CN120089426B 核电站监测数据处理方法、装置、计算机设备及存储介质 （阳江核电有限公司）

(12)发明专利杨建龙邓志飘韩旭付送林所(普通合伙)44325GO6N3/0499(2023.01)审查员王蒙数时，确定与第一异常参数对应的第一目标设机组中确定与设备属性信息对应的第二目标设方案2获取第一核电机组的第一监测数据，并判断所述第一监测数据中是否存在第一异常参若所述第一监测数据中存在第一异常参数，则从所述第一核电机组的所有机组设备中确定与所述第一异常参数对应的第一目标设备，并获取所述第一目标设备的设备属性信在确定所述设备属性信息为共性设备属性时，从第二核电机组的所有机组设备中确定与所述设备属性信息对应的第二目标设备，所述第二核电机组包括与所述第一核电机组所属同一核电站且区别于所述第一核电机组的至少一个核电机组；获取与所述第二目标设备对应的第二监测数据，并在确认所述第二监测数据中存在第二异常参数时，根据所述第一异常参数和所述第二异常参数确定异常处理方案；其中，所述第一监测数据包括至少一种参数类型和与各所述参数类型对应的监测数所述判断所述第一监测数据中是否存在第一异常参数，包括：将所述第一监测数据输入到预设参数分析模型进行分析处理，得到所述第一监测数据中的所有参数类型以及与各参数类型对应的类型监测曲线；读取所述预设参数分析模型中与各参数类型对应的类型标准曲线，将与同一参数类型对应的所述类型监测曲线和所述类型标准曲线进行比对，确定与各参数类型对应的曲线偏差数值；判断所述曲线偏差数值是否达到与同一参数类型对应的预设偏差阈值；若所述曲线偏差数值达到与同一参数类型对应的预设偏差阈值，则确定所述第一监测数据中存在第一异常参数，并将所有达到预设偏差阈值的曲线偏差数值所对应的监测数据确定为第一异常参数；所述获取所述第一目标设备的设备属性信息之后，包括：根据设备属性信息确定所述第一目标设备的设备功能属性和设备类型属性；在预设机组设备数据库中查找与所述设备功能属性和设备类型属性关联的机组编号信息，并判断所述机组编号信息是否唯一；若所述机组编号信息不唯一，则确定所述设备属性信息为共性设备属性。2.如权利要求1所述的核电站监测数据处理方法，其特征在于，所述将所述第一监测数据输入到预设参数分析模型进行分析处理之前，包括：获取所述第一核电机组在正常运行状态下的历史监测数据，所述历史监测数据包括参数类型标签；对所述历史监测数据进行清洗和降噪处理，并按照所述参数类型标签进行分类处理，得到各参数类型的样本监测数据；基于输入层、隐藏层和输出层建立反向传播神经网络，并将建立好的反向传播神经网络确定为初始参数分析模型；根据所有参数类型的所述样本监测数据对所述初始参数分析模型进行训练，得到训练后参数分析模型；基于所述训练后参数分析模型生成与各参数类型对应的类型标准曲线，根据所有所述3类型标准曲线和所述训练后参数分析模型得到所述预设参数分析模型。3.如权利要求2所述的核电站监测数据处理方法，其特征在于，所述根据所有所述类型标准曲线和所述训练后参数分析模型得到所述预设参数分析模型之后，包括：按照预设时间周期获取所述第一核电机组在正常运行状态下的新增历史监测数据，并判断所述新增历史监测数据中是否存在新增参数类型标签；若存在新增参数类型标签，则按照所述新增参数类型标签对所述新增历史监测数据进行筛选处理，得到各新增参数类型的新增样本监测数据；根据所述新增样本监测数据对所述预设参数分析模型进行更新训练，得到更新后预设参数分析模型，所述更新后预设参数分析模型包括与各新增参数类型对应的新增类型标准4.如权利要求1所述的核电站监测数据处理方法，其特征在于，所述判断所述机组编号若所述机组编号信息唯一，则确定所述设备属性信息不为共性设备属性；根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，并将所述第一设备处理方案确定为异常处理方案。5.如权利要求1所述的核电站监测数据处理方法，其特征在于，所述获取与所述第二目标设备对应的第二监测数据之后，还包括：将所述第二监测数据输入到预设参数分析模型进行分析处理，根据分析结果判断所述第二监测数据中是否存在第二异常参数；若确认所述第二监测数据中不存在第二异常参数，则根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，并将所述第一设备处理方案确定为异常处理方6.如权利要求4或5中任一项所述的核电站监测数据处理方法，其特征在于，所述第一异常参数包括异常提示参数和异常预警参数；在确认所述第一异常参数为异常提示参数时，根据所述第一异常参数确定与所述第一目标设备对应的设备检修策略，并将所述设备检修策略确定为第一设备处理方案；在确认所述第一异常参数为异常预警参数时，根据所述第一异常参数确定与所述第一目标设备对应的设备更换策略，并将所述设备更换策略确定为第一设备处理方案。7.如权利要求1所述的核电站监测数据处理方法，其特征在于，所述根据所述第一异常参数和所述第二异常参数确定异常处理方案，包括：根据所述设备属性信息在预设设备知识库中查找与所述共性设备属性关联的异常处理建议清单；从所述异常处理建议清单中获取与所述第一异常参数匹配的第一处理建议，以及与所述第二异常参数匹配的第二处理建议；根据所述第一处理建议生成与所述第一目标设备对应的第一设备处理方案，根据所述第二处理建议生成与所述第二目标设备对应的第二设备处理方案，并将所述第一设备处理方案和所述第二设备处理方案确定为异常处理方案。