ПРИМЕНЕНИЕ ИЕРАРХИЧЕСКОЙ АГЛОМЕРАТИВНОЙ КЛАСТЕРИЗАЦИИ ДЛЯ СОЗДАНИЯ БИБЛИОТЕКИ БАЗОВЫХ КЛАССОВ АКУСТИЧЕСКИХ СОБЫТИЙ РЕАКТОРНОЙ УСТАНОВКИ С ВВЭР 1000/1200

В реакторных установках с водо-водяным энергетическим реактором (ВВЭР) возможно появление в главном циркуляционном контуре (ГЦК) свободных, слабозакрепленных и посторонних предметов, представляющих угрозу целостности оборудования и безопасности РУ. С целью раннего обнаружения этих предметов РУ оснащается системой обнаружения свободных/слабозакрепленных предметов (СОСП). Помимо обнаружения свободных/слабозакрепленных предметов, в функции СОСП входит классификация зарегистрированных событий. Возможность применения алгоритма классификации основывается на том, что сигналы от срабатывания штатного оборудования отличаются большой степенью повторяемости, даже при наличии шума, в то время как свободный предмет характеризуется большим стохастическим компонентом и для него не может быть сформирован свой детерминированный класс. Классификация уменьшает число ложных тревог, позволяя выделить сигналы от штатных операций, при этом сигналы от одного процесса должны быть отнесены к одному классу. Идея статьи заключается в том, чтобы «обучить» СОСП на некотором архиве данных, характеризующих штатное функционирование РУ, создать библиотеку «базовых» классов и выставить границы каждого класса так, чтобы, с одной стороны, учесть возможную вариабельность параметров сигналов вследствие шума. Определив базовые классы, мы можем утверждать, что, если вновь поступивший сигнал попадает в один из классов, то он отражает штатное функционирование РУ, в то время как сигналы, не попавшие ни в один из классов, могут быть следствием появления свободного/слабозакрепленного предмета. В статье проанализировано множество событий, накопленных в архиве одной из действующих СОСП. Произведена их кластеризация, в результате чего выделены классы событий, соответствующие штатным технологическим операциям. Для каждого класса вычислен центр класса и допустимые границы отклонений от центра. Все полученные центры классов представляют собой эталоны, по которым СОСП в реальном времени либо классифицирует вновь обнаруженное событие, либо характеризует его как «неклассифицированное».

1. Центр диагностики «Диапром». Сопровождение эксплуатации. – URL: http://www.diaprom.com/about/operation (дата обращения: 21.11.2022).

2. Центр диагностики «Диапром». Система обнаружения свободных предметов в главном циркуляционном контуре ВВЭР-1000 (СОСП). – URL: http://www.diaprom.com/projects/?p=2 (дата обращения: 21.11.2022).

3. Аркадов, Г.В. Системы диагностирования ВВЭР / Г.В. Аркадов, В.И. Павелко, Б.М. Финкель. – Москва : Энергоатомиздат, 2010. – 391 с.

4. Воронов, А.В. Опыт использования систем обнаружения свободных и слабозакрепленных предметов в контуре циркуляции теплоносителя реакторных установок Нововоронежской АЭС / А.В. Воронов, М.Т. Слепов // Известия вузов. Ядерная энергетика. – 2022. – № 2. – С. 15-26.

5. Максимов, И.В. Метод локализации удара для системы обнаружения свободных предметов в контуре циркуляции теплоносителя реакторных установок с ВВЭР / И.В. Максимов, В.В. Перевезенцев // Известия вузов. Ядерная энергетика. – 2019. – № 4. – С. 28-38.

6. Центр диагностики «Диапром». «Молоток импульсный ИМ-1». – URL: http://www.diaprom.com/products/?p=14 (дата обращения: 21.11.2022).

7. Чабан, Л.Н. Теория и алгоритмы распознавания образов / Л.Н. Чабан. – Москва : Московский государственный университет геодезии и картографии, 2004. – 70 с.

8. Аркадов, Г.В. Кластеризация акустических событий в главном циркуляционном контуре реакторной установки с ВВЭР-1000/1200, обусловленных штатными технологическими операциями / Г. В. Аркадов, И. В. Трыкова, К. И. Коцоев // Глобальная ядерная безопасность. – 2022. – № 3(44). – С. 43-55.

9. Jain, A.K. Algorithms for Clastering Data / A.K. Jain, R.C. Dubes– Englewood Cliffs (NJ): Prentice-Hall, 1988. – 304 р.

10. Implementing Agglomerative Clustering using Sklearn – URL: https://www.geeksforgeeks.org/implementing-agglomerative-clustering-using-sklearn/ (дата обращения: 21.11.2022).

11. Жамбю, М. Иерархический кластер-анализ и соответствия / М. Жамбю – Москва : Финансы и статистика, 1988. – 345 с.

12. Древовидная схема. – URL: https://ru.wikipedia.org/wiki/Древовидная_схема (дата обращения: 21.11.2022).

13. Sneath, P.H.A. Numerical taxonomy: The principles and practices of numerical classification / P.H.A. Sneath, R.R. Sokal – San-Francisco: Freeman, 1973. – 573 p. (in English).

14. Ward J.H. Hierarchical grouping to optimize an objective function / J.H. Ward // J. of the American Statistical Association. – 1963. V.58. Р. 236-244.