的配置以及設計目標設計系統設計狀態下的貝葉斯網絡，然后分析各個邊緣節點的失效概率，實現對系統靜態設計失效評估。

以圖 1 所示的給水系統為例，按照系統的運行控制方式設計單舷上水的貝葉斯網絡，如圖 3 所示。

圖 3 為給水系統設計狀態下基于故障傳播的貝葉斯網絡結構，從圖 3 可見，當 e3 供電節點出現故障，對給水系統帶來的影響比單臺泵故障帶來的風險要大，而現在采用以物質流、能量流的多層流建模方式對動力系統的故障診斷有一定缺陷，裝置的故障發生原因是多方面的，在實際運行中就曾發生過由于控制電源喪失，導致控制器誤動作，最終閥門全開，蒸汽泄漏的事故。所以，對于靜態以故障傳播方式建立的貝葉斯網絡，主要研究由于供電、控制、或者冗余設計帶來的系統運行失效概率，而設計階段的網絡架構先驗概率都是非此即彼的兩值分布，靜態設計的評估主要是計算邊緣節點的失效概率，由此指導工程的維修與更換。對于運行過程的評估是結合 FMEA 或者FTA 實施的。

4.2 結合 FMEA 的核動力系統運行狀態評估方法

當前面對的第 2 類問題就是評估核動力系統在長期運行中，由于設備疲勞、老化、管道腐蝕而帶來的系統運行風險，其僅僅考慮外部電氣設備或者弱電控制設備的故障概率（相比工藝系統，電子電氣設備更容易出現問題）帶來的系統風險，而在實際的運行中，泵、閥的狀態評估必須以泵閥實際運行的狀態信息進行量化評價，而系統的運行評估是結合 FMEA 搭建的貝葉斯網絡。運行狀態評估是核動力系統評估最核心的內容，對實際裝置的運行與診斷有著很好的輔助作用。其具體技術線路如圖 4 所示。

在裝置的實際運行中，任何評估計算的落腳點都是系統運行中的各個參數，所以，對系統運行狀態的評估關鍵之處有 3 點，一是系統的結構，這個是由系統設計或者運行規范確定的，二是各種故障的量化分析，即是用于計算貝葉斯網絡的邊緣概率，三是各種故障對上層設備的條件概率。如給水泵的冷卻水喪失會帶來給水泵定子溫度升高，但是不一定會導致給水泵功能喪失。先驗概率是貝葉斯網絡計算推理的基礎，也是難點之一。

4.3 基于 DBN 模型的動態過程運行評估

核動力裝置復雜系統的評估技術分三大部分，靜態網絡，穩態運行網絡以及動態時間網絡。由于核動力裝置負荷變化大，現在尚沒有任何對于負荷變化過程評估診斷方法的應用。所以針對此問題，可以利 用動態貝葉斯網絡（DBNs）對系統動態過程進行評估。

DBNs 是以概率論和影響圖為基礎，把傳統的靜態貝葉斯網絡模型和隨時間變化的隱馬爾可夫模型相結合的動態模型。既去除了靜態貝葉斯不能隨時間變化的缺陷，又去除了隱馬爾可夫模型只能通過觀察序列推測已有狀態、不能添加新狀態的缺陷，同時又保持了 2 個模型的優點。

以上文描述的給水系統動態過程為例，圖 5 為給水過程的網絡時序圖，該模型首先是以蒸汽負荷、給水調節閥開度、給水泵轉速作為導致水位信號變化的事件組，同時在時序上有基于蒸汽負荷-給水調節，給水壓力-汽輪機轉速兩組事件，系統狀態 轉移的過程為蒸汽負荷-給水調節閥-給水泵轉速-水位。

在實際應用中，可以根據連續運行的數據計算網絡節點間的條件概率如P=P（Vt|Pt-1），以此作為全網絡計算的基礎，當發生蒸汽負荷下降而給水調節閥閥位卡閥時，給水調節閥評估的失效概率上升，由此計算最終導致水位上升的概率加大。

上述僅僅是通過給水過程為例簡單描述了 DBNs網絡對核動力裝置復雜系統的評估方法，但是 DBNs的構造以及計算有一套完整的理論與計算方法，各個節點邊緣概率分布以及節點間的條件概率分布都需要經過計算驗證，對核動力系統狀態評估的最后一項研究目標就是將 DBNs 理論與核動力裝置運行緊密連接，用以評估核動力裝置運行狀態，對運行中可能發生的故障進行提前預警，給操作員有足夠的操作時間進行干預，畢竟現在采用的閾值越線報警都是后驗型方法，當發生報警時，系統的故障已經發生。

