公开(公告)号：CN113836480B

公开(公告)日：2024-01-12

申请号：CN202010581878.4

申请日：2020-06-23

Applicant: 中核武汉核电运行技术股份有限公司 ,  中核核电运行管理有限公司

Inventor： 于巍峰 ,  苏华

IPC: G06F17/15

Abstract: 本发明涉及核电检修领域，具体涉及一种基于高斯过程回归的换热器效率预测方法。目前核电厂未实现换热器换热效率实时在线预测。本发明包括：步骤一：获取换热器历史及当前运行数据；步骤二：形成训练数据集；步骤三：预测高斯过程回归模型；步骤四：预测换热器换热效率；步骤五：对换热效率进行滑动预测。本发明使用高斯过程回归方法实现了实时在线对换热器换热效率进行预测。同时采用滑动预测的形式，保证了预测结果的准确性，对换热器性能监测具有一定的指导意义。

公开(公告)号：CN113836480A

公开(公告)日：2021-12-24

申请号：CN202010581878.4

申请日：2020-06-23

Applicant: 中核武汉核电运行技术股份有限公司 ,  中核核电运行管理有限公司

Inventor： 于巍峰 ,  苏华

IPC: G06F17/15

Abstract: 本发明涉及核电检修领域，具体涉及一种基于高斯过程回归的换热器效率预测方法。目前核电厂未实现换热器换热效率实时在线预测。本发明包括：步骤一：获取换热器历史及当前运行数据；步骤二：形成训练数据集；步骤三：预测高斯过程回归模型；步骤四：预测换热器换热效率；步骤五：对换热效率进行滑动预测。本发明使用高斯过程回归方法实现了实时在线对换热器换热效率进行预测。同时采用滑动预测的形式，保证了预测结果的准确性，对换热器性能监测具有一定的指导意义。

公开(公告)号：CN116432071A

公开(公告)日：2023-07-14

申请号：CN202111660842.6

申请日：2021-12-31

Applicant: 中核武汉核电运行技术股份有限公司 ,  核动力运行研究所

Inventor： 于巍峰 ,  刘丙月 ,  刘伟 ,  苏华

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/2135

Abstract: 本发明涉及核电状态维修领域，特别是一种用于对滚动轴承剩余寿命的预测方法。包括如下步骤：步骤1：收集历史数据；步骤2：数据清洗和预处理；步骤3：特征提取及敏感特征提取；步骤4：构建m×p的模式矩阵E；步骤5：计算降维后的数据矩阵F；步骤6：预测模型构建。本发明的有益效果在于：应用本发明可实现实时滚动轴承剩余寿命在线预测，结合设备状态监测数据和寿命数据，相比应用单一类型数据的剩余寿命预测方法，预测结果准确性更高，对基于寿命预测结果进而开展滚动轴承的状态维修工作具有一定的指导意义。

公开(公告)号：CN117630596A

公开(公告)日：2024-03-01

申请号：CN202311607856.0

申请日：2023-11-29

Applicant: 中核武汉核电运行技术股份有限公司

Inventor： 刘伟 ,  陈子萌 ,  马以文 ,  苏华 ,  蔡胜武

IPC: G01R31/12 ,  G01R31/14 ,  H01Q1/36 ,  H01Q1/22 ,  H04W4/38

Abstract: 本公开属于核电技术领域，具体涉及一种蝶形天线结构的电缆无线局部放电监测传感器，本公开采用包裹式截取信号的方式，并开发出吻合核电厂主泵电缆的实际工作环境的蝶形天线，可有效获取被测电缆内部的故障放电信号，传感器内置的无线通信模块，以实现将传感器取得的数据以无线传输的方式传输给主机，进而避免了现场布线。这样就可在安全的前提下，更加精准高效实现电缆故障的检测，本公开的传感器结构紧凑小巧，安装方便，可广泛应用于电缆的局部放电监控。

公开(公告)号：CN116719867A

公开(公告)日：2023-09-08

申请号：CN202310519449.8

申请日：2023-05-08

Applicant: 中核核电运行管理有限公司

Inventor： 吴剑 ,  朱智强 ,  唐金金 ,  李志涛 ,  麻浩军 ,  徐中 ,  苏华 ,  蔡胜武

IPC: G06F16/25 ,  G06F40/279 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06Q10/20 ,  G06Q50/06

Abstract: 本公开属于核电技术领域，具体涉及一种核电厂文本数据结构化信息提取方法及装置。本公开根据获取核电厂的工单文本确定每个词确定每个词与其他词之间的距离差；将标有设备子因素的词与距离差最小的标有设备名称的词相匹配，将标有零件子因素的词与距离差最小的标有零件名称的词相匹配，将标有零件名称的词与距离差最小的标有设备名称的词相匹配，并根据各个相匹配的词形成结构化文本。由此基于深度学习的自然语言处理技术对核电厂文本数据进行关键信息提取，在从非结构化的文本中抽取出关键实体，再将这些识别出的实体整理成结构化的文本数据，以此来提高文本数据的可读性，进一步提高对维修工单的维护与利用效率，为设备可靠性分析提供支持。