ATOMERŐMŰVI ZAJDIAGNOSZTIKAI MÉRÉSEK JELEINEK VIZSGÁLATA ÉS KOMBINÁLT MINŐSÍTÉSE
PhD értekezés
Kiss Sándor
BME Nukleáris Technikai Intézet KFKI Atomenergia Kutatóintézet
Budapest, 2003
Cím:
Atomerőművi zajdiagnosztikai mérések jeleinek vizsgálata és kombinált minősítése
Kivonat – A dolgozat az atomerőművi zajdiagnosztikai mérésekhez kapcsolódó mérési és detektálási problémákkal, valamint a reaktorspecifikus jelminősítési lehetőségekkel foglalkozik. A dolgozat első felében a zajdiagnosztikai célra használt üzemi detektorok mérési tulajdonságait tárgyaljuk. Mivel a jel dinamikai tulajdonsága – a detektor átviteli tulajdonságain túl – a detektort és a detektor szerkezeti elemeit érő intenzív sugárzástól, valamint az adott mérési elrendezéstől is függ, ezért ezeket a tényezőket összefüggéseikben vizsgáljuk. Ennek során részletesen foglalkozunk a kompenzálatlan kábelű β-emisszi- ós detektorok frekvenciaátviteli tulajdonságával is.
A dolgozat második felében olyan eljárásokat és módszereket sorakoztatunk fel, amelyekkel a jel hitele- sítése a reaktor üzeme alatt végezhető el. Ezt a nagyszámú, különféle célú vizsgálati eljárást egy rugal- masan alakítható struktúra segítségével egységes rendszerbe foglaljuk. A kidolgozott minősítő rendszer- ben az egyedi vizsgálati eljárások minősítő értékeket állítanak elő, melyekből az alkalmazott döntési struktúra összegzési mechanizmusa egy végső minősítési értéket képez.
Címfordítás:
Investigation and Combined Validation of Noise Signals Measured in Nuclear Power Plants
Abstract – The thesis deals with measurement and detection problems associated with noise diagnostics measurements performed in nuclear power plants, as well as with possible reactor specific signal validation methods. In the first part the measurement features of operating detectors used for noise diagnostics purposes are dealt with. Signal characteristics of detectors may be significantly influenced, besides the transfer properties of the detector, by the geometrical properties of the measuring arrangement and by the radiation, therefore these features are investigated collectively. In connection with this, the transfer property of the uncompensated Self Powered Neutron Detector (SPND) is examined in detail.
In the second part a special emphasis is put on the methods and practices of signal validation procedures that can be carried out during reactor operation. Taking into account the great number of available methods, a general scheme has been elaborated that can be adapted to a wide range of different requirements. Individual validation methods produce reliability/validity values. These individual validity values are combined into a final judgement by using a summation mechanism based on the applied decision structure.
Megjegyzés
A dolgozat bírálatai és a védésről készült jegyzőkönyv a későbbiekben a BME dékáni hivatalában megte- kinthetők.
Bevezetés ...1
1. A dolgozat előzményei és célkitűzései ... 2
1.1. Atomerőművi jelek hitelesítésének áttekintése... 2
1.2. A reaktor diagnosztizálásakor használt zajdiagnosztikai és zajjel-hitelesítési módszerek ... 5
1.3. A dolgozat célkitűzései... 7
2. A zajvizsgálatok során használt eszközök, jelek és eljárások áttekintése...10
2.1. A paksi zajdiagnosztikai jelkicsatolás felépítése ...10
2.2. A reaktor és a primer kör zajdiagnosztikai célra elérhető jelei...13
2.3. Mintavételezés ...14
2.4. Alapvető zajdiagnosztikai feldolgozási módszerek ...15
2.5. A detektorok tulajdonságainak áttekintése ...17
2.5.1. Az ionizációs kamrák...17
2.5.2. A zónán belüli neutrondetektorok...19
2.5.2.1 Az SPND detektorláncok...19
2.5.2.2. A hűtőközeg sebességének becslése neutronzajjelekből ... 27
2.5.2.2.1. Terjedő perturbációk vizsgálata... 27
2.5.2.2.2. A korreláció alapú sebességbecslés ... 29
2.5.2.3. Az SPND láncok modellezése ... 30
2.5.2.3.1. Az SPND láncok egyszerűsített modellezése ... 31
2.5.2.3.2. Egydimenziós reaktormodellen alapuló zajszimuláció... 35
2.5.2.4. Mért zajdiagnosztikai idősorok korrekciója... 37
2.5.2.5. Az SPND detektorlánc vizsgálatának összefoglalása ... 41
2.5.3. Termoelemek ... 42
2.5.4. Vibrációs- és nyomásjelek ... 44
3. Jelminősítés... 46
3.1. A zajforrás, azaz a mért rendszer minősítése... 47
3.1.1. DC jelek (értékek) vizsgálata... 47
3.1.2. Az üzemviteli információk felhasználása a minősítésben ... 48
3.2. Az elektronikai mérőlánc vizsgálata és minősítése... 49
3.2.1. A mérőlánc tesztelése vezérelhető jelgenerátorral... 49
3.2.2. Automatikus erősítésállítás ... 50
3.2.3. Referenciacsatorna alkalmazása és vizsgálata ... 51
3.2.4. Az idősorok vizsgálata (Time Domain Analysis)... 54
3.2.4.1. Az időjeltranziensek egyedi vizsgálata... 55
3.2.4.2. Az egyváltozós autoregresszióval összekapcsolt SPRT módszer... 56
3.2.4.2.1. A módszer leírása... 56
3.2.4.2.2. A kísérlet összeállítása... 59
3.2.4.2.3. Kísérleti eredmények ... 61
3.2.4.2.4. Az UAR+SPR vizsgálatának összefoglalása ... 66
3.2.4.3. Csoportos vizsgálat (a tranziensek egyidejűségének vizsgálata)... 66
3.3. Detektorminősítés ... 67
3.3.1. Az időállandó vizsgálata... 67
3.3.1.1. Az időállandó számítási módszere... 68
3.3.1.2. A számítási eljárás vizsgálata ... 71
3.3.1.3. Konklúzió... 76
3.3.2. Spektrumvizsgálatok... 77
3.3.2.1. Neurális háló... 77
3.3.2.1.1. Neurális háló gyakorlati alkalmazása spektrumosztályozásra ... 78
3.3.2.1.2. A tanuló- és tesztadatbázis létrehozása... 78
3.3.2.1.3. A neurális háló tanítása... 81
3.3.2.1.4. A spektrumfelismerés ... 82
3.3.2.1.5. A neurális háló alkalmazási próbájának összefoglalása ... 82
3.3.2.2. Tapasztalati (szakértői) spektrumvizsgálat ... 82
3.3.3. Koherencia (korreláció) alapú vizsgálat ... 84
3.3.4. Tendenciafigyelés ... 85
3.3.5. Műszeres detektorvizsgálat... 87
4. A kombinált jelhitelesítési eljárás... 89
4.1 Az egyszerű döntési módszereken alapuló minősítési struktúrák és kiértékelésük ... 89
4.1.1. A jelen belüli vizsgálat felépítése ... 90
4.1.2. A jelek közötti kapcsolatot is figyelembe vevő vizsgálat felépítése... 91
4.1.3. A kiértékelés menete... 91
4.2. Alkalmazási próba a jel minősítésére ... 93
4.2.1. A zajforrás minősítése ... 94
4.2.2. Az elektronikai lánc minősítése... 96
4.2.3. A detektor tulajdonságaira és környezetére jellemző zajtényezők vizsgálata. Detektor- hitelesség...101
4.4.4. A vizsgálati módszerek eredményeinek összegzése ...102
5. Összefoglaló ...105
6. Summary...106
7. Irodalom...107
8. Köszönetnyilvánítás...112
9. Rövidítések ...113
10. Publikációs lista ...114
11. Nyilatkozat...117
Bevezetés
A zajdiagnosztikai módszerek alkalmazása a paksi erőmű négy VVER-440/2131 típusú reaktorának vizsgálatára a KFKI AEKI-ben már az erőmű indításakor elkezdődött. A beépített mérőrendszerek első elemei a négy blokkra telepített PDR-PDA diagnosztikai láncok voltak, melyek lehetőséget biztosítottak néhány kiválasztott ex-core, in-core, nyomás és vibrációs detektor zajjelének megmérésére [1]. A mérő- láncokon 1993-ig zajlottak „off-line” (magnetofonra rögzített) mérések, melyek az AEKI-ben kerültek feldolgozásra. Az AEKI és a VEIKI az AEKI szervezésében 1992-ben a kalinyini erőműbe szállított egy komplex zajdiagnosztikai rendszert [2], amely elöregedéséig sikeresen működött. 1993-ban az AEKI a paksi erőmű 3. és 4. blokkjaira kiépítette a kalinyini rendszer Paksra adaptált változatát, a CARD diagnosztikai rendszereket, melyek 1996-ig folyamatosan üzemeltek. 1992-ben megkezdődött a PDR- PDA szekrények kiváltása a VERONA [3, 4, 5] zajdiagnosztikai kicsatolásokkal. Ezek teljes beüze- melése ez idáig csak a 4. blokkon történt meg, a többi blokkon csak részlegesen valósult meg. Az AEKI a 90-es évek elején elkezdte a JEDI zajdiagnosztikai rendszer [6] fejlesztését, de az ipari körülmények közé szánt változatnak a kidolgozását megrendelés hiánya miatt 1997-ben abbahagyta. Jelenleg az erőműben a felsorolt három rendszer hardver- és szoftvermoduljainak a keveréke használatos.
