凝汽器污垢热阻变化趋势的预测方法及装置、设备、介质制造方法及图纸

本发明专利技术提供了凝汽器污垢热阻变化趋势的预测方法及装置、设备、介质，预测方法包括：获取第一预设时间段内的核电机组的第一历史运行数据，第一历史运行数据包括核电冷端设备的状态参数和凝汽器清洗设备的使用次数；根据状态参数和使用次数，从预置的多个预测模型中选择第一目标模型，以及对第一目标模型进行训练；利用训练后的第一目标模型对凝汽器污垢热阻变化趋势进行预测。本发明专利技术通过状态参数和使用次数，从预置的多个预测模型中选择第一目标模型，以及对第一目标模型进行训练，能够根据历史数据有针对性地选择预测模型，以达到提高凝汽器污垢热阻变化趋势的预测准确性的目的。凝汽器污垢热阻变化趋势的预测准确性的目的。凝汽器污垢热阻变化趋势的预测准确性的目的。

【技术实现步骤摘要】
凝汽器污垢热阻变化趋势的预测方法及装置、设备、介质


[0001]本专利技术涉及计算机
，具体涉及一种凝汽器污垢热阻变化趋势的预测方法及装置、设备、介质。

技术介绍

[0002]凝汽器是核电冷端系统的重要部件，凝汽器工作运行状态直接影响了整个电厂的经济性和安全性。由于核电凝汽器属于海水冷却，海水中含有大量的微生物、藻类、贝壳、小鱼虾、泥沙等杂物以及一些盐类，在进行热交换过程中容易产生化学反应，凝汽器污垢热阻是指在凝汽器换热管内壁上沉积而形成的污垢热阻，沉积的污垢层通常是热的不良导体，导热系数很低，即使污垢层很薄，也会产生较大的热阻，导致凝汽器的真空下降，核电机组的循环热效率降低，从而降低了机组的经济性和可用率。凝汽器换热管内壁的污垢热阻情况严重时，将导致核电机组停机。
[0003]除了对核电机组本身热效率有影响之外，由于凝汽器定期清洗也会产生不必要的清洗费用、电耗费、人工费、设备折旧费等损失，因此，对凝汽器的污垢程度及清洗前的剩余使用时间进行计算和预测，在恰当的时机进行清洗，保证机组出力满足条件的同时，减少不必要的维护费用，是实现智能核电冷端的重要手段之一。并且常规的预测方法中也存在凝汽器污垢热阻趋势的预测结果与实际污垢情况差别过大，造成预测不准确。
[0004]针对上述相关技术中难以准确地预测凝汽器的污垢热阻的变化情况的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种凝汽器污垢热阻变化趋势的预测方法及装置、设备、介质，用以克服相关技术中难以准确地预测凝汽器的污垢热阻的变化情况的问题。
[0006]为了实现上述目的，本专利技术实施例的第一方面，提供一种凝汽器污垢热阻变化趋势的预测方法，包括：
[0007]获取第一预设时间段内的核电机组的第一历史运行数据，所述第一历史运行数据包括核电冷端设备的状态参数和凝汽器清洗设备的使用次数；
[0008]根据所述状态参数和所述使用次数，从预置的多个预测模型中选择第一目标模型，以及对所述第一目标模型进行训练；
[0009]利用训练后的第一目标模型对凝汽器污垢热阻变化趋势进行预测。
[0010]本专利技术提供的凝汽器污垢热阻变化趋势的预测方法，通过状态参数和使用次数，从预置的多个预测模型中选择第一目标模型进行模型训练，能够根据历史数据有针对性地选择预测模型，以达到提高凝汽器的污垢热阻变化趋势的预测准确性的目的。
[0011]可选地，在第一方面的一种可能实现方式中,所述使用次数包括第一投运次数和第二投运次数，所述第一投运次数表示胶球清洗设备的投运次数，所述第二投运次数表示化学清洗设备的投运次数；所述预测模型包括数据拟合模型、非线性回归模型和神经网络
模型；
[0012]所述根据所述状态参数和所述使用次数，从预置的多个预测模型中选择第一目标模型，包括：
[0013]当所述第一投运次数和所述第二投运次数均为零，并且所述状态参数的积累时长达到第一预设时长阈值时，选择所述数据拟合模型作为所述第一目标模型；
[0014]当所述第一投运次数大于零，且所述第二投运次数为零时，选择所述非线性回归模型作为所述第一目标模型；
[0015]当所述第二投运次数大于零时，且所述状态参数的积累时长达到第二预设时长阈值时，选择所述神经网络模型作为所述第一目标模型。
[0016]本专利技术提供的凝汽器污垢热阻变化趋势的预测方法，通过第一投运次数、第二投运次数以及状态参数，能够自动筛选出符合实际情况的预测模型，从而提高污垢热阻变化趋势的预测准确性。
[0017]可选地，在第一方面的一种可能实现方式中,所述方法还包括：
[0018]判断所述核电机组的运行时长是否达到定时更新时长阈值；
[0019]如果所述运行时长达到所述定时更新时长阈值，则获取所述第二预设时间段内的核电机组的第二历史运行数据；所述第二预设时间段晚于所述第一预设时间段；
[0020]根据所述第二历史运行数据中的核电冷端设备的状态参数和凝汽器清洗设备的使用次数，从所述预置的多个预测模型中选择第二目标模型进行模型训练；
[0021]利用训练后的第二目标模型对凝汽器污垢热阻变化趋势进行预测。
[0022]本专利技术提供的凝汽器污垢热阻变化趋势的预测方法，通过设置定时更新时长阈值，在核电机组的运行时长达到定时更新时长阈值时重新从预置的多个预测模型中选择第二目标模型进行模型训练，能够依据历史数据重新选择预测模型的类型，进而不断提升预测模型的预测效果。
