《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Quantitative impact analysis of environmental factors on frequency of support system initiating event in risk monitor of nuclear power plant
编辑推荐：
摘要核电站的风险监测系统会运用基于实时概率安全评估开发的在线风险模型，来量化在特定触发事件发生时的电站整体风险水平，从而为运营和维护决策提供支持。支持系统触发事件是一种不可或缺的触发事件类型，其发生频率需要被合理量化，作为风险监测系统的关键输入数据。传统的定量分析方法，如故障树分
摘要
核电站的风险监测系统会运用基于实时概率安全评估开发的在线风险模型，来量化在特定触发事件发生时的电站整体风险水平，从而为运营和维护决策提供支持。支持系统触发事件是一种不可或缺的触发事件类型，其发生频率需要被合理量化，作为风险监测系统的关键输入数据。传统的定量分析方法，如故障树分析以及运行数据的统计分析，无法充分体现时间相关因素的影响，比如设备停机、维护活动以及瞬时环境条件，因此这类方法得出的频率估算往往与实际电站运行情况存在偏差。本文提出了一种结合设备可靠性预测与蒙特卡洛模拟的定量方法，用于估算支持系统触发事件的频率。该方法首先利用从可靠性测试中得到的经验公式，建立环境因素与设备可靠性之间的关联关系，再将这些关系纳入蒙特卡洛模型中，该模型能够在多种运行配置下模拟设备状态的变化，进而得出环境因素对应的支持系统触发事件频率。通过对某核电站服务水系统的案例研究，结果表明该方法能够为动态更新风险监测系统中的支持系统触发事件频率提供可靠的输入数据。
引言
从风险管理的角度出发，配置风险管理已被纳入核电站运营和维护的常规优化工作中[[1], [2], [3]]。在实际应用中，它是通过风险监测系统来实现的，该系统会结合在线风险模型以及结构、系统及组件状态的最新信息，来评估电站的整体风险水平，并为运营和维护工作提供决策支持。在线风险模型源自实时概率安全评估模型，其主要目标是针对多种可能的触发事件，描述潜在的事故场景和放射性物质释放后果，进而判断电站的风险水平是否始终处于预先设定的可接受范围内[4]。在这一框架下，触发事件是在线风险评估的起点，其发生频率作为基础输入数据，会对风险评估的结果产生重要影响。
触发事件可能会干扰电站的正常运行，若未能得到妥善处理，还可能导致核心损坏或放射性物质泄漏等严重后果。在风险监测系统中需要特别关注的触发事件类型，是那些由支持系统故障引发的事件，即支持系统触发事件[5]，比如服务水供应中断、通风系统故障或仪表电源故障等。由于不同核电站及其外部环境的差异，风险模型中对应触发事件的频率通常是通过系统可靠性建模而非通用数据库来确定的[6,7]。与设计阶段进行的风险评估不同，这些系统的可靠性和可用性会随着运行条件、维护状态以及外部环境因素的变化而发生变化，因此风险监测系统必须采用合适的建模方法来捕捉这些影响因素，确保模型与电站的实际运行状态保持一致。
要量化支持系统触发事件的频率，需要考虑多个方面：（1）设备或机组停运情况；（2）故障设备的维修与恢复工作；（3）不同的运行配置；（4）可能降低系统性能的瞬时环境条件[5]。目前用于系统可靠性建模的定量方法主要有故障树分析[[5], [6], [7]]、蒙特卡洛模拟[[8], [9], [10], [11], [12], [13]]、动态贝叶斯网络[14]以及马尔可夫链[15]等。由于相对简单易用，故障树分析和蒙特卡洛模拟在实践中被广泛使用。故障树分析是一种基于布尔逻辑的方法，非常适合用于评估在预设配置下的系统可靠性，而其动态行为通常是通过为若干典型配置分别建立故障树模型来描述的[16]。不过，用故障树分析得出的触发事件频率往往与实际运行数据存在偏差，无法准确反映电站的真实运行情况。