Физико-статистические модели управления ресурсом оборудования второго контура атомных электростанций (стр. 5 )

Результаты анализа по ТЦ 1-го блока САЭС

Элементы	Количество элементов	Количество элементов, вошедших в 1 и 2 группы риска
Трубопроводы ОК
Гиб	75	19
Прямой участок	161	9
Переход	29	10
Отводы	278	7
Итог	543	45
ПЭН
Гиб	15	13
Прямой участок	15	-
Итог	30	13
ПАРОПРОВОДЫ
Гиб	24	4
Переход	4	2
Прямой участок	28	-
Итог	56	6
ВСЕГО	629	64

Примерно 10% рассмотренных элементов попали в 1 и 2 группы риска, однако неопределенность в проведении контроля не дает достаточной уверенности в надежности остальных элементов. Причиной этого является измерение толщин стенок совместно с отложениями на внутренней поверхности, которые, кроме того, могут мигрировать. Вследствие этого, замеренные минимальные толщины могут оказаться еще меньше, что не позволяет сделать оценку остаточного ресурса более надежной без изменения технологии замеров.

Рекомендации, сформулированные по результатам выполненных работ, направлены на оптимизацию решения проблемы эрозионно-коррозионного износа.

Физико-химические модели базируются на большом объеме экспериментальных данных, на основании которых выявляются закономерности влияния отдельных факторов: температуры, скорости потока, содержания кислорода или диаметра трубопровода,- на интенсивность ЭКИ. Эмпирические модели лишены физического смысла, но удовлетворительно описывают экспериментальные данные, характеризующие свойства реальных объектов. Так, скорость ЭКИ может быть вычислена по формуле

,

где F(*) – функция влияния на скорость ЭКИ фактора: Т – температура, AC – состав сплава, MT – массообмен, О2 - влияние кислорода, pH – влияние pH при данной температуре, G – геометрия, α - паросодержание, H – влияние гидразина.

Обобщение и анализ многолетнего опыта эксплуатации и статистических данных о повреждаемости АЭС, а также исследование процессов и закономерностей эрозии-коррозии металла позволили разработать расчетные коды в США (CHEKWORKS), Германии (WATHEK), Франции (COMSY) и в России ЭКИ-02 (однофазная среда), ЭКИ-03 (двухфазная среда). В силу объективных причин невозможен просто перенос результатов зарубежных исследований на оборудование российских энергоблоков: разные марки стали, разные характеристики ВХР, присутствие в контуре КПТ медьсодержащего оборудования и т. д. В связи с этим задача адекватного прогнозирования скорости ЭКИ на элементах оборудования АС российских энергоблоков остается весьма актуальной. Одновременно возникает дилемма или повторения зарубежных исследований на данных контроля российских энергоблоков для выявления основных закономерностей и связей между факторами, или использование новой технологии – искусственного интеллекта – для прогнозирования скорости ЭКИ. Задача прогнозирования скорости ЭКИ в оборудовании второго контура на основе нейросетевого подхода рассмотрена в шестой главе.

Такой аппарат как нейронные сети хорошо зарекомендовал себя в области моделирования систем и процессов, внутренние связи которых либо мало изучены, либо реализуют сложные взаимодействия. Способность искусственной нейронной сети к обобщению и абстрагированию помогает получить верный прогноз относительно величины эрозионно-коррозионного износа без определения всех зависимостей между множеством факторов, обуславливающих процесс ЭКИ.

Исследование выполнено на основе упрощенной искусственной нейронной сети, решающей задачу прогнозирования утонения стенки прямого участка трубопровода с однофазной средой КПТ АЭС с ВВЭР (рис. 11).

Рисунок 11. Упрощенная модель нейронной сети для

задачи прогнозирования скорости ЭКИ

Упрощенная сеть обучена с помощью алгоритма упругого обратного распространения. Определена область корректного прогноза на временном интервале до 4 лет.

Для оптимизации решения задачи прогнозирования скорости ЭКИ с помощью нейросетевого подхода предложен алгоритм, включающий

- фильтрацию данных, заключающуюся в использовании только информации об утонениях, т. к. процесс ЭКИ связан с утонением стенки,

- «выявление» характерных признаков входного множества и уменьшение на его основе количества входных факторов;

- выполнение кластерного анализа для анализируемых ситуаций с целью разбиения их на кластеры ситуаций со сходными свойствами, при этом точность может быть повышена за счет учета локальных и уникальных для каждого кластера зависимостей и факторов.

- построение для каждого класса входного множества нейронной сети, обученной с помощью алгоритма обратного распространения, которая и будет вычислять утонение стенки трубопровода на прогнозируемый период.

