核电站除氧器控制性能评估与故障诊断

摘 要：除氧器是核电站二回路除氧给水系统的关键设备，对其控制性能进行实时评估和故障诊断对于及时发现并处理系统中存在的问题，保证核电站运行安全具有重大意义。提出以最小方差为性能评估基准，利用改进的FCOR 算法分别计算扰动特性改变与被控对象特性改变两种情况下的性能指标，根据这两个指标的变化顺序进行故障诊断的方法。利用该方法对秦山三期核电站除氧器系统的运行数据进行分析，确定了除氧器自身的特性改变是引起凝结水流量异常的原因。
关键字：除氧器；最小方差；性能评估；故障诊断
中图分类号：TK323 文献标识码:B 文章稿号：200702091319454225
Performance Assessment and Fault Detection of Deaerator Control System for Nuclear Power Plant
LIU Fang1， LIU Yu-jie2， HU Li-sheng1
(1.Department of Automation, Shanghai Jiao Tong University, Shanghai 200240 China;2. Maintenance Department, Third Qinshan Nuclear Power CO.LTD, Haiyan Zhejiang 314300 China)
Abstract: Deaeratoris the key equipment of nuclear power plant. Assessing its control performance anddetecting fault by process data on line is very important to the safe of the whole plant. Minimum variance was used as a benchmark to do the performance assessment. Advanced FCOR algorithm was given to calculate the performance index under the assumption that either the system or the disturbance was changed. The reason of the fault was found by comparing the two performance indexes. Deaerator in Qinshan III nuclear power plant is considered. System change is responsible for the abnormal rising of feedwater’s rate of flow.
Key word: Deaerator; Minimum Variance; Performance Assessment; Fault Detection

1 引言
       系统设备老化，生产过程变化等将导致控制器与被控对象间的不匹配，从而使控制系统性能下降，执行机构损耗加剧，产品质量下降，甚至危及系统运行安全。因此，对控制系统性能进行实时评估与故障诊断有利于人们及时发现、定位系统中存在的问题，排除故障，保证生产运行的安全、可靠。
       除氧器是核电站的重要设备，其运行情况直接影响核电站安全。针对秦山三期核电站除氧器系统在运行过程中出现的不明异常波动，本文以最小方差为性能基准，通过对计算性能指标的FCOR 法的改进，利用实测数据对其进行了控制性能的评估，分析了引起除氧器系统性能下降的原因。检测表明分析结果与实际情况相符，说明本文提出方法的可行性和正确性。

2 控制性能评估
      性能评估理论与方法最先由Åström[1]提出，随后，人们提出了各种基于时域或频域[2]的性能基准及算法，其中绝大部分建立在系统模型已知的基础上。由于工业系统的复杂性，模型辨识难度大，周期长，精度难以保证，不利于工业应用。基于最小方差的性能评估方法只需要知道系统的时滞结构，就可由过程数据得到性能指标，避免了繁琐的系统模型辨识过程，易于实现实时评估。因此，本文采用最小方差作为性能基准。
2.1 最小方差的原理
      Harris 首先提出了最小方差的概念，其可通过对系统测量数据的时序分析得到，并与反馈控制无关。其推导过程[3]如下：
      一个典型的单输入单输出定值系统如图1 所示。其中，Q 是控制器传递函数，d 为被控对象纯滞后，T~ 为被控对象无纯滞后的传递函数，at 为均值为0 的白噪声扰动序列，N为扰动传递函数。

图1 单输入单输出系统方框图

2.2 计算性能指标的FCOR 法

由此，就可利用工业过程的实测数据与系统时滞的先验知识得到性能指标η (d)。

      注意到（7）式中at 的值是未知的。如果将at 看作是yt 经过白化后的输出，只要能够找到合适的白化模型，就可得到at 的估计值。求解白化模型的过程与求解时序模型的过程近似。不同的是，对白化模型有效性的确定需通过对留数进行自相关函数检验以判断留数是否为白噪声。这些留数就是at 的估计值。白化过程关注的也正是这些留数[4]。
       目前已有很多算法来辨识白化模型。本文采用ARMAX 算法，通过改变平均滑动自回归模型（ARIMA）的阶次，得到不同的留数，通过对这些留数进行自相关分析，得到最优的白化模型以及对应的at 估计值序列并代入式（7）进行性能指标计算。利用FCOR 法计算性能指标的流程如图2 所示。

