苏州热工研究院黄立军：大数据与人工智能技术助力核电设备可靠性提升

“截止到4月份最新统计的全国核电发展的数据（我国大陆核电数字），目前已经有38台机组在运行，大概是3700万千瓦，还有一个是18台机组在建。2020年中国核电比重将从2%提升到4%，到2030年，计划要达到1.5亿千瓦，目前国家的在运机组装机容量水平相当于全球第4，仅次于美国、法国和俄罗斯；在建容量全球第一。”苏州热工研究院设备管理部经验反馈RCA研究所所长黄立军在中国能源研究会节能减排中心与华北电力大学国家大学科技园联合举办“2018年智慧电厂论坛(第一期)”上发表演讲时表示。北极星电力网全程对会议进行直播，如需了解更多的会议直播，请联系微信号：13693626116

苏州热工研究院设备管理部经验反馈RCA研究所所长黄立军《大数据与人工智能技术助力核电设备可靠性提升》

这个议题相当于在本次论坛中核电里面唯一一个跟大家报告和分享的关于核电领域在人工智能大数据方面应用的报告，非常荣幸也非常惶恐。前面有专家提到，核电站人工智能走在很前列，已经超越常规电力这样一个案例，实际上这个案例正是多年前在大亚湾核电站实施的一个项目。

今天我介绍的主题是“大数据与人工智能助力核电设备可靠性的提升”。

实际上核电对于工业领域来说可能比较陌生，但是对于电力领域应该说大家还是比较熟悉的或者说比较能理解的一个领域，所以应该不至于谈核色变。

中广核实际上比较早的时候也启动了智慧电厂，最早2013年就启动了智慧电厂的建设，2015年项目提升之后叫智能核电。集团里面运作这个项目，且智能核电作为集团里面五大战略专项之一，目前初步建立了覆盖从工程设计源头到运维决策全链条、全生命周期的智能化工程。今天介绍的只是其中很小的一个方向，就是核电设备管理方面如何应用大数据和人工智能的实践和一些想法，也请各位老师和专家对我们提出宝贵的建议。

这是目录：

第一，核电发展与核电设备可靠性是怎么一回事，以及对设备可靠性管理我们的理解。

第二，新技术在核电设备管理中的应用，主要是讲我们在这方面做的一些实践和工作。

第三，核电设备管理典型案例及未来方向的思考。

中广核集团是一直致力于发展清洁能源的一个大型核电集团，也是国家目前三足鼎立的核电集团三巨头之一。这是目前截止到4月份最新统计的全国核电发展的数据（我国大陆核电数字），目前已经有38台机组在运，大概是3700万千瓦，还有一个是18台机组在建。2020年中国核电比重将从2%提升到4%，到2030年，计划要达到1.5亿千瓦，目前我国的核电在运机组装机容量全球第4，仅次于美国、法国和俄罗斯。在建容量是全球第一的，就是说全世界核电主要的工程基本上只能在中国，以及中国往外输出的核电工程，中国是现在目前全球核电最大的建设主体。

中国核电经过30多年的发展，从当初最早的30万机组的建设，到现在目前可以把具有自主知识品牌的核电技术输送到国外去，实际上走过的是一个跟跑、并跑到全球领跑的路子。目前我国高科技、高新技术对外输出核电和高铁就是两个名片，包括习大大和李克强总理都在帮忙拿着这两个名片在对外做相应的技术推介。

简单介绍一下中广核在清洁能源发展方面形成的链条。目前中广核有大亚湾基地等六大基地。

这里是讲中广核的“一带一路”的发展规划，其中像菲律宾、埃德拉的项目。也有在英国也有投资建设的项目、在纳米比亚的湖山铀矿等。

这里是中广核的大亚湾基地，这里有着我国首座大型商用核电机组。

这里讲的中广核的核电技术实际上从一个门外汉走到输出国的历程，从当时大亚湾几乎全部的技术都是从国外引进的，一路走来不断改进和设计创新，并开展了一系列工程的建设。目前华龙一号正在防城港基地3、4号机组建设中。以防城港3、4号机组为原型，未来在英国建设的一些核电项目将以其作为参考模型。我国核电已经具备了完全自主知识产权以及对外输出的技术水平。

