Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ
Проаналізовано статистичні властивості довгих часових рядів даних, які отримуються у процесі безперервного контролю за станом обладнання атомної станції. У даному випадку було проведено збір та обробку результатів вимірювання температури теплоносія на виході з реактора першої петлі головного циркуля...
Збережено в:
| Опубліковано в: : | Проблеми безпеки атомних електростанцій і Чорнобиля |
|---|---|
| Дата: | 2016 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут проблем безпеки атомних електростанцій НАН України
2016
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/127764 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ / А.Д. Скорбун, С.М. Стадник, В.Г. Котеленець // Проблеми безпеки атомних електростанцій і Чорнобиля: наук.-техн. зб. — 2016. — Вип. 26. — С. 36-43. — Бібліогр.: 11 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860251529625206784 |
|---|---|
| author | Скорбун, А.Д. Стадник, С.М. Котеленець, В.Г. |
| author_facet | Скорбун, А.Д. Стадник, С.М. Котеленець, В.Г. |
| citation_txt | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ / А.Д. Скорбун, С.М. Стадник, В.Г. Котеленець // Проблеми безпеки атомних електростанцій і Чорнобиля: наук.-техн. зб. — 2016. — Вип. 26. — С. 36-43. — Бібліогр.: 11 назв. — укр. |
| collection | DSpace DC |
| container_title | Проблеми безпеки атомних електростанцій і Чорнобиля |
| description | Проаналізовано статистичні властивості довгих часових рядів даних, які отримуються у процесі безперервного контролю за станом обладнання атомної станції. У даному випадку було проведено збір та обробку результатів вимірювання температури теплоносія на виході з реактора першої петлі головного циркуляційного контура, виміряної за допомогою термопари та термометра опору. З використанням гіперстатистичного аналізу показано, що ці дані мають явно виражені ознаки відсутності статистичної стійкості, що потребує перегляду існуючих підходів до аналізу таких даних.
Проанализированы статистические свойства длинных временных рядов данных, которые получают в процессе непрерывного контроля за состоянием оборудования атомной станции. В данном случае были проведены сбор и обработка результатов измерений температуры теплоносителя на выходе из реактора первой петли главного циркуляционного контура, измеренной с помощью термометра сопротивления. С использованием гиперстатистического анализа показано, что эти данные имеют явно выраженные признаки отсутствия статистической устойчивости, что требует пересмотра существующих подходов к анализу таких данных.
Statistical properties of long time sets of data, which were obtained during continuous monitoring of nuclear power plant equipment state, have been analyzed. In our case the collection and treatment of the results of measuring of the coolant temperature at the outlet from the reactor the first loop of the main circulation contour. The measurements were carried out with a resistance thermometer. Using hyperstatistical analysis it was shows that the data have clearly marked signs of lack of statistical stability, that requires revising of approaches to the analysis of such data.
|
| first_indexed | 2025-12-07T18:43:58Z |
| format | Article |
| fulltext |
36 ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26
УДК 621.039.564
А. Д. Скорбун1, С. М. Стадник1, В. Г. Котеленець2
1Інститут проблем безпеки АЕС НАН України, вул. Кірова, 36а, Чорнобиль, 07270, Україна
2 Відокремлений підрозділ «Южно-Українська АЕС» Державного підприємства «НАЕК «Енергоатом»,
Южноукраїнськ, Україна
СТАТИСТИЧНИЙ АНАЛІЗ ШУМІВ РЕАКТОРНОГО ОБЛАДНАННЯ НА ОСНОВІ ТЕОРІЇ
ГІПЕРВИПАДКОВИХ ЯВИЩ
Проаналізовано статистичні властивості довгих часових рядів даних, які отримуються у процесі безпе-
рервного контролю за станом обладнання атомної станції. У даному випадку було проведено збір та обробку
результатів вимірювання температури теплоносія на виході з реактора першої петлі головного циркуляційного
контура, виміряної за допомогою термопари та термометра опору. З використанням гіперстатистичного аналізу
показано, що ці дані мають явно виражені ознаки відсутності статистичної стійкості, що потребує перегляду
існуючих підходів до аналізу таких даних.
Ключові слова: атомні станції, контроль параметрів, гіперстатистичний аналіз.