图2 FCOR 算法流程图

3 FCOR 法的改进与故障诊断
       从工艺过程来看，引起控制性能变化的原因主要可归为两类：被控对象特性的变化，扰动特性的变化。如果能够找到一种方法判别性能指标变化的原因，就可以初步诊断故障，缩小检查范围。为此，本文对FCOR 方法进行了改进，提出如下两种性能评估方法。
       方法一：根据给定系统的标准白化模型计算系统性能指标η1 。
       选择一组正常运行的数据yt，通过图2 所示流程计算得到一个给定系统的标准白化模型。在进行实时性能评估时，用这个固定的模型白化出对应的at，则at 序列不再保证为白噪声，at 的变化反映了扰动特性的变化。若性能指标η1 突然下降，可认为是由于扰动特性的改变引起的。
       方法二：根据实时更新的白化模型计算系统性能指标η2 。
       在每次计算性能指标时都对at 序列进行自相关检验，通过改变白化模型得到最符合白噪声条件的at 序列。由于at 序列代表了扰动的特性，利用这种方法对控制器性能进行实时评估，at 始终为均值为0 的白噪声，相当于扰动特性不变。若性能指标η2 突然下降，可认为是由于系统特性的改变引起的。
由于性能指标是由实测的输入数据计算得到的，输出的异常波动最终会使由上述两种方法得到的性能指标都下降，但发生性能下降的时间不同。因此，根据异常波动前后两种性能指标下降的先后顺序，就可判断异常波动的原因：1. η1 的变化超前于η2 ，说明扰动特性变化导致了控制性能下降；2. η2 的变化超前于η1 ，说明被控对象特性变化导致了控制性能下降；3. η1 与η2 同时变化，不能判断导致系统异常的原因，需要进一步的分析。

4 除氧器系统的性能评估与故障诊断

图3 除氧器系统控制原理图

      除氧器控制系统原理如图3 所示，它是一个典型的串级系统，其内环控制器的输出为凝结水流量，数据的采样周期为2s，阀门无时滞，由零阶保持器引起的时滞为1。
       电站1 号机组3 号除氧器凝结水信号LCV4207 在1 号机组到达满功率后不久即多次出现报警，具体表现为凝结水流量在几十秒的时间内，由原来的600kg/s 快速上升至790kg/s，然后恢复至正常稳定值。除氧器液位有约15mm 的波动，造成这种异常的原因不明。
       为进行故障诊断，我们利用当天的实测数据对其内环控制器进行了性能评估，在每个采样时刻分别计算由标准白化模型得到的性能指标η1 和由实时更新的白化模型得到的性能指标η2 ，其中标准白化模型由除氧器正常运行时的数据得到。在凝结水流量发生异常波动前后， η1 和η2 的变化趋势如图4 所示。

图4 内环控制器性能指标
      由图4 可以看出，当凝结水流量发生异常波动（约16:16:40）时，η1 与η2 都出现了突然的下降。事实上，在凝结水流量发生异常波动前10 分钟，η1 与η2 都出现了缓慢的下降，其中η2 出现的时间更早，下降更为明显。进一步地， η2 发生明显变化的时间比η1 早一个采样周期。因此，说明控制性能的下降是由于除氧器系统本身特性的变化引起的，而非外部扰动引起。
       电站仪控人员对控制软件、给水变送器及信号回路进行了检查并排除了它们发生问题的可能性，怀疑是阀门的特性发生了改变。采用高阶统计量的分析方法对凝结水泵出口压力及凝结水流量进行了交叉分析，结果表明在凝结水流量异<