A nemzetközi tapasztalatok szerint a zajdiagnosztika használatával több esetben sikerült olyan elvál- tozásokat feltárni, amelyek később komolyabb problémákhoz vezethettek volna, vagy olyan információt nyújtani, amely a költségek csökkenését eredményezte [7]. Olyan súlyos esemény is ismert, amely már egyszerűbb zajdiagnosztikai megoldások alkalmazásával időben felderíthető lett volna (a zónatartó kosár mozgása a greifswaldi erőműben [7]). A paksi zajdiagnosztika helyzete az elmúlt két évtizedben hullámzóan alakult. A módszer újdonságából eredő hajtóerőnek köszönhetően a kezdeti időszakban a diagnosztikai tevékenység folyamatosan fejlődött, majd 1996-ban – a paksi diagnosztikai tevékenység leállításával, ami részben a megelőző időszak viszonylagos eseménytelenségével magyarázható – mélypontra került. Az ezt követő – és a megelőző időszakhoz képest aggasztóbb, a reaktor biztonságát potenciálisan veszélyeztető – események (pl. kazettaeltömődés, idegen test jelenléte, SZBV beszorulás) következtében a zajdiagnosztikai tevékenység fokozatosan feléledt, és hasznos információkkal szolgált a felmerült rendellenességek kivizsgálásában [8]. Az iparági tapasztalatok szerint az élettartamuk felénél idősebb reaktorok esetén a technológiai folyamat és a rendszerkomponensek monitorozása nagyobb hangsúlyt igényel. Paks vonatkozásában a tervbe vett átalakítások, nevezetesen
az élettartam meghosszabbítása, a teljesítmény növelése és
az új típusú fűtőelemek bevezetése
további indokokat adnak a diagnosztikai fejlesztésekre. Ezen projektek megvalósítása esetén olyan új vagy továbbfejlesztett, on-line monitorozó rendszer kifejlesztése válik szükségessé, amely nagyobb kapa- citású adatgyűjtő és jelvizsgálati képességekkel rendelkezik. Ehhez kapcsolódóan szükségesnek látszik a jelenlegi zajdiagnosztikai rendszerek fokozatos rekonstrukciója is.
A dolgozat egyik célja, hogy olyan eredményekkel szolgáljon, amelyek közvetlenül hasznosíthatók az elkövetkezendő zajdiagnosztikai rendszerépítések, illetve -fejlesztések során, ezért a rendszer- fejlesztésben közvetlenül felhasználható, a reaktorra jellemző mérési és detektálási problémákat, valamint a reaktorspecifikus jelminősítési lehetőségeket járja körül, míg a reaktorban zajmódszerekkel felderíthető jelenségekkel csak érintőlegesen foglalkozik.
1 A közismert és a gyakran használt rövidítések jegyzéke külön fejezetben a dolgozat végén található.
1. A dolgozat előzményei és célkitűzései
1.1. Atomerőművi jelek hitelesítésének áttekintése
Az atomerőművek üzemeltetése sok potenciális veszélyt rejt magában, ezért a kezdetektől fogva nagy erőket fordítottak a reaktor működési biztonságának fokozására. A biztonságos üzem megvalósítása több pilléren nyugszik. Az egyik a reaktor inherens biztonsága. Ekkor a reaktort úgy tervezik és építik meg, hogy egy esetleges üzemzavar után bekövetkező események a reaktort biztonságos üzemállapot felé mozdítsák el [9, 10, 11, 12].
A másik fontos terület a reaktor külső biztonságának a növelése. Ez a reaktorhoz épített különböző biz- tonságvédelmi és szabályozó rendszerek segítségével valósul meg. A reaktor működésébe való beavat- kozás kiváltása mind biztonságvédelmi, mind szabályzástechnikai vonatkozásban meghatározott fizikai paraméterek mérési eredményeinek (az úgynevezett folyamatváltozóknak) az alapján történik. (Például egy biztonsági rendszer akkor lép működésbe, ha az általa figyelt paraméter vagy paraméterek valamelyike egy adott szintet átlép.) Ezért a mért értékek megbízhatósága alapvető a biztonságos üzem megvalósításához. A továbbiakban [13, 14] alapján röviden áttekintjük a szabályozórendszerekben alkalmazott jelhitelesítési elveket.
A jelek megbízhatóságának szavatolása a biztonságvédelmi rendszerekben elsősorban a redundancia és a diverzitás elvén alapszik.
Redundancia: A fontos fizikai paraméterek mérésére több azonos mérőláncot építenek be. Például a háromszorosan redundáns rendszereknél akkor fogadnak el egy jelet hitelesnek, ha a három rendszerből kettő bizonyos hibahatáron belül ugyanazt az értéket mutatja. Alkalmazzák még a négyből a kettő redun- dáns rendszereket is. Gyakori megoldás a többszörösen redundáns jelek esetében, hogy a legnagyobb és a legkisebb értékeket eldobják, és a megmaradó értéket (több megmaradó érték esetén a megmaradó érté- kek átlagát) veszik alapul.
Diverzitás: Ugyanazon fizikai jellemző mérésére különböző elven működő mérőláncokat építenek be, és a mért értékeket akkor tekintik hitelesnek, ha azok egy meghatározott hibahatáron belül megegyeznek.
Ezzel a megoldással a szisztematikus hibák küszöbölhetők ki.
A párhuzamos üzemű rendszerek létesítése jelentős többletköltséggel jár, ezért ezeket a megoldásokat főleg a kiemelten fontos jelek (fizikai mennyiségek) mérésekor használják. (Megjegyzendő, hogy a biztonsági rendszerekben gyakran nemcsak a mérőláncot, hanem az egész beavatkozási láncot redun- dánsan és/vagy diverzen építik meg.) Nagyszámú jel egyszerűen megvalósítható (és nem utolsósorban kevésbé költséges) minősítése a jelek értékének figyelésén alapszik. A legegyszerűbb ilyen eljárás a jelek limitfigyelése. Ennek során a mért jelet egy rögzített értékkel vagy értékekkel hasonlítják össze, és akkor fogadják el hitelesnek, ha a mért érték a beállított érték alá, vagy – alsó és felső limit esetén – a megadott, illetve a beállított korlátok közé esik.
A jelek, mért adatok pontossága döntően függ a mérőrendszer állapotától, ezért a jel hitelességét idősza- kosan a mérőláncok vizsgálatával is ellenőrzik. Ennek két fontos módszere a mérőrendszer kalibráció- jának és integritásának az ellenőrzése.
A mérőrendszer kalibrációjának ellenőrzése. Az ellenőrzés a mért rendszer (illetve mennyiség) ismert mértékű megváltoztatása vagy a mérőlánc bemenő jeléhez kevert tesztjel segítségével történik.
A mérőlánc integritásának ellenőrzése. A vizsgálat a mérőlánc egészének működését ellenőrzi. A vizsgálat során a mért rendszer (illetve mennyiség) egy stabil állapotában ismert mértékben megváltoz- tatják a mérőrendszer bemenőoldali paramétereit, és a kimeneti oldalon bekövetkező változás alapján állapítják meg a rendszer állapotát, illetve működőképességét. Ezt a vizsgálatot sok esetben automa- tizáltan valósítják meg. (Az egyik elterjedt ellenőrzési módszer a detektorok ellenállásának a figyelése.
Ezt a módszert a paksi erőműben is alkalmazzák.)
A nyolcvanas évek közepéig gyakorlatilag az említett módszerek jelentették az atomerőművi jelek hitelesítését. A technika fejlődése magával hozta az analóg rendszereket fokozatosan felváltó digitális mérő- és vezérlőrendszereket. Magától értetődően a fentebb ismertetett elvek a digitális rendszerekben is megjelennek. Ezekben a rendszerekben különösen nagy hangsúlyt kap a szoftverek funkcionális diverzi- tásának megteremtése, valamint az eltérő hardver és az eltérő real-time operációs rendszerek alkalmazása is. (Ld. az U.S. Nuclear Regulatory Commission állásfoglalása [15].)