4参数异常判断模块，用于获取第一核电机组的第一监测数据，并判断所述第一监测数据中是否存在第一异常参数；设备属性信息获取模块，用于若所述第一监测数据中存在第一异常参数，则从所述第一核电机组的所有机组设备中确定与所述第一异常参数对应的第一目标设备，并获取所述第一目标设备的设备属性信息；共性设备确定模块，用于在确定所述设备属性信息为共性设备属性时，从第二核电机组的所有机组设备中确定与所述设备属性信息对应的第二目标设备，所述第二核电机组包括与所述第一核电机组所属同一核电站且区别于所述第一核电机组的至少一个核电机组；异常处理方案生成模块，用于获取与所述第二目标设备对应的第二监测数据，并在确认所述第二监测数据中存在第二异常参数时，根据所述第一异常参数和所述第二异常参数确定异常处理方案；其中，所述参数异常判断模块包括：第一监测数据分析单元，用于将所述第一监测数据输入到预设参数分析模型进行分析处理，得到所述第一监测数据中的所有参数类型以及与各参数类型对应的类型监测曲线；曲线偏差数值确定单元，用于读取所述预设参数分析模型中与各参数类型对应的类型标准曲线，将与同一参数类型对应的所述类型监测曲线和所述类型标准曲线进行比对，确定与各参数类型对应的曲线偏差数值；曲线偏差数值比较单元，用于判断所述曲线偏差数值是否达到与同一参数类型对应的预设偏差阈值；第一异常参数确定单元，用于若所述曲线偏差数值达到与同一参数类型对应的预设偏差阈值，则确定所述第一监测数据中存在第一异常参数，并将所有达到预设偏差阈值的曲线偏差数值所对应的监测数据确定为第一异常参数；所述设备属性信息获取模块包括：设备属性信息解析单元，用于根据设备属性信息确定所述第一目标设备的设备功能属性和设备类型属性；机组编号信息获取单元，用于在预设机组设备数据库中查找与所述设备功能属性和设备类型属性关联的机组编号信息，并判断所述机组编号信息是否唯一；共性设备属性确定单元，用于若所述机组编号信息不唯一，则确定所述设备属性信息为共性设备属性。9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述核电站监测数据处理方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至7中任一项所述核电站监测数据处理方法。5技术领域[0001]本发明涉及核电信息化技术领域，尤其涉及一种核电站监测数据处理方法、装置、计算机设备及存储介质。背景技术[0002]核电机组是由反应堆及其配套的汽轮发电机组以及为维持它们正常运行和保证安全所需的系统和设施组成的基本发电单元。随着核电技术的发展和发电需求的增加，一个核电站通常包含多台核电机组，核电站的正常运行离不了对核电机组的状态监测。[0003]现有的核电站中，普遍采用单元机组或单堆的管理模式对核电机组进行状态监测，耗费了大量的人力物力，不利于生产工效的提升，制约了核电站的运维管理水平。同一核电站的多台核电机组之间具有规模优势，机组技术点也无大面积差异，具有多机组群堆集成管理的基础，存在很多群堆共性事件。然而，现有的管理模式在面对群堆共性事件时，不能从群堆层面整合监控数据以及监测群堆关键参数，导致不同机组之间的异常事件重复处理。同时，在事件处理的过程中缺少跨专业、跨机组的在线支持，也无法做到多台机组之间的群堆信息共享、统一指挥，影响问题决策的全面性和事件处理的效率。发明内容[0004]基于此，有必要针对上述技术问题，提供一种核电站监测数据处理方法、装置、计算机设备及存储介质，以解决现有核电站采用单元机组独立管理的方式对核电机组进行状态监测，不利于共性事件的处理，影响决策全面性和事件处理效率的问题。[0006]获取第一核电机组的第一监测数据，并判断所述第一监测数据中是否存在第一异常参数；[0007]若所述第一监测数据中存在第一异常参数，则从所述第一核电机组的所有机组设备中确定与所述第一异常参数对应的第一目标设备，并获取所述第一目标设备的设备属性[0008]在确定所述设备属性信息为共性设备属性时，从第二核电机组的所有机组设备中确定与所述设备属性信息对应的第二目标设备，所述第二核电机组包括与所述第一核电机组所属同一核电站且区别于所述第一核电机组的至少一个核电机组；[0009]获取与所述第二目标设备对应的第二监测数据，并在确认所述第二监测数据中存在第二异常参数时，根据所述第一异常参数和所述第二异常参数确定异常处理方案。[0011]参数异常判断模块，用于获取第一核电机组的第一监测数据，并判断所述第一监测数据中是否存在第一异常参数；[0012]设备属性信息获取模块，用于若所述第一监测数据中存在第一异常参数，则从所述第一核电机组的所有机组设备中确定与所述第一异常参数对应的第一目标设备，并获取6所述第一目标设备的设备属性信息；[0013]共性设备确定模块，用于在确定所述设备属性信息为共性设备属性时，从第二核电机组的所有机组设备中确定与所述设备属性信息对应的第二目标设备，所述第二核电机组包括与所述第一核电机组所属同一核电站且区别于所述第一核电机组的至少一个核电[0014]异常处理方案生成模块，用于获取与所述第二目标设备对应的第二监测数据，并在确认所述第二监测数据中存在第二异常参数时，根据所述第一异常参数和所述第二异常参数确定异常处理方案。