從先進核電廠仿真器到數字核電廠之現狀與發展方向

黃建華，郭天覺

（1．廈門大學能源研究院 福建 廈門 361005；2．和昇集團 香港）

從先進核電廠仿真器到數字核電廠之現狀與發展方向

黃建華1，郭天覺2

（1．廈門大學能源研究院 福建 廈門 361005；2．和昇集團 香港）

進入21世紀后各種尖端科技進展很快，例如高性能計算能力、超高速網絡、云平臺等。本文探討如何應用這些尖端科技，進行從先進核電廠工程仿真器往上提升成為數字核電廠之初期規劃與發展方向。

建模技術；仿真技術；先進工程仿真器；工業4．0；中國制造2025；數字核電廠

現在幾乎所有核電廠都使用仿真器進行操作員培訓。近來工程仿真器也被用于協助核電廠設計和工程。最近幾年隨著科技的發展為了使核電廠的建模和仿真能夠更準確、可靠，數字核電廠的研發開始啟動。先進核電廠仿真器平臺是成熟的商業產品而數字核電廠則仍是在研究發展中，它們的共同點是都是以建模和仿真技術來表現一個核電廠。建模技術（Modeling）就是開發以數學方程式和邏輯控制方程式來表示核電廠的行為和反應，例如：開發以質量守恒、動量守恒、能量守恒偏微分方程式來表示水和水蒸氣在反應堆芯的行為和反應。仿真技術（Simulation）就是以數值分析方法，例如有限差方法或有限元方法來解答上述表示核電廠行為和反應的方程式，并寫成計算器語言，使用計算器取得數值答案。

在建模和仿真的過程中都會有不確定性，包括認知的不確定性和偶然的不確定性。認知的不確定性是一種系統的不確定性，是因為我們對事物了解的不足，例如我們在建模時我們的模型忽略了某些效果，又例如我們使用的某些數據因為知識貧乏而不夠準確。偶然的不確定性是一種統計的不確定性，是自然界中的隨機現象，例如同一實驗做兩次同一測量結果不會完全相同，最基本會存在一點噪聲產生的差異。因此在數字反應堆和數字核電廠的研發中不確定性的量化是一項重要項目。

先進核電廠仿真器平臺是成熟的商業產品，提供這種產品的主要歐美公司包括：美國WSC公司的3KeyMaster平臺［1］、加拿大L3－MAPPS公司的 Orchid?平臺［2］、美國GSE公司的JADETM平臺［3］。而執行數字反應堆核電廠平臺研發的歐美研發計劃包括：以美國ORNL國家實驗室主導的CASL計劃的VERA平臺［4］、美國INL國家實驗室主導的NEAMS計劃的 MOOSE平臺［5］、歐洲NURESIM計劃的SALOME平臺［6］。數字反應堆再進一步便成為數字核電廠。

進入21世紀后各種尖端科技進展很快，例如：高性能計算能力、超高速網絡、云平臺等，中國和歐美都在思考如何把這些尖端科技有效地應用到工業生產上，幫助生產力更上一層樓，帶動經濟發展。故而有工業4．0［7］和中國制造2025［8］等計劃，核能工業是中國工業中重要的一環，因此數字核電廠的研發也需要把這些尖端科技的有效應用考慮進去。

1 核電廠仿真器和數字核電廠介紹

在20世紀70年初期以計算器為基礎的控制室核能仿真器開始被應用，但一直到1979年在三哩島 （Three Mile Island，TMI）意外發生前后，全世界核能產業使用核電廠控制室核能仿真器的數量并不多，而受限于當時計算器的計算能力，當時核能界應用的仿真器普遍存在以下的問題：

1）其控制室面板的布局和設計和被模擬的核電廠并不完全相同。

2）那些仿真器使用的核電廠中子分布和熱工水力模型并不足夠反映核電廠的真實狀況，例如中子計算一般采用反應堆點動力學模型，而熱工水力一般采用均質模型。

3）由于設計上和實際核電廠的差異，核電廠的實際操作程序一般不能使用在這些仿真器上，因此操作員用來培訓的程序和核電廠使用的程序并不完全一致。

在20世紀80年代汲取了過去多年核電廠運轉的經驗和教訓，核能產業重新再詳細評估核電廠人員特別是控制室人員的培訓是否足夠，因此一些國家的核能產業針對控制室人員仿真器培訓建立更嚴格的要求，而且對核能仿真器的研發更為重視。

在20世紀90年代開始把較能反映真正核心狀態的軟件應用在仿真器上，這包括把三維多群組（2或4群組）中子擴散理論軟件應用在核心中子分布的實時模擬，以及把用作脫機瞬態和意外分析軟件應用在核心熱工水力的實時模擬。

