高溫氣冷堆核電站計算機化運行規程方案及異常事件處理規程入口識別

徐曉娜，黃曉津

(清華大學 核能與新能源技術研究院，先進核能技術協同創新中心， 先進反應堆工程與安全教育部重點實驗室，北京 100084)

高溫氣冷堆是具有固有安全性的第四代核電技術[1]，商業化推廣前景廣闊，但其運行經驗不及壓水堆核電站豐富。目前，高溫氣冷堆核電站的運行操作規程主要是書面紙版形式，在使用時操縱員負擔較重，很有可能發生操作步驟被忽略甚至誤操作的情況。對上述情況，計算機化運行規程是有效解決途徑。目前，國內二代改進型[2]和三代壓水堆核電站[3]均配置了計算機化運行規程，減輕操縱員的勞動強度和精神壓力[4]。國家科技重大專項華能石島灣核電廠高溫氣冷堆核電站示范工程(HTR-PM)的數字化儀控系統也為計算機化運行規程預留了接口，根據計算機化運行規程(COP)的設計原則和高溫氣冷堆核電站運行規程的特點，給出了高溫氣冷堆核電站計算機化運行規程的總體設計方案。

計算機化異常事件處理規程作為計算機化運行規程的重要組成部分，其關鍵問題為規程的入口問題。本工作針對傳統專家系統存在的知識表達能力不強、推理效率低等問題，采用具有圖形描述能力和嚴密數學理論的模糊Petri網，構建異常事件識別專家系統，解決高溫氣冷堆核電站異常事件的識別問題，用于高溫氣冷堆核電站異常事件處理規程的入口選擇，為高溫氣冷堆核電站計算機化運行規程系統的研制打下基礎。計算機化運行規程系統實際投用前，須經過驗證和確認(V&V)，并獲得安全監管部門的許可。目前，高溫氣冷堆核電站示范工程正在安裝調試過程中，計算機化運行規程系統異常事件處理規程的V&V也正在進行中，后續可能還會根據調試的結果進行修改完善。限于篇幅，通過其中具有典型性和代表性的反應性異常增加類異常事件處理規程，描述其異常事件識別專家系統的構建方法和過程。

1 計算機化運行規程方案

高溫氣冷堆核電站運行規程分為正常運行規程和應急操作規程兩大類[5]。正常運行規程包含系統運行、總體運行、定期試驗等3類；應急操作規程一般包括異常事件處理、應急運行、報警響應等3類。正常運行規程在高溫氣冷堆核電站正常啟停堆、功率運行、檢查和調整等方面給操縱員提供操作指導；異常事件處理規程在異常狀況時給操縱員提供幫助，進行異常事件識別，在此基礎上提供指導操作，即按照關鍵參數信息進行邏輯推理分析，識別出是什么異常事件導致了異常工況，然后在識別的基礎上提供對應的指導操作。

1.1 設計原則及要求

根據核電廠計算機化運行規程系統設計準則[6-10]，高溫氣冷堆核電站計算機化運行規程的設計應遵循如下總體原則：一致性原則、輔助性原則、實時性原則、操縱員主導原則、后備原則、人因工程原則。高溫氣冷堆核電站運行過程機理復雜、不確定性因素較多，要使其運行過程穩定，出現異常情況能及時做出判斷，并給出正確規程的入口，從而提供準確的調整措施，計算機化運行規程要能根據運行過程參數和一些可觀測的現象對異常事件做出準確及時的判斷。基于上述原因，需對高溫氣冷堆核電站計算機化運行規程提出進一步設計需求：運行的連續性和高可靠性、操作規程系統的實時性、系統使用的靈活性和維護的方便性。

1.2 組成與功能

按照上述設計要求及原則，尤其是對異常事件識別的要求，對高溫氣冷堆核電站計算機化運行規程系統的結構進行設計。其本質是計算機化的專家系統，用專家的經驗和知識進行推理判斷決策，從而對高溫氣冷堆核電站復雜的運行規程問題進行解決，它具備普通的數據處理系統無法擁有的符號表示推理及啟發式搜索能力。由于計算機化運行規程是特定的專家系統，因此可選擇利用專家系統結構進行高溫氣冷堆核電站計算機化運行規程的開發。