[0015]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述核电站监测数据处理方法。[0016]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述核电站监测数据处理方法。[0017]上述核电站监测数据处理方法、装置、计算机设备及存储介质中，该方法在确定第一核电机组中的第一监测数据中存在第一异常参数时，首先判断第一异常参数对应的第一目标设备是否为共性设备，然后在确定为共性设备时，从第二核电机组中确定与第一目标设备互为共性设备的第二目标设备。这样可以基于核电站第一核电机组和第二核电机组等多台机组之间的群堆信息共享，根据第二核电机组中的第二监测数据预先判断第二目标设备是否存在异常，从设备层级实现了核电站监测数据的联动处理，减少了异常监测的滞后性，使得异常响应和处理更加及时。此外，根据第一异常参数和第二异常参数共同确定异常处理方案，对于第一核电机组和第二核电机组之间的共性设备异常事件，有利于统一指挥，提高了问题决策的全面性和异常事件处理的效率，有效提升监测数据的异常识别效果。附图说明[0018]为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0019]图1是本发明一实施例中核电站监测数据处理方法的一流程示意图；[0020]图2是本发明一实施例中核电站监测数据处理装置的一结构示意图；[0021]图3是本发明一实施例中计算机设备的一示意图。具体实施方式[0022]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施[0023]在一实施例中，如图1所示，提供一种核电站监测数据处理方法，包括如下步骤7[0024]S10、获取第一核电机组的第一监测数据，并判断所述第一监测数据中是否存在第一异常参数。[0025]可理解地，在对核电站的核电机组进行状态监测的应用场景中，监测系统与预先设置在各个核电机组的监测终端建立通信连接。其中，监测系统可以用独立的服务器或者是多个服务器组成的服务器集群来实现，监测终端可以是采集设备运行参数的传感器，也可以是摄像头。当核电站包括至少两个核电机组时，监测系统可以同时监测各个核电机组的状态。[0026]在监测系统与核电机组进行数据交互时，按照数据的来源不同，可以将所有的核电机组分为第一核电机组和第二核电机组。第一核电机组是用于表征当前正在分析的检测数据的发送来源的核电机组，即目标机组。第二核电机组是用于表征除当前正在分析的检测数据的发送来源之外的核电机组，即同一核电站中其他的非目标机组。第一监测数据是指第一核电机组向监测系统发送的监测数据，包括第一核电机组中任一机组设备的运行参数。对于核电机组中所有机组设备的运行参数，都预先设置有核电机组在正常运行状态下所对应的正常参数标准，第一异常参数是指对第一监测数据进行分析后筛选出的存在异常的参数，即不符合机组设备的正常参数标准。[0027]S20、若所述第一监测数据中存在第一异常参数，则从所述第一核电机组的所有机组设备中确定与所述第一异常参数对应的第一目标设备，并获取所述第一目标设备的设备属性信息。[0028]可理解地，第一监测数据是以机组设备为单元进行数据交互的，第一监测数据中的每一项运行参数都对应一个机组设备。当第一监测数据中存在第一异常参数时，则从第一核电机组的所有机组设备中可以确定与第一异常参数对应的第一目标设备。第一目标设备是指第一核电机组中运行参数存在异常的机组设备。设备属性信息是用于记录设备本身一目标设备之后，获取第一目标设备的设备属性信息，以便于根据设备属性信息进行后续的分析和处理。[0029]S30、在确定所述设备属性信息为共性设备属性时，从第二核电机组的所有机组设备中确定与所述设备属性信息对应的第二目标设备，所述第二核电机组包括与所述第一核电机组所属同一核电站且区别于所述第一核电机组的至少一个核电机组。[0030]可理解地，对于同一核电站的多个核电机组，各个核电机组的机组设备之间的重合率很高，很容易出现在相同的安装位置安装相同机组设备的情况。在获取第一目标设备的设备属性信息之后，根据设备属性信息可以查询具有该设备属性信息的设备所属的核电机组的数量。当设备所属的核电机组出现两个或两个以上时，可以确定设备属性信息为共性设备属性；当设备所属的核电机组只有一个时，可以确定设备属性信息不为共性设备属性。共性设备属性是指在不同的核电机组中具有相同特性的设备属性信息，如具有相同的功能、类型、维护要求等属性的设备特性。在确定设备属性信息为共性设备属性时，可以根据设备属性信息从第二核电机组的所有机组设备中确定出与设备属性信息对应的第二目标设备。第二目标设备是指第二核电机组中具有与第一目标设备相同设备属性信息的机组8[0031]S40、获取与所述第二目标设备对应的第二监测数据，并在确认所述第二监测数据中存在第二异常参数时，根据所述第一异常参数和所述第二异常参数确定异常处理方案。