2000年后把三維多群組中子擴散理論軟件和脫機瞬態和意外分析軟件應用到實時模擬技術已經成熟，而且實際應用到新建核電廠的全范圍仿真器，例如：

1）福建寧德核電全范圍模擬機，堆芯中子分布的模擬采用三維少群組NESTLE軟件，堆芯熱工水力的實時模擬采用RELAP5軟件［9］。

2）臺灣龍門核電全范圍模擬機堆芯中子分布的模擬采用三維少群組NEMO軟件，堆芯熱工水力的實時模擬采用TRACS軟件［10］。

此外先進工程仿真器也開始被應用到新一代核電廠的設計開發和設計驗證上，并取得一定程度的效果，例如臺灣龍門核電廠數字系統驗證［11］和美國泰拉公司的行波堆工程仿真器［12］。

同時歐洲和美國都開始更為注重先進建模與仿真的研究和發展而組織了一系列的會議和啟動了數字反應堆研發計劃。所謂數字反應堆基本上就是用先進的建模和仿真科技執行堆芯的仿真計算。

歐洲啟動了CRISSUE－S計劃 （CRISSUE－S Critical Issues in Nuclear Reactor Technology：A State－of－the Art Report），它的意思就是核反應堆技術中的關鍵問題：一份尖端技術的報告。CRISSUE－S這項活動的主要討論項目是三維中子動力學和系統熱工水力學之間的相互作用。CRISSUE－S在2002年至2003年總共開了6次會議，于2004年發表了CRISSUE－S總結報告［13］。對核心中子計算和熱工水力計算的建模和仿真產生了一定的影響。

此外歐洲在2000年啟動了EUROFASTNET 計劃［14］，EUROpean project for Future Advances in Sciences and Technology for Nuclear Engineering Thermal－Hydraulics，它的意思就是歐洲核工程熱工水力學未來發展科學與技術計劃。EUROFASTNET計劃的目標是開發新的計算機模型和開展新的實驗使得反應堆熱工水力的物理描述能夠更詳細和更準確，EUROFASTNET項目計劃于2003年結束。

經過EUROFASTNET計劃的醞釀，歐洲各國于2005年建立了長期的先進建模與仿真的研發計劃 NURESIM／NURISP／NURENEXT［15］。

美國對先進建模和仿真科技在核能發展上的重視在前美國能源部部長朱棣文先生 （Steve Chu）2010年3月在華爾街日報發表以下針對美國核能業的談話再度得到證實［16］。

“正如先進計算器模仿革命化了飛機的設計……我們將應用建模和仿真技術加速核能的研究和發展。科學家和工程師可以站立在一臺虛擬反應堆的中心，觀察水在核心的流程、核燃料的效能，甚至反應堆在不同操作條件下的反應。要達到這潛力，我們將建立一個新的研究中心叫 ‘核能建模和仿真中心’，集中我們國家一些最好的頭腦在這中心工作。”

在2009年至2010年間美國先后啟動了兩個先進建模和仿真的科研計劃，一個叫NEAMS，另一個叫CASL。

NEAMS （Nuclear Energy Advanced Modeling and Simulation），它的意思就是核能先進建模和仿真計劃。NEAMS的著重點是新一代反應堆的研究開發和設計。

CASL （Consortium for Advanced Simulations of Light Water Reactors），它的意思就是輕水反應堆先進建模和仿真集團。CASL的著重點是解決正在運轉的反應堆在延長使用壽命和功率提升所碰到的問題。

我們這里所說的數字核電廠和數字反應堆的差異在于數字核電廠包括下列附加功能為數字反應堆所沒有：

1）廠區 （BOP，Balance of Plant）系統的建模和仿真。

2）數字控制和儀器儀表 （DC＆I，Digital Control and Instrumentation） 系 統 的 建 模 和仿真。

3）仿真功能，例如：工況 （IC）、重置（RESET）、運行 （RUN）、停止 （STOP）、凍結 （FREEZE）、 快 照 （SNAP）、 自 動 重 演（AUTO REPLAY）、故障 （Malfunction）、劇本 （Scenario）、回溯 （BACKTRACK）、步進（STEP）等功能。

2 數字核電廠平臺特點

數字核電廠包含以下主要特點：

1）使用多種物理緊密偶合，例如在執行核心中子計算和核心熱工水力計算時在同一時間步長互相傳送數據，因此在同一時間步長內各自數據的變化馬上會影響對方的計算。

2）使用多層尺度計算，例如在執行核燃料性能分析計算時所使用的材料特性是透過小尺度計算程序產生再送給大尺度計算程序執行核燃料性能分析。又例如在執行核心熱工水力計算時會結合子信道和系統程序。

