-
铅铋反应堆作为第 4代反应堆型中最具有发展潜力的堆型之一,可为我国"双碳"目标提供强力支撑.其中铅铋主泵是铅铋反应堆冷却回路中的关键设备,其水力性能直接影响反应堆的安全性与经济性.针对液态铅铋介质带来的复杂流动问题,本文对所设计的铅铋泵模型进行数值模拟研究,分析了泵内压力场、速度场、涡结构及压力脉动特性.结果表明:叶轮叶片存在显著压差,前缘低压区易诱发流动分离;导叶尾缘存在脱落涡影响流场稳定,出口扩管导致约 2%扬程损失.动静干涉使入口及导叶流域产生周期性压力脉动,脉动振幅沿流动方向逐渐降低.研究揭示了泵内复杂流动机制,可为水力性能优化提供依据.
铅铋合金反应堆冷却剂泵数值模拟速度场压力脉动
-
以某电厂反应堆主冷却剂泵(型号 RCP4 4 0-TB50)为试点对象,基于专家知识和深度学习方法,设计一套适用于 M310 机组主泵状态监测与诊断的系统.该系统兼容了试点对象出厂原装的测量系统,增设了一套数据管理与诊断模块,综合了测点优化技术、专家知识、深度学习的特点,建立了一套不依赖大量故障数据且可不断学习迭代的高精度诊断模型,实现了对试点泵组常见故障、缺陷的识别和诊断.
核能反应堆冷却剂泵振动诊断深度学习M310
-
采用 TACSNR程序建立了 SCoRe-TE固有安全空间堆电源系统瞬态分析模型,对在轨启动参考方案进行了数值模拟,研究了该方案下系统启动过程中各主要参数的变化规律,获得了反应性、堆芯功率、冷却剂流量、温度、泵供电TE转换器两端温差、热管蒸汽与翅片温度等关键参数随时间的变化关系.结果表明,系统稳态后,SCoRe-TE的各项模拟参数符合空间堆的设计参数.该研究提供了更详细的 SCoRe-TE电源启动过程热工水力参数,可为固有安全空间堆方案的优化和启动控制策略的制定提供参考.
空间堆电源瞬态分析数值模拟启动过程
-
反应堆冷却剂泵(以下简称"主泵")是核电厂最重要的转动设备之一,它驱动一回路高温高压的冷却剂建立热循环,被称为核反应堆的"心脏".主泵的一项重要的检修工作就是对主泵进行解体翻新,以保持主泵的良好状态,保证机组的稳定运行.由于主泵在运行过程中其水力部件一直与高温、高压的一回路介质接触,大量的放射性腐蚀、活化产物会逐渐沉积表面,为降低主泵翻新人员的受照剂量,对主泵水力部件进行去污就显得尤为重要,需要在保证设备安全的前提下获得较大的去污因子.秦山第二核电厂4 RCP002PO主泵水力部件自主去污采用成熟的 EMMAC+超声波联合去污工艺,平均去污因子达到 152,去污效果显著.
自主去污EMMAC去污因子
-
为了探究径向导叶在前后盖板处流线的相对位置对反应堆冷却剂泵(简称主泵)水力性能的影响,基于全局结构化网格,采用RNG k-ε湍流模型,对导叶前后流线在圆周方位相对位置不同的5组模型进行非定常数值计算,研究导叶前后流线相对位置的变化对主泵的外特性及压力脉动特性的影响.结果表明:当导叶前流线的位置保持不变而后流线沿与叶轮转向相反的方位偏转,即导叶的前流线整体前置于后流线时,流体在压水室内尤其是出水段内的流场结构得到改善,导叶和压水室内的水力损失减小,与原模型相比,主泵的扬程增加了 0.60％,水力效率提高了 0.66％,并且主频处压力脉动的幅值平均降低了 23.08％,主泵水力性能提升的同时其振动性能也得以明显优化.