A kilencvenes évekre a repülőgépekre kidolgozott jelhitelesítési technikák megteremtették a fejlett szá- mítógépes jelhitelesítési módszerek alkalmazásának alapját az atomerőművi jelek hitelesítésére is [14].
Ezek a módszerek a jelek közötti összefüggések ismeretében, a redundanciák kihasználásával, logikai kapcsolatok és analitikus modellek felhasználásával végzik el a mért értékek hitelesítését [16, 17, 18]. A zajjeleknél redundáns kiépítéssel, illetve diverzitással nem rendelkezünk, azonban egyfajta redundanciá- val mégis számolhatunk. Ez abból adódik, hogy a reaktoron mért zajjelekben – a reaktor globális fluktuá- ciója miatt – találhatók olyan jelkomponensek, amelyekben egyfajta azonosság megfigyelhető. Ezt pedig a jelek megfelelő csoportosításával, a zajjelek spektrumainak összevetésével, a jelek között koherenciák vizsgálatával és megfelelő szabályrendszer kidolgozásával a zajjelek hitelesítésére is kihasználhatjuk.
Ebben az időszakban kísérletek történtek a neurális hálózaton alapuló jelhitelesítés bevezetésére is [19].
A módszert kiforratlansága (a számítási folyamat átláthatatlansága, a jelentős számításigény és a hitelesí- tést megelőző tanulási folyamat szükségessége) miatt a 90-es évek elején még csak elvétve alkalmazták.
Hasonló sorsra jutott a hypercube módszer [18, 20] is, melynek használatát szintén egy nagy adatbázis létrehozása előzi meg, azzal a különbséggel, hogy az adatbázis feltöltését itt nem tanulásnak, hanem a rendszer kalibrációjának tekinthetjük. Az ilyen és az ezekhez hasonló, nagy számítógép-kapacitást igény- lő módszerek alkalmazására a 90-es évek közepére értek meg a feltételek. Ez adta a lehetőséget, hogy megvizsgáljuk a neurális háló felhasználását a zajjelek minősítésére is. Itt nem rendszerállapot felismeré- sére, hanem a jelek spektrumaiban bekövetkező változások felismerésére próbáltuk alkalmazni a mód- szert (ennek részletei a 3.3.2.1. fejezetben találhatók).
A kilencvenes évek végére ismét előtérbe kerültek az egész rendszer állapotát vizsgáló úgynevezett állapotazonosító rendszerek, amelyek már az előző bekezdésben említett módszereket is magukba olvasztották. Ilyenek például az MSET (Multivariate State Estimation Technique) [21] rendszer, vagy az általunk közelebbről megvizsgált PEANO (Process Evaluation and Analysis by Neural Operators) rendszer – azaz folyamatkiértékelés és -vizsgálat mesterséges neurális hálók segítségével [22] –, mely az OECD Halden Reaktor Projekt keretében került kifejlesztésre.
Az MSET feketedoboz-módszer, amely on-line monitorozásra, hibafelismerésre, illetve diagnosztikára, valamint az elromlott szenzorok jelének becslésére készült. A szoftverrendszer három fő modulból áll.
- Betanuló modulból, amely a normális üzemviteli adatok alapján megtanulja a detektorok normális működésének tartományát és a detektorjelek együttmozgását.
- Modellező vagy állapotbecslő modulból, amely a betanult normálállapot alapján becslést ad a mért adatok tényleges értékére.
- Hibafelismerő modulból, amely a mért és a becsült értékek különbségét SPRT-vel (Sequential Probability Ratio Test) megvizsgálva szűri ki a hibás jeleket.
A PEANO rendszer több, különböző on-line méréssel azonosított folyamatot folytonosan értékel abból a szempontból, hogy mennyiben azonosítható a folyamat mögött álló technológia állapota valamely koráb- ban megvalósult folyamatállapottal. Ehhez a rendszert be kell tanítani a tipikus folyamatállapotoknak megfelelő adatsorokkal. Ez a betanítás történhet rögzített mért adatokkal, vagy akár szimulátorral gene- rált adatsorokkal is. A fentiekből következik, hogy itt tipikusan ún. feketedoboz-modellről beszélhetünk, tehát a rendszerbe nem építünk be semmit a mögöttes technológia fizikai modelljéből.
A PEANO rendszer és algoritmus – minden olyan módszerhez hasonlóan, amely folyamatváltozók minősítését végzi – csak arra vonatkozóan hoz ítéletet, hogy az adatok mért rendszere valamely adott pillanatban, illetve időszakban mennyiben konzisztens. Az esetleges inkonzisztenciának alapvetően két oka lehet: mérési hiba, illetve rendellenes állapot a felügyelt technológiában.
Az állapotazonosító rendszerek alkalmazásánál fontos szerepe van az emberi tényező effektusnak, nevezetesen hajlamosak vagyunk általános igazságnak tekinteni azt, ami az esetek nagy százalékában igaznak bizonyul. Itt azáltal jelentkezik ez az effektus, hogy inkonzisztencia esetén a mérőrendszer hibája a legvalószínűbb. Nem hagyhatjuk azonban figyelmen kívül azt a lehetőséget, hogy a jelenség a technológiából származik, hiszen ennek potenciálisan sokkal súlyosabbak a következményei. Emiatt sohasem szabad egyenlőségjelet tenni az inkonzisztens mérés és a hibás mérőrendszer fogalma közé. A PEANO és a hasonló rendszerek szerepe lezárul azzal, hogy felderítik az inkonzisztenciát, de a feltárt jelenség okainak vizsgálata kívül esik hatókörükön, az mindenképpen az emberi szakértők feladata.
Az MSET és a PEANO is elsősorban állapothatározó rendszernek készültek, ezért a jelek sztochasztikus tartalmának vizsgálatára nem feltétlenül alkalmasak. Feketetoboz-módszerként elvileg mindenre betanít- hatók, ez azonban csak akkor előny, ha nem, vagy csak nehezen tudunk a jelek tulajdonságaira, a jelek közötti kapcsolatokra szabályokat, illetve összefüggéseket felállítani. Hátránynak tekinthető az is, hogy a rendszerek betanításakor mindig felmerül, hogy a rendszerek mennyire megbízhatóak a betanított tarto- mányon kívül eső hibák kimutatásában. Az MSET hiányosságai közé tartozik, hogy detektorcserék után a rendszert elvileg újra be kell tanítani. Kérdés az is, hogy ezen rendszerek miképpen boldogulnának a zajdiagnosztikában használatos mintaszámmal, ugyanis ez több nagyságrenddel meghaladhatja az álla- potazonosítás során használt mintaszámokat.
Az eddig vázoltaknál összetettebb, szerteágazóbb és egyben kiforratlanabb az idősorok (fluktuáló jelek) hitelesítése. Ezen a területen a számítástechnika fejlődésének következtében napjainkra sok, korábban inkább még csak elméletinek számító módszer vált alkalmazhatóvá (pl. Kálmán-szűrő), és néhány, már klasszikusnak számító módszer került ismét előtérbe, illetve továbbfejlesztésre (pl. az SPRT, MAR, ARMA) [23, 24, 25, 26]. A viszonylagos bőség mellett azonban még mindig nem alakult ki egy olyan általánosan alkalmazható vizsgálati módszer, amellyel az időben változó jelek hitelessége teljes bizton- sággal megállapítható. A fluktuáló jelek használatának egyik jellemző területe a zajdiagnosztika, ahol a kapott eredmények megbízhatósága (illetve a kapott eredmények hibás értelmezése) erősen függ a zajjel minőségétől.
1.2. A reaktor diagnosztizálásakor használt zajdiagnosztikai és zajjel-hitelesítési módszerek
Az 1980-as évekre megalapozták a reaktor-zajdiagnosztika elméleti és kísérleti alapjait. Az addig elért eredmények összefoglalása Kosály György cikkében [27] és J. A. Thie könyvében [28] olvasható. A zajdiagnosztikai módszerek segítségével lehetővé vált a reaktor és a reaktor szerkezeti elemeinek működés közbeni viselkedésének nyomon követése, és ezáltal néhány meghibásodás korai felismerése.
Az eddig kialakult zajvizsgálati módszerekből a teljesség igénye nélkül néhány:
• a tartály, zónatartó kosár, szabályozórudak, fűtőelemek, tartószerkezetek rezgésének monitorozása,
• a hőmérséklet, nyomás, hűtőközeg-sebesség ingadozásának nyomon követése,
• a reaktivitás-együttható vizsgálata a hőmérséklet, nyomás stb. ingadozásának függvényében,
• a primer kör elemeinek (főkeringető-szivattyúk, térfogat-kompenzátor, gőzfejlesztő) a vizsgálata és hatáskapcsolatuk a reaktorral és a reaktor szerkezeti elemeivel.
