核电机组及其故障诊断方法、系统、设备和存储介质

  • 国民经济行业:电力、热力、燃气及水生产和供应业/电力、热力生产和供应业/电力生产/火力发电
  • 学科类别:能源科学技术/能源系统工程
  • 权利人:上海交通大学

知识产权简介

本发明公开了一种基于多尺度特征融合Transformer的核电机组故障诊断方法。针对核电机组传感器数据的高维非线性及多尺度时序特性,本发明采用统一滑动窗口策略,同步提取并生成反映瞬态冲击的瞬时特征序列、反映统计分布的时域特征序列和反映周期性模式的频域特征序列。随后,构建包含三通道并行Transformer编码器的解耦架构,对上述三类异构特征流进行独立的尺度相关建模,以防止噪声在特征提取阶段交叉污染。接着,引入基于门控注意力的动态融合机制,通过自适应评估各通道实时信号的可靠性来分配权重。实验证明,本发明能有效识别并屏蔽受强脉冲噪声污染的特征通道,在极端恶劣工况下仍保持极高的诊断精度。同时,该模型参数量小,能够无缝集成于核电厂分布式控制系统,实现了对关键设备实时、稳健的智能化监测与预警。

转化前景

针对本发明涉及的一种基于多尺度特征融合Transformer的核电机组故障诊断方法,其产出成果可转化为核电厂关键辅机智能状态监测与预警系统,或作为核心诊断引擎嵌入现有的分布式控制系统及边缘计算网关中。该技术通过构建独特的脱耦并行编码架构,打破了传统诊断模型仅依赖单一瞬时特征的局限,实现了对传感器数据中瞬态冲击、宏观统计规律及周期性频率成分的同步深度挖掘。这种多尺度的特征提取方式不仅能精准捕捉突发性异常,亦能有效识别渐进式的设备退化趋势,从而为核电机组的安全运行提供全方位的技术保障。 在技术优势层面,该方法核心在于其卓越的抗干扰能力与自适应融合逻辑。通过三通道并行编码设计,系统能够有效防止原始信号中的高频脉冲噪声在特征提取阶段对稳健的时频特征产生交叉干扰。内置的门控注意力机制可实时评估各特征流的信号质量,在传感器受电磁干扰产生畸变时,自适应降低不可信通道的权重,确保诊断结论始终基于最高质量的数据特征。相比于现有的多尺度结构,这种设计不仅保持了各尺度物理语义的独立性,还极大增强了模型在恶劣工业工况下的决策稳定性,显著降低了虚警率与漏诊率。 在性能与产业化前景方面,该模型呈现出极高的运行效率与高可靠性特征。模型设计充分考虑了工业现场的实时性需求,推理延时极低且参数量级轻盈,能够在不依赖高性能GPU工作站的前提下,流畅部署于标准的工控机或嵌入式计算平台。随着核电行业向智能化运行转型,该专利技术可广泛应用于推动计划检修向状态检修的产业升级,大幅削减非计划停机带来的高额经济损失,延长核心设备使用寿命。此外,该多尺度特征解耦架构具有极强的通用性,具备推广至火电、风电及石油化工等大型旋转机械监测领域的巨大潜力,具有显著的自主可控技术替代价值。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式
预估金额
联系合作