3）使用高速計算器并采用并行計算以增加計算能力。

4）使用先進運算方法，在解矩陣方程時因為要解非常龐大的矩陣因此需要使用先進的求解庫，例如Trilinos、PETSc。

5）使用先進計算器程序語言，例如C、C＋＋、Java，以方便維護、擴充。

6）應用現有的最先進物理程序，例如中子計算采用多群組傳輸理論程序，熱工水力計算采用子信道程序，甚至是CFD程序。

7）執行不確定性量化。

8）包含廠區 （BOP，Balance of Plant）系統的建模和仿真①數字反應堆不包含這些功能。。

9）包含數字控制和儀器儀表 （DC＆I，Digital Control and Instrumentation）系統的建模和仿真①。

10）包含仿真功能①。

3 近代和數字核電廠相關的先進計算機和數字科學科技的發展

進入21世紀以來很多方面的科學和科技都突飛猛進，數字核電廠是屬于21世紀的核能技術應盡量使用21世紀的科學和技術，本章將介紹一些和數字核電廠相關的先進計算機和數字科學科技。

3．1 高性能計算能力 （High Performance Computing Capability）

從20世紀末期開始高性能計算能力繼續快速增長，而同時，高性能計算能力的成本則迅速下降。例如圖1［17］所示單從2000年到2010年計算能力從約1012FLOPS（FLoating Point Operations Per Second， 每 秒 浮 點 運 算 ）增進至約1015FLOPS，增長約1 000倍，就是說2 000年時需24h的計算，到2010年時只需不到2min。而同時期計算成本則下降了約350倍，如表1［18］所示。由于高性能計算能力的快速增長，建模和仿真可以做到比過去更精細、準確。

圖1 高性能計算機計算性能增長的時間歷程Fig．1 Time history of computation performance of leading edge computers

表1 每單位GFLOP的處理器成本的時間歷史Table 1 Time history of processor cost per unit GFLOP of performance

3．2 超高速網絡 （Super High Speed Network）

同時期高速網絡之發展也非常驚人［19］，如圖1所示從1995年的100Mb／s的Fast Ethernet，到 2000年的 10Gb／s的 Gigabit Ethernet，到2010年已經相當普遍的40Gb／s網絡，到2017年已經有1Tb／s網絡的出現。超高速網絡之發展讓建模和仿真增加彈性，不需局限于單一計算機，可以用多臺計算機各自執行不同計算，然后透過高速網絡相互傳輸數據。

3．3 商品集群 （Commodity Clustering）

商品集群［20］就是利用高速網絡整合大量在一般商店就能采購到的計算組件用于并行計算，其效果就是以低成本獲得處理和儲存龐大數據。過去如果要處理和儲存龐大數據要使用價格昂貴的超級電腦，自從商品集群出現后處理和儲存龐大數據的成本大為降低，現在商品集群已經廣被應用，商品集群之優點包括。

圖2 高速網絡傳輸速度增長的時間歷程Fig．2 Time history of high speed network performance

1）成本低。

2）可以彈性使用，容易擴充。

使用商品集群時應注意的地方包括：

1）要能夠符合用戶的性能要求，例如數據量、數據吞吐量、數據傳輸速度等。

2）要能夠持續不斷的穩定運轉。

3）有容錯能力，不能因為部分組件故障而做成整個集群停機。

商品集群之應用包括：內存集群、數據庫集群。商品集群的操作系統一般采用Linux，因此也被稱為Linux集群。

3．4 工業4．0、中國制造2025

工業4．0和中國制造2025都是應用現在最先進的數字技術投入到工廠的營運再進一步建造智能工廠，提升工業生產力，工業4．0的設計觀念包括：

（1）互操作性

能夠彼此連接和通信的機器，設備，傳感器和人員。

（2）信息透明度

通過使用傳感器數據豐富數字化工廠模型，信息系統能夠創建物理世界的虛擬副本，提升原始傳感器數據和物理模型聚合產生更高價值的全面信息。

（3）技術援助

系統提供支持人員決策和解決問題的能力，以及協助人員對過于困難或不安全的任務的執行能力。

（4）分散決策的能力

網絡物理系統自己做出簡單決策并盡可能自主執行任務的能力。

工業4．0、中國制造2025和數字核電廠相關的主要科技包括：工業互聯網、大數據、機器學習、自主控制。

3．4．1 工業互聯網 （Industrial Internet）

工業互聯網［21］是互聯網和物聯網繼續發展把互聯網應用在工業上的技術，是工業4．0的基礎技術，其上層架構如圖3所示。

圖3 工業互聯網上層架構Fig．3 Industrial internet top level structure

工業互聯網的核心計算一般是部署在工業云，但是如果是基于網絡安全考慮也可以部署在內部服務器。

3．4．2 大數據 （Big Data）

隨著高性能計算能力、超高速網絡、商品集群、互聯網等科技的快速發展，大數據的應用越來越廣泛因此大數據的研究也越來越深入，在現代工商業大數據的角色越來越重要，大數據可以幫助識別商機、改善生產流程、提升效率和效能等等。