[0032]可理解地，虽然第一目标设备和第二目标设备分别属于不同的核电机组，但是由于具有相同的设备属性信息，因此在第一目标设备发生异常时，第二目标设备也可能发生异常。为了及时判断第二目标设备是否发生异常，需要获取与第二目标设备对应的第二监测数据。第二监测数据是指第二核电机组向监测系统发送的与第二目标设备对应的运行参数，不包括第二核电机组中除第二目标设备之外的其他设备的运行参数，这样可以对第二目标设备进行针对性分析。第二异常参数是指对第二监测数据进行分析后筛选出的存在异常的参数，即不符合第二目标设备的正常参数标准。[0033]监测系统不止承担着观察者，还承担着决策者的角色。监测系统通过实时监测机制，以便在监测到异常参数出现时立即触发警报和后续处理流程。在确认第二监测数据中存在第二异常参数时，表明第一目标设备和第二目标设备均发生异常，因此需要根据第一异常参数和第二异常参数共同确定异常处理方案。异常处理方案是指用于使核电机组中机组设备的运行参数由异常恢复正常的策略，如检查、维修或更换。此时，异常处理方案包括用于消除第一目标设备的第一异常参数的策略和消除第二目标设备的第二异常参数的策[0034]本实施例在确定第一核电机组中的第一监测数据中存在第一异常参数时，首先判断第一异常参数对应的第一目标设备是否为共性设备，然后在确定为共性设备时，从第二核电机组中确定与第一目标设备互为共性设备的第二目标设备。本实施例可以基于核电站第一核电机组和第二核电机组等多台机组之间的群堆信息共享，根据第二核电机组中的第二监测数据预先判断第二目标设备是否存在异常，从设备层级实现了核电站监测数据的联动处理，减少了异常监测的滞后性，使得异常响应和处理更加及时。此外，本实施例根据第一异常参数和第二异常参数共同确定异常处理方案，对于第一核电机组和第二核电机组之间的共性设备异常事件，有利于统一指挥，提高了问题决策的全面性和异常事件处理的效率，有效提升监测数据的异常识别效果。本实施例在多个核电机组之间建立数据共享平台，以便更快速地发现跨机组的共性问题，同时建立协同处理机制，确保在发现跨机组异常时能够迅速协调核电站人员和物资进行处理。[0035]在一实施例中，所述第一监测数据包括至少一种参数类型和与各所述参数类型对[0036]S101、将所述第一监测数据输入到预设参数分析模型进行分析处理，得到所述第一监测数据中的所有参数类型以及与各参数类型对应的类型监测曲线；[0037]S102、读取所述预设参数分析模型中与各参数类型对应的类型标准曲线，将与同一参数类型对应的所述类型监测曲线和所述类型标准曲线进行比对，确定与各参数类型对应的曲线偏差数值；[0038]S103、判断所述曲线偏差数值是否达到与同一参数类型对应的预设偏差阈值；[0039]S104、若所述曲线偏差数值达到与同一参数类型对应的预设偏差阈值，则确定所述第一监测数据中存在第一异常参数，并将所有达到预设偏差阈值的曲线偏差数值所对应的监测数据确定为第一异常参数。[0040]可理解地，核电机组中具有多个不同的机组设备，同一个机组设备也可能同时具9有多个方面的运行参数，如热交换设备的流量、出口温度和出口压力。第一监测数据包括至少一种参数类型和与各参数类型对应的监测数据。参数类型是用于表征运行参数之间的特征的信息。[0041]在判断第一监测数据中是否存在第一异常参数的过程中，需要先将第一监测数据输入到预设参数分析模型进行分析处理。预设参数分析模型是指预先训练好的用于对各种参数类型的监测数据进行分析的神经网络模型，预设参数分析模型的输入是监测数据，输出是监测数据中的异常参数。预设参数分析模型会对第一监测数据进行分析处理，以识别第一监测数据中所有的参数类型，对于每一种参数类型，还会生成对应的类型监测曲线。类型监测曲线是指用于表征不同参数类型的运行参数随时间变化的轨迹曲线，类型监测曲线的横坐标对应时间，纵坐标对应运行参数的参数类型。运行参数的采样频率不同，曲线的精[0042]预设参数分析模型中还预先存储有与各参数类型对应的类型标准曲线，类型标准曲线用于表征在核电机组正常运行状态下不同参数类型的运行参数随时间变化的轨迹曲线。在得到类型监测曲线后，读取类型标准曲线，将与同一参数类型对应的类型监测曲线和类型标准曲线进行比对，计算两种曲线之间的曲线偏差数值。曲线偏差数值用于量化监测数据相对于类型标准曲线的偏离程度。[0043]对于每一种参数类型，都有一个预设偏差阈值，接下来需要判断计算出的曲线偏差数值是否达到与同一参数类型对应的预设偏差阈值。预设偏差阈值是预先设置的用于判断监测数据中的偏差是否达到异常程度的临界值，预设偏差阈值可以是一个偏差区间数值，如温度的预设偏差阈值设置为(-2℃,2℃)。如果任一参数类型对应的曲线偏差数值达到(或超过)预设偏差阈值，则可以确定第一监测数据中存在第一异常参数，并将所有达到预设偏差阈值的曲线偏差数值所对应的监测数据确定为第一异常参数。如果所有的曲线偏差数值均未达到与同一参数类型对应的预设偏差阈值，则确定第一监测数据中不存在第一异常参数。[0044]本实施例基于预设参数分析模型实现了异常分析流程的自动化，省时省力，提高了监测数据处理的效率和准确性。同时，由于基于预设参数分析模型和类型标准曲线，因此也具有一定的灵活性和可扩展性，可以根据不同的应用场景进行学习和优化。