基于动态不确定因果图的概率安全评价新方法研究

Probabilistic safety assessment (PSA) is very important for large, complex systems like nuclear power plants. So far, PSA has been mainly based on event trees and fault trees, which means to construct event trees for all individual initiating events, along with relevant fault trees. But these trees may not be independent of each other, logic cycles may exist among or within them, causalities are assumed as deterministic and 2-state, resulting in biases from reality and optimistic estimates. Moreover, this approach means a large amount of work, many repeats, less integrity, and imperfectness in theory. Dynamic Uncertain Causality Graph (DUCG) is a new probabilistic graphical model in artificial intelligence originally presented by the applicant. It has been successfully applied to fault monitoring, forecasting, diagnoses, predictions and decision supports for large, complex systems such as nuclear power plants, chemical plants and space crafts. The finished experiments show that the correct rate of DUCG is 100%. This project plans to do four researches: 1. The construction of the related theory and algorithms; 2. Hand calculations to verify the theory and algorithms; 3. Development of software systems to implement this new approach; 4. Real case study for engineering verification based on nuclear power plants. The proposed research project is based on the high temperature gas cooling reactor of Tsinghua University, and therefore is of ideal research condition.

核电站等大型复杂系统概率安全评价PSA非常重要。目前采用的PSA方法主要基于事件树和故障树，要对每一个初因事件建造事件树，每棵事件树关联若干故障树。这些事件树和故障树彼此未必独立、可能存在逻辑循环，因果关系被假定为确定的和二态的，导致评估结果可能偏离实际且偏乐观。此外，这种方法工作量大，重复性多，整体性不强，理论不严谨。动态不确定因果图（DUCG）是申请人原创的一种概率图人工智能理论模型，已成功用于核电、化工、航天等大型复杂系统的在线故障监测、预报、诊断、预测和决策支持。已完成的实验结果正确率100%。本项研究拟将DUCG理论用于PSA分析，以克服现有方法之不足，是本领域的一项开创性技术方案，具备严谨的理论基础。本项目拟开展四项研究：1、理论和算法构建；2、手算算例验证；3、开发实现本理论的系统软件；4、核电站工程实例验证。本项目以清华核研院高温气冷堆为验证对象，具备理想的研究条件。

概率安全评估（PSA）已成功用于评估核电站等大型复杂工业系统的可靠性、安全性。然而传统事件树+故障树的PSA方法难以处理逻辑循环、不确定因果关系，而且在模型增大时求解难度加大。本研究将动态不确定因果图（DUCG）理论引入PSA领域，提出了采用DUCG进行PSA计算的框架，进行了相应的理论、算法和应用研究，解决了基于事件树、故障树的PSA方法不能有效处理逻辑循环、逻辑不确定性和部件多互斥状态等局限，能够更加符合实际地描述和更加精确地计算PSA问题。根据对象中拓扑结构、参数来源的不同，本研究提出了转化建模、直接建模、机器学习建模及混合建模四种建立PSA模型的方法并探讨了各自的优缺点及适用性。就核电站而言，已存在大量已经建立的事件树、故障树模型，且故障数据较少。故采用转化建模法建立基于DUCG的PSA模型能够避免额外的工作量。进而，本研究分别提出了将事件树、故障树映射为DUCG模型的方法，其步骤皆可分为事件映射、数值映射和逻辑映射三步。将映射后的DUCG子图合成为完整的DUCG，可删除重复表达、降低模型规模、便于发现模型中的依赖关系、逻辑循环和可能存在的矛盾，从而减少建模错误。利用DUCG的算法优势，可处理多态、概率依赖、逻辑循环、共因失效等问题。本研究还提出了利用DUCG-PSA模型和算法计算重要度等。.针对组合爆炸问题，本研究在采用不交化算法的同时，提出了预处理、映射、模块化、条件独立分解的计算流程，包括在预处理和映射中将输入的事件树、故障树化简后转化为对应的DUCG模型，有效提高了计算效率。在含逻辑循环的情况下，提出了对应的模块化算法。对于因大量重复事件而无法模块化的模型，提出了利用香农分解拆分模型的算法。提出了递归调用模块化和条件独立分解的步骤，充分节省计算量。.基于上述理论，采用C#编程语言、WinForm和Access，初步开发了DeRisk软件。两个真实案例初步显示了其实用性。.以DUCG精确计算为参照，沸水堆案例显示国际流行的Risk-Spectrum的计算误差可达-9%到+305%；AP1000案例显示两者结果相同，验证了DUCG-PSA理论和DeRisk软件的正确性。.毕业博士生两名，硕士生一名，出站博士后一名。