岭澳核电站1号机组2018年4月4日实现连续安全运行4373天，截止2018年4月12日，岭澳1号机组已经连续安全运行4381天，目前，这一纪录仍然再继续保持和刷新。火电、风电是没法想象这样一个可靠性数据的，核电是安全和可靠的。我国《核安全法》已经颁布，中国的核电事业一直以高度责任感、使命感来推动核电事业发展，始终坚持敬畏核安全、呵护核安全。

核电设备管理的特征和需求。前面王主任也介绍，核电系统是人类历史上最为复杂和繁杂的一个工程，两台机组大概20多万台套设备，这些设备的安全和可靠性要求都非常高。第二，核电发展非常快，应该说福岛事件对我们来说，外部人员感觉可能讲对于核电相当于泼了冷水、核电发展遇到了冬天，实际上对核电内部人员理解这个事情的时候，相当于给了停下脚步思考的机会。尽管说福岛事件过去了，现在核电也在慢慢提上新的发展日程，核电目前仍将是未来清洁能源的主要组成部分，尤其是在天更蓝、水更清的要求下核电还是有非常大的发展前景的。大量核电机组的建设和投运，技术人员、经验、工具都需要储备。我们在中广核里面流传着一句话，“人不犯错误、设备不出问题”，对人和技术都有很高的要求。

第三，多年前一直讲的是，核电要保护，基本满负荷运行，不参与电力市场的调峰。近年来，由于电力市场疲软，这种情况下核电深度融入到电力市场机制中，核电的特殊例外性已经逐渐被减去，这个时候核电机组同样面临不能满发或者受限停歇的问题。此时对于运营成本的关注就越来越高了。第四，这里面我主要讲核电的管理决策相对是比较保守的，我们是做了很多人工智能、大数据的项目，这些项目会用于指导运维或者技术分析提供决策建议，但一般不会直接应用到现场控制闭环。这些新技术当经过逐渐的应用验证、确认成熟之后，我们也会推广这些技术。我们集团也非常重视核电的设备管理，利用先进技术助力核电设备管理提升，也是我们团队的责任。

这里是核电集团级设备管理实践的小结。核电做集团级的设备管理讲五个化，即标准化、专业化、集约化，还有近年来非常关注的智能化和精益化。智能化相当于设备管理专业能力的提升，包括创新应用。精益化主要是效率的提升、成本的下降，包括维修成本控制、备件库存和优化，以及人力成本的优化。

这是全生命周期设备管理的一个概念图，中广核集团是一个大的集团，总体实施专业化的运作，包括相应的专门开展核电工程设计的设计院，包括核电工程总承包的公司，包括相应专业化运营单位，包括相应的维修服务提供商，包括工用技术服务平台。按照专业化运作之后，对工程和运营之后的数据联动和数据互通以及全生命周期的设备管理提出了要求，都建立了相应完整的体系。在工程阶段我们要做到聚焦设备质量管理，要求设备不带病出厂、不带病投运，运营阶段要保持或提升系统设备的运行可靠性。以及工程领域和运营领域之间，通过定期联动的方式，包括管理体系、信息反馈、信息共享等方面都做了相应的联动。

这是讲的大的背景，就是核电发展和核电设备可靠性管理是什么概念。

第二，新技术在核电设备管理中的应用研究。2013年我们启动了智慧电厂项目，后来集团统筹按照智能核电这样大的战略专项在推进工作，这里面讲的是其中一个方面、即核电设备管理的内容。

全寿期的设备管理，涉及到的数据和技术就非常多，从设计、制造、采购、安装、调试、生产准备阶段等要建立起全链条的数据打通，今天下午包括不少老师也提到了GE的数字双胞胎。在智能核电专项里面，我们正在做的一件事是，伴随着华龙一号——防城港3、4号机组的建设，我们已经在进行数字电厂的工程，每一天现场机组敷设了哪条电网、安装了哪条泵，很快数据可以在数字电厂配置进去。我们的目标是希望实现，等到华龙一号两台机组建成的那天，紧接着就是我数字电厂可以很快顺利移交。核电领域做这个，初步估计至少在三大核电集团里面是走在比较前面的技术了。