大數據［22］的特性包括：

1）數據的數量龐大 （Volume），不是一般單機計算器所能儲存、處理。

2）數據的種類繁多 （Variety），除了包括過去常見的結構數據外，現在因為互聯網的廣泛使用因此還包括非結構數據，例如圖像數據、視頻數據、語音數據等。

3）數據產生的速度以及結果響應的速度都比過去的要求快很多 （Velocity），過去的數據處理基本上是批次作業，但是為了符合互聯網和工業互聯網的需求大數據的處理需要是在線的、實時的，而且是連續不斷的。

4）數據的來源必須可靠，數據必須是有效而且正確的 （Veracity）。

大數據的應用一般來說有效的數據量越大分析出來的結果越正確有用，數字核電廠就是一個虛擬核電廠，尤其是經過驗證與確認的數字核電廠所產生的虛擬數據可以彌補實際核電廠數據的不足，例如實際核電廠傳感器的數量有限，很多地方沒有傳感器的數據，又例如實際核電廠一般都是正常運轉，非正常運轉和事故運轉的數據非常不足甚至很可能沒有，數字核電廠所產生的大量虛擬數據將是一個這類數據非常好的來源。

3．4．3 機器學習 （Machine Learning）

Tom M．Mitchell在1997年提出了一個廣泛被引用的機器學習的定義［23］：

“一個計算器程序被認為能夠從某種類別的任務T和性能度量P中學習經驗E，就是如果其在T中的表現，依據P所測量，會隨經驗E而改善。”

機器學習的一個廣泛而有代表性的描述是從經驗中學習以提高性能或做出準確預測的計算方法。一些常被使用的機器學習算法包括線性和非線性回歸、判定樹、隨機森林、人工神經網絡和支持向量網絡等。這些機器學習模型一般是通過在模型中利用大量現有數據對數據進行學習，直到找到足夠的模式和規律能夠對這些數據的內涵做出準確的判斷。然后利用經過學習的模式和規律用于評定新的數據并進行預測。

成功的機器學習其先決條件是必須要有大量完整的數據，數字核電廠所提供的大量虛擬數據將對機器學習有很大的幫助。機器學習的驚人之處是這是一個不斷向上的學習過程，它會隨著經驗的累積而不斷改善、不斷進步、不斷提升。

3．4．4 自主控制 （Autonomous Control）

現在一般傳統的控制系統是自動控制系統，自動控制系統［24］的設計首先要建立被控制物理系統的動態數學模型，然后在動態數學模型基礎上應用控制設計技術來設計適當控制器的控制算法。再通過可編程邏輯控制器 （PLC）或分布式控制系統 （DCS）來實現控制器，并用于控制該物理系統。自動控制器的設計目的是為滿足圍繞操作設定點的規范，然后通過調度器產生可以在整個操作范圍內完成控制目標的控制器。但自動控制的控制器只能依據固定的數學模型執行，沒有自適應的能力。

自主控制是自動控制的往上提升，自主控制器具有獨立運行和持續改進的能力，他們可以在長時間不經外部干預的情況下執行必要的功能。自主控制器可以處理意外的情況，新的控制任務，并可以容錯、顯示故障以及從故障中恢復［25］。

自主控制器的一些重要特征包括：它們可以緩解操作員一些耗費時間的任務，從而提高效率。此外因為它們可以監測系統的健康狀況，提高性能，保護系統免受內部故障的影響，增強系統的可靠性。以及他們在完成復雜任務方面的表現比人更可靠，更有一貫性。

自主控制器過去應用實例例如無人航天飛行器、深水探險器。在核能應用上自主控制能夠幫助操作員在正常狀況執行高效率的運轉，在突發和緊急狀況幫助操作員作出正確的判斷及時反應執行安全地運轉。自主控制尤其適合用在偏遠地區的小型核電站或水上核電站，只需少數操作員便可以維持核電站的高效率和安全運轉。