A zajdiagnosztikai vizsgálatok a kilencvenes évekig döntően a helyszínen időszakosan végzett kézi mérések utólagos feldolgozása és elemzése alapján készültek. A zajmódszerek fejlesztésére, az erőművi mérések jobb megértésére világszerte – köztük az AEKI-ben is – sok laboratóriumi modellkísérlet történt [29–35]. Magyarországon a paksi erőmű első blokkjának a beindításától kezdve készültek rendszeres zajdiagnosztikai mérések [36–39]. A jelek hitelesítése a mérés (magnetofonos mérésfelvétel) előtt a jel egyszerű műszeres ellenőrzésével (feszültségmérő, oszcilloszkóp és később frekvenciaanalizátor segít- ségével), valamint a reaktorállapotot rögzítő úgynevezett Órás naplók és a VERONA naplók alapján történt [3, 4].
A kilencvenes években jelentek meg azok a helyszínre telepített, nagy mennyiségű adatot gyűjtő és feldolgozó számítógépes rendszerek, amelyekkel akár órás gyakorisággal is lehetett zajvizsgálatokat (mérést és feldolgozást együttesen) végezni. Az AEKI az elsők között készített és szállított komplex, automatikus mérésre és feldolgozásra képes zajdiagnosztikai rendszert VVER-1000 reaktorra [2].
Németországban a Siemens fejlesztett atomerőművi zajdiagnosztikai rendszereket. Ezek a KÜS (elszaba- dult alkatrészt detektáló), SÜS (rezgésmonitorozó) és az ALÜS (akusztikus szivárgásdetektáló) rendsze- rek voltak. Ezek PC alapú első változatai 1989-90-ben, a fejlettebb verziók pedig 1994-95-ben készültek el [40, 41]. Franciaországban több mint ötven erőművi blokkon végeznek reaktordignosztikai vizsgá- latokat. A francia diagnosztikai mérések és fejlesztések döntően az EDF (Electricité de France) közreműködésével történnek. A franciák 1995-ben mutatták be a PSAD (Poste de Surveillance et d’Aide au Diagnostic) újgenerációs, integrált on-line monitorozó és off-line diagnosztizáló rendszert, melynek prototípusát 1996-ra ígérték [42, 43]. A PSAD rendszert felkészítették a reaktor belső szerkezeti elemeinek és a primer kör gépészeti elemeinek rezgésdiagnosztikájára, valamint elszabadult alkatrészek detektálására is. A rendszer jelenlegi elterjedtségének mértékéről nem áll rendelkezésre információ. A kanadai (CANDU) reaktoroknál is alkalmaznak zajdiagnosztikai mérőrendszereket a szerkezeti elemek vibrációjának és a detektorok meghibásodásának kimutatására [44]. A távolkeleti országok közül Koreá- ban és Japánban szintén történnek erőfeszítések reaktor-zajdiagnosztikai mérések végzésére és zajdiag- nosztikai rendszerek létrehozására [45, 46]. Az amerikai atomerőművekben mind kutatási, mind ipari jelleggel végeznek szisztematikus zajdiagnosztikai méréseket, azonban a mérőrendszerekről nem rendelkezünk bővebb információkkal. Zárkózottságuk következtében kevés írásos információ áll rendel- kezésre a Kínában és Indiában folyó reaktordiagnosztikai, illetve -zajdiagnosztikai tevékenységről. A konferenciákon időszakosan megjelenő szakembereiktől tudható, hogy figyelemmel kísérik a világban zajló ilyen típusú tevékenységet, továbbá saját diagnosztikai fejlesztéseket és méréseket is végeznek.
Mint minden mérésfeldolgozás, úgy a számítógépes zajdiagnosztikai vizsgálatok eredményeinek hihető- sége – az alkalmazott módszer eredményességén túl – a mért jelek valódiságától is függ, ezért a jelek bizonyos mértékű hitelesítése már a kezdetektől fogva helyt kapott a számítógépes zajdiagnosztikai rendszerekben. A zajdiagnosztikai rendszereket ismertető – fentebb hivatkozott – publikációkban közös, és ebből a szempontból saját publikációink sem kivételek, hogy nem közölnek részleteket a rendszerekbe befutó jelek hitelesítésének módjairól. Ennek oka lehet üzleti, vagy az, hogy a rendszerekben alkalmazott megoldásokat a szerzők nem tekintették publikációs értékűnek. Ezért egy olyan jelhitelesítési rendszer kifejlesztésénél, amely nagymértékben kihasználja a reaktorra jellemző jeltulajdonságokat, alapvetően a saját tapasztalatainkra kell támaszkodni.
A leggyakoribb megoldás, hogy a mérés előtt az elektronikai rendszer öntesztelése zajlik le. A Siemens rendszerekben az elektronikai teszt mérés közben, a mérés megzavarása nélkül történik. Ennek technikai megoldását azonban már nem ismertetik. Az elektronika megfelelő működése csak egy azon feltételek közül, amelyek elengedhetetlenek a megfelelő minőségű jel biztosításához. Az ipari körülmények között a jelekre alkalmazott jelhitelesítési megoldások gyakorlatilag néhány mondatban összefoglalhatók. A 90- es évek elején a vizsgálatok az akkori lehetőségek miatt általában csak egyszerű szintfigyelési (határ- értéktúllépés-figyelési) eljárással valósultak meg, amelyek döntően annak felismerésére irányultak, hogy előfordult-e a jelben túlvezérlés. Az általunk szállított zajdiagnosztikai rendszerekben ezt az eljárást még egy olyan speciális referenciacsatornával kombináltuk (ezt a 3.2.3. fejezetben részletesen ismertetjük), amely lehetővé tette a mérőrendszer állapotának mérés közbeni diagnosztizálását is. Ha a rendszerbe épített vizsgálatok bármelyike hibát jelzett, akkor a jel hibásnak lett minősítve. A minősítés alapján a felhasználó mérlegelhette, hogy megismétli-e a mérést.
A zajjeleken már ekkor több jelhitelesítési módszert próbáltak, illetve próbáltunk ki (ld. 3. fejezet), kezdve az egyszerűbb koherencia alapú vizsgálatoktól az összetettebb UAR (egyváltozós autoregresszió) alapú SPRT-n (szekvenciális valószínűségi teszt) keresztül az FFT spektrumokra alapozott neurális hálózatokig, vagy a fizikai modelleken alapuló parity space és Kálmán-szűrős eljárásokig [23, 47, 48, 49, 50]. A bonyolultabb jelhitelesítési vagy vizsgálati módszerek eredményessége azonban gyakran nem volt arányban az igénybe vett – az adott időszakban még elfogadható – számítógépi erőforrásokkal, és a kapott eredmények is sokszor megbízhatatlanok voltak. A módszerek egy része csak válogatott (laborató- riumi) adatokon, hosszadalmas, egyedi paraméterbeállítások után hozta meg a kívánatosnak vélt ered- ményt, így gyakorlati alkalmazásuk sem történt meg. Másrészről, ha a jelet csak egy módszerrel, egy meghatározott szempont szerint vizsgáljuk meg, akkor a lehetséges hibaforrásoknak csak egy bizonyos fajtáját szűrjük ki. Tehát egy egyszerű vizsgálati eljárás nem feltétlenül elegendő a jel hitelességének pontos megállapításához.
Az eddigiek a következőképpen összegezhetők. A diverzen, illetve redundánsan kiépített érzékelők jelét hitelesítő módszerek elsősorban a jelek állandósult vagy névleges értékeinek hitelesítéséhez lettek kidol- gozva. A zajjelek hitelesítésénél ezeket a módszereket akkor használhatjuk fel, ha találunk olyan jelcso- portokat, melyek jeleinek meghatározott tulajdonságai normál körülmények között azonos jellemzőket mutatnak. Az 1.1. fejezetben ismertetett állapotazonosító rendszerek, a neurális hálón alapuló jelhite- lesítési módszerek és a hypercube módszer egyaránt a jelek névleges értékeinek vizsgálatára készültek, és feladatukat csak egy tanulási folyamatot követően tudják elvégezni. A tanulás során önállóan térké- pezik fel az összefüggéseket, ami abban az esetben már nem olyan nagy előny, ha magunk is képesek vagyunk egyszerű és átlátható szabályrendszert felállítani a jelek tulajdonságaira, illetve a jelek közötti összefüggésekre. Az üzembe állított reaktor-zajdiagnosztikai rendszerekben alkalmazott jelhitelesítési
megoldások részleteiről, illetve az üzemi tapasztalatokról – az AEKI fejlesztésű rendszereket leszámítva – nincsenek információink. Ugyanakkor nagyon sok jelvizsgálati eljárás, illetve módszer ismert, és a számítástechnika fejlődésének következtében napjainkra sok, korábban még csak elméletileg kidolgozott módszer vált alkalmazhatóvá a gyakorlatban. Az elmondottak alapján kézenfekvő, hogy a mérőrendsze- reink üzemeltetése és a jelfeldolgozások során nyert tapasztalatainkat hasznosítva, sokfajta vizsgálati módszert rendszerbe szervezve végezzük el a jel hitelesítését. Ezért a dolgozatban azt vizsgáljuk meg, hogy miként lehet zajjelekre a tapasztalataink felhasználásával, valamint a reaktorra jellemző jeltulajdon- ságokat kihasználva egy összetett (több vizsgálati módszer eredményét integráló), rugalmasan alakítható és megbízható hitelesítési rendszert létrehozni.