В Заключении перечислены полученные в диссертационной работе основные теоретические и практические результаты:

На основе анализа и систематизации данных эксплуатации, особенностей воздействия физических процессов на процессы старения металла оборудования второго контура обоснована необходимость разработки и применения физико-статистических моделей для оценки, прогнозирования и управления сроком службы оборудования АЭС. Наиболее значимым фактором, влияющим на интенсивность процессов старения металла оборудования второго контура АЭС, является наличие меди в контуре. Индивидуальный подход к оценке текущего состояния оборудования и разработке прогнозных моделей с максимальным использованием имеющейся информации: данные о повреждениях и их причинах, факторах, интенсифицирующих процессы повреждения, данных периодического контроля технического состояния, параметрах ВХР, а также о мероприятиях, способствующих смягчению условий эксплуатации и снижению интенсивности процессов повреждения, - определяет методы проведения расчетов ресурсных характеристик оборудования. Факторы, влияющие на оценку, прогнозирование и управление ресурсными характеристиками элементов оборудования, можно разделить на три группы: факторы эксплуатации, факторы, связанные с модернизацией, факторы, характеризующие техническое состояние. Систематизация и комплексное рассмотрение всех групп факторов позволяет провести разработку моделей оценки остаточного ресурса оборудования. Экономическая эффективность срока службы оборудования определяется интенсивностью процессов старения, периодом проведения контроля, профилактики и замен, проведением модернизации. Для задачи управления ресурсом необходим учет последствий принятых мер по улучшению качества эксплуатации, которые выражаются в численных значениях коэффициента КИУМ, интенсивности отказов отдельного оборудования l, интенсивности его восстановления m, стоимости ремонтов и замен оборудования и т. д. Оптимизация срока службы энергоблока производится на основе экономического критерия, учитывающего разновременность затрат и результатов, характеристики надежности оборудования блока и стоимость ремонтов и замен оборудования в течение эксплуатации - чистого дисконтированного дохода (ЧДД). Критерий оптимизации срока службы - максимум ЧДД.

Структура потока платежей получена с помощью разработанной марковской модели эксплуатации. Предложенная модель расчета стоимости эксплуатации учитывает убыток, связанный с простоем, стоимость произведенной электроэнергии, стоимость замененного оборудования или его части, стоимость восстановительных работ, стоимость мероприятий модернизации и т. д.

4.  Разработаны и исследованы методы прогнозирования ресурсных характеристик оборудования на основе учета накопления повреждений от действия различных процессов старения материала оборудования второго контура АЭС с учетом их вероятностного характера. Для оценки работоспособности оборудования введена стохастическая мера повреждения на основе накопления повреждений в материале от действия тех или иных процессов старения. Ресурс определяется как момент выхода случайного процесса накопления повреждений за установленный уровень.

5. Вероятностные характеристики ресурса получены методами линейного и нелинейного суммирования повреждений - для процессов каплеударной эрозии в двухфазном потоке и коррозионного растрескивания под напряжением теплообменных трубок ПГ - при различных значениях концентраций повреждающих факторов и рассчитаны на основе асимптотических приближений теории вероятностей и математической статистики.

Для процесса каплеударной эрозии, характерной для гибов паропроводов, лопаток паровых турбин, входных участков ПСТЭ в ПВД и т. д., за основу взят механизм ударного воздействия капли на твердую поверхность с учетом распределения нормальных скоростей, размеров капель, а также таких параметров, как влажность пара, расход, радиус пятна соударения, температура, давление, плотность жидкости и пара, скорость звука в жидкости, параметры материала.

Для теплообменных трубок ПГ в основу процесса повреждения положен процесс коррозионного растрескивания под напряжением, интенсивность которого существенно зависит от концентраций активаторов коррозии, наличия отложений на теплообменной поверхности, концентраций меди в отложениях, что позволяет путем обоснования значений соответствующих параметров модели управлять процессом старения ТОТ ПГ.

Предложен и обоснован подход, использующий стохастическую линейную фильтрацию для учета разнородной информации об объекте при прогнозировании его ресурса, а также для учета мероприятий, проведенных или планируемых для снижения интенсивности процессов старения. Метод стохастической фильтрации Калмана адаптирован для прогнозирования ресурсных характеристик теплообменных трубок ПГ. Разработаны алгоритмы сглаживающего фильтра и предиктора. Используется дополнительная информация в виде данных периодического контроля, местоположения трубки в сборке, погрешностей измерения толщин стенок и т. д. Исходя из требований к темпу процесса старения, можно оценить оптимальный период или оптимальный план последующего контроля. Сформулирован принцип оптимального алгоритма для управления ресурсом ТОТ ПГ. Приведен систематизированный обзор моделей для прогнозирования ЭКИ в элементах оборудования. Разработаны процедуры обработки данных толщинометрии элементов оборудования второго контура АЭС для оптимизации объемов и периодичности контроля. На основе анализа большого объема данных контроля по АЭС с реакторами ВВЭР-1000, РБМК-1000, ВВЭР-440 - КлнАЭС, БлкАЭС, НВАЭС, КолАЭС, САЭС - разработаны методики и алгоритмы обработки данных толщинометрии, требования к виду и качеству предоставляемой для расчетов информации, введено понятие категории для обозначения группы риска интенсивного утонения. Предложено включать в план контроля элементы, остаточный ресурс приближается к дате очередного ППР. Обосновано применение нейросетевого моделирования для решения задачи прогнозирования ЭКИ, позволяющего оценить взаимное влияние всех воздействующих факторов, выделить существенные свойства поступающей эксплуатационной информации без определения всех зависимостей между множеством факторов, обуславливающих процесс ЭКИ. На примере исследования упрощенной сети для прогнозирования утонения стенки прямого участка трубопровода основного конденсата АЭС с ВВЭР, обученной с помощью алгоритма упругого обратного распространения, показана корректность прогноза на временном интервале до 4 лет. Для оптимизации решения задачи прогнозирования скорости ЭКИ с помощью нейронной сети предложен алгоритм, включающий