Вступ
З точки зору розглянутих у роботі проблем одним із завдань безпечної експлуатації реактор-
ної установки є надійний контроль за значеннями параметрів технологічного процесу. Допустимі чи
контрольні рівні параметрів установлюються проектом реакторної установки, технологічним регла-
ментом безпечної експлуатації, інструкціями з експлуатації та ін. У процесі експлуатації фактичні
показання засобів вимірювання контролюються операторами. Проте результати вимірювання значень
параметрів, які пройшли обробку, можуть бути більш представницькими, що дає змогу вирішувати
багато інших задач, пов’язаних із безпечною експлуатацією.
На сьогоднішній день більшість параметрів контролюється технічними засобами автоматизо-
ваної системи управління технологічними процесами. За їхньою допомогою значення контрольова-
них параметрів вимірюються з певною частотою, проходять обробку, відображаються на моніторах,
використовуються для обчислень, зберігаються в архівах та ін.
У результаті накопичення в архівах утворюється довгий ряд даних. Це дає змогу розглядати
їх як матеріал для більш глибокого аналізу з використанням математичної статистики та подальшого
практичного застосування результатів для підвищення надійності контролю за станом технологічного
процесу, станом обладнання і, як додаткову інформацію, для прийняття рішень. Усе це безпосередньо
впливає на підвищення безпечної та надійної експлуатації ядерної установки, а з точки зору дослі-
дження (наприклад, з метою підвищення точності вимірювань) відкриває можливості для застосу-
вання різних підходів. Зауважимо, що застосування методів статистики одночасно призводить до
існування певних невизначеностей, пов'язаних з тим, що статистичний аналіз завжди базується на
певних припущеннях ( деякі методи статистичного аналізу настільки широко розповсюджені й стали
стандартами, що про закладені в них припущення давно забули). У тому числі, як буде показано в
даній роботі, застосування сучасних статистичних підходів дає змогу підвищити надійність такого
аналізу.
Застосування комп'ютерних методів контролю роботи обладнання дозволяє вже практично
розглядати й інший аспект задачі. Перевищення встановлених контрольних рівнів є сигналом аварій-
ної ситуації. Проте у багатьох випадках контрольні рівні значно перевищують нормальний робочий
рівень. І контроль за зміною нормального рівня роботи (що можна робити, аналізуючи постійний
потік даних від контрольної апаратури) дозволяє виявляти небезпечні тенденції у зміні ситуації "на
далеких підступах" до контрольного аварійного рівня [1]. Наприклад, такі підходи розглядаються й
уже практично використовуються в системах регулювання на основі методів нечіткої логіки [2], а не
статистики.
Статистичне оцінювання даних, фактично, є результатом намагання спрогнозувати розвиток
ситуації. Стандартна процедура виглядає так: на основі попередніх вимірювань чи спеціальних дос-
ліджень визначається значення контрольованого параметра, яке характеризує нормальний стан робо-
ти обладнання; далі визначаються межі, у яких зафіксовано флуктуації цього параметра (наприклад,
середнього значення та середньоквадратичного відхилення). На основі цих даних, на смак дослідни-
ка, вибирається математична модель об'єкта – його функція розподілу. А далі на основі аналізу
© А. Д. Скорбун, С. М. Стадник, В. Г. Котеленець, 2016
СТАТИСТИЧНИЙ АНАЛІЗ ШУМІВ РЕАКТОРНОГО ОБЛАДНАННЯ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 37
функції розподілу розраховується ймовірність отримати в експерименті те чи інше значення пара-
метра.
Велика подібність у багатьох випадках експериментальних кривих до гауссового розподілу,
що задовольняє експериментаторів, математична розвинутість методу та традиція, уведена в норма-
тивні документи, призвели до того, що в переважній більшості випадків (включаючи вимоги норма-
тивних документів [3]) в якості математичної моделі випадкових сигналів вибирається гауссовий
(нормальний) розподіл. Однак існує багато як теоретичних [4, 5], так і експериментальних [6, 7] по-
силок для того, щоб вважати, що гауссовий розподіл у більшості випадків є неадекватною моделлю
результатів вимірювань. Усе це веде до появи паліативних підходів, коли, розуміючи неправильність
гауссової моделі по суті, дослідники доводять, що сама по собі формула в межах прийнятної точності
адекватно описує експеримент [8], або аналізуються цензуровані вибірки.
