核电站主泵状态预测系统的设计与实现

吕明达

中国电力工程顾问集团东北电力设计院有限公司 吉林长春 130021

摘要：针对现有的核电站故障诊断系统中主泵运行状态预测模块较少的问题，设计开发了基于LSTM神经网络算法的轻量级核电站主泵状态分析及预测系统。实践证明，该系统作为核电站主泵状态预测系统的补充在理论研究和指导生产实践中有广阔的应用前景和一定的研究价值。

关键词：核电站电机主泵；状态预测；设计

引言

近年来核电站由于其更加绿色的工作方式和更高的能源效率，在石油、天然气等传统能源储量日益减少的今天为越来越多的国家所青睐。核电站系统复杂、安全性要求高，健壮的故障诊断系统是支持核电站系统正常稳定运行的重要保障之一。喻海滔等开发的核供热站故障诊断系统等传统故障诊断系统多是基于规则或模型的诊断系统，虽然功能强大但是对核电站设备监测数据的利用程度较浅，少有可以对核电站主泵运行状态进行预测的系统。

1系统开发研究概述

核电站主泵分析预测系统是基于LSTM神经网络算法的多维时间序列分析预测系统，为用户提供异常检测、运行状态预测等功能，并对处理结果进行可视化处理，这使得操作人员可以直观地看到系统当前是否处于异常运转状态以及在未来是否有陷入异常运转状态的风险，进而帮助相关部门更加合理地对主泵进行检测与维护，避免不必要的检修，使核电站设备的运行、维护更加合理化、智能化。

2计算模型与网格划分

2.1计算模型

以某型号核主泵原型样机为研究对象，其设计工况点的参数为：工况点流量Qd=630m3/h，扬程H=35m，转速n=990r/min，比转速ns=105。叶轮叶片数Z=6，导叶叶片数Zd=10。整个计算域包括进口段、叶轮、导叶、压水室、前腔、口环间隙及后腔等内部完整的过流区域。

2.2网格划分

网格划分是数值模拟的一项重要工作，直接影响数值计算的精度和效率。根据各过流部件的几何结构特点，对各计算域进行分块并划分为六面体结构化网格。其中，叶轮和导叶采用外O型拓扑结构，其余过流区域均采用内O型拓扑结构。为尽可能减小网格数量对计算结果的影响，需进行网格无关性验证。设定第1层网格尺度为0.2mm，并划分4种不同数量的网格，各方案在设计工况点的计算结果。当网格数为919万和1145万时，扬程和效率的计算结果变化非常小，可认为当网格数量为919万时满足网格无关性要求。最终在方案3网格数量的基础上划分出6套网格，壁面法向第1层网格尺度分别取0.05、0.1、0.2、0.4、0.8、1.6mm。由于核主泵中各过流部件几何尺寸相差较大，泵内流动情况复杂，即使将近壁面网格尺度控制在同一数值，在不同空间位置处的y+值也不相同。不同y+值区间内近壁面网格数量分布的统计结果。Δy较小时，y+值也较小且分布范围集中，随着Δy的增大，y+值变大且分布区间逐渐变宽，集中度下降。当Δy=0.05mm时，y+值主要分布于1~20区间，其中5~15区间内网格数量的比例为80.61%；当Δy=0.1mm时，y+值主要分布于1~40区间，其中10~30区间内的网格数量比例为80.96%；Δy=0.2mm时，y+值主要分布于2~70区间，其中20~55区间内的网格数量的比例为70.78%；Δy=0.4mm时，y+值主要分布于8~150区间，其中30~100区间内的网格数量的比例为69.63%；Δy=0.8mm时，y+值主要分布于10~300区间，其中在50~200区间内网格数量的比例为71.43%；Δy=1.6mm时，y+值主要分布于25~600区间，在该区间的大部分区域内网格数量分布的比例比较均匀，没有明显的集中分布状态。