[0045]在一实施例中，步骤S101中，即所述将所述第一监测数据输入到预设参数分析模[0046]S1011、获取所述第一核电机组在正常运行状态下的历史监测数据，所述历史监测数据包括参数类型标签；[0047]S1012、对所述历史监测数据进行清洗和降噪处理，并按照所述参数类型标签进行分类处理，得到各参数类型的样本监测数据；[0048]S1013、基于输入层、隐藏层和输出层建立反向传播神经网络，并将建立好的反向传播神经网络确定为初始参数分析模型；[0049]S1014、根据所有参数类型的所述样本监测数据对所述初始参数分析模型进行训[0050]S1015、基于所述训练后参数分析模型生成与各参数类型对应的类型标准曲线，根据所有所述类型标准曲线和所述训练后参数分析模型得到所述预设参数分析模型。[0051]可理解地，在通过预设参数分析模型对监测数据进行分析处理之前，需要先利用历史监测数据作为样本数据进行模型训练，得到预设参数分析模型。历史监测数据是指核电机组在指定历史时间段之内的所有监测数据，其中，指定历史时间段可以是当前时间点之前的三个月，也可以是上一年度。首先，获取第一核电机组在正常运行状态下的历史监测数据，这些历史监测数据包含参数类型标签，用于标识每项历史监测数据所对应的参数类型。然后，对历史监测数据进行清洗和降噪处理，去除错误或无效数据，以减少噪声对后续模型训练的影响。按照参数类型标签对数据进行分类处理，得到各参数类型的样本监测数据。样本监测数据是对历史监测数据进行预处理(清洗和降噪处理)后得到的数据。[0052]接下来，需要建立初始参数分析模型，初始参数分析模型是尚未经过样本数据训PropagationNeuralNetwork,简称为BPNN),将建立好的反向传播神经网络确定为初始参数分析模型。使用所有参数类型的样本监测数据对初始参数分析模型进行训练，在训练过程中，反向传播神经网络通过反向传播算法调整网络权重，通过迭代优化调整模型参数，以最小化预测值与实际值之间的误差。此外，基于训练后的反向传播神经网络，为每种参数类型生成类型标准曲线。最终，将所有类型标准曲线和训练后的反向传播神经网络结合，得到预设参数分析模型。[0053]本实施例充分利用历史监测数据来训练构建好的反向传播神经网络，并基于所有类型标准曲线和训练后的反向传播神经网络得到预设参数分析模型，使得模型能够准确地识别出第一监测数据中的异常参数，保障了模型的监测数据分析能力。[0054]在一实施例中，步骤S1015中，即所述根据所有所述类型标准曲线和所述训练后参数分析模型得到所述预设参数分析模型之后，包括：[0055]S10151、按照预设时间周期获取所述第一核电机组在正常运行状态下的新增历史监测数据，并判断所述新增历史监测数据中是否存在新增参数类型标签；[0056]S10152、若存在新增参数类型标签，则按照所述新增参数类型标签对所述新增历史监测数据进行筛选处理，得到各新增参数类型的新增样本监测数据；[0057]S10153、根据所述新增样本监测数据对所述预设参数分析模型进行更新训练，得到更新后预设参数分析模型，所述更新后预设参数分析模型包括与各新增参数类型对应的新增类型标准曲线。[0058]可理解地，在核电机组的实际运维需求中，可能会安装一些新的机组设备，此时需要监测与新的机组设备对应的运行参数，或者需要对已有的机组设备监测新类型的运行参数，此时需要调整预设参数分析模型。预设时间周期是预先设定好的用于利用新的历史监测数据对预设参数分析模型进行调整的固定时间段，例如默认设置为一个月。[0059]按照预设时间周期获取第一核电机组在正常运行状态下的新增历史监测数据，新增历史监测数据是指在预设时间周期内第一核电机组在正常运行状态下产生的监测数据。检查新增历史监测数据，判断是否存在新增参数类型标签，新增参数类型标签是指新增历史监测数据中与上一历史时间周期相比新增加的参数类型的标签，这些新增的参数类型可能是随着核电机组的升级、改造或监测技术更新而引入的。当不存在新增参数类型标签时，则不需要更新预设参数分析模型。当存在新增参数类型标签时，则按照这些新增参数类型标签对新增历史监测数据进行筛选处理，从新增历史监测数据中提取出与每个新增参数类11型对应的新增样本监测数据。新增样本监测数据是对新增历史监测数据进行预处理(清洗和降噪处理)后得到的数据。将新增样本监测数据添加到训练集中，并重新运行训练算法，对预设参数分析模型中反向传播神经网络的进行更新训练，得到更新后的反向传播神经网络。基于更新后的反向传播神经网络生成与这些新增参数类型对应的新增类型标准曲线，新增类型标准曲线用于表征在核电机组正常运行状态下新增参数类型的运行参数随时间变化的轨迹曲线。将已有的类型标准曲线、新增类型标准曲线和更新后的反向传播神经网络结合，得到更新后预设参数分析模型。[0060]本实施例通过定期更新预设参数分析模型，确保预设参数分析模型的适用性，能够持续有效地识别异常参数，提高异常监测的准确性和可靠性，保障核电机组的安全运行。