Альтернативою описаній ситуації є розвиток підходів по обробці експериментальних даних
без опори на функції розподілу [9]. Більше того, розроблено теорію аналізу довгих рядів даних, осно-
вою якого є повна відмова від ідеї Гаусса, що наявність багатьох випадкових чинників, які впливають
на вимірюваний сигнал, призводить до усереднення їхнього сумарного впливу. Це так звана теорія
гіпервипадкових явищ [10], основою якої є ідея (аксіома) про те, що якщо в природі й існує рафінова-
ний випадковий процес, який описується конкретною функцією розподілу, то завжди при достатньо
довгих вимірюваннях знайдуться непередбачувані зовнішні впливи, які при реальних вимірюваннях
цю функцію розподілу спотворюють, а вибірка втрачає статистичну стійкість. До таких систем з оче-
видністю належать, наприклад, ядерний реактор, в якому на спонтанні процеси поділу накладаються
ланцюжки вимушеного поділу, або така складна динамічна система, як реакторна установка в цілому
з її позитивними й негативними зворотними зв'язками.
У нашій роботі довгі часові ряди вимірювань деяких параметрів обладнання атомної станції
аналізуються саме з використанням методів (і, відповідно, формул) теорії гіпервипадкових явищ [10].
При цьому запропоновано деякі нові прийоми для оцінки надійності результатів.
Опис експериментальних даних
Для аналізу використовувалась 10-хвилинна
вибірка даних вимірювання температур теплоносія
в гарячій та холодній частинах першої циркуляцій-
ної петлі реакторної установки. Періодичність/ін-
тервал вимірювання становив приблизно 0,5 с.
Для обробки було використано дані таких
точок вимірювання (параметри):
YA11T27 – температура теплоносія на вихо-
ді з реактора першої петлі головного циркуляційно-
го контура (засіб вимірювання – термопара);
YA12T01 – температура теплоносія на вході
в реактор першої петлі головного циркуляційного
контура (засіб вимірювання - термопара);
YA11T31 - температура теплоносія на вихо-
ді з реактора першої петлі головного циркуляційно-
го контура (засіб вимірювання - термометр опору);
YA12T32 - температура теплоносія на вході в реактор першої петлі головного циркуляційного
контура (засіб вимірювання - термометр опору).
Уявлення про характер даних, які аналізуються, дає рис. 1, на якому представлено гістограми
модельних і реальних даних. Модельні дані – це згенеровані комп'ютером нормально розподілені
числа з такими ж, як у відповідних їм реальних даних статистичними параметрами - числом елемен-
тів вибірки, середнім і дисперсією. Можна бачити, по-перше, що для реальних експериментальних
даних гістограми значно більш зубчаті, а, по-друге, для нижніх двох вибірок експериментальні дані
взагалі приймають усього по 5 - 6 значень, що навряд чи дозволяє моделювати їх неперервним розпо-
ділом.
. .
Рис. 1. Гістограми для експериментальних даних
(суцільні лінії) і для змодельованих нормальних
вибірок з тими ж параметрами відповідно (зірочки).
А. Д. СКОРБУН, С. М. СТАДНИК, В. Г. КОТЕЛЕНЕЦЬ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 38
Гіперстатистичний метод обробки даних
Методи теорії ймовірностей базуються на центральних граничних теоремах, які стверджують,
що при збільшенні числа елементів вибірки дисперсія результату прямує до нуля. На відміну від цьо-
го гіперстатистична теорія, основуючись на тому, що існує багато експериментальних прикладів того,
що похибка при збільшенні числа вимірювань не перестає зменшуватись [10, 11], аналізує саме пове-
дінку дисперсії середнього значення при збільшенні числа елементів вибірки. І якісною ознакою гі-
перстатистичних властивостей вибірки є зростання або значно уповільнене зменшення дисперсії се-
реднього при збільшенні розмірів вибірки, що трактується як втрата вибіркою статистичної стійкості.
А при втраті даними статистичної стійкості їхні статистичні оцінки стають неспроможними. Для ана-
лізу спроможності даних, виходячи з ідей гіперстатистики, у нашій роботі використовувалися такі
формули [10]:
Х = х1, х2,.., хn – часовий ряд результатів вимірювання – вихідні дані;
накопичуване середнє вихідного ряду даних
1
1 ( 1, )
n
N i
i
Y x n N
n =
= =å ; (1)
накопичуване середнє середнього вихідного ряду даних
1
1
N
N
Y n
n
m Y
N =
= å ; (2)
накопичувана дисперсія вихідного ряду даних
2
1
1 ( - )
-1
n
x N
i
D x y
n =
= å ; (3)
середня дисперсія вихідного ряду даних
2
1
1 n
y x
i
D D
N =
= å ; (4)
незміщена дисперсія флуктуації накопиченого середнього
2
1
1 ( - )
-1N N
N
Y Yn
n
D Y m
N =
= å . (5)
Зміна з часом величини NYD і є предметом подальшого аналізу.