蒙特卡洛模拟则具备处理时间相关因素的能力，能够模拟实际运行情况，因此在量化支持系统触发事件频率时，尤其是对于复杂系统而言，更具优势。但据我们所知，现有的定量方法并未系统地考虑环境因素对支持系统触发事件频率的影响，往往依赖专家的经验判断[17]。随着传感器技术的发展，以预测与健康管理为代表的数据驱动方法也被引入风险评估体系，用于分析组件层面的可靠性退化情况[[18], [19], [20], [21], [22]]。而且这种融合的趋势还在不断发展，逐渐形成了数据驱动方法与物理模型驱动方法的结合方式[23]，最终甚至实现了电站系统的数字孪生[24]。对于风险监测系统而言，有必要借鉴这些方法，思考如何应对电站中常见的故障数据不足甚至缺失的情况。
基于上述考虑，本文提出了一种结合设备可靠性预测与蒙特卡洛模拟的定量分析方法，用于估算支持系统触发事件的频率。设备可靠性预测可以通过拟合可靠性测试数据，建立环境因素与不同类型机械组件的故障率之间的关联关系[25]。首先利用这些关联关系，评估可用于风险监测的环境因素对设备可靠性的影响，然后再通过蒙特卡洛模拟来模拟设备状态、维护策略以及其他运行特征，将设备可靠性参数与支持系统触发事件频率建立联系。通过这种方式，就可以结合这两种关联关系，准确把握环境因素对支持系统触发事件频率的影响。此外，该方法还能考虑时间相关因素，为风险监测系统中的在线风险评估提供更真实的输入数据。文章还通过某核电站服务水系统的案例研究，对该方法进行了验证。
本文的其余部分结构如下：第2节介绍了量化环境因素对支持系统触发事件频率影响的方法论框架，这类影响可分为两部分：环境因素对设备可靠性参数的影响，以及设备故障率对支持系统触发事件频率的影响。第3节将该方法应用于一个简化的服务水系统，估算服务水供应中断的频率，并验证该方法的有效性。第4节对全文进行总结，同时探讨未来研究的方向。
章节要点
方法论框架
支持系统触发事件是由支持系统故障引发的。为了建立环境因素与这些事件之间的关联，首先需要明确环境因素与设备故障之间的联系。通过可靠性测试，人们已经得到了各类组件在不同环境因素作用下的故障率经验公式[25]。作为所提方法的一部分，该方法会利用这些公式筛选出关键的环境因素，从而
服务水系统
在核电站中，服务水系统负责将相关系统运行过程中产生的热量通过冷却设备冷却水系统传递到最终的散热装置，因此对确保电站正常运行具有极其重要的意义。图3展示了一个简化的服务水系统结构。
该服务水系统由两套满容量运行的给水泵、阀门、热交换器及相关管道组成，所有设备共享同一个冷却池。每套给水泵系统都包含一台泵和
结论
本文通过整合设备可靠性预测、基于Sobol方法的全局敏感性分析以及蒙特卡洛模拟，提出了一种定量方法，用于确定运行环境因素与支持系统触发事件频率之间的关系。该方法可以与风险监测系统结合使用，实现触发事件频率的动态调整。它能够识别出最具影响力的单个参数及其交互效应，并对这些效应进行量化
未引用参考文献
[[33], [34], [35], [36], [37]]。
图4、图5、图7、图9、图11、图13，表4、表6。
未来的研究将重点关注以下两个方向。
- (1)
将会引入时间相关的退化模型，用来描述与运行时间相关的参数变化情况。目前的可靠性预测框架已经通过振动水平、表面光洁度等与运行条件和环境相关的参数，部分考虑了退化效应，而这些参数的变化会影响
数据说明
本文所使用的数据均已在相关参考文献中公布，可供查阅。
CRediT作者贡献说明
彭鹏程：论文撰写——初稿撰写、软件应用、方法设计、实验研究、形式化分析、数据整理。赵洪儒：论文撰写——审阅与编辑、方法设计、实验研究、形式化分析。赵军：论文撰写——审阅与编辑、项目监督、方法设计、数据整理、概念构建。童杰娟：论文撰写——审阅与编辑、项目管理工作、资金申请、概念构建。
彭鹏程|赵洪儒|赵军|童杰娟
