Identification of current states of the main circulation pumps at NPPs

The paper presents a universal approach (not based on specific degradation laws) to identifying the current states of NPP technological systems. A fragment of the technological system is analysed in the space of diagnostic features (parameters) with a dominant criterion. The system boundary of the selected fragment is the surface formed by the normative restrictions on the values of diagnostic features. A probabilistic mapping of the system is constructed in a unit hypercube on the time series of parametric monitoring to represent its evolution in terms of degradation (movement towards normative boundaries). The constructed virtual (possible digital) image of the system is approximated by a Kolmogorov-Gabor polynomial which is used as an extrapolator. The predictive capabilities of the approach are investigated for a real object: «The Oil System of the Main Circulation Pump (MCP)». The methodology is a simplified version of multidimensional statistical analysis, where the multidimensional distribution function of parameters is not normal and cannot be restored in real time. The classical theory is replaced by the task of identifying one-dimensional empirical distribution functions of diagnostic feature measurements in space. The method has proven itself well in cases of degradation such as wear, ageing, deposit formation, and surface erosion. The ability to predict instantaneous failures (limit exceedance jumps) is implemented based on disturbances in the corresponding distribution functions. The method requires a large amount of statistical material, so it is preferable for monitoring stationary modes of equipment operation or processing archives. It is expected to be used in programming «observers» to monitor the development of abnormal situations and training neural networks.

1. Белоусов П.А., Скоморохов А.О. Разработка и применение методов обнаружения свойств и прогнозирования временных рядов в задачах диагностирования АЭС. Известия вузов. Ядерная энергетика. 2006;3:3–12. Режим доступа: https://static.nuclear-power-engineering.ru/journals/2006/03.pdf (дата обращения: 23.06.2025).

2. Скоморохов А.О. Многомерные статистические методы диагностики аномальных состояний ЯЭУ Автореферат диссертации на соискание ученой степени доктора технических наук, специальность 05.14.03 Ядерные энергетические установки, включая проектирование, эксплуатацию и вывод из эксплуатации. Обнинск: ИАТЭ НИЯУ МИФИ, 2011. 42 с. Режим доступа: https://openrepository.mephi.ru/entities/publication/2ea35e2a-9716-4260-a8fd-80609a8dec56 (дата обращения: 23.06.2025).

3. Вьюгин В.В. Математические основы машинного обучения и прогнозирования. Москва: МЦНМО, 2021. 399 с. Режим доступа: https://rusneb.ru/catalog/000199_000009_012656764/?ysclid=mht76myhjb638045114 (дата обращения: 23.06.2025).

4. Андрушенко С.А., Афров А.М., Васильев Б.Ю., Генералов В.Н. и др. АЭС с реактором типа ВВЭР-1000. От физических основ эксплуатации до эволюции проекта. Москва: Логос, 2010. 604 с. Режим доступа: https://elib.biblioatom.ru/text/andrushechko_aes-s-reaktorom-vver-1000_2010/p4/ (дата обращения: 27.06.2025).

5. Лескин С.Т., Слободчук В.С., Шелегов А.С. Анализ состояния ГЦН ВВЭР-1000 в процессе эксплуатации. Известия вузов. Ядерная энергетика. 2016;4:12–22. Режим доступа: https://doi.org/10.26583/npe.2016.4.02 (дата обращения: 27.06.2025).

6. Сысоев Ю.С., Бекетов В.Г., Симакова Н.А. Алгоритм прогнозирования дрейфа температур маслосистемы ГЦН блока АЭС с реактором ВВЭР-1000. Глобальная ядерная безопасность. 2016:3(20):57–63. Режим доступа: http://gns.mephi.ru/sites/default/files/journal/file/ru.2016.3-5_0.pdf (дата обращения: 27.06.2025).

7. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. Москва: Физматлит, 2006. 816 с. Режим доступа: https://search.rsl.ru/ru/record/01002917693?ysclid=mhuux5jmz0342013706 (дата обращения: 09.07.2025).

8. Добронец Б.С., Попова О.А. Вычислительный вероятностный анализ: модели и методы.Монография. Красноярск: Сибирский федеральный университет, 2020. 236 с. Режим доступа: http://www-sbras.nsc.ru/interval/Library/ApplBooks/DobronetsPopova-2020.pdf (дата обращения: 09.07.2025).

9. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. Москва: Радио и связь, 1987. 117 с. Режим доступа: https://search.rsl.ru/ru/record/01009967610?

10. ysclid=mi4vzzumpo278492159 (дата обращения: 09.07.2025).