1.3. A dolgozat célkitűzései
A reaktor-zajdiagnosztika egyik jellegzetessége, és egyben nehézsége is, hogy a vizsgálati eljárás technikai és gazdasági okok miatt főleg a reaktor üzemviteli detektorainak (ionizációs kamrák, SPND detektorok, termoelemek stb.) felhasználására épül. Ugyanis a reaktorban uralkodó szélsőséges viszonyokat – a magas hőmérsékletet és az intenzív sugárzást – csak az erre készített speciális detektorok képesek tartósan elviselni. Az üzemviteli detektorok hátránya azonban, hogy főleg statikus állapotok mérésére készülnek, így pl. a frekvenciaátvitelük fluktuáló jelek mérésére nem optimális. Esetükben általában nem állnak rendelkezésre olyan kalibrációs vagy átviteli görbék, amelyek zajdiagnosztikai alkalmazásnál, azaz a fluktuáló jelek mérésénél, illetve vizsgálatánál szükségesek lennének. Nagy ipari rendszereknél, ahol a komplexitás miatt több szervezeti egység munkája alapozza meg a méréseket, valamint a telepített detektorok hasznosítása is több szinten és helyszínen történik, előfordulhat, hogy a mérőrendszerekre vonatkozó aktuális információk késlekedve, esetleg csak részlegesen jutnak el a kevésbé fontosnak tekintett felhasználókhoz. Esetenként a fő mérőrendszer zavarása is megjelenik a diagnosztikai leágazás jeleiben. A kiépített mérőrendszer egyes elemeinek a vizsgálatára, bemérésére a reaktor üzeme alatt már nincs lehetőség. Ezért gyakori, hogy a mérőrendszer meghatározó elemeinek (pl.
detektoroknak, előerősítőknek stb.) az állapotát is csak közvetve, a mérési eredmények alapján lehet meghatározni. Ahhoz, hogy önmagából a jelből állapítsuk meg annak használhatóságát, szét kell választani a jel különféle összetevőit, és ismerni kell azok lehetséges forrásait. Ezért a dolgozat egyik célkitűzése, hogy feltérképezze, illetve átfogóan megvizsgálja a reaktor zajjeleinek jellemző tulajdon- ságait, továbbá feltárja az ezeket meghatározó okokat.
Mint minden mérésnél, úgy a zajdiagnosztikai vizsgálatoknál is valamilyen módszerrel meg kell győződ- ni arról, hogy a mért értékek vagy jelsorozatok mennyire tükrözik a valóságot, azaz a mérésbeállítás, a mérőrendszer állapota stb. mennyiben felelt meg a mérési követelményeknek, nem történtek-e olyan, a vizsgált rendszertől független jelenségek, amelyek hatással lehettek a mért jelekre. (Ezt a vizsgálatot tekintjük a jel hitelesítésének.) Ugyanis a hibás adatok feldolgozása és elemzése helytelen eredményekre, illetve következtetésekre vezethet. A kézi mérések során a szakember a műszereket, kijelzőket folyamatosan figyelve sokéves tapasztalataira támaszkodva végezte el – illetve a technika korábbi szintjén még éppen el tudta végezni – a jel hitelesítését, azaz annak megállapítását, hogy a mért értékek megfelelnek-e a valóságnak. A mai technikai színvonalon olyan mennyiségű adat mérésére és feldolgo- zására van lehetőség, és egyben szükség is, ami már csak automatizáltan oldható meg. Egy egyszerű zajdiagnosztikai mérésnél egyidejűleg több száz detektor zajjeléről készülhet jelenként akár százezres nagyságrendű mintát tartalmazó idősor, és így a végeredményként kapott adathalmaz mérete a tízmilliós nagyságrendet is meghaladhatja. Nyilvánvaló, hogy ilyen mennyiségű adattömeg gyors és könnyen
megismételhető hitelesítését csak automatizáltan, számítógépesítve lehet elvégezni. A nagyobb jeltöme- get a korábbihoz képest összetettebb – analóg és digitális elemeket vegyesen tartalmazó – mérőrendsze- rek szolgáltatják, amelyekhez egyben újabb potenciális hibaforrások is társulnak. Mindennapi tapasztalat, hogy digitális rendszereknél a legmeglepőbb hibák felbukkanására is fel kell készülni. Napjainkig zajdiagnosztikai vizsgálatok céljára sok jelvizsgálati, jelhitelesítési módszert fejlesztettek ki, melyek egy része az atomreaktorok zajdiagnosztikájában is meghonosodott. Az eddig készített reaktor-zajdiag- nosztikai rendszerek is tartalmaznak olyan egyszerű automatizmusokat, amelyekkel bizonyos jelhibákat, illetve mérőrendszer-hiányosságokat ki lehet szűrni, azonban ezek a mai igényeket már nem elégítik ki.
Ezért a dolgozat másik fontos célkitűzése egy olyan jelhitelesítési eljárás kidolgozása, amellyel a reaktor- zónából származó zajjeleknek – illetve a reaktor belsejének állapotát mérő detektorok zajjeleinek – a hitelesítése az eddigieknél megbízhatóbban, automatizálhatóan végezhető el.
Az előzőekben vázolt két célkitűzés megvalósítása érdekében a dolgozatot a következőképpen építettem fel.
A 2. fejezetben áttekintem az atomerőművi zajdiagnosztikai mérőrendszerek szokásos felépítését, tekin- tetbe véve már az általunk tervezett következő mérőrendszer-generációt is, majd a zajjelek tipikus tulaj- donságait vizsgálom meg jeltípusok, illetve detektortípusok szerint, azzal a szándékkal, hogy az olvasó betekintést nyerjen az atomerőművi zajdiagnosztikai rendszerekbe, felmérhesse a potenciális hibalehe- tőségeket, ugyanakkor megismerkedhessen a hitelesítésre szánt jelek sokszínűségével is. A vizsgálatban fontos szerep jut az atomreaktoron végzett zajmérések mérési, detektálási hatásmechanizmusainak a tisztázására. A 2.5.2. fejezetben nagyobb terjedelemben foglalkozom a zajmérések során, alapvetően a VVER reaktoroknál jelentkező, egy eddig még nem vizsgált méréstechnikai problémával. A VVER reak- torokban kompenzálatlan SPND (β-emissziós neutron-) detektorok használatosak. A detektorok kábe- lében áram keletkezik, amely – a kompenzáció hiánya miatt – meghamisítja a mérés eredményét. Ez az áram a detektor zajjelében lényegesen nagyobb részt tesz ki, mint a detektor DC jelében [51, 52]. A jelenség vizsgálatát azért tekintem fontosnak, mert ennek az áramnak a mértéke, frekvenciatartománybeli viselkedése alapvetően befolyásolja a detektor zajjelének a hitelességét.
A zajjelek automatizálható hitelesítésének megvalósításához a jelhitelesítési eljárást két részre bontom:
•= egyedi2 hitelesítési vagy vizsgálati eljárásokra,
•= és az egyedi vizsgálati eljárások eredményeit összegző mechanizmusra.
Ehhez igazodva a 3. fejezetben több mint húszféle egyedi jelvizsgálati módszert és lehetséges felhasz- nálási módjaikat tekintem át. Ennek során bemutatom az előforduló ismertebb jelhibákat is. A fejezetben visszatérek néhány, az előzőekben megemlített vizsgálati módszerre is. Az egyedi vizsgálati módszerek közül nagyobb terjedelemben tárgyalom azokat, melyekben a saját eredményeimet mutatom be. Ezek konkrétan: a referenciacsatorna használata (3.2.3. fejezet) [53], az UAR+SPRT vizsgálata (3.2.4.2 fejezet) [54], az időállandó meghatározása (3.3.1. fejezet) [53, 55] és a neurális hálózat zajspektrumok osztályozására történő felhasználásának vizsgálata (3.3.2.1. fejezet) [56]. A vizsgálati eljárásokat egy általam definiált hármas csoportosítás szerint ismertetem. Az eljárásokat aszerint csoportosítom, hogy az adott módszer a reaktor, az elektronika vagy a detektor állapotát vizsgálja-e. Lényegében ez a fejezet képezi a kombinált jelhitelesítési eljárás tudásbázisát.