У теорії [10] вводяться також величини, які є кількісною мірою гіперстатистичних властивос-
тей, а саме статистичної нестійкості ряду даних:
коефіцієнт Nγ , який характеризує абсолютний рівень статистичної нестійкості
[ ]γ = N
N
Y
N
Y
M D
ND
, (6)
де [*]M - оператор математичного очікування;
коефіцієнт Nμ , який пов’язаний з параметром Nγ і характеризує співвідношення між складо-
вими вибірки, які можна статистично прогнозувати (які описуються певною функцією розподілу), і
ефектами непередбачуваних впливів, які не можна статистично прогнозувати (які не описуються пев-
ною функцією розподілу):
N
N
N
γμ =
1+γ
. (7)
Щоб мати можливість порівнювати різні вибірки між собою, необхідно ввести одиницю ста-
тистичної нестійкості.
Для коефіцієнта Nγ в якості одиниці вимірювання статистичної нестійкості пропонується ве-
личина 0Nγ , яка відповідає некорельованому ряду відліків із постійною дисперсією
nx xD =D і нульо-
вим математичним очікуванням при фіксованому значенні N. Коефіцієнт 0Nγ розраховується аналі-
тично:
СТАТИСТИЧНИЙ АНАЛІЗ ШУМІВ РЕАКТОРНОГО ОБЛАДНАННЯ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 39
0
1 2γ = -
( -1) -1N N
N C
N N N
+
, (8)
де
1
1N
N
n
C
n=
= å
Використовуючи одиницю вимірювань 0Nγ , вводиться відносна величина
0
γ=
γ
N
N
N
h , (9)
це коефіцієнт, який характеризує абсолютний рівень статистичної нестійкості в одиницях 0Nγ .
Відносний рівень нестійкості Nμ в одиницях статистичної нестійкості можна охарактеризува-
ти величиною
0γ -γ -1= =
γ
N N N
N
N N
hL
h
, (10)
він являє собою відношення коефіцієнта статистичної нестійкості, розрахованого для непрогнозова-
ної частини розглянутого процесу, до коефіцієнта статистичної нестійкості всього процесу. Границі
вимірювань параметра )- 0,Nh ¥éë , а параметра ](- - ,1NL ¥ .
Ці коефіцієнти є безрозмірними величинами.
Хоча описані вище коефіцієнти введені в теорії [10] досить математично строго, проте при
погляді на графічні результати аналізу (див. нижче) виникає запитання, чи не можна було б отримати
такий же результат для випадкового ряду? Для відповіді на це запитання у нашій роботі вводяться
два якісних способи оцінювання відмінності аналізованого ряду від випадкового. У першому способі
багато разів генерується комп'ютером ряд випадкових нормально розподілених чисел з тими ж зна-
ченнями середнього, дисперсії та кількості елементів, що й в експериментального. Гауссовий ряд
вибрано з тих же причин, що й завжди: на рис. 1 видно, що дані мають дзвоноподібний розподіл і в
найпростішому варіанті можуть моделюватися функціями, які мають подібний вигляд. Цей ряд про-
пускається через ті ж програми гіперстатистичної обробки. Таким чином ми можемо оцінити відмін-
ність наших результатів від випадкового ряду з нормальним розподілом. Ця процедура повторюється
багато разів. Таким чином, після нанесення всіх результатів на один графік, одержимо зону можли-
вих варіантів для випадкових чисел.
Другий підхід базується на необхідності відмовитись при аналізі від використання даних, по-
роджених невідповідними реальності модельними функціями розподілу, тобто необхідно аналізувати
лише реальні дані. Для цього використовується така ідея. Якщо у відповідності до гіпотези гіперста-
тистичного устрою нашого світу [10], за яким реальні явища є сумою багатьох процесів, а відповідно
результати реальних вимірювань є сумою даних з різними статистичними характеристиками, вклю-
чаючи поодинокі й залежні впливи, то можна думати, що отриманий експериментальний зовні випад-
ковий ряд має деякі внутрішні закономірності. У цьому випадку перестановка місцями елементів
вибірки випадковим способом може привести до зникнення цих закономірностей, що у свою чергу
приведе до зміни величини введених вище гіперстатистичних коефіцієнтів. Обробка вибірки з перес-
тавленими місцями елементами використаним у роботі методом гіперстатистичного аналізу, повто-
рення цієї процедури багато разів і нанесення результатів на один графік дасть, як і в першому підхо-
ді, зону величин гіперстатистичних коефіцієнтів, яка буде рівнем фону або шуму для даного методу.