[0023]可选地，在第一方面的一种可能实现方式中,所述从预置的多个预测模型中选择第二目标模型进行模型训练之后，包括：
[0024]判断所述第二目标模型与所述第一目标模型的模型类型是否相同；
[0025]如果相同，则根据模型评估指标，对训练后的第二目标模型和训练后的第一目标模型的预测效果进行评估，并根据评估结果选择用于预测凝汽器污垢热阻变化趋势的线上预测模型；所述线上预测模型表示用于投入使用的模型；
[0026]如果不相同，则将所述第二预测模型作为所述线上预测模型。
[0027]可选地，在第一方面的一种可能实现方式中,所述评估指标为评估分数，所述根据评估结果选择用于预测凝汽器污垢热阻变化趋势的线上预测模型，包括：
[0028]如果所述训练后的第二目标模型的评估分数大于所述训练后的第一目标模型的评估分数，则将所述第二目标模型作为所述线上预测模型；
[0029]如果所述训练后的第一目标模型的评估分数大于所述训练后的第二目标模型的评估分数，则将所述第一目标模型作为所述线上预测模型。
[0030]本专利技术提供的凝汽器污垢热阻变化趋势的预测方法，通过判断第一目标模型与第二目标模型是否相同，以及根据模型评估指标对模型的预测效果进行评估，来选择线上预测模型，能够从多个模型中选择出预测效果最佳的模型投入使用，从而确保对凝汽器污垢
热阻变化趋势的预测准确性。
[0031]可选地，在第一方面的一种可能实现方式中,所述从预置的多个预测模型中选择第一目标模型之后，包括：
[0032]当所述第一目标模型为所述数据拟合模型或者所述非线性回归模型时，对所述第一目标模型的模型原始文件进行保存，并根据时间标识对所述模型原始文件进行区分；
[0033]当所述第一目标模型为所述神经网络模型时，对所述第一目标模型的首次训练的模型框架文件，以及后续训练的模型数据文件进行保存。
[0034]本专利技术提供的凝汽器污垢热阻变化趋势的预测方法，通过第一目标模型的模型原始文件、首次训练的模型框架文件，以及后续训练的模型数据文件进行保存，能够有效减少服务器内存的占用情况，有助于提高模型的预测效率。
[0035]可选地，在第一方面的一种可能实现方式中,所述获取第一预设时间段内的核电机组的第一历史运行数据，包括：
[0036]获取第一预设时间段内的所述核电冷端设备的状态参数，所述状态参数包括温度参数、压本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种凝汽器污垢热阻变化趋势的预测方法，其特征在于，包括：获取第一预设时间段内的核电机组的第一历史运行数据，所述第一历史运行数据包括核电冷端设备的状态参数和凝汽器清洗设备的使用次数；根据所述状态参数和所述使用次数，从预置的多个预测模型中选择第一目标模型，以及对所述第一目标模型进行训练；利用训练后的第一目标模型对凝汽器污垢热阻变化趋势进行预测。2.根据权利要求1所述的凝汽器污垢热阻变化趋势的预测方法，其特征在于，所述使用次数包括第一投运次数和第二投运次数，所述第一投运次数表示胶球清洗设备的投运次数，所述第二投运次数表示化学清洗设备的投运次数；所述多个预测模型包括数据拟合模型、非线性回归模型和神经网络模型；所述根据所述状态参数和所述使用次数，从预置的多个预测模型中选择第一目标模型，包括：当所述第一投运次数和所述第二投运次数均为零，并且所述状态参数的积累时长达到第一预设时长阈值时，选择所述数据拟合模型作为所述第一目标模型；当所述第一投运次数大于零，且所述第二投运次数为零时，选择所述非线性回归模型作为所述第一目标模型；当所述第二投运次数大于零时，且所述状态参数的积累时长达到第二预设时长阈值时，选择所述神经网络模型作为所述第一目标模型。3.根据权利要求1或2所述的凝汽器污垢热阻变化趋势的预测方法，其特征在于，所述方法还包括：判断所述核电机组的运行时长是否达到定时更新时长阈值；如果所述运行时长达到所述定时更新时长阈值，则获取所述第二预设时间段内的核电机组的第二历史运行数据；所述第二预设时间段晚于所述第一预设时间段；根据所述第二历史运行数据中的核电冷端设备的状态参数和凝汽器清洗设备的使用次数，从所述预置的多个预测模型中选择第二目标模型进行模型训练；利用训练后的第二目标模型对凝汽器污垢热阻变化趋势进行预测。4.根据权利要求3所述的凝汽器污垢热阻变化趋势的预测方法，其特征在于，所述从所述预置的多个预测模型中选择第二目标模型进行模型训练之后，包括：判断所述第二目标模型与所述第一目标模型的模型类型是否相同；如果相同，则根据模型评估指标，对训练后的第二目标模型和训练后的第一目标模型的预测效果进行评估，并根据评估结果选择用于预测凝汽器污垢热阻变化趋势的线上预测模型；所述线上预测模型表示用于投入使用的模型；如果不相同，则将所述第二预测模型作为所述线上预测模型。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：黄倩，张荣勇，智一凡，李奇，张文杰，代丽，陈鸿毅，张真，姜新舒，赵雅卓，马璞月，陈东，安世雄，
申请(专利权)人：中国核电工程有限公司，
类型：发明
国别省市：