Es wird eine Analysemethode auf der Grundlage von Rohrleitungsstatusdaten vorgeschlagen, mit der sich die Neigung zur Verschlechterung von Rohrleitungen ermitteln lässt, was zur Verhinderung von Leckagen infolge von Rohrleitungsverschlechterungen beiträgt. Die spezifische Methode besteht darin, die Vorteile der Gesundheitsbewertung unter Einbeziehung der Expertenkenntnisse und des verbesserten Mahalanobis-Abstandsmodells auf der Basis von Big-Data-Analyse zu kombinieren, um quantitativ ein Modell zur Verbesserung des Gesundheitszustands des Rohrleitungssystems zu erstellen, und anschließend ein kombiniertes Vorhersagemodell auf der Basis eines Convolutional-Neural-Networks und eines Long-Short-Term-Memory-Netzwerks anzuwenden, um eine Trendanalyse und Vorhersage zukünftiger Leckagen infolge von Rohrleitungsverschlechterungen durchzuführen. Die Simulationsergebnisse zeigen, dass das aufgebaute Gesundheitsmodell den realen Gesundheitszustand des Rohrleitungssystems ziemlich genau widerspiegeln kann; das kombinierte Vorhersagemodell kann die Tendenz der Leckageverschlechterung des Rohrleitungssystems effektiv vorhersagen und somit ein Signal für einen sicheren und stabilen Betrieb der Anlagen liefern.

Kernkraftwerk; Rohrleitungsverschlechterung; Gesundheit; verbessertes Mahalanobis-Distanzmodell; Convolutional-Neural-Network; Long-Short-Term-Memory