Зауважимо, що на відміну від першого підходу до визначення фонової чутливості методу на основі
аналізу випадкових рядів, у другому підході в результаті багаторазових перестановок може реалізу-
ватись ситуація створення ряду із ще більше упорядкованою структурою. Число таких упорядкованих
реалізацій дає ймовірність того, що експериментальний ряд є випадковим.
Результати аналізу
Для ретельної демонстрації проведеного аналізу було використано набір даних вимірювання
температури першої петлі головного циркуляційного контура (YA11T31). Результати представлено
на рис. 2 та 3. На рис. 2, а показано дані, що підлягають аналізу: послідовний ряд значень температу-
А. Д. СКОРБУН, С. М. СТАДНИК, В. Г. КОТЕЛЕНЕЦЬ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 40
ри – параметра, який досліджується; середня лінія – накопичене середнє значення температури. Не-
великі флуктуації температури зовні виглядають випадковими.
На рис. 2, б показано хід дисперсії накопиченого середнього значення температури. Відповід-
но до перевіряємої гіпотези про гіперстатистичність нашої вибірки дисперсія середнього не спадає до
нуля, на відміну від такої для модельних даних. Крім того, починаючи з деякого розміру вибірки (~
100 ¸ 150 елементів) експериментальні значення лежать помітно вище модельних (на рисунки нане-
сено близько 100 реалізацій).
Ще більш помітно відмінність експериментальних даних від модельних випадкових проявля-
ється для коефіцієнтів, що характеризують гіперстатистичність вибірки (див. рис. 2, в - е). Серед них
.
Рис. 2. Гіперстатистичний аналіз регулярних вимірювань температури теплоносія на виході з реак-
тора першої головної циркуляційної петлі (YA11T31). Суцільні лінії – експериментальні дані, пун-
ктир – результати комп'ютерного моделювання: а – часовий ряд вимірювань із показаним накопи-
ченим середнім значенням; б – дисперсія накопиченого середнього; в, г, д, е – зміна в часі параме-
трів g, μ, h та L відповідно (пояснення в тексті). Модельні дані – аналіз рядів псевдовипадкових
чисел.
.
Рис. 3. Те ж, що й на рис. 2, але моделювання фонових значень (пунктир) виконано
перемішуванням експериментальних даних (permutation test).
СТАТИСТИЧНИЙ АНАЛІЗ ШУМІВ РЕАКТОРНОГО ОБЛАДНАННЯ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 41
найбільш яскраво демонструє гіперстатистичність вибірки коефіцієнт Nh : його хід із зростанням
числа елементів вибірки якісно відрізняється (зростає) від ходу для випадкових чисел. Нагадаємо, що
коефіцієнт Nh характеризує абсолютний рівень статистичної нестійкості в одиницях 0Nγ . Із рис. 2, д
очевидно, що статистична стійкість даних з ростом вибірки зменшується.
На рис. 3 продемонстровано ті ж самі експериментальні дані, але в якості модельних вибірок
використано саму експериментальну вибірку з переставленими місцями елементами. Хоча можна
дискутувати з приводу недоліків і переваг кожного з підходів до вибору модельних даних, якісно
відповідь на поставлене запитання в обох випадках залишається незмінною: поведінка експеримента-
льних даних істотно відрізняється від поведінки модельних (тобто дійсно випадкових) даних.
На рис. 4 показано результати обробки всіх чотирьох наборів даних. Нагадаємо, що результа-
ти аналізу виражено в тих самих одиницях, тому їх можна порівнювати між собою за абсолютною
величиною. З цих рисунків видно, що дані для холодної і гарячої ниток мають принципово різні ста-
тистичні властивості.
Обговорення та висновки
1. Результати обробки експериментальних даних недвозначно вказують на те, що на даних ін-
тервалах спостережень ряди вимірювань температур YA11T27 та YA11T31 не мають статистичної
стійкості: флуктуації їхніх середніх значень, тобто їхні дисперсії, зростають із збільшенням розміру
вибірки – із зростанням тривалості вимірювань. Це означає необхідність спеціального обґрунтування
як розміру довжини ряду при оцінці статистичного параметра, який використовується для контролю
(наприклад, середньоквадратичного відхилення), так і моменту його початку. З цього випливає у
свою чергу, що проаналізовані дані не є випадковими в класичному визначенні цієї характеристики.
2. Як середнє значення, так і дисперсія починають більш-менш стабільно себе поводити, по-
чинаючи з певного розміру вибірки (> 100 ¸ 150 елементів). Тобто за короткими вибірками робити
статистичні оцінки для проаналізованих даних не коректно.