A 4. fejezetben egy – a reaktor zajjeleinek jellegzetességein alapuló – kombinált jelhitelesítés eljárást
2 Egyedi alatt itt az olyan egyszerű eljárások értendők, amelyek csak egy szempont vagy egy tulajdonság alapján értékelik a jelet.
mutatok be. Ebben az eljárásban – a szakértői vizsgálati és döntésmechanizmus mintájára, valamint az általam definiált hármas csoportosítást figyelembe véve – egységes rendszerbe foglalom a 3. fejezetben ismertetett egyedi vizsgálati módszereket. A minősítő rendszerben az egyedi vizsgálati eljárások az alkalmazott módszerek eredménye alapján minősítő értékeket állítanak elő, melyekből a struktúra kiérté- kelő mechanizmusa egy végső minősítési értéket határoz meg [53, 55].
Végül az 5. fejezetben példákat adok a rendszer kiértékelési mechanizmusára, majd a kombinált jelminő- sítési módszerrel valós mérési adatokon egy alkalmazási próbát mutatok be [53, 55].
Összefoglalva: Megvizsgálom a zajdiagnosztikai vizsgálatok körébe bevont detektorok zajmérések szempontjából fontos mérési és átviteli tulajdonságait. A jel hitelesítésére olyan eljárást dolgozok ki, amely egyszerű (módszertanilag könnyen áttekinthető), megbízható és viszonylag gyors ítéletalkotási (kiértékelési) módszerek együtteséből áll. Az ismertetésre kerülő jelhitelesítési rendszer alapján létre- hozható lesz egy olyan szakértői programrendszer, amely tudásbázisának feltöltése után alkalmas lesz arra, hogy a beérkező jeleket maradéktalanul feldolgozza és minősítse.
A dolgozatban bemutatott eredményekben a magam és – a munka méretéből fakadóan – munkatársaim által végzett sokoldalú gyakorlati munka is megjelenik, mivel ezek az általunk végzett mérések és az azokból készített adatbázis-könyvtárak, részben az általam írt szoftverek, valamint a segítségemmel, illetve részben az irányításommal tervezett és épített berendezések felhasználásával készültek. Fontosnak tartom megjegyezni, hogy például a helyszíni mérések, a komplex diagnosztikai rendszerek tervezése és elkészítése csak több ember egybehangolt munkájaként képzelhető el, azonban ezekhez a hozzájárulá- somat jelentősnek tekintem.
A dolgozatban több mint hetven ábra, az ábrákon belül pedig hozzávetőlegesen százötven grafikon található, melyek döntő részét magam készítettem, esetenként a saját programjaim segítségével, a közre- működésemmel végzett mérésekből állítottam elő. Az ábrákból néhányat a munkám során terveztem, illetve a munkám közben felkutatott adatokból rajzoltam meg. A néhány máshonnan átvett ábrát és forrásukat természetesen külön kihangsúlyozom, illetve megjelölöm.
2. A zajvizsgálatok során használt eszközök, jelek és eljárások áttekintése
A mérési eredmények helyes értelmezéséhez ismernünk kell a detektorok, az elektronikai láncok és a zajforrás tulajdonságait, valamint a rendelkezésünkre álló módszerek teljesítőképességét, illetve használ- hatóságát. A reaktor-zajdiagnosztikában néha nemcsak a gerjesztőzaj tulajdonságait nem ismerjük, hanem a mérőrendszer pontos felépítését és átviteli tulajdonságait sem. Ebben a fejezetben ezt a prob- lémakört tekintjük át és elemezzük.
2.1. A paksi zajdiagnosztikai jelkicsatolás felépítése
A detektorok jelei csak nagyon ritkán alkalmasak közvetlenül mérésre vagy feldolgozásra, általában csak több lépcsőben végrehajtott erősítés, jelformálás, szűrés után mérhetők meg. Különösen igaz ez az atomerőművi jelekre, melyeket – szigorú biztonsági követelmények betartása mellett – nagy távolságokra kell továbbítani. A detektorok jeleit gyakran különböző feladatokat ellátó alrendszerek felé osztják szét.
Ezek az alrendszerek a következők lehetnek:
• üzemviteli,
• archiválási,
• biztonsági,
• zajdiagnosztikai
• stb.
A mérőláncok felépítésénél külön hangsúlyt kap az egyes mérőrendszerek visszahatásának megakadályo- zása. Ennek ellenére a diagnosztikai jelekben mégis előfordulnak az egyes alrendszerek visszahatásai, melyek gyakran (az alrendszer általi lekérdezések időpontjaiban) tüskék formájában jelennek meg. Mivel a jel igen hosszú és tekervényes út megtétele után jut el a feldolgozás helyszínére, ezért fokozottan kell számolni a jel minőségének romlásával, külső zajok megjelenésével, valamint elektronikai meghibá- sodásokkal. A mérni kívánt zajjel nem más, mint az adott fizikai mennyiséget mérő detektor jelének kismértékű, látszólagosan véletlenszerű ingadozása. Ez az ingadozás (vagy AC komponens) a detektorjel állandó értékéhez (DC komponenséhez) mérten csak néhány ezreléket tesz ki. Az AC jelet a vizsgálat előtt megfelelően fel kell erősíteni, ezért a jel AC és DC komponensét külön kell választani. A szétválasztott jeleket a továbbiakban még erősíteni, szűrni és biztonsági okokból (az esetleges vissza- hatások elkerülésére) le kell választani. A felsorolt, feldolgozás előtti jelátalakításokat, a jelnek a mérő- rendszerhez való illesztését összefoglalóan jelkondicionálásnak nevezzük. A jelkondicionálás jobb meg- értéséhez a 2.1/1. ábrán a paksi VERONA zajdiagnosztikai kicsatolás két jelének sematikus áramköri rajzát mutatjuk be. Az ábrán a felsorolt elektronikai részegységeket láthatjuk, kiegészítve a berendezést vezérlő és a DC értékeket digitalizáló elektronikai egységekkel, valamint egy multiplexerrel. A kilenc- venes évekig a jelkondicionálást és a digitalizálást – elfogadható költségek mellett – csak néhányszor tíz jelre lehetett megoldani. Ezért a jelkondicionáló berendezés elé egy multiplexer egységet kellett beépíteni, amely lehetővé tette a reaktor több száz jeléből egy kisebb csoport tetszőleges összetételű kiválasztását. A 2.1/1. ábrán egy beépített tesztgenerátor is látható, azonban ennek szabályozhatósága már nem valósult meg. A rajzon ezt a lehetséges kapcsolatot szaggatott vonal jelöli. A detektorok mérőláncoktól független vizsgálata, illetve diagnosztizálása csak a detektorra közvetlenül rácsatlakozva végezhető el. Az ábrán ezt a csatlakozási helyet műszeres mérési pontként tüntettük fel. A VERONA zajdiagnosztikai kicsatolás jeleire telepített – és a bevezetőben már említett – hibrid rendszert a hozzá- tartozó jelkészlettel sematikusan a 2.1/2. ábrán mutatjuk be.
Au HP NF50 Au LP
U I
MPX
DC
Erõsítõ Erõsítõ
AC
SPND TH
DC AC Felül-
áteresztõ szûrõ
Sáv- szûrõ
Alul- áteresztõ
szûrõ
Jel Jel Multiplexer
Jel
Detektor Elem
U Teszt-
(50 Hz)
Mûszeres mérési
pont
A/D
Digitális vezérlés és DC érték lekérdezés
Optikai leválasztás
Optikai leválasztás DIGITÁLIS VEZÉRLÕ EGYSÉG
2.1/1. ábra. Az elektronikai mérőlánc logikai rajza a VERONA zajdiagnosztikai kicsatolás alapján
(PDR-PDA-n)
INCORE
NER 6 JK
DIGIT. DC
32 AC
A/D KONVERTER MULTIPLEXER MULTIPLEXER
2+1 IK
PDR-n DIAG. KICSATOLÁS
DC
PORT
AC
VEIKI REZGÉSJELEK
CSAK AC
SOROS
5 db
6 JK
3 TH
REAKTOR VIBRÁCIÓS JELEK
NYOMÁS- JELEK
VERONA zajdiagnosztikai
kicsatolás
ZAJDIAGNOSZTIKAI
SZOBA SZÁMÍTÓGÉP-
TEREM
1-32 Csatorna 33-64 Csatorna VEZÉRLÉS
KÜLSÕ Becsatl.
és Kézi beállítású rendszer Kézi beállítású rendszer
REFERENCIA ELLENÁLLÁS-
HÕMÉRÕK
36x7 SPND 36 KOMP. KÁBEL 210 KIL. HÕMÉRS.