3数值计算方法

利用连续性方程和雷诺时均N-S方程求解整个流场，根据不同目的分别采用重整化群湍流模型、低雷诺数k-ε湍流模型、剪刀应力传输湍流模型进行研究。控制方程的离散采用有限体积法计算，压力与速度的耦合采用SIMPLEC算法计算，压力方程的离散采用标准格式计算，动量、湍动能与耗散率输运方程的离散均采用二阶迎风格式计算。旋转区域与静止区域之间的耦合采用多重参考系模型，各计算区域之间通过交界面传递数据。进口边界条件采用速度进口，假定来流方向垂直于入口截面，给定速度大小；出口选择自由出流条件；壁面满足无滑移边界条件。在计算过程中，当泵出口监测面上的静压变化趋于稳定时认为计算收敛。

4计算结果分析

首先，采用工程问题数值模拟中常用的湍流模型和标准壁面函数法，探讨近壁区域网格尺度对核主泵性能预测精度的影响，并假设流动定常。为近壁面采用不同网格尺度时核主泵在全工况条件下的扬程计算结果。总体来看，扬程的计算值与试验值相差较大。随着流量的增大，扬程的计算曲线整体呈现单调下降的趋势，下降速度比试验曲线缓慢；计算曲线没有“关死点附近有驼峰、0.6Qd流量之前扬程变化较小、0.6Qd流量之后扬程下降较快”的主要流动特征；在关死点处，扬程的计算值整体偏高；（0.2~0.8）Qd工况点处的扬程计算值小于试验值，而0.8Qd工况点后扬程的计算值大于试验值。从不同工况点扬程计算误差的角度分析，在（0.8~1.0）Qd工况点内，近壁面不同网格尺度下扬程的计算误差整体相对较小，最大计算误差在设计工况点，其中Δy=（0.05~0.8）mm时的计算误差均约为5.50%，Δy=1.6mm时计算误差相对较小，约为2.34%。在（0~0.8）Qd工况点，扬程的计算误差较大，最大计算误差在0.6Qd工况点附近，其中Δy=0.05mm时计算误差最大，约为7.82%，Δy=0.4mm时计算误差相对较小，约为5.23%。在（1.0~1.2）Qd工况点，扬程的计算误差随流量的增加而增大，各方案的计算误差差异很小，最大计算误差在1.2Qd工况点；根据扬程试验曲线的变化趋势来判断，在1.2Qd工况点的扬程值约为30m，则各方案的计算误差在12.67%左右。从近壁面不同网格尺度下扬程计算结果之间的差异分析，流量越小，计算结果之间的差异越明显；在关死点，各网格尺度下计算扬程的最大差异为5.93%，随着流量的增大，不同网格尺度之间的计算差异逐渐减小，除Δy=1.6mm时的计算扬程变化趋势不稳定外，其余各网格尺度在高于设计工况点处的计算扬程最大差异均不超过0.9%。

5系统实现与应用

Python是FLOSS中的一种面向对象的解释型脚本语言，具有语法简洁易读、可移植性强等特点，可以使程序更加清晰和容易维护，此外，Python还具有众多功能强大的第三方开源组件，可以大大提高软件的开发效率。系统可视化模块所用的关键技术主要为Python图形程序框架PyQt5以及Python绘图库matplotlib，系统状态分析模块和状态预测模块所用的关键技术主要为Python机器学习框架TensorFlow。

结束语

本文针对核电站主泵运行状态预测软件较少的问题，基于LSTM神经网络算法设计并实现了核电站主泵状态预测系统，该系统在理论研究和指导生产实践中有广阔的应用前景和一定的研究价值。

参考文献

［1］刘永阔，谢春丽，成守宇，等.核电站分布式智能故障诊断系统研究与设计［J］.原子能科学技术，2011，45（6）：688-694.

［2］张健德，杨明.核电站混合式故障诊断系统的开发和评价［J］.核动力工程，2007，28（6）：92-96.

［3］王振久，徐霞军.田湾核电站主泵诊断系统［J］.中国仪器仪表，2016（2）：35-38.