随着全球气候变化和能源需求不断上升,核能发电技术因其成熟性、经济性和可持续性等优势在众多清洁能源中日益突出,核电的安全性问题也受到广泛关注。汽轮机是核电常规岛的重要组成部分,其超速保护系统是防止汽轮机超速引发严重事故的首道屏障,也是机组安全稳定运行的重要保障。因此在汽轮机超速时,超速保护系统的可靠动作十分重要。本文以某核电厂再热机组超速保护系统为例,将传统可靠性分析方法与机器学习技术相结合,对系统处于不同状态时的可靠性展开研究。首先,根据汽轮机超速保护系统的动作条件和功能特点划分系统,基于系统关键部件,构建系统可靠性框图。同时,对比分析几种典型可靠性分析方法,结合超速保护系统特点,选用GO法建立系统可靠性模型,定量计算系统不同状态时的可靠度。其次,根据系统故障特点,将故障类型分为瞬时故障和缓慢故障,并根据机组的实际运行经验和监测仪表布置情况,选取合适的监测参数作为系统状态参数。对于缓慢故障的不同故障程度,利用系统状态参数对系统可靠度进行划分。之后,针对系统不同缓慢故障状态,采用NARX神经网络实现系统可靠度预测,并利用该核电机组的仿真平台仿真系统不同状态时的运行情况,验证实验结果的准确性。最后,提出汽轮机超速保护系统SVM-NARX可靠性判定网络,实现系统状态对系统性能影响的精确化判定。根据本文对汽轮机超速保护系统处于不同状态时的可靠性判定结果,明确不同故障对系统性能的影响程度,据此可以制定系统检修维护方案,实现预知维修,提高系统可用率,同时还可以为系统的安全设计提供理论依据,具有一定的研究价值和应用价值。