第二个，智能设备，还有供应商网络的控制。物联网主要在战略备件控制和管控方面，前面讲到专业化运营的备件管控，包括北到辽宁大连有核电站，南到大亚湾核电基地，还有西边的防城港核电基地，实际上有很多战略备件是可以也应该实现共享的，这里面需要跟设备供货厂家、设备制造、质量控制、运输、库存，以及现场维修、需求和计划安排等各环节统筹分析考虑，整体关联起来，需要做到的是人工智能和机器学习，数据的挖掘和应用，是贯穿整个流程的。另外，电厂的工程师可以访问不同的实时和离线数据，很多数据实际上是可以互通的、可以交互的，包括我们现在已经开发了很多的移动端，还包括邮件的提醒，都可以实现数据跟人的直接互动和交互。场景、数据和算法融合，正在逐步实现相应的管理。

这是大数据应用我们的想法，包括从获得数据开始，围绕业务目标解决问题，设备管理方面更多围绕的电厂重大技术问题的及时解决，包括技术问题的探测、诊断、解决和反馈，一个完整的闭环。设备全周期管理，包括从设计角度，我们要提取数据的特征；比如华龙数字电厂投入运行以后，把实时数据接过来，后面的数据的智能检测、故障诊断、维修决策等等都可以关联起来。还有一个，在核电里面经常提的，设计参数、调试参数和运行参数的关联管理和使用，设计参数有一个标准，调试的时候有一个标准，调试的时候这个标准力度怎么样控制、怎么样调节，这个时候配置和调节可以直接在系统里面进行关联实现，并在运行阶段得到合理使用和控制。

这是设备管理，设备管理主要涉及到几个方面，包括监测、评价、智能诊断和预测、健康管理等等。这里面涉及到几大模块对应的数据，先讲一下数据的基础，和实施上已经把目前投运的20台机组的运行状态数据，已经接到了共有的数据云，企业级的云，可以建立相应的实时数据中心，同时通过过程的数据和设备实时的数据，甚至包括核电领域我们比较强调的外部的经验反馈的数据都可以接入进来。这里面设备管理只是其中的一个应用领域，应用领域就可以直接与数据中心关联起来了，就可以从数据中心抓取设备运营的数据、工作过程的数据和经验反馈的数据来做相应的分析和应用。

这里是全寿期、全过程的数字化和智能化的概念，核电设备可靠性运作的过程，即标准的核电设备可靠性流程，包括设备分级、性能监测、纠正行动、持续改进、寿期管理、预防性维修实施等等相应的流程。

这是设备管理我们规划应用的技术路线，包括五个方面，从数据到功能场景的应用、功能应用和具体的业务场景活动，以及输出等阶段。包括数据的集成治理、分析建模、功能实现、场景应用、最后实现的收益。我们两个指标，一个是设备原因导致的核电机组非计划停堆的次数为0，还有重大设备损坏事件的为0，这两个指标是非常非常难实现的，我们设备管理工作者或者设备可靠性工作的目标一直朝那个方向在前进。比如，核电机组非计划停堆的次数这个指标，2017年的水平，中广核达到的水平明显优于国际同行水平，实现了非常低的一个数据，或者我们这方面技术水平已经做到了一个比较高的高端，做好高端稳定或者争取更高水平就是更大的挑战了。

在大数据技术应用的架构设计方面，包括在线数据的采集和离线数据的采集，包括运行维修的记录，包括设备故障处理的记录，以后内外部的设备事件反馈，从数据云里面提取了这些数据，重点是识别和挖掘，通过包括像相似算法、聚类算法和模糊模型等技术，去提取设备的故障特征和设备相应的特征。目前实施的智能监测预警可以给出，在当前的运行环境里面某个设备参数预测值，可以通过这个预测值与真实值的偏差识别并给出相应的预警。相比于以往的绝对值的监测，比如大家熟知的人体量体温的绝对值的管理，就已经上升至另一个层面的概念了。在这个数据基础上，还要做设备健康管理和运营决策，都正在规划设计去做。

第三部分，介绍一下核电设备管理典型案例及未来方向，我们思考未来的发展方向。

目前我们已经建立了核电设备大数据应用与安全实验室，我们目前团队人员正在推的核电设备大数据技术研发，怎么样应用大数据来助力核电的设备管理提升。目前已经建设完成、实现了不同核电基地在运机组的数据接入至在线监测和智能诊断的中心，可以实现核电机组开展群厂监测分析、预警与智能管理支持。中广核已经建立了相应的实时数据中心，不同机组的设备实时数据、运行状态数据都已经接入到里面，这些数据可以接过来，用于对重要设备开展智能监测和监测预警。