3. Аналіз показав, що статистичні властивості даних для холодної і гарячої ниток принципово
відрізняються: дані від гарячої нитки не мають статистичної стійкості.
4. Існує ряд причин, основною з яких є скінченність числа елементів вибірки, з яких не дося-
гаються асимптотичні значення параметрів вибірок. Це означає, що результати для різних вибірок з
тієї самої генеральної сукупності будуть дещо відрізнятися між собою. Щоб знайти межі таких від-
мінностей, запропоновано спосіб, оснований на методах Монте-Карло: багаторазова генерація випад-
кових вибірок з однаковими параметрами і порівняння їх із реальними експериментальними даними.
.
Рис. 4. Порівняльний аналіз коефіцієнтів гіперстатистичного аналізу регулярних вимірювань
температури в різних точках спостережень. Видно, що за статистичними властивостями флуктуації
температури розділяються на дві групи – для холодного і гарячого теплоносія.
А. Д. СКОРБУН, С. М. СТАДНИК, В. Г. КОТЕЛЕНЕЦЬ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 42
Спосіб є наочним і дає недвозначну відповідь на запитання про можливу випадковість отриманих
результатів.
5. Наведені на рис. 3 результати моделювання методом перестановок місцями елементів екс-
периментальної вибірки свідчать, що одержати експериментальну криву випадковим шляхом не вда-
ється. Це само по собі є свідченням того, що елементи в експериментальній вибірці розташовані не
випадково і є незалежним (на додаток до аналізу на гіпервипадковість) свідченням про те, що вибірка
має внутрішню структуру, яка веде до втрати статистичної стійкості.
СПИСОК ЛІТЕРАТУРИ
1. Турбаевский В. В. Совершенствование системы контрольных уровней радиационных параметров на атом-
ных электростанциях // Ядерна та радіаційна безпека. – 2012. – № 1(53). – С. 25 – 29.
2. Жирабок А. И. Нечеткие множества и их использование для принятия решений // Соросовский образова-
тельный журнал. - 2001. – Т. 7, № 2. – С. 109 – 115.
3. МИ 1317-86 Результаты и характеристики погрешности измерений. Формы представления. Способы испо-
льзования при испытаниях образцов продукции и контроле их параметров.
4. Тутубалин В.Н. Вероятность, компьютеры и обработка результатов эксперимента // Успехи физических
наук. – 1993. – Т. 163, № 7. – С. 93 – 109.
5. Breiman Leo. Statistical modeling: the two cultures // Statistical science. – 2001. – Vol. 16, No. 3. - P. 199 – 231.
6. Новицкий П. В., Зограф И. А. Оценка погрешностей результатов измерений. – Л.: Энергоатомиздат, 1985. –
248 с.
7. Дубровский С. А., Толстова Т. А. О ненормальности нормального закона распределения (вообще и в при-
ложении к металлургии в частности) // Всерос. науч.-техн. конф. «Современная металлургия начала нового
тысячелетия». 29 октября – 2 ноября 2001, г. Липецк. Доклад № 12-2.
8. Котеленец В. Г. Диагностирование элементов 1-го контура ядерной энергетической установки с реактором
типа ВВЭР по теплогидравлическим параметрам: автореф. дис. … канд. техн. наук / НПО ЦКТИ. - Санкт-
Петербург, 1992.
9. Simon J. L. Resampling: The new statistics. – Duxbury Press, 1993.
http://www.resample.com/content/text/index.shtml
10. Горбань И. И. Статистическая неустойчивость физических процессов // Радиоэлектроника. – 2011. – Т. 54,
№ 9. – С. 40 - 52.
11. Ельясберг П. Е. Измерительная информация: сколько ее нужно? Как ее обрабатывать? - М.: Наука. Гл. ред.
физ.-мат. лит., 1983. – 208 с.
А. Д. Скорбун1, С. Н. Стаднык1, В. Г. Котеленец2
1Институт проблем безопасности АЭС НАН Украины, ул. Кирова, 36а, Чернобиль, 07270, Украина
2 Обособленное подразделение «Южно-Украинская АЭС» Государственного предприятия
«НАЭК «Энергоатом», Южноукраинск, Украина
СТАТИСТИЧЕСКИЙ АНАЛИЗ ШУМОВ РЕАКТОРНОГО ОБОРУДОВАНИЯ НА ОСНОВЕ ТЕОРИИ
ГИПЕРСЛУЧАЙНЫХ ЯВЛЕНИЙ
Проанализированы статистические свойства длинных временных рядов данных, которые получают в
процессе непрерывного контроля за состоянием оборудования атомной станции. В данном случае были прове-
дены сбор и обработка результатов измерений температуры теплоносителя на выходе из реактора первой петли
главного циркуляционного контура, измеренной с помощью термометра сопротивления. С использованием
гиперстатистического анализа показано, что эти данные имеют явно выраженные признаки отсутствия стати-
стической устойчивости, что требует пересмотра существующих подходов к анализу таких данных.
