СТРУКТУРА ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ОПЕРАТОРОМ АЭС Текст научной статьи по специальности «Компьютерные и информационные науки»

Информатика, вычислительная техника и управление

DOI 10.36622/^Ти.2021.17.6.001 УДК 621.039.566

СТРУКТУРА ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

ОПЕРАТОРОМ АЭС

М.Е. Ушков, В.Л. Бурковский

Воронежский государственный технический университет, г. Воронеж, Россия

Аннотация: рассматривается структура системы информационной поддержки процессов принятия решений оператором АЭС в оперативных условиях. Анализируются функциональные возможности системы информационной поддержки оператора (СИПО) на примере Нововоронежской атомной электростанции (НВ АЭС). Данная система дает возможность оператору, управляющему распределенным комплексом технологических объектов АЭС, проводить качественный анализ и обработку больших объемов сложноструктурированной информации и принимать своевременные адекватные решения в темпе реального времени. Кроме того, рассматривается объект управления и его структура, приводятся рекомендации, направленные на увеличение функциональных возможностей СИПО на базе искусственных нейронных сетей. Одной из многочисленных функций СИПО является прогнозирование состояния объекта управления на основе реализации программно-технологического комплекса модели энергоблока (ПТК МЭ). Однако существующая модель не способна учесть все факторы, влияющие на производственный процесс. Альтернативой здесь выступает искусственная нейронная сеть, которая в процессе обучения может сформировать искомые зависимости между большим числом параметров объекта управления и получить более полный и достоверный прогноз. Предложена структура искусственной нейронной сети на базе нечёткой системы вывода, которая реализует возможности нейронных сетей и нечеткой логики

Ключевые слова: система информационной поддержки оператора, искусственные нейронные сети на базе нечеткой системы вывода, прогнозирование, безопасность, функциональные возможности

Введение

В соответствии с «Общими положениями обеспечения безопасности атомных станций» НП-001-15 к системе информационной поддержки оператора (СИПО) предъявляются требования, согласно которым персонал блочного пункта управления должен быть обеспечен обобщенной информацией о параметрах АЭС, характеризующих состояние функций безопасности [1]. Однако СИПО может предоставить большие функциональные возможности, в том числе по обеспечению операторов необходимой информацией для качественного и безопасного управления технологическим процессом (ТП). СИПО осуществляет анализ информации для последующего предоставления операторам. В рамках анализа существует возможность прогнозирования состояния технологического процесса. Функция прогнозирования способствует поиску наиболее оптимального решения по управлению энергоблоком.

Технологический объект управления

Технологическим объектом управления является энергоблок НВ АЭС мощностью 1200

МВт, функциональная схема которого приведена на рис. 1.

Автоматизированная система управления технологическим процессом (АСУ ТП) позволяет создать связь на основе технических и программных средств между различными объектами, участвующими в технологическом процессе.

АСУ ТП выполняет функции:

- автоматизированного управления объектами;

- контроля условий протекания ТП;

- автоматического поддержания параметров ТП;

- определения состояния технологических объектов управления;

- предоставления информации операторам при любом состоянии технологического процесса.

Автоматизированная система управления технологическим процессом территориально разделена в зависимости от функциональных особенностей объектов, входящих в её состав. АСУ ТП получает и преобразует примерно 8000 сигналов [2].

Автоматизация технологических объектов АЭС подразумевает наличие квалифицированных специалистов, которые будут обеспечивать качество и безопасность протекания технологического процесса. При этом в процессе принятия решений

© Ушков М.Е., Бурковский В.Л., 2021

Рис. 1. Функциональная схема объекта управления

по выбору команды управления не исключены ошибки, обусловленные человеческим фактором.

Неправильные решения могут обуславливаться:

- большим потоком информации, который вызывает трудности в его анализе даже у специально подготовленного персонала;

- различным психоэмоциональным состоянием персонала, вызванным или нештатной ситуацией (стресс), или рутинной работой (потеря концентрации).

Таким образом, существует необходимость внедрения СИПО во всех режимах эксплуатации. Цель создания СИПО заключается в увеличении эффективности и безопасности управления технологическим процессом. Система уменьшит нагрузку на персонал, осуществляющий управление энергоблоком.

Проблематика функции прогнозирования СИПО

СИПО должна обеспечивать персонал блочного пункта управления важными данными, которые требуются для управления технологическим процессом, при этом уменьшая информационный поток, обрабатываемый человеком.

СИПО должна быть способна предоставлять информацию в режимах нормальной экс-

плуатации, в режимах нарушения нормальной эксплуатации, в режимах проектных и запро-ектных аварий.