[0061]在一实施例中，步骤S20中，即所述获取所述第一目标设备的设备属性信息之后，包括：[0062]S201、根据设备属性信息确定所述第一目标设备的设备功能属性和设备类型属[0063]S202、在预设机组设备数据库中查找与所述设备功能属性和设备类型属性关联的机组编号信息，并判断所述机组编号信息是否唯一；[0064]S203、若所述机组编号信息不唯一，则确定所述设备属性信息为共性设备属性。[0065]可理解地，设备属性信息包括机组设备的设备功能属性和设备类型属性。设备功能属性是用于表征机组设备的功能方面的特性，包括技术规格和维护记录信息。设备类型属性是用于表征机组设备的类型方面的特性，包括设备的型号、制造商和安装位置等。预设机组设备数据库是预先生成的用于存储核电站中所有机组设备与各个核电机组之间的关联关系的数据库。一个机组设备对应一个设备功能属性和设备类型属性的组合，但是一个设备功能属性和设备类型属性的组合可以对应一个核电机组，也可以对应两个或两个以上的核电机组。机组编号信息是用于明确标识和区分不同核电机组的特定编号信息，可以是数字或字母。[0066]从设备属性信息中可以提取出第一目标设备的设备功能属性和设备类型属性，在预设机组设备数据库中查找与设备功能属性和设备类型属性关联的机组编号信息，并判断机组编号信息是否唯一。当机组编号信息不唯一时，表明其他核电机组中存在设备功能属性和设备类型属性相同的机组设备，因此确定设备属性信息为共性设备属性。[0067]本实施例将设备功能属性和设备类型属性作为查找条件，有效地确定第一目标设备在所有核电机组中的唯一性，可以准确地判断第一目标设备是否为共性设备，以便于后续采用不同的异常处理方案。[0068]在一实施例中，步骤S202中，即所述判断所述机组编号信息是否唯一之后，还包[0069]S2021、若所述机组编号信息唯一，则确定所述设备属性信息不为共性设备属性；[0070]S2022、根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，并将所述第一设备处理方案确定为异常处理方案。[0071]可理解地，在判断机组编号信息是否唯一的过程中，当机组编号信其他核电机组中不存在设备功能属性和设备类型属性相同的机组设备，因此确定设备属性信息不为共性设备属性。此时，不需要对其他核电机组的监测数据进行进一步分析，可以直接根据第一异常参数确定与第一目标设备对应的第一设备处理方案，并将第一设备处理方案确定为异常处理方案。第一设备处理方案是用于使第一目标设备的运行参数由异常恢复正常的策略。[0072]本实施例在机组编号信息唯一时排除了第一目标设备的异常为共性问题的可能性，并在发现异常参数时能够迅速、有效地确定处理方案，从而保障核电机组的正常运行和安全。[0073]在一实施例中，步骤S40中，即所述获取与所述第二目标设备对应的第二监测数据[0074]S401、将所述第二监测数据输入到预设参数分析模型进行分析处理，根据分析结果判断所述第二监测数据中是否存在第二异常参数；[0075]S402、若确认所述第二监测数据中不存在第二异常参数，则根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，并将所述第一设备处理方案确定为异常处理方案。[0076]可理解地，在判断第二目标设备的运行是否正常时，通用需要将第二监测数据输入到预设参数分析模型进行分析处理，并根据分析结果判断第二监测数据中是否存在第二异常参数。当第二监测数据中不存在第二异常参数时，表明第二目标设备的运行正常，不需要对第二目标设备进行任何处理。此时，只有第一目标设备发生异常，因此直接根据第一异常参数确定与第一目标设备对应的第一设备处理方案，并将第一设备处理方案确定为异常处理方案。[0077]本实施例在确保第二目标设备正常运行时，直接确定与第一目标设备对应的第一设备处理方案，可以有效地处理第一目标设备的异常情况，保证了异常处理的及时性。[0078]在一实施例中，所述第一异常参数包括异常提示参数和异常预警参数；步骤S402中，即所述根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，包[0079]S4021、在确认所述第一异常参数为异常提示参数时，根据所述第一异常参数确定与所述第一目标设备对应的设备检修策略，并将所述设备检修策略确定为第一设备处理方[0080]S4022、在确认所述第一异常参数为异常预警参数时，根据所述第一异常参数确定与所述第一目标设备对应的设备更换策略，并将所述设备更换策略确定为第一设备处理方[0081]可理解地，在判断曲线偏差数值是否达到与同一参数类型对应的预设偏差阈值时，可以根据偏差对运行影响的严重程度进一步划分不同的阈值范围。预设偏差阈值包括预设提示偏差阈值和预设预警偏差阈值，且预设提示偏差阈值小于预设预警偏差阈值。预设提示偏差阈值是预先设置的用于判断监测数据中的偏差对机组运行达到轻度影响程度的临界值(如机组设备的零件疲劳但仍可以实现功能),预设预警偏差阈值是预先设置的用于判断监测数据中的偏差对机组运行达到重度影响程度的临界值(如机组设备的零件损坏导致无法实现功能)。当曲线偏差数值达到与同一参数类型对应的预设提示偏差阈值且尚未达到预设预警偏差阈值时，对应的第一异常参数为异常提示参数，异常提示参数表征第一异常参数的偏差数值达到预设提示偏差阈值。