5 結語

如上文所述，從信息交互角度，可將核動力裝置的健康管理功能分成 7 個層次，分別為傳感器層、信號處理層、狀態監控層、診斷層、健康評估層、決策支持層以及人機交互層，當前核動力系統的設計中，缺乏的就是最難以量化的評估層，以及由此影響的決策支持層的研究。

本文所提出的不確定條件下核動力系統運行狀態評估是一個全新的領域，它已經超越了單純的故障診斷的內容，本文提出結合貝葉斯網絡評估裝置運行不確定性問題的解決方案，提出了解決核動力系統評估三大問題的方案：靜態設計狀態的評估、穩態運行狀態的評估以及動態過程的狀態評估。采用貝葉斯網絡結構，其原因是它是處理復雜系統不確定性問題的有效手段，同時又能顯式表征系統各節點間的邏輯關系，其處理方法與結果更具有說服力。在后續的研究中，將會結合具體對象對核動力系統的三大問題進行進一步的研究。

[1]虞鎮國.核電站安全性的探討[J].能源工程, 1990: 21.

[2]王乃彥.核電站安全性分析[J].院士論壇, 2008, 24(6): 14

[3]陳濟東.大亞灣核電站PSA主報告[R].深圳: 廣東核電集團,2001.

[4]陳玲, 蔡琦, 蔡章生.船用核動力系統技術狀態綜合評估模型研究.船海工程[J], 2006, 35(2): 22-24.

[5]陳玲, 蔡琦, 蔡章生.基于部分失效的潛艇核動力系統技術狀態評估[J].系統工程理論與實踐, 2006, 26(9): 141-144.

[6]張永發, 童節娟, 蔡琪, 周羽.船舶核動力裝置安全目標的初步研宄[J].核科學與工程, 2011, 31(1): 55-56.

[7]劉永闊.核動力裝置故障診斷智能技術的研究.哈爾濱工程大學博士學位論文[D], 2006.

[8]劉永闊, 夏虹, 謝春麗.智能故障診斷技術在核動力裝置中的應用研究.哈爾濱工程大學學報[J].2007, 28(2), 241-246.

[9]XIE Chun-li, XIA Hong, LIU Yong-kuo.Data fusion method application to fault diagnosis of nuclear power plant[J].Journal of Marine Science and Applcation.2005, l(4): 30-33.

[10]KUN MO, SEUNGJUN LEE, POONG HYUNSEONG.A dynamic neural network aggregation model for transient diagnosis in nuclear power plants[J].Progress in Nuclear Energy, 2007, 30(3): 1-11.

[11]JINKYUN PARK, WONDEA JUNG.A study on the systematic framework to develop effective diagnosis procedures of nuclear power plants[J].Reliability Engineering and System Safety.2004, 84: 319-335.

[12]TAE-HO WOO, UN-CHUL LEE.Safeguard assessment in nuclear power plant operartions using analytic hierarchy process(AHP)and production function[J].Multi Science Publishing, 2011, 29(3): 337-356.

[13]YANG.M.Application of a semiotic analysis method based on multilevel flow models for real-time diagnosis system of PWR plant[C]//.2004 Annual Meeting of the Atomic Nuclear Society of Japan, 2004: 368.

[14]詹靜.基于多層流模型的可靠性分析方法在核動力裝置中的應用[D].哈爾濱: 哈爾濱工程大學.2007.

[15]PEARL J.Fusion, propagation and structuring in belief Networks[J].Artificial Intelligence, 1986, 29: 241-288.

[16]JENSEN F V.Propagation in DAGs.Introduciton to Bayesian networks[M].London: UCL press, Manuscript in Progress, 2001.

[17]張曉丹.汽車發動機故障診斷中不確定性問題的貝葉斯網絡解法[D].吉利: 東北大學, 2005.

[18]JUN SU HA, POONG YYUN SEONG.A method for risk-informed safety significance categorization using the analytic hierarchy process and Bayesian belief networks[J], Reliability Engineering and System Safety, 2004, 83: 1-15.

