Известия вузов. Ядерная энергетика

Рецензируемый научно-технический журнал. ISSN: 0204-3327

Эффективный метод фильтрации глобальных шумов измерительных каналов систем контроля течей АЭС с РУ ВВЭР

19.11.2020 2020 - №04 Безопасность, надежность и диагностика ЯЭУ

Е.Л. Трыков А.А. Кудряев К.И. Коцоев А.А. Ананьев

DOI: https://doi.org/10.26583/npe.2020.4.08

УДК: 621.039

На АЭС с РУ ВВЭР-1200 в соответствии с ГОСТ Р 58328-2018 «Трубопроводы атомных станций. Концепция “течь перед разрушением”» [1] эксплуатируются система акустического контроля течи (САКТ) и система влажностного контроля течи (СКТВ), каждая из которых выполняет функции контроля течи локально, не зависимо друг от друга. Результаты диагностирования передаются в систему верхнего блочного уровня (СВБУ) для последующего отображения оперативному персоналу на блочный пункт управления (БПУ). Кроме того предусмотрена система комплексного диагностирования СКД, предназначенная для подтверждения диагноза и уточнения значений величины и координаты течи на основании анализа показаний систем контроля течи и сигналов АСУ ТП. Показания измерительных каналов систем складываются из фонового шума, источником которого являются технологические процессы со стороны основного оборудования и вспомогательных систем РУ, и сигнала течи при ее появлении. Важнейшим фактором, влияющим на способность систем контроля течей диагностировать истечение, является качество фильтрации фоновых шумов. Предлагается новый эффективный метод фильтрации глобальных шумов, предназначенный для использования в системе комплексного диагностирования СКД.

Ссылки

  1. ГОСТ Р 58328-2018. «Трубопроводы атомных станций. Концепция “течь перед разрушением”». – Электронный ресурс: https://files.stroyinf.ru/Data/705/70505.pdf (дата доступа 05.05.2020).
  2. Скоморохов А. О., Кудряев А.А., Морозов C.А. Нейросетевые модели фильтрации сигналов и диагностирования течи трубопроводов ВВЭР. // Известия вузов. Ядерная энергетика. – 2010. – № 4. – С. 72-80.
  3. Goodfellow I., Bengio Y., Courville A. Deep Learning. – MIT Press. – 2016. – 787 p.
  4. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. – СПб.: Питер. – 2018. – 480 c.
  5. Chollet F. Deep Learning with Python: Second Edition. – Manning Publications. – 2017. – 384 p.
  6. Kruschke J.K. Bayesian estimation supersedes the T test. // Journal of Experimental Psychology: General. – 2013. – Vol. 142. – No. 2. – PP. 573-603; DOI: 10.1037/a0029146.
  7. Cameron D.-P. Bayesian Methods for Hackers: Probabilistic Programming and Bayesian Inference. – Addison-Wesley Data and Analytics Series. – 2016. – 226 p.
  8. Barber D. Bayesian Reasoning and Machine Learning. – Cambridge University Press. – 2017. – 666 p.
  9. Najim M. Modeling Estimation and Optimal Filtering in Signal Processing. – Wiley. – 2008. – 408 р.
  10. Durbin J. and Koopman S. J. Time Series Analysis by State Space Methods: Second Edition. – Oxford Statistical Science Series. – OUP Oxford. – 2012. – 253 p.
  11. Haykin S. Adaptive Filter Theory: Fifth edition. – Pearson. – 2014. – 907 p.
  12. Grewal M.S. and Andrews A.P. Kalman Filtering: Fourth edition. – Wiley. – 2015. – 617 р.

фильтрация акустические датчики влажностные датчики анализ течей фоновый шум алгоритм безопасность