当曲线偏差数值达到与同一参数类型对应的预设预警偏差阈值时，对应的第一异常参数为异常预警参数，异常预警参数表征第一异常参数的偏差数值达到预设预警偏差阈值。[0082]第一异常参数的偏差对机组运行的影响严重程度不同，采用的处理策略也不同。在确认第一异常参数为异常提示参数时，表明第一目标设备当前存在某种问题或故障，但这些问题或故障可能不会立即导致设备完全失效。此时，根据第一异常参数确定与第一目标设备对应的设备检修策略，并将设备检修策略确定为第一设备处理方案。设备检修策略是指对机组设备进行检查维修使得满足机组正常运行需求的处理方法，如调整位置。在确认第一异常参数为异常预警参数时，表明第一目标设备即将出现严重问题或故障，这些问题或故障可能会导致设备完全失效而需要立即采取紧急措施。此时，根据第一异常参数确定与第一目标设备对应的设备更换策略，并将设备更换策略确定为第一设备处理方案。设备检修策略是指对机组设备进行更换使得满足机组正常运行需求的处理方法。[0083]在一实施例中，在核电机组升功率过程中，液位变送器Y1ADG004MN出现除氧器液位参数大幅波动，对比Y1ADG001/002/为异常预警参数时，确认Y1ADGO04MN液位变送器故障(仪表损坏),并将设备更换策略确定为设备处理方案。[0084]本实施例对于不同影响程度的异常参数，采用不同的处理策略作为异常处理方案，有助于更加高效、准确地处理设备异常，提高设备的可用性和异常处[0085]在一实施例中，步骤S40中，即所述根据所述第一异常参数和所述第二异常参数确[0086]S403、根据所述设备属性信息在预设设备知识库中查找与所述共性设备属性关联的异常处理建议清单；[0087]S404、从所述异常处理建议清单中获取与所述第一异常参数匹配的第一处理建议，以及与所述第二异常参数匹配的第二处理建议；[0088]S405、根据所述第一处理建议生成与所述第一目标设备对应的第一设备处理方案，根据所述第二处理建议生成与所述第二目标设备对应的第二设备处理方案，并将所述第一设备处理方案和所述第二设备处理方案确定为异常处理方案。[0089]可理解地，第一目标设备和第二目标设备具有相同的设备属性信息，此时的设备属性信息为共性设备属性，可以用来在预设设备知识库中查找与共性设备属性关联的处理建议。预设设备知识库是一个以机组设备为单元预先存储有设备常见问题和解决方案的数据库，其中包含了与各种设备属性相关联的异常处理建议。预设设备知识库是结构化数据库，以机组设备为单元进行存储，每一个机组设备的设备属性信息对应一个设备属性处理建议数据组，设备属性处理建议数据组用于表征与设备属性信息对应的机组设备和机组设备中运行参数的异常处理建议清单之间的关联关系。异常处理建议清单记录有机组设备中所有运行参数的异常参数以及各个异常参数所对应的异常处理建议。[0090]在预设设备知识库中，监测系统会根据第一目标设备和第二目标设备的设备共性属性来定位到一个或多个相关的异常处理建议清单。接下来，监测系统会根据具体的异常参数(第一异常参数和第二异常参数)来从异常处理建议清单中查找匹配的处理建议，分别得到与第一异常参数匹配的第一处理建议和与第二异常参数匹配的第二处理建议。第一处理建议是指用于使第一异常参数由异常恢复正常的推荐策略，第二处理建议是指用于使第二异常参数由异常恢复正常的推荐策略。推荐策略可以是设备检修策略，也可以是设备更换策略。根据找到的处理建议，监测系统会生成最终的设备处理方案。这些设备处理方案包括具体的操作步骤、所需的工具和备件、预期的结果等。监测系统基于第一处理建议生成用于对第一目标设备进行处理的第一设备处理方案，基于第二处理建议生成用于对第二目标设备进行处理的第二设备处理方案，并将第一设备处理方案和第二设备处理方案确定为最终的异常处理方案。[0091]本实施例根据设备属性信息在预设设备知识库中查找处理建议并确定异常处理方案，实现了从设备异常参数到具体处理方案的自动化映射，大大提高了异常排查和处理的效率。同时，基于预设设备知识库，不仅具有可靠性和准确性，还有助于建立协同处理机制，确保在发现跨机组异常时能够迅速协调核电站人员和物资进行处理。[0092]应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限[0093]在一实施例中，提供一种核电站监测数据处理装置，该核电站监测数据处理装置与上述实施例中核电站监测数据处理方法一一对应。如图2所示，该核电站监测数据处理装置包括参数异常判断模块10、设备属性信息获取模块20、共性设备确定模块30和异常处理方案生成模块40。各功能模块详细说明如下：[0094]参数异常判断模块10,用于获取第一核电机组的第一监测数据，并判断所述第一监测数据中是否存在第一异常参数；[0095]设备属性信息获取模块20,用于若所述第一监测数据中存在第一异常参数，则从所述第一核电机组的所有机组设备中确定与所述第一异常参数对应的第一目标设备，并获取所述第一目标设备的设备属性信息；[0096]共性设备确定模块30,用于在确定所述设备属性信息为共性设备属性时，从第二核电机组的所有机组设备中确定与所述设备属性信息对应的第二目标设备，所述第二核电机组包括与所述第一核电机组所属同一核电站且区别于所述第一核电机组的至少一个核电机组；[0097]异常处理方案生成模块40,用于获取与所述第二目标设备对应的第二监测数据，并在确认所述第二监测数据中存在第二异常参数时，根据所述第一异常参数和所述第二异常参数确定异常处理方案。