- фильтрацию данных для обучения;

- «выявление» характерных признаков входного множества и уменьшение на его основе количества входных факторов;

- выполнение кластерного анализа для анализируемых ситуаций;

- построение для каждого класса нейронной сети, обученной с помощью алгоритма обратного распространения. Предложенный алгоритм реализован с помощью комплекса нейронных сетей: репликативной НС; самоорганизующейся карты Кохоннена; НС обратного распространения.

В работе представлены результаты, полученные лично автором или при непосредственном его участии.

Основные публикации

1.  , Острейковский зависимости для оценки надежности с учетом корреляции между нагрузкой и несущей способностью объекта. // Надежность и контроль качества. – 1981. – № 2. – с. 36–41.

2.  , , Сальников моделей «параметр-поле допуска» и «нагрузка-несущая способность» при оценке надежности объектов.//Надежность и контроль качества.-1982.-№2.-с.10-14.

3.  , Сальников модели прогнозирования ресурса трубопровода при эрозионном повреждении.// Известия вузов. Ядерная энергетика. – 1995. – № 3.-с. 40-46.

4.  , Сальников модель вероятностного прогнозирования ресурса оборудования ЯЭУ//Известия вузов. Ядерная энергетика. – 1995. – № 1.- с. 48-51.

5.  , Сальников оценки ресурса трубок ПГ в условиях коррозионного растрескивания// Известия вузов. Ядерная энергетика. – 1996. – № 1.- с. 16-19.

6.  , , Коновалов распределения ресурса при суммировании повреждений// Известия вузов. Ядерная энергетика. 1997.- № 1.- с.18-21.

7.  , Сальников прогнозирование ресурса трубопроводов и сосудов давления АС// Известия вузов. Ядерная энергетика. -1998. -№ 1.-с.4-11.

8.  , Гулина интегральная модель прогнозирования надежности трубопроводов АЭС при усталостном нагружении// Известия вузов. Ядерная энергетика. – 1998. -№ 3.-с.3-11.

9.  Гулина и прогнозирование ресурса оборудования АЭС. / Научные исследования в области ядерной энергетики в технических вузах России: сб. научных тр.- М.: МЭИ, 1999.-с.201-204.

10.  , Сальников ресурсных характеристик оборудования в условиях нелинейных эффектов процессов деградации//Известия вузов. Ядерная энергетика. -1999. -№4. - с.11-15.

11.  , . Быстрый метод прогнозирования роста трещин в трубопроводах большого диаметра//Известия вузов. Ядерная энергетика.- 2000.-№3.-с.14-18.

12.  , , Чепурко критерия оптимизации срока службы энергоблока// Известия вузов. Ядерная энергетика. -2001. -№2. - с.10-14.

13.  , , Корниец задача оптимизации срока службы энергоблока АС//Известия вузов. Ядерная энергетика№4.-с.12-15.

14.  , , Цыкунова оценки срока службы оборудования АС в условиях старения// Ядерные измерительно-информационные технологии.- 2004. – № 1. – с.62-66.

15.  , , Павлова загрязненности трубчатки ПГ и оценка межпромывочного периода методами диффузионных процессов// Известия вузов. Ядерная энергетика. – 2006. - №1. - с. 12-18.

16.  , , Фролов метода стохастической фильтрации Калмана для прогнозирования ресурсных характеристик парогенератора АЭС// Атомная энергият.с.313-316.

17.  , Сальников прогнозирования ресурса теплообменного оборудования АС// Известия вузов. Ядерная энергетика.- 2007.- №3, вып 1.- с.23-29.

18.  , , Докукин основа прогнозирования эрозионно-коррозионного износа оборудования АС методом нейросетевого моделирования// Известия вузов. Ядерная энергетика.- 2008.-№1.-c.3-8.

19.  , , Сальников управление ресурсом парогенератора АЭС// Известия вузов. Ядерная энергетика.- 2008.-№4. - с. 25-30.

20.  , , Сальников оптимизации уровня для обнаружения разладки в наблюдаемом случайном процессе// Известия вузов. Ядерная энергетика.- 2009-№1.- с. 125–129.

21.  , , Тарасова контроль трубопроводов, подверженных эрозионно-коррозионному износу// Теплоэнергетика.-2009.-№5.-с.20-27.