6 KEV. TÉRI HÕM.
INCORE JELEK
KOMPONENS
DIAGNOSZTIKAI DIAGNOSZTIKAI
RENDSZER
GÉPÉSZETI REZGÉSJELEK
SZÁMÍTÓGÉPES
EXCORE JELEK
PROGRAMRENDSZER VEZÉRLÕ SZÁMÍTÓGÉP MÉRÕ SZÁMÍTÓGÉP
2.1/2. ábra. A jelenlegi paksi zajdiagnosztikai rendszer a kicsatolások jeleivel
Az ábrán bemutatott elrendezés egy költségtakarékos megoldás, amely a meglévő egységek összeraká- sával készült. A szaggatott vonallal elválasztott jelkészlet és a szaggatott vonallal jelölt 33-64 csatornáig terjedő multiplexer kivitelezése félbeszakadt. A rendszer hibájának róható fel, hogy a mérésbeállítást és az adatgyűjtést külön számítógép végzi. Az ábráról ugyan nem derül ki, de a feldolgozás már egy másik
helyszínen, azaz egy harmadik számítógépen történik. A vizsgálat körébe egyidejűleg bevonható jelkészlet legfeljebb 32 elemű, és ebbe a körbe a zónán kívüli (ex-core) jelek nem tartoznak bele. (A témához kapcsolódóan további részletek találhatók [57]-ben.) A felsorolt hibák megszüntetése már csak egy új mérőrendszertől várható [58, 59]. A közeljövőben kiépítésre kerülő – a kor lehetőségeihez és követelményeihez jobban igazodó – zajdiagnosztikai rendszerben a jelkicsatolást és az adatgyűjtést minden blokkon egy-egy autonóm rendszer látja majd el, melyeket szabványos hálózaton keresztül egy tetszőleges helyre telepített központi egység vezérel. Aszakértő ezzel a központi egységgel végzi el a blokkokról lekért adatsorok feldolgozását és archiválását, továbbá elérhetőséget biztosít más részlegek számára bizonyos zajdiagnosztikai információk megtekintéséhez (ld. 2.1/3. ábra).
Zajdiagnosztikai központ
Központi zajdiagnosztikai rendszer BSZG távoli megjelenítő
Nyomtató Archívum
Informatikai hálózat 1. blokk
VERONA
új VERONA zajdiagnosztikai
kicsatolás
BSZG WEB szerver
Zajjel
Adatgyűjtő számítógép
2. blokk 3. blokk 4. blokk BSZG Blokkszámítógép Rövidítések:
VERONA Zónamonitorozó rendszer
Autonóm adatgyűjtő
2.1/3. ábra. A tervezett zónadiagnosztikai rendszer felépítése
A tervezett rendszerben az autonóm adatgyűjtő egységek szabványos felületen keresztül szólíthatók meg.
Az autonóm rendszerek vezérlését és az adatsorok feldolgozását egy központi egység, az ábrán „Köz- ponti zajdiagnosztikai rendszer”-ként jelölt számítógép végzi. A diagnosztikai méréseknél ismernünk kell a mérés pillanatához tartozó reaktorállapotokat és üzemvitelei adatokat is. Ennek az információnak a megszerzését a diagnosztikai rendszer mellé telepített BSZG (blokkszámítógép) távoli megjelenítő terminálja teszi lehetővé, amely távlatilag egybeolvasztható a diagnosztikai rendszer központi egysé- gével. Az új elképzelések szerint az autonóm adatgyűjtő rendszer a korábbi VERONA zajdiagnosztikai kicsatolás modernizálását is maga után vonja oly módon, hogy a teljes jelkészlet (ebbe beleértve az ionizációskamra-, nyomás- és rezgésjeleket is) egyidejűleg elérhető legyen (ld. 2.1/4. ábra).
A/D
Ipari PC PCI-6054E
A/D
16 AC
16 DC 16
SCXI-1100
1.
(32 csatorna) (16 csatorna)RJM
16 AC
16 DC 16
SCXI-1100
12.
RJM (32 csatorna) (16 csatorna)
max. 256 jel
max. 256 jel
bemenet bővítő
egységek jelkondícionáló
egységek digitalizáló
egységek
1.
12.
Au
HP NF 50
Au
Au
LP Au
LP
jelkondícionáló egység (RJM) AC
DC kimenet
bemenet
DC erősítő
AC erősítő
AC erősítő
bemeneti erősítő
aluláteresztő szűrő
felüláteresztő szűrő sávszűrő
aluláteresztő szűrő
2.1/4. ábra. Az autonóm adatgyűjtő (National Instruments termékmegjelölésekkel) és jelkondicionáló (a tervezés alatt lévő új VERONA zajdiagnosztikai kicsatolás egy áramköri
egységének) logikai rajza
Ez a megoldás egy lényegesen hatékonyabb és egyszerűbben megvalósítható diagnosztikai rendszer kialakítását biztosítja. A több száz csatornás egyidejű adatgyűjtés megvalósításánál többletráfordítást jelent, hogy minden egyes jelnél egyedileg kell elvégezni a jelkondicionálást, és hogy a jelek digitalizálásához – az AC és DC komponensek szétválasztása miatt – a jelek számának kétszeresét feldolgozó A/D konverter szükséges. Ugyanakkor a 2.1/1. és a 2.1/4. ábra összehasonlításából is látható, hogy a felhasználandó elektronikai eszközök mennyisége a multiplexer és az optikai leválasztó egységek elhagyásával valamelyest csökken.
Összegezve: A bemutatott rendszerek alapján látható, hogy a jel igen hosszú út megtétele (többszöri erősítés és szűrés, leválasztás, elágaztatás, jeltovábbítás stb.) után jut el a feldolgozás helyszínére. A megtett út során fokozottan kell számolni a jel minőségének romlásával, külső zajok megjelenésével és elektronikai meghibásodásokkal. Az adatgyűjtőbe beérkezett jelek további jelkondicionáláson és A/D konverzión esnek át. A digitális adatsorok továbbításánál és feldolgozásánál további hibalehetőségek adódhatnak. A sok potenciális hibalehetőség mindenképpen megköveteli a jel hitelességének vizsgálatát.
A tervezett autonóm adatgyűjtő által szolgáltatott nagy mennyiségű adat még nagyobb igényt támaszt az adatsorok használhatóságának – lehetőleg automatikus – megállapítására. A továbbiakban azt tekintjük át, hogy az adatgyűjtő rendszerek milyen jelek mérését teszik lehetővé.
2.2. A reaktor és a primer kör zajdiagnosztikai célra elérhető jelei
A zajdiagnosztikai célra felhasználható jelkészlet – melyet a 2.1/2. ábrán már bemutattunk – alapjában véve két csoportra osztható, úgymint
• in-core (reaktoron belüli) és
• ex-core (reaktoron kívüli) jelcsoport.
In-core jelek
Az in-core (vagyis a reaktorzónából származó) jelek jelenleg a VERONA zajdiagnosztikai kicsatoláson keresztül érhetők el. Ezek a következők:
• 252 SPND (Self-Powered Neutron Detector), 36 detektorláncban hét szintre osztva,
• 36 SPND kompenzációskábel-áram (detektorlánconként egy-egy),
• 210 kilépőhőmérséklet (termopár),
• 6 keverőtéri hőmérséklet (termopár),
• 36 referencia-ellenálláshőmérő, ún. "hidegpont" (ezek a reaktor fedelén lévő kapcsolószekrény- ben /boxban/ vannak elhelyezve),
• a reaktorzóna ki- és belépőnyomás-jele.
Jelenleg ebből a jelcsoportból a 3. és 4. blokkon (a diagnosztikai kicsatoláson keresztül) egyszerre 32 jel érhető el, míg az 1. és 2. blokkon csak 18.
Ex-core jelek
Az ex-core jeleken a zónán kívülről származó jeleket értjük. Ezek közül a fontosabbak:
• ionizációskamra-jelek,
• a főkeringető-szivattyúk nyomásjelei (∆P),
• hideg- és melegági hőmérsékletjelek,
• térfogat-kompenzátor nyomásjele,
• reaktorfedél-tőcsavar rezgésjelei,
• szabályozókazetta-hajtások rezgésjelei,
• gépészeti elemek (főkeringető-szivattyúk, tolózárak stb.) rezgésjelei.
A régi tervek szerint a felsorolt ex-core jelkészletből a diagnosztika számára további 32 jel mérésére lett volna lehetőség, de ezen jeleknek a mérőrendszerbe vezetése már félbeszakadt.
Mielőtt a detektálás részleteibe bocsátkoznánk, célszerű megismerkedni a mérési adatok előállításának és feldolgozásának néhány részletével.
2.3. Mintavételezés
A zajelemzéseket a kialakult gyakorlatnak megfelelően digitalizált idősorokon, számítógéppel végezzük, ezért a feldolgozás első lépéseként az elektronikai mérőláncokról érkező jeleket digitális mintasorokká alakítjuk. (Bár léteznek analóg feldolgozási formák, azok alkalmazása a reaktor-zajdiagnosztikában nem terjedt el.) A digitalizálás mintavételi frekvenciája alapvetően eldönti a feldolgozás frekvenciatarto- mányát.