[0098]在一实施例中，参数异常判断模块10包括：[0099]第一监测数据分析单元，用于将所述第一监测数据输入到预设参数分析模型进行分析处理，得到所述第一监测数据中的所有参数类型以及与各参数类型对应的类型监测曲[0100]曲线偏差数值确定单元，用于读取所述预设参数分析模型中与各参数类型对应的类型标准曲线，将与同一参数类型对应的所述类型监测曲线和所述类型标准曲线进行比对，确定与各参数类型对应的曲线偏差数值；[0101]曲线偏差数值比较单元，用于判断所述曲线偏差数值是否达到与同一参数类型对应的预设偏差阈值；[0102]第一异常参数确定单元，用于若所述曲线偏差数值达到与同一参数类型对应的预设偏差阈值，则确定所述第一监测数据中存在第一异常参数，并将所有达到预设偏差阈值的曲线偏差数值所对应的监测数据确定为第一异常参数。[0104]历史监测数据获取单元，用于获取所述第一核电机组在正常运行状态下的历史监测数据，所述历史监测数据包括参数类型标签；[0105]样本监测数据确定单元，用于对所述历史监测数据进行清洗和降噪处理，并按照所述参数类型标签进行分类处理，得到各参数类型的样本监测数据；[0106]初始参数分析模型建立单元，用于基于输入层、隐藏层和输出层建立反向传播神经网络，并将建立好的反向传播神经网络确定为初始参数分析模型；[0107]模型训练单元，用于根据所有参数类型的所述样本监测数据对所述初始参数分析模型进行训练，得到训练后参数分析模型；[0108]预设参数分析模型生成单元，用于基于所述训练后参数分析模型生成与各参数类型对应的类型标准曲线，根据所有所述类型标准曲线和所述训练后参数分析模型得到所述预设参数分析模型。[0110]新增历史监测数据获取单元，用于按照预设时间周期获取所述第一核电机组在正常运行状态下的新增历史监测数据，并判断所述新增历史监测数据中是否存在新增参数类型标签；[0111]新增样本监测数据确定单元，用于若存在新增参数类型标签，则按照所述新增参数类型标签对所述新增历史监测数据进行筛选处理，得到各新增参数类型的新增样本监测[0112]模型更新训练单元，用于根据所述新增样本监测数据对所述预设参数分析模型进行更新训练，得到更新后预设参数分析模型，所述更新后预设参数分析模型包括与各新增参数类型对应的新增类型标准曲线。[0114]设备属性信息解析单元，用于根据设备属性信息确定所述第一目标设备的设备功能属性和设备类型属性；[0115]机组编号信息获取单元，用于在预设机组设备数据库中查找与所述设备功能属性和设备类型属性关联的机组编号信息，并判断所述机组编号信息是否唯一；[0116]共性设备属性确定单元，用于若所述机组编号信息不唯一，则确定所述设备属性信息为共性设备属性。[0118]共性设备属性否定单元，用于若所述机组编号信息唯一，则确定所述设备属性信息不为共性设备属性；[0119]异常处理方案第一生成单元，用于根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，并将所述第一设备处理方案确定为异常处理方案。[0121]第二监测数据分析单元，用于将所述第二监测数据输入到预设参数分析模型进行分析处理，根据分析结果判断所述第二监测数据中是否存在第二异常参数；[0122]异常处理方案第二生成单元，用于若确认所述第二监测数据中不存在第二异常参数，则根据所述第一异常参数确定与所述第一目标设备对应的第一设备处理方案，并将所述第一设备处理方案确定为异常处理方案。[0123]在一实施例中，异常处理方案生成模块40还包括：[0124]设备检修处理单元，用于在确认所述第一异常参数为异常提示参数时，根据所述第一异常参数确定与所述第一目标设备对应的设备检修策略，并将所述设备检修策略确定为第一设备处理方案；[0125]设备更换处理单元，用于在确认所述第一异常参数为异常预警参数时，根据所述第一异常参数确定与所述第一目标设备对应的设备更换策略，并将所述设备更换策略确定为第一设备处理方案。[0126]在一实施例中，异常处理方案生成模块40还包括：[0127]异常处理建议清单获取单元，用于根据所述设备属性信息在预设设备知识库中查找与所述共性设备属性关联的异常处理建议清单；[0128]处理建议获取单元，用于从所述异常处理建议清单中获取与所述第一异常参数匹配的第一处理建议，以及与所述第二异常参数匹配的第二处理建议；[0129]异常处理方案第三生成单元，用于根据所述第一处理建议生成与所述第一目标设备对应的第一设备处理方案，根据所述第二处理建议生成与所述第二目标设备对应的第二设备处理方案，并将所述第一设备处理方案和所述第二设备处理方案确定为异常处理方[0130]关于核电站监测数据处理装置的具体限定可以参见上文中对于核电站监测数据处理方法的限定，在此不再赘述。上述核电站监测数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。[0131]在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、