Ключевые слова: атомные станции, контроль параметров, гиперстатистический анализ.
А. D. Skorbun1 , S. М. Stadnyk1, V. G. Kotelenets2
1 Institute for Safety Problems of Nuclear Power Plants NAS of Ukraine, Kirova str., 36a, Chornobyl, 07270, Ukraine
2 Separated department «South-Ukraine NPP» of the state enterprise «NNEGC «Energoatom»,
Mikolaiv oblast, Yuzhnourainsk, Ukraine
STATISTICAL ANALYSIS OF NOISES OF REACTOR EQUIPMENT ON THE BASE
OF HYPERRANDOM PHENOMENA THEORY
Statistical properties of long time sets of data, which were obtained during continuous monitoring of nuclear
power plant equipment state, have been analyzed. In our case the collection and treatment of the results of measuring of
the coolant temperature at the outlet from the reactor the first loop of the main circulation contour. The measurements
http://www.resample.com/content/text/index.shtml
СТАТИСТИЧНИЙ АНАЛІЗ ШУМІВ РЕАКТОРНОГО ОБЛАДНАННЯ
________________________________________________________________________________________________________________________
ISSN 1813-3584 ПРОБЛЕМИ БЕЗПЕКИ АТОМНИХ ЕЛЕКТРОСТАНЦІЙ І ЧОРНОБИЛЯ 2016 ВИП. 26 43
were carried out with a resistance thermometer. Using hyperstatistical analysis it was shows that the data have clearly
marked signs of lack of statistical stability, that requires revising of approaches to the analysis of such data.
Keywords: nuclear power plants, parameters control, hyperstatistical analysis.
REFERENCES
1. Turbaevskii V. V. Development of a system of radiation parameters level control for nuclear power plants //
Yaderna ta radiatsiina bezpeka. – 2012. No. 1 (53). – P. 25 – 29. (Rus)
2. Zhirabok A. I. Fuzzy sets and their application to decision making // Sorosovskij obrazovatelnyj zhurnal. - 2001. –
Vol. 7, No. 2. – P. 109 – 115. (Rus)
3. MI 1317-86 Results and characteristics of measurement errors. Forms of representation. Ways to use when testing
product samples and control of their parameters. (Rus)
4. Tutubalin V. N. Probability, computers, and processing of experimental data // Uspehi fizicheskih nauk. – 1993. –
T. 163, No 7. – P. 93 – 109. (Rus)
5. Breiman Leo. Statistical modeling: the two cultures // Statistical science. – 2001. – Vol. 16, No. 3. - P. 199 – 231.
6. Novitskij P. V., Zograf I. A. Evaluation of errors of measurement results – Leningrad: Energoatomizdat, 1985. –
248 р. (Rus)
7. Dubrovskij S. A., Tolstova T. A. About abnormality of the normal distribution (in general and in the application to
the steel industry in particularly) // All-Russian Scientific and Technical Conference «Modern metallurgy begin-
ning of the new millennium». 29 october – 2 november 2001, Lipetsk. Report No. 12-2. (Rus)
8. Kotelenets V. G. Diagnosis of elements of the 1st loop of the nuclear power plants with WWER on the thermal-
hydraulic parameters // Abstract of a thesis for candidate of technіcal sciences // NPO CKTI. – St. Petersburg,
1992. (Rus)