根據高溫氣冷堆計算機化運行規程要實現的功能及模塊化設計原則，可將其劃分為如下幾個模塊(圖1)：數據、信號采集處理及驗證接口模塊，狀態監測接口模塊，異常事件識別模塊，操作指導模塊，人機界面模塊。其中，數據采集與處理、狀態監測和人機界面在高溫氣冷堆核電站數字化主控室中已具備，此處需設置相應的接口模塊，并對采集到的參數和信號在輸入前進行判斷和驗證，以確保其準確性。異常事件識別以及操作指導模塊均為獨立的子系統，各模塊之間通過黑板調度進行總體控制，由黑板調度程序負責協調各模塊之間的工作，解決沖突并管理計算機資源等。

圖1 高溫氣冷堆核電站計算機化運行規程功能組成Fig.1 Functional composition of COP for HTR NPP

系統在每個周期實時從高溫氣冷堆核電站DCS獲取采集到的數據和狀態監測結果。如果有異常現象產生，則啟動異常事件識別模塊進行推理，給出診斷意見，根據診斷推理結果給出恰當的處理規程入口；在操縱員確認選擇后，轉入操作指導模塊進行操作指導。

1.3 工作流程

按照計算機化運行規程的基本結構和功能要求，建立運行規程的整體工作流程，如圖2所示。

圖2 高溫氣冷堆核電站計算機化運行規程工作流程Fig.2 Workflow of COP for HTR NPP

系統通過數據采集與處理接口獲取當前高溫氣冷堆核電站的運行參數，如系統的溫度、壓力狀態等，對獲取的運行參數信息進行正確性驗證，驗證正確后存入參數數據庫，并且通過人機界面進行提示；驗證不正確則通過人機界面給予警告。通過狀態監測接口獲取當前的工況信息。若當前高溫氣冷堆核電站處于正常運行狀態，操縱員如需操作指導，則調用正常操作指導模塊，通過規程目錄或檢索查找，快速找到相應規程，并且根據提示的規程信息進行操作；若當前高溫氣冷堆核電站偏離了正常運行狀態或處于異常狀態，則轉入異常事件識別模塊，根據獲取的當前核電機組運行參數以及知識庫規則進行邏輯診斷，快速識別出異常事件。在異常事件識別的基礎上，給出合適規程的提示入口，若操縱員確認選擇，啟動異常操作指導模塊，操縱員根據提示進行相應操作。

1.4 規程的選擇和執行

高溫氣冷堆核電站運行規程使用包括兩個方面：規程選擇和規程執行。因此高溫氣冷堆核電站計算機化運行規程也應包含這兩方面：1) 規程選擇。正常操作規程使用目標明確，根據確定的操作目的進行選擇，在進行計算機化時通過提供快速檢索入口便可實現。而異常操作規程的選擇不像正常操作規程那樣目標明確，需先進行異常事件的識別，只有對異常事件正確識別才能選擇正確的異常操作規程。而在異常狀態下，操縱員壓力增大，對異常事件的識別有一定壓力，容易造成誤判。因此，異常事件的識別對于異常操作規程的選擇至關重要，是高溫氣冷堆計算機化運行規程的重要問題。2) 規程執行。不管是正常操作規程還是異常操作規程，其規程執行均在一定的目標下按照已編制好的步驟操作執行。規程的執行包括監視確定的參數或裝置狀態，根據規程完成動作。

2 異常事件處理規程

異常事件處理規程是高溫氣冷堆核電站運行規程的重要組成部分，是操縱員在發生異常事件時進行判斷、處理的依據。其既包含異常事件識別又包含操作指導，是最復雜的一類規程。因此，以異常事件處理規程為主要研究對象進行的計算機化方法研究，同樣適用于正常運行規程。