A zajdiagnosztikai jelek kiértékeléséhez a kilencvenes évek elejéig 128 vonalas FFT spektrumokat használtunk. Ezt követően – a technikai fejlődés eredményeképpen – sokkal jobb felbontású, 512 vonalas spektrumokra tértünk át. A paksi neutrondetektor-zajjelek feldolgozása során nyert tapasztalataink szerint ahhoz, hogy az 512 vonalas spektrumok elfogadható statisztikájúak (elegendően simák) legyenek, legalább 32-szeres átlagolást kell végezni. (Az átlagolás során a különböző idősorrészletekből készített spektrumokat összeadjuk és átlagoljuk. Elfogadható statisztikájú neutronzaj-spektrumon (zajspektrumon) pedig azt értjük, hogy néhány ismert, a normálüzemben is állandóan jelen levő kis amplitúdójú szélesebb sávú csúcs – mint pl. primerköri állóhullámok által keltett neutronfluktuációk csúcsa – is még jól azonosíthatóan kiemelkedjék a háttérből.) Ehhez az átlagoláshoz – a tapasztalatok szerint – legalább 32 000 mintából álló idősorra van szükség. A Pakson végzett mérések tapasztalatai azt mutatják, hogy 60 percnél hosszabb zavarmentes jelet (a 2-3 óránkénti SZBV kazetta mozgások miatt) már csak kis eséllyel lehet mérni. Ennek oka, hogy a reaktoron végrehajtott legkisebb szabályozás is az SPND láncok jelei AC komponensének erőteljes túlvezérlését okozza. Természetesen elképzelhető olyan korrekciós módszer, ami a túlvezérelt tartományokat automatikusan kivágja, de ebben az esetben tekintettel kell lenni arra,
hogy milyen mértékű volt a reaktor állapotába való beavatkozás. Túl nagy mértékben megváltozott reaktorállapot esetén a spektrumok már nem átlagolhatók. Tehát ha egy 60 perces mérés során 32 000 (még éppen elfogadható mennyiségű) mintát vételezünk, akkor a mintavételezési időre kb. 0,1 másod- percet kapunk. Ez azt mutatja, hogy a gyakorlatban rutinszerűen alkalmazható mintavételezési frekvencia alsó határa kb. 10 Hz.
A mintavételi frekvenciára felső korlátot csak az adatgyűjtő hardver jelent, azonban a reaktor átviteli tulajdonságai miatt a neutronspektrum 30 Hz fölötti részét az elektronikai zajok elnyomják. Ha a teljes hasznos tartományt elemezni akarjuk, akkor a digitalizálás előtt alkalmazott ún. anti-aliasing szűrőt 30 Hz fölé kell méretezni. Figyelembe véve, hogy a szűrő letörése véges meredekségű, a spektrum maximális frekvenciája 50 Hz körül van. Ez a Nyquist-kritérium [60] miatt 100 Hz-es mintavételezést jelent. Az eddigiekből látható, hogy a diagnosztikai vizsgálatok mintavételezési frekvenciájának sávszélessége (rutinszerű ipari mérések esetén) meglehetősen szűk, 10–100 Hz.
2.4. Alapvető zajdiagnosztikai feldolgozási módszerek
Az alábbiakban röviden összefoglaljuk a dolgozatban szereplő zajdiagnosztikai módszereket, mennyiségeket és rövidítéseket.
Fourier-transzformáció. Egy fizikai folyamat leírható az időtartományban mint valamely f mennyiség változása a t idő függvényében ( f (t)), vagy leírható a frekvenciatartományban, ahol a folyamatot a ν frekvencia függvényében megadott F amplitúdóval jellemezzük (F(ν), ami általában a fázisinformá- ciót is tartalmazó komplex szám). Sok szempontból célszerű úgy tekinteni, hogy f (t) és F(ν) ugyan- annak a függvénynek két különböző reprezentációja. Ez a két reprezentáció a Fourier-transzformációs egyenletek szerint oda-vissza alakítható [61]:
( ) ( )
( ) ( )
., ν
2 2
ν ν πν
ν π
d e t
dt e
t i
t i
⋅
=
⋅
=
ò ò
∞
∞
−
∞ −
∞
−
F f
t f F
(2.5.1)
(Megjegyezzük, hogy a transzformációk exponenciális tagjában a kitevő előjele nem egyezményes, a szakirodalomban [61, 62] és [60, 63] eltérően szerepel. A lényeg, hogy az előjel ellentétes az oda-vissza transzformációkban.) A zajdiagnosztikában a mért időjelek véges hosszúak és diszkretizáltak, ezért átalakításukra a diszkrét Fourier-transzformáció (DFT) használatos.
å å
−
=
−
=
−
⋅
⋅
=
⋅
=
1
0
/ 2 1
0
/ 2
1 ,
,
N
n
N kn i n k
N
k
N kn i k n
e N F
f
e f F
π π
(2.5.2)
ahol N a minták száma, ∆t a mintavételi idő, ∆ν a frekvencia-felbontás, n és k futó indexek, valamint:
( )
( )
, , 2 ,..., 2., 1 ,..., 2 , 1 , 0 ,
,
N n N
t N F n
t F
N k
t k t f t
f
n n n
k k k
−
∆ =
= ⋅
⋅
∆
=
−
=
∆
⋅
=
⋅
∆
=
ν ν
ν
Ez megszorítást is jelent a jelre: véges hossza korlátozza a frekvenciatérbeli felosztást, míg a véges időközönként (∆t) vett minta a legnagyobb értékelhető frekvenciára ad korlátot (Nyquist-kritérium):
fc = t
⋅ 1
2 ∆ . (2.5.3)
Emiatt a jelből mintavételezés előtt – az aliasing effektus miatt [60] – ki kell szűrni a (2.5.3)-nál magasabb frekvenciájú összetevőket.
A DFT egy speciálisan szervezett algoritmussal felgyorsított változata az FFT (Fast Fourier Transformation). A Fourier-analízis részletesebb matematikai tárgyalása gyakorlatilag minden, a témá- hoz kapcsolódó szakkönyvben megtalálható [60, 64], ezért a továbbiakban csak a legszükségesebb mennyiségeket emeljük ki. A diszkrét jelek Fourier-transzformáltjából teljesítményspektrumok (APSD:
Auto Power Spectral Density) állíthatók elő, amelyek gyakran – a statisztikai hibák csökkentésére – a jel különböző szakaszain készült spektrumok átlagolásával készülnek. Jelölje egy X jel i-edik N elemű szakaszának (2.5.2) szerinti Fourier-transzformáltját Xi
(
Fn,N)
. Ekkor(
F N)
X(
F N)
K X
APSD i n
K
i
n i
X 1 , ,
1
∗
=
⋅
= , (2.5.4)
ahol a ∗ szimbólum a komplex konjugáltat és K az átlagolásba bevont jelszakaszok számát jelöli. A későbbiekben bemutatásra kerülő Fourier-spektrumok értelmezésének megkönnyítésére kiemeljük, hogy az általunk használt spektrumok – néhány kivételtől eltekintve – a jel DC értékére normáltak, és ezeket a normált spektrumokat a továbbiakban nAPSD-vel (normalised Auto Power Spectral Density) jelöljük.
További kiegészítő információ még, hogy a bemutatásra került spektrumok 50%-os átlapolással és Hanning-ablak alkalmazásával készültek. A jelvizsgálatok hasznos eszköze a két különböző X és Y jel közötti keresztteljesítménysűrűség-spektrum vagy más néven CPSD (Cross Power Spectral Density):
(
F N) (
Y F N)
K X
CPSD K i n
i
n i Y
X 1 , ,
1
, ∗
=
⋅
=
å
. (2.5.5)Két jel között értelmezett további két gyakran használt függvénytípus a koherencia- (COH) és a fázis- függvény (PHASE):
Y X
Y X Y
X APSD APSD
COH CPSD
= ⋅
2 ,
, . (2.5.6)
( )
( )
öçç è
= æ
Y X
Y X Y
X CPSD
PHASE CPSD
, ,
, Re
arctan Im . (2.5.7)
Több más módszer is létezik, de egyik sem jelentett olyan áttörést, hogy érdemes lett volna egy jól bevált módszerről áttérni rá. Ezért jelvizsgálataink és jelhitelesítési eljárásaink egyik fontos pillérét továbbra is az FFT spektrumok kiértékelése képezi.
Autoregressziós módszerek. Más néven parametrikus modellezési módszerek. A regressziós eljárások- nak több fajtája létezik. Gyakorlatunkban az UAR (Univariate Autoregression) és az MAR (Multivariate Autoregression) használatos [50, 62, 65]. A többváltozós regressziós módszerek segítségével a jelek közötti hatásterjedések vizsgálhatók. A regresszió során felállított modell az FFT spektrumokhoz hasonlóan az idősor valamilyen összesűrített lenyomata, amely azonban az ember számára önmagában