СИПО должна обеспечивать предоставление следующих функций:

- обеспечения информирования оператора о состоянии энергоблока путем представления структурированной, оптимизированной и детализированной информации;

- анализа работы технологического оборудования, формирования сигнализации и представления обработанной информации о возникновении разного вида отклонений в работе при эксплуатации с отклонениями;

- определения состояния объектов технологического процесса;

- прогнозирования технологического процесса, предоставления персоналу предложений по оптимальному управлению ТП;

- определения параметров, которые не соответствуют требуемым нормам, выявления причины несоответствия;

- своевременного определения и предоставления предложений по оптимальному способу устранения или уменьшения влияния параметра с выявленным несоответствием на ТП;

- исследования функционирования технологических защит и блокировок;

- наблюдения за операциями, которые выполняет персонал в рамках управления технологическим процессом для предотвращения совершения ошибочных действий;

- оказания помощи персоналу при проведении регламентированных работ [3].

Обобщенная структура СИПО приведена на рис. 3. Данные в СИПО поступают от системы верхнего блочного уровня (СВБУ).

В основу СИПО заложена программная модель энергоблока. Особое внимание стоит уделить функции прогнозирования на базе модели энергоблока, которая должна включать:

- модель нейтронно-физических процессов в активной зоне;

- модель теплогидравлических процессов первого и второго контура энергоблока активной зоны;

- модель электрогенератора и основного электрооборудования энергоблока;

- модели системы контроля и управления.

Модель должна предоставлять возможность исследования процессов при различных режимах эксплуатации.

Рис. 2. Обобщенная структура системы информационной поддержки оператора АЭС

Рис. 3. Структура нейронной сети на базе нечёткой системы вывода

В качестве начальных данных модель энергоблока использует данные, поступающие из АСУ ТП. После обработки начальных данных СИПО предоставляет следующую информацию:

- прогноз изменения состояния ТП, команды управления от персонала при этом не учитываются в течение времени, определяемого глубиной прогноза, которая может составлять от 15 до 30 минут;

- прогноз изменения состояния ТП, при этом учитываются планируемые действия персонала по управлению технологическими объектами.

Описание управляющих воздействий постепенно обновляется в зависимости от текущего этапа вычислений. Для типовой цепочки действий существует возможность применять предварительно разработанный план [4].

Данные, полученные в процессе прогнозирования, должны проверяться на соответствие допустимым значениям. В случае нарушений допустимых значений оператор заметит сигнализацию. Данные, полученные в результате прогноза, могут быть представлены в виде графиков, таблиц, схем.

Функция прогнозирования системы информационной поддержки оператора не может охватить все процессы на производстве. Это обусловлено рядом причин:

- большое количество сценариев протекания технологического процесса, обусловленное различными режимами работы энергоблока;

- программная модель энергоблока не включает всё технологическое оборудование, задействованное на атомной электростанции;

- в модели не используются все технологические параметры, которые учитываются при управлении АЭС.

Увеличение точности прогнозов, а также увеличение количества прогнозируемых процессов объекта управления с большим числом измеряемых параметров и рядом внешних воздействующих факторов, формализованное описание которых отсутствует, является сложной задачей. Однако применение нейронных сетей наряду с программной моделью энергоблока в целях прогнозирования способно приблизить решение этой задачи. Программная модель энергоблока способна предоставить большое количество данных для качественного обучения нейронной сети. В свою очередь, нейронная сеть способна выявить зависимости между входными данными и предоставить результат прогнозирования.

Применение нейронной сети на базе

нечёткой системы вывода в качестве

инструмента для прогнозирования

Применение нейронной сети на базе нечёткой системы вывода обеспечит следующие преимущества:

- возможность учёта при прогнозировании параметров, которые отсутствуют в программной модели энергоблока;

- возможность прогнозирования процессов, программное описание которых отсутствует;

- возможность автоматической настройки параметров нейронной сети.

В качестве входных данных для прогнозирования будут использоваться параметры основного технологического оборудования энергоблока, при необходимости также могут использоваться параметры всего оборудования и процессов, измерение которых осуществляется на АЭС.

На выходе нейронной сети формируется прогноз протекания требуемого технологического процесса.

Для каждого конкретного технологического процесса необходима индивидуальная настройка слоев и правил обработки входных данных, однако принципиально структуры нейронных сетей будут сходны друг с другом. При этом имеется возможность автоматического определения правил при обучении. Возможная структура нейронной сети на базе нечёткой системы вывода с двумя входными наборами данных изображена на рис. 3. Структура определяется в процессе обучения.

Нейронная сеть определяет зависимости между данными в процессе обучения. Благодаря различным методам обучения нейронной сети имеется возможность с достаточной точностью прогнозировать протекание технологического процесса. Одна из главных задач при обучении состоит в сборе данных для обучения, а также их подготовка и нормализация. Для решения это задачи можно использовать как архивные данные системы верхнего блочного уровня, так и данные, полученные от программной модели энергоблока. Достоинством обучения нейронной сети с использованием модели является возможность получения данных в различных режимах эксплуатации АЭС.

Заключение

В данной статье показана роль нейронных сетей при прогнозировании состояния технологического процесса энергоблока в целях увеличения точности прогнозов, а также количества прогнозируемых процессов. Сформулировано предложение об используемой архитектуре нейронной сети, рассмотрены её преимущества.

