PSO-LSSVM的核电站破口故障程度评估方法

王志超， 夏虹， 彭彬森， 朱少民

(1.哈尔滨工程大学 核安全与先进核能技术重点实验室，黑龙江 哈尔滨 150001；2.哈尔滨工程大学 核安全与仿真技术国防重点学科实验室，黑龙江 哈尔滨 150001)

为缓解急剧增长的能源需求及减小对环境污染，核能的和平利用受到越来越多的关注。作为一个复杂的大系统，核动力装置包含各种结构、系统及组件(SSCs)，当这些设备及过程出现故障时，可能严重威胁到系统的可靠性。据统计，核电厂的运行和维护成本占总发电成本的60%～70%[1]。同时工程实践表明，当发生故障时，操作人员的误操作和误诊可能会造成灾难性后果[2]。因此，向操作员提供有效的运行信息不仅能合理降低运行维护成本，而且可以提高核动力装置的安全性。近年来，基于数据驱动的故障诊断技术蓬勃发展[3-4]，同时为降低误操作率，研究人员也越来越意识到故障程度评估的重要性。魏玮等[5]将堆芯损伤评价导则应用于冷却剂丧失事故的损伤程度评估，作为评价损伤程度的可靠方法。Peng等[2]提出基于马氏距离的故障程度评估方法，结果验证了该方法的有效性。Liu等[6]将Elman神经网络用于故障程度估计，并验证了该方法为操作员提供综合信息的可靠性。

本文考虑到需要从大量的监测信号中挖掘故障程度信息，采用最小二乘-支持向量机(least square support vector machine, LSSVM)来提取参数间约束关系及故障程度规律，并采用粒子群优化(particle swarm optimization, PSO)算法来搜寻最优超参数，提高故障程度评估精度，降低计算量，为操作员决策及干预提供良好基础。……