反应堆冷却剂泵导叶水力优化压力脉动
-
在核电厂中,反应堆冷却剂泵(简称"主泵")是反应堆冷却剂系统的核心设备之一,实时监测其运行状态对于确保核电厂的安全、稳定、高效以及经济运行至关重要.为了提升传统多元状态估计方法处理时变系统的能力,实现实时跟踪系统状态变化,提出了一种动态多元状态估计技术(dynamic multivariate state estimation technique,DMSET)算法.该方法利用最近邻方法(nearest neighbors,NN)重构数据,通过重构结果与实际值之间的残差来计算异常程度,并基于设定的阈值以识别异常.在记忆矩阵更新中,DMSET使用孤立森林方法(isolation forest,IF)评估样本的重要性,确保记忆矩阵包含最新且具代表性的信息.在核电厂主泵运行数据集上进行实验结果表明,DMSET能够有效检测到核电真实数据中的异常,尤其在实时数据流中表现突出,能够在变化环境中保持较高的稳定性.检测精确率和召回率均高于90％,检测性能相对主成分分析法(princi-pal component analysis,PCA)和MSET等经典异常检测算法具有优势,具备一定的实用价值和研究意义.
异常检测动态多元状态估计孤立森林最近邻方法
-
准确的预测是核动力装置状态监测和运行维护的基础,为了提高系统和部件动态趋势预测的精度,本文提出了一种基于信号分解策略的时间序列预测方法.首先,利用变分模态分解(VMD)将原始时间序列信号分解为2个分别含有高频成分和低频趋势项的子序列.然后,采用贝叶斯优化(BOA)的门控循环单元(BOA-GRU)模型和自回归移动平均(ARIMA)模型分别对高频和低频子序列进行预测.最后,将2个子序列的预测值进行重构得到原始信号的预测结果.利用提出的混合模型对某核电厂主冷却剂泵的时间序列信号进行单步和多步预测,并利用均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)等指标对预测精度进行评估.结果表明,该混合模型能够对主冷却剂泵的运行状态进行准确地预测和追踪,并且与基础模型的对比突出了混合模型在复杂信号预测中的优势.
变分模态分解(VMD)自回归移动平均(ARIMA)门控循环单元(GRU)混合模型趋势预测主冷却剂泵
-
核电厂大修期间一回路冷却剂温度下降以及氧含量增加会导致活化腐蚀产物释放,为降低各系统辐射水平,可采用氧化净化的方式,通过注入双氧水使得活化腐蚀产物快速集中释放并通过化学容积与控制系统(RCV)净化系统去除."华龙一号"机组作为三代核电机组与CPR1000 机组存在较大差异,对于提前停运 1~2 台主泵对辐射源项变化的影响,停运最后一台主泵的时间以及连续监测点位选择等问题,相关标准仍有待进一步探索.大修期间氧化净化均作为关键路径控制,以便节省大修工期,同时,若氧化净化时间太短会导致大修机组辐射水平增加,不利于个人剂量控制.通过分析"华龙一号"机组在首次大修氧化净化期间反应堆冷却剂(RCP)、RCV、安全注入(RIS)系统的辐射源项变化趋势,探讨连续监测点位的选择、提前停运 2 台主泵的影响以及停运最后一台主泵的标准.
"华龙一号"氧化净化剂量主泵
-
针对核电厂反应堆冷却剂泵(简称主泵)振动等高频传感信号调制、噪声干扰以及单传感器对故障诊断识别率低、证据缺乏的问题,本研究提出了一种基于循环平稳分析和D-S证据理论的主泵设备多源异类故障表征方法.通过使用时域分析和循环平稳分析对采集的高频传感数据进行处理,实现信号的解调和去噪,并计算特征参数,构建特征向量.在此基础上,基于D-S证据理论实现多源传感数据的融合,进而根据融合结果实现主泵设备典型故障的决策级诊断.试验验证结果表明,通过融合多源传感信息能够显著提高主泵设备典型故障的诊断识别率,并提高诊断结果的可解释性,相关研究成果能够为主泵设备的预测性维护提供参考依据,进而提升核电厂主泵设备的运行可靠性和智能化运维水平.
反应堆冷却剂泵循环平稳分析D-S证据理论故障检测与诊断
-
为了提升核电厂设备的智能化运维水平,有效预防和减少设备停机,本研究针对反应堆冷却剂泵(简称主泵)设计开发了一套集数据采集与储存、状态监测、故障诊断、趋势预测、故障治理措施与防治决策支持等功能于一体的核电厂主泵智能监测与诊断系统.试验结果表明,该系统能够实时跟踪主泵运行状态,并在故障工况下对主泵异常信息进行及时检测与故障模式的准确识别,进而基于设备当前状态和参数趋势预测结果给出故障治理的措施与运维决策指导.因此,本系统能够跟踪并及时识别主泵的运行状态,达到提升核动力设备状态监测能力和智能化运维水平的目的.
反应堆冷却剂泵智能监测与诊断系统状态监测故障诊断