在智能监测预警模型中，如何抓取设备的特征，分析出参数的预测值，通过相对的概念、即分析预测值与真实值之间的偏差实现智能预警。这种新的基于模式识别的技术，可以实现动态、多参数分析和预警。在智能诊断方面的应用，我们在多年前开展了专家知识库的应用，基于人为描述或者穷举发电机等重大设备的故障逻辑是什么样的，根据设备异常参数或状态进行追溯，通过不同的辅助判断来锁定设备的故障原因。后来发现这种方式，第一，对专家的知识经验和积累的依赖太强；另外，这是一个推理过程中对本身使用这个软件人员要求也非常高，这时候我们考虑引入了大数据技术如何去做相应的诊断分析，也是做了相应的案例实践。

这里是设备智能监测的一个场景，通过一个图可以知道到底之哪些机组有问题，有问题的机组会表现不同的颜色，一路追溯下来就可以知道什么参数、哪个信号发生了问题，也可以看到具体的设备参数的图像，在集团总部有群厂的监测中心，在各个电厂有监测室，这些报警数据在移动端或者其他终端也可以看到。

关于知识与数据融合的智能诊断技术，人工智能在原来的知识库基础之上加入了机器学习和大数据分析的概念，但是两者是相融合的，就是说我们并不是有了大数据可以完完全全撇清以往的专家经验和知识。

通过技术与数据模型相结合，开展设备、系统和机组健康状况的情况的评价与内外部对标。目前，我们把核电厂分了三个层级，从设备层面、系统层面和机组层面，分别设立了相应的层级指标，可以实现动态的数据管理，指标监测和评估，给出相应的定期评估的监测报告。这个是已经运作起来了，而且例如设备靠性指数这个指数跟国际上其他机组可以对标，目前总体处于国际先进的水平。

关于维修成本的控制，如何实现维修成本的下降。大家可能并不陌生，以可靠性为中心的维修（RCM），大亚湾核电站其实就是国内核电领域最早做里面做以可靠性为中心的维修，那时候更多关注设备可靠性的保证。随着近年来我们越来越关注维修成本的下降，我们又提出了基于价值的维修VBM，需要结合设备的故障特征包括故障率的数据、设备维修的历史数据，以及备件成本、人力成本等数据，以及核电机组的大修计划等等，综合做数据分析，推动维修模式的变化，由RCM转到VBM的方式去做维修成本的控制和优化。

设备缺陷管理，这里面只有一些应用场景，包括有的已经实现的培训场景、大修期间使用的维修信息交互的平台等，还在进一步的研发当中。

关于经验反馈的知识管理，上午有专家提到，用别人的经验反馈是聪明的人，用自己的经验反馈是失败的或者说不聪明的人。事实上核电早就有这样一个概念，在中广核集团也非常重视经验反馈的管理。经验反馈里面大量复杂的数据、尤其是离线的文本化的数据里面如何去挖掘，提取有用的知识并进行精准的推送，是我们正在做的课题。首先实现数据的治理、数据标准化处理，然后挖掘事件的共性、开展共因分析和趋势分析等，在核电厂发生重大设备事件之后，这个时候就可以及时精准的推送所需要的信息，可以找出来在历史上，比如说集团内发生问题事件，当时是什么原因、怎么处理的，集团外是怎么发生的、怎么处理的。现场运维决策人员也可以及时使用到相应的经验反馈的信息，包括经验反馈进流程、进现场，比如说核电厂排大修计划，按照三天滚动的管控计划的方式，看到这个计划的时候，就可以很方便找到历史上实施某项活动时曾产生的经验反馈数据。这里片子展示的是预防人因失效方面的做法。

未来发展方向方面，核电设备大数据与人工智能应用已经有一些研究和建设，当然可能还存在不健全、不完善的地方，要做很多的完善和提升。各种智慧电厂技术概念很多，如何将新技术真正合理地、智能高效地应用起来，值得我们去实践、去实现。这是我们目前正在做的和即将要做的，包括设备故障特征提取、监测预警、故障诊断、故障发展预测，健康评估，运维策略，让我们一起做这些事情，帮助推动中国的核电设备可靠性水平提升。

（发言为电力头条App根据速记整理，未经本人审核）