9. Simon J. L. Resampling: The new statistics. Duxbury Press, 1993.
http://www.resample.com/content/text/index.shtml
10. Gorban I. I. Statistical instability of physical processes // Radioelektronika. – 2011. –Т. 54, No. 9. – P. 40 - 52.
(Rus)
11. Elyasberg P. Е. Measuring information: how much it should be? How to handle it? – Мoskwa: NAUKA. Glavn.
red. fiz.-mat. literatury. 1983. – 208 p. (Rus)
Надійшла 13.10.2015
Received 13.10.2015
http://www.resample.com/content/text/index.shtml
|
| id | nasplib_isofts_kiev_ua-123456789-127764 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1813-3584 |
| language | Ukrainian |
| last_indexed | 2025-12-07T18:43:58Z |
| publishDate | 2016 |
| publisher | Інститут проблем безпеки атомних електростанцій НАН України |
| record_format | dspace |
| spelling | Скорбун, А.Д. Стадник, С.М. Котеленець, В.Г. 2017-12-27T16:56:45Z 2017-12-27T16:56:45Z 2016 Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ / А.Д. Скорбун, С.М. Стадник, В.Г. Котеленець // Проблеми безпеки атомних електростанцій і Чорнобиля: наук.-техн. зб. — 2016. — Вип. 26. — С. 36-43. — Бібліогр.: 11 назв. — укр. 1813-3584 https://nasplib.isofts.kiev.ua/handle/123456789/127764 621.039.564 Проаналізовано статистичні властивості довгих часових рядів даних, які отримуються у процесі безперервного контролю за станом обладнання атомної станції. У даному випадку було проведено збір та обробку результатів вимірювання температури теплоносія на виході з реактора першої петлі головного циркуляційного контура, виміряної за допомогою термопари та термометра опору. З використанням гіперстатистичного аналізу показано, що ці дані мають явно виражені ознаки відсутності статистичної стійкості, що потребує перегляду існуючих підходів до аналізу таких даних. Проанализированы статистические свойства длинных временных рядов данных, которые получают в процессе непрерывного контроля за состоянием оборудования атомной станции. В данном случае были проведены сбор и обработка результатов измерений температуры теплоносителя на выходе из реактора первой петли главного циркуляционного контура, измеренной с помощью термометра сопротивления. С использованием гиперстатистического анализа показано, что эти данные имеют явно выраженные признаки отсутствия статистической устойчивости, что требует пересмотра существующих подходов к анализу таких данных. Statistical properties of long time sets of data, which were obtained during continuous monitoring of nuclear power plant equipment state, have been analyzed. In our case the collection and treatment of the results of measuring of the coolant temperature at the outlet from the reactor the first loop of the main circulation contour. The measurements were carried out with a resistance thermometer. Using hyperstatistical analysis it was shows that the data have clearly marked signs of lack of statistical stability, that requires revising of approaches to the analysis of such data. uk Інститут проблем безпеки атомних електростанцій НАН України Проблеми безпеки атомних електростанцій і Чорнобиля Проблеми безпеки атомних електростанцій Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ Статистический анализ шумов реакторного оборудования на основе теории гиперслучайных явлений Statistical analysis of noises of reactor equipment on the base of hyperrandom phenomena theory Article published earlier |
| spellingShingle | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ Скорбун, А.Д. Стадник, С.М. Котеленець, В.Г. Проблеми безпеки атомних електростанцій |
| title | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ |
| title_alt | Статистический анализ шумов реакторного оборудования на основе теории гиперслучайных явлений Statistical analysis of noises of reactor equipment on the base of hyperrandom phenomena theory |
| title_full | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ |
| title_fullStr | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ |
| title_full_unstemmed | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ |
| title_short | Статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ |
| title_sort | статистичний аналіз шумів реакторного обладнання на основі теорії гіпервипадкових явищ |
| topic | Проблеми безпеки атомних електростанцій |
| topic_facet | Проблеми безпеки атомних електростанцій |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/127764 |
| work_keys_str_mv | AT skorbunad statističniianalízšumívreaktornogoobladnannânaosnovíteoríígípervipadkovihâviŝ AT stadniksm statističniianalízšumívreaktornogoobladnannânaosnovíteoríígípervipadkovihâviŝ AT kotelenecʹvg statističniianalízšumívreaktornogoobladnannânaosnovíteoríígípervipadkovihâviŝ AT skorbunad statističeskiianalizšumovreaktornogooborudovaniânaosnoveteoriigiperslučainyhâvlenii AT stadniksm statističeskiianalizšumovreaktornogooborudovaniânaosnoveteoriigiperslučainyhâvlenii AT kotelenecʹvg statističeskiianalizšumovreaktornogooborudovaniânaosnoveteoriigiperslučainyhâvlenii AT skorbunad statisticalanalysisofnoisesofreactorequipmentonthebaseofhyperrandomphenomenatheory AT stadniksm statisticalanalysisofnoisesofreactorequipmentonthebaseofhyperrandomphenomenatheory AT kotelenecʹvg statisticalanalysisofnoisesofreactorequipmentonthebaseofhyperrandomphenomenatheory |