[19]M.ROEMER, E.NWADIOGHU, G.BLOOR.Development of diagnostic and prognostic technologies for aerospace health management applications[C]//.In IEEE Aerospace Conference Proceedings, 2001, 6: 193-202.

[20]PRZYTULA K W, THOMPSON D.Construction of Bayesian networks for diagnostics[C]//.Aerospace Conference Proceedings.IEEE, 2000, 5: 193-200.

[21]HUSSAIN S, HOSSEIN A, GABBAR H A.Tuning of fault semantic network using Bayesian theory for probabilistic fault diagnosis in process industry[C]//.International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE), 2013: 1677-1682.

[22]XIE S, PENG X, ZHONG X, et al.Fault diagnosis of the satellite power system based on the Bayesian network[C]//.Computer Science & Education (ICCSE), 8th International Conference on.IEEE, 2013: 1004-1008.

[23]SCUTARI M, BROGINI A.Bayesian network structure learning with permutation tests[J].Communications in Statistics-Theory and Methods, 2012, 41(16-17): 3233-3243.

[24]HECKERMAN D, GEIGER D, CHICKERING D M.Learning Bayesian networks: The combination of knowledge and statistical data[J].Machine Learning, 1995, 20(3): 197-243.

[25]PENA J M, LOZANO J A, LARRANAGA P.An improved bayesian structural EM algorithm for learning Bayesian networks for clustering[J], Pattern Recognition Letters, 2000, 21(8): 779-786.

[26]KJRASULFF U B, MADSEN A L.Bayesian Networks and Influence Diagrams: A Guide to Construction and Analysis: A Guide to Construction and Analysis[M].Springer, 2012.

[27]石東昱.適合分布計算環境不確定性處理的概率圖模型若干問題研究[D].上海: 上海大學, 2006.

[28]MILONE D H, GALLI J R, CANGIANO C A, et al.Automatic recognition of ingressive sounds of cattle based on hidden Markov models[J].Computers and Electronics in Agriculture, 2012, 87: 51-55.

[29]ALKHATEEB J H, PAUPLIN 0, REN J, et al.Performance of hidden Markov model and dynamic Bayesian network classifiers on handwritten Arabic word recognition[J].Knowledge-Based Systems, 2011, 24(5): 680-688.

[30]DOIJ E, CHEN C, PECHT M.A Bayesian Hidden Markov Model-based approach for anomaly detection in electronic systems[C]//.In: Proceedings of the 34th IEEE Aerospace Conference, Big Sky MT, USA: 2013, 1-10.

[31]TORABIAN ESFAHANI M, VAHIDI B.A new stochastic model of electric arc furnace based on hidden Markov model: A study of its effects on the power system[J].IEEE Transactions on Power Delivery, 2012, 27(4): 1893-1901.

[32]GEORGOULAS G, MUSTAFA M O, TSOUMAS I P, et al.Principal Component Analysis of the start-up transient and Hidden Markov Modeling for broken rotor bar fault diagnosis in asynchronous machines[J].Expert Systems with Applications, 2013, 40(17): 7024-7033.

Research on state evaluation concerning operation uncertainty of nuclear power systems

TAI Yun1, YAN Bing1, SUN Jian-hua1, XIE Bao-wei2
(1.Wuhan Second Ship Design and Research Institute, Wuhan 430064, China; 2.Bohai Ship Campany of CSIC, Huludao 125000, China)

In view of the special requirements of marine nuclear power plant environment and operational status, which has been beyond the concept of nuclear security design framework, we should strengthen its safety assessment of operational status.Due to some problems such as load changing rapidly, various combined status of the equipment, and more uncertainty of the data and health status, therefore, this research proposes to assess the safety of nuclear power systems based on the uncertainty method.Relying on some operating experience, as well as FMEA operational data tables, expert knowledge, combined probability graph theory which is suitable for resolving uncertainty, the research aims to build the Bayesian networks of nuclear power system, based on the calculating and processing method of Bayesian networks, analyzes and predicts the security state on design condition, steady state of operation and dynamic process for Nuclear Power System, in order to fetch up the missing link of health management.

nuclear power plant；state evaluation；system uncertainty；Bayesian networks

U664.15

：A

1672-7619(2017)01-0079-06doi：10.3404/j.issn.1672-7619.2017.01.016

2016-03-29；

: 2016-07-26

邰云(1981-)，男，博士，高級工程師。主要從事核動力系統設計、研發工作。