高溫氣冷堆反應性異常增加類規程包括3個異常事件規程[11]：控制棒異常提升、一回路系統進水和氦風機誤加速。以氦風機誤加速異常事件為例，其主要內容如下。

1) 主要現象

(1) 反應堆功率異常上升，可能觸發“功率增長過快”報警信號；

(2) 氦風機轉速和一回路流量異常增大，可能觸發“氦水流量比過高”報警信號。

2) 分析判斷

現象1、2均出現，即可判斷為氦風機誤加速。

3) 處理

(1) 降低并調整主氦風機轉速使反應堆功率和一回路流量恢復正常；

(2) 報告并詳細記錄異常事件的現象、參數和恢復操作過程；

(3) 查找造成主氦風機誤加速的原因并排除故障，若在6 h內不能排除故障，則報告值長并同時停堆；

(4) 若主氦風機誤加速造成保護停堆，則按“保護信號處理程序”進行處理。

可看出，典型的異常事件處理規程包括主要現象、分析判斷和處理3部分。

3 異常處理規程入口識別

高溫氣冷堆核電站的異常事件處理規程是基于事件的，因此規程入口識別的關鍵在于異常事件的識別。異常事件識別是根據主要現象和分析判斷兩部分，通過推理對其進行識別。因此構建異常事件識別專家系統的主要工作是異常事件識別規則表達、推理機制和算法。

3.1 模糊Petri網概述

模糊Petri網是用來表示模糊知識的Petri網，是一個有向二分模糊圖[12]。它是一種系統建模工具，具有良好的模型描述和數學分析能力[13]，不僅能刻畫系統的結構，還能描述系統的動態行為[14]。模糊Petri網有兩種類型的節點：模糊庫所節點和模糊變遷節點。模糊庫所節點包含模糊標志，該標志不是有和無兩種狀態，而是其值為[0,1]之間的多值狀態。模糊變遷節點同樣也是具有[0,1]之間不同模糊值的多種狀態。庫所和變遷之間通過有向弧連接，其基本結構如圖3所示。圖3中：pi為庫所節點，包括輸入庫所a和輸出庫所b；t為變遷節點，λ為觸發閾值。

圖3 模糊Petri網基本結構Fig.3 Basic structure of fuzzy Petri net

3.2 基于模糊Petri網的異常事件識別規則表達

高溫氣冷堆核電站異常事件識別中，主要現象的描述和分析判斷基于自然語言。在構建異常事件識別專家系統時，需將這些自然語言描述的內容引入知識庫中。由于高溫氣冷堆核電站異常事件的描述具有不確定性，對異常事件識別所需知識和用自然語言描述的規則屬于模糊知識。

對于高溫氣冷堆核電站反應性異常增加事件，首先將異常事件識別中的主要現象和分析判斷表示為產生式規則。主要異常現象部分即為規則的前提，異常事件即為規則的結論，而分析判斷過程就是產生式規則本身。表1列出高溫氣冷堆核電站反應性異常增加類規程的異常現象和對應的異常事件。根據前提和結論，即可將異常事件識別規則表示為產生式規則形式。

相應的產生式規則如下。

R1：IF，反應堆功率異常上升；AND，控制棒棒位指示上升；THEN，控制棒異常提升。

R2：IF，反應堆功率異常上升；AND，一回路濕度過高；AND，一回路壓力異常升高；THEN，一回路系統進水。

表1 反應性異常增加類規程異常事件及對應現象Table 1 Abnormal event and phenomena in abnormal reactivity increased procedure

R3：IF，反應堆功率異常上升；AND，氦風機轉速異常增大；AND，一回路流量異常增大；THEN，氦風機誤加速。

在異常事件識別產生式規則中，反應堆功率異常上升等異常現象具有模糊性，用計算機進行處理時需對這些模糊性命題進行模糊化處理。在高溫氣冷堆核電站異常事件識別中，存在兩種方式的現象，一類是壓力、溫度等異常現象用模糊性自然語言表征的偏大、過大、偏小、過小等，一類是與閥門、泵等狀態有關的離散事件，其狀態只有開、關兩種形式。對兩種不同的類型，采用不同的模糊化處理方法。