Литература

1. Федеральные нормы и правила в области использования атомной энергии. Общие положения обеспечения безопасности атомных станций. НП-001-15: утверждены

приказом Ростехнадзора от 17 декабря 2015 г. № 522. С. 27.

2. Головной блок нового поколения - особенности проекта ВВЭР-1200/ В.Г. Асмолов, И.Н. Гусев, В.Р. Казанский, В.П. Поваров, Д.Б. Стацура // Известия высших учебных заведений. Ядерная энергетика. 2017. № 3. С. 5-21.

3. Использование результатов пусконаладочных работ для создания, настройки и валидации системы интеллектуальной поддержки оператора на блоке № 1 Новово-

ронежской АЭС-2/ И.Н. Гусев, Б.Л. Соловьев, В.П. Поваров, A.C. Кужиль, С.П. Падун // Известия высших учебных заведений. Ядерная энергетика. 2017. № 3. С. 45-54.

4. Использование программной модели блока для совершенствования проектных решений и оптимизации управления технологическим процессом / Д.Б. Стацура, М.Ю. Тучков, П.В. Поваров, А.И. Тихонов, С.П. Падун, А.П. Воробьев, М.М. Майорова // Известия высших учебных заведений. Ядерная энергетика. 2020. № 4. С. 37-49.

Поступила 08.11.2021; принята к публикации 15.12.2021 Информация об авторах

Ушков Максим Евгеньевич - аспирант, Воронежский государственный технический университет (394006, Россия, г. Воронеж, ул. 20-летия Октября, 84), e-mail: ushkov.maksim@mail.ru

Бурковский Виктор Леонидович - д-р техн. наук, профессор, Воронежский государственный технический университет (394006, Россия, г. Воронеж, ул. 20-летия Октября, 84), e-mail: bvl@vorstu.ru

STRUCTURE OF THE DECISION SUPPORT INFORMATION SYSTEM BY THE NPP

OPERATOR

M.E. Ushkov, V.L. Burkovskiy

Voronezh State Technical University, Voronezh, Russia

Abstract: we considered the structure of the information support system for decision-making by the NPP operator in operational conditions. We analyzed the functional capabilities of the operator information support system (SIPO) using the example of the Novovoronezh nuclear power plant (NV NPP). This system provides the operator managing the distributed complex of NPP technological facilities to carry out high-quality analysis and processing of large volumes of complex structured information and make timely adequate decisions in real time. In addition, we considered the control object and its structure and made recommendations aimed at increasing the functionality of the SIPO based on artificial neural networks. One of the many functions of the SIPO is to predict the state of the control object based on the implementation of the software and technological complex of the power unit model. However, the existing model is not able to take into account all the factors influencing the production process. An alternative here is an artificial neural network, which in the learning process can form the required dependencies between a large number of parameters of the control object and get a more complete and reliable forecast. The proposed structure of an artificial neural network based on a fuzzy inference system, which implements the capabilities of neural networks and fuzzy logic

Key words: operator information support system, ANFIS, prognostication, safety, functionality

References

1. "Federal rules and regulations in the field of atomic energy use. General provisions for ensuring the safety of nuclear power plants" ("Federal'nye normy i pravila v oblasti ispol'zovaniya atomnoy energii. Obshchie polozheniya obespecheniya bezopasnosti atomnykh stantsiy") NP-001-15: approved by order of Rostekhnadzor dated December 17, 2015 no. 522, pp. 27.

2. Asmolov V.G., Gusev I.N., Kazanskiy V.R., Povarov V.P., Statsura D.B. "New generation first-of-the kind unit - VVER-1200design features", News of Higher Educational Institutions. Nuclear Energy (Izvestiya vuzov. Yadernaya Energetika), 2017, no. 3, pp. 5-21.

3. Gusev I.N., Solov'yev B.L., Povarov V.P., Kuzhil' A.S., Padun S.P. "Using pre-commissioning results to develop, adjust and validate the operator intelligent support system at unit no. 1 of Novovoronezh NPP II", News of Higher Educational Institutions. Nuclear Energy (Izvestiya vuzov. Yadernaya Energetika), 2017, no. 3, pp. 45-54.

4. Statsura D.B., Tuchkov M.Yu., Povarov P.V., Tikhonov A.I., Padun S.P., Vorob'yev A.P., Mayorova M.M. "Using the unit simulation model to improve design solutions and optimize process management", News of Higher Educational Institutions. Nuclear Energy (Izvestiya vuzov. Yadernaya Energetika), 2020, no. 4, pp. 37-49.

Submitted 08.11.2021; revised 15.12.2021

Information about the authors

Maksim E. Ushkov, graduate student, Voronezh State Technical University (84 20-letiya Oktyabrya str., Voronezh 394006, Russia), e-mail: ushkov.maksim@mail.ru

Viktor L. Burkovsky, Dr. Sc. (Technical), Professor, Voronezh State Technical University (84 20-letiya Oktyabrya str., Voronezh 394006, Russia), e-mail: bvl@vorstu.ru