對溫度、壓力等模糊界限不分明的異常現象，由于高溫氣冷堆核電站與溫度、壓力等相關的特征參數存在一個正常范圍，越接近限值表明異常概率越大，因此可用三角形隸屬函數進行模糊化。式(1)表示與最高限值相比的情況，即異常現象與偏高、偏大相關的，式(2)表示與最低限值相比的情況，即異常現象與偏低、偏小相關的。

(1)

(2)

式中：A為模糊集合；μ為隸屬度函數；x為A中的元素；μA(x)為x屬于A的隸屬度；a為特征參數的正常值；xl為特征參數的最低限值；xh為特征參數的最高限值。

對于閥門、泵等兩狀態的離散事件現象采用單點模糊化方法，其隸屬度函數如式(3)所示。即現象為真，則概率為1；若假，則概率為0。

(3)

式中，x0為特征參數的規定值。

在高溫氣冷堆核電站異常事件識別規則中，前提中各命題的權值代表異常現象對異常事件的貢獻度，這個值一般是通過專家經驗給出。為了減小專家判斷的主觀性，對此進行改進。

首先在高溫氣冷堆核電站全范圍模擬機上對異常事件進行模擬實驗，采集異常事件發生后相關異常現象的特征參數數據樣本，未來還可收集高溫氣冷堆核電站實際運行過程中的數據樣本；然后將采集到的數據樣本進行歸一化處理，處理方式如式(4)所示。歸一化后的結果即反映了異常事件發生時各特征參數的變化占總體變化的比重，該比重即可作為模糊Petri網中各連接弧的權值。

(4)

式中：xi為某一特征參數；xNi為未發生異常事件時xi的正常值；m為特征參數的個數；w(xi)為特征參數xi對應的連接弧的權值。

按上述方法，求得高溫氣冷堆核電站反應性異常增加類規則前提中各命題權值如表2所列。

異常事件識別規則的置信度由專家根據經驗給出。為減少主觀性，采用多個專家評價并通過模糊計算將評價轉化為定量值的方法。具體過程為：定義描述規則置信度大小的模糊評價語言集合{非常高，很高，高，較高，不高}，建立該模糊評價語言集合與置信度值[0,1]之間對應關系，如表3所列；然后，按照模糊評價語言集合的描述，請專家對每條規則置信度值進行評價；最后將專家對每條規則的模糊評價語言轉化為對應置信度區間的值，根據式(5)進行平均。

(5)

式中：m為專家人數；Ci,j為第j個專家給出的規則i的置信度。

表3 異常事件識別中規則模糊評價與置信度對應關系Table 3 Corresponding relation of fuzzy evaluation and confidence in abnormal event recognition

綜合專家給出的評價，可得到規則R1、R2和R3的置信度均為0.95。

用模糊產生式規則能將基于自然語言描述的異常事件識別轉化為規則形式，然而其缺點也很明顯。模糊產生式規則表示格式固定，形式單一，規則之間較為獨立，無直接關系，很難清晰描述知識庫的整體結構。而Petri網易于表達結構性知識[15]，能有效反映整個知識庫的組織結構關系，且便于知識校驗，但比較抽象，不易理解。若將兩者結合，用模糊Petri網表示模糊產生式規則，會使系統知識庫的內部邏輯更加清晰，推理也會更加數學形式化。

將高溫氣冷堆核電站反應性異常增加的R1、R2、R3規則轉換為模糊Petri網模型。該知識庫模型所需各規則的可信度及各命題在其對應規則中的權值在前面已求出，3個規則的閾值由專家給出為0.7，并標記在模糊Petri網上，則3個規則的模糊Petri網模型如圖4所示。其中，p1、p2、p3、p4、p5、p6為輸入庫所，分別表示3個規則的前提；p7、p8、p9為輸出庫所，分別表示3個規則的結論；t1、t2、t3分別表示3個規則的變遷。

圖4 HTR NPP反應性異常增加的FPN模型Fig.4 FPN model of abnormal reactivity increase of HTR NPP

3.3 推理機制和算法

以具有典型性的高溫氣冷堆核電站反應性異常增加類規程為例，說明根據模糊Petri網的異常事件識別推理機制和算法。

各異常征兆的模糊值即起始庫所的可信度為：反應堆功率異常上升(可信度為0.8)，控制棒棒位指示上升(可信度為0.2)，一回路濕度過高(可信度為0.9)，一回路壓力異常升高(可信度為0.8)，氦風機轉速異常增大(可信度為0.2)，一回路流量異常增大(可信度為0.3)。采用基于矩陣運算的推理算法。

用矩陣M表示庫所集上的標識矩陣，其元素是各命題真值，其中矩陣M0表示命題初始真值：

M0=

(6)

用矩陣λ表示變遷閾值矩陣：

(7)

用矩陣μ表示規則置信度矩陣：

(8)

用矩陣W表示各命題在對應規則中的權值：

(9)

輸入矩陣Δ=(δij)n×m表示庫所pj至變遷ti的輸入關系權值，如果庫所pj為變遷ti的輸入，則δij=wij；如果庫所pj不是變遷ti的輸入，則δij=0。

Δ=W=

(10)

輸出矩陣Γ=(γij)n×m表示變遷ti至庫所pj的輸出關系和規則置信度，如果庫所pi為變遷ti的輸出，則相應的γij=μ(ti)；當庫所pj不是變遷ti的輸出時，則γij=0。

(11)

根據基于矩陣運算的推理算法可得：

(12)

(13)

(14)

M1=ΓT·H=

(15)

M1=M0⊕M1=

(16)

式中：E=[e1e2…em]T，表示等效模糊輸入的真值度；G為一個n維向量，是變遷閾值同等效模糊輸入真值度進行比較計算的結果；H為一個n維向量，僅有能使變遷觸發的等效模糊輸入真值度；M1為由完成1輪推理計算后產生的一系列命題真值度組成的列向量。

重復上述過程可得：

M2=

(17)

因M1=M2，推理結束。得到α(p8)=0.788 5，即當前可能發生的異常事件為一回路系統進水，概率為0.788 5。

推理給出了不同識別結果的可能性大小，最終是否接受可由操縱員進行判斷。可接受的推薦值(即規則觸發的閾值)由專家給出，超過此推薦值系統會給出識別結果和結果發生的概率。在上述例子中專家給出的可接受的推薦值為0.7，最終識別結果為一回路系統進水，概率為0.788 5，即當前可能發生一回路系統進水異常事件的可能性為78.85%。

基于矩陣運算的形式化推理可并行執行，且推理計算的迭代步數只與推理進行的最大深度有關，而與規則的數目無關。在高溫氣冷堆核電站異常事件處理規程中，推理進行的深度一般不大于2步，因此，用基于模糊Petri網的矩陣運算推理算法進行異常事件識別推理，計算步數不大于2。而基于產生式規則的推理步數=規則數×推理深度。隨規則數目的增加，基于模糊Petri網的矩陣運算推理算法步數少的優勢會越明顯。

4 結論

在計算機化運行規程設計要求和原則的基礎上，本文給出了高溫氣冷堆核電站計算機化運行規程的總體方案，確定了系統組成、功能和系統工作流程，為高溫氣冷堆核電站計算機化運行規程的開發打下技術基礎。高溫氣冷堆核電站異常事件處理規程的入口識別關鍵在于異常事件的識別，針對此構建了高溫氣冷堆核電站異常事件識別專家系統：模糊Petri網用于高溫氣冷堆核電站異常事件識別專家系統的知識表示，使得知識的表示更加系統、清晰、結構化特性更強；用基于矩陣運算的形式化推理算法進行推理分析，相比于產生式規則，提高了搜索效率，便于計算機編程實現。