數字核電廠將是一個設計和驗證核電廠自主控制器的強大工具。

4 數字核電廠的發展方向

4．1 數字核電廠的發展目標

數字核電廠的發展目標包括：

1）支撐中國核電廠工程的分析、設計、測試、驗證、研發以及教育訓練。

2）有效利用先進建模和仿真技術以及先進計算機科學技術在核能領域，包括工業4．0和中國制造2025技術，讓中國核電廠的設計和營運能更上一層樓，達到并超越世界最先進工業水平。

4．2 數字核電廠的發展方向

數字核電廠的發展方向將參考第3章所描述的先進計算機和數字科技，其特點包括：

1）以網絡為設計基礎，把傳統仿真器平臺單機作業改為分布式多機作業。數字核電廠的效率和有效性將會隨著高速網絡的發展而不斷提升。

2）把整個架構分為集成／管理階層和計算軟件／人機接口／顯示軟件階層兩大部分。

3）集成／管理階層分為三大部分：指令服務器、內存集群、數據庫集群。

4）指令服務器負責發出指令控制其他計算器的操作，包括：

① 啟動／卸除控制，啟動／卸除各個計算器的執行程序；

② 順序控制，控制各個計算器執行的先后順序；

③ 實時／非實時控制，控制各個計算器執行的時間在實時或非實時模式；

④ 模擬運行環境，例如：運行、暫停／凍結、快照、回溯、步進。

5）內存集群負責存放計算軟件階層各種計算器的內存，方便整個平臺的共同使用，內存集群的優點是能夠有效處理龐大的內存數據量，方便擴充，不會影響整個架構，適合分布式設計。

6）數據庫集群是一個數據數據庫能夠儲存、處理各式各樣的結構數據和非結構化數據包括數字核電廠產生的大量虛擬數據、從實際核電廠取得的大量傳感器數據、實際核電廠的大量設計數據等等。數據庫集群的優點是能夠有效處理龐大的數據庫數據量，方便擴充，不會影響整個架構，適合分布式設計。

7）計算軟件階層包含各種計算器和顯示服務器。

8）各種計算模塊包括：堆芯物理計算、熱工水力計算、儀控計算、廠區系統和組件計算等，其優點是任何一套物理計算系統包括軟件、硬件均可被取代而不影響整個架構。

9）人機接口是用戶操控數字核電廠的管道，透過人機接口用戶可以下指令給指令服務器控制其他計算器的操作。

10）顯示服務器負責二維、三維動態顯示以及趨勢圖顯示，分開成為獨立系統，方便可以隨時更換不同的顯示軟件，不會影響整個架構。

4．3 數字核電廠的上層架構

數字核電廠的上層架構將參考第3．4．1節所介紹的工業互聯網，如圖4所示，但基于網絡安全的考慮，因此將采用內聯網技術而非互聯網技術。

圖4 數字核電廠上層架構Fig．4 Digital nuclear power plant top level structure

數字核電廠的集群、服務器和計算模塊都是透過超高速網絡相互傳輸數據，視整體性能和速度的需要集群、服務器和計算模塊不需要在同一個地方，可以彈性分散不同地方。

此外實際核電廠的實時傳感器數據可以透過傳感器接口傳送至數字核電廠和數字核電廠和數字核電廠計算數據集成然后應用，例如用于數字核電廠的驗證與確認、用于數字核電廠的不確定性量化、用于核電廠設計改善的優化等。

5 數字核電廠的應用趨勢

在實際核電廠設計和建造過程中數字核電廠可以扮演重要角色讓核電廠的設計和建造更為順利，減少錯誤，提高效率，數字核電廠的任務將包括：

1）執行設計驗證，不確定性以及靈敏度分析，完善頂層設計。

2）執行安全分析并優化安全余量。

3）在許多不同情況下產生大量虛擬核電廠數據，以更好地了解新核電廠的行為，再進一步優化新核電廠的設計和運行。

4）利用數字核電廠產生虛擬大數據，開發實際核電廠專屬的人工智能數據庫與訓練模組。

當實際核電廠運行時，數字核電廠將與實際核電廠同步運行，持續不斷收集實際核電廠數據，并使用傳感器的測量數據驗證、確認和校準數字核電廠所產生的計算數據，并將：

1）使用數字核電廠更好地了解實際核電廠的行為，特別是在傳感器不可用的地方，并協助實際核電廠操作員更有效和安全地操作實際核電廠。

2）使用數字核電廠在正常、非正常、尤其是緊急狀況準確預知未來發展趨勢，因而幫助規劃更好的應對措施。

3）使用數字核電廠結合大數據庫和機器學習發展下一代核電廠自主控制技術。

6 總結

先進核電廠仿真器是20世紀的產物，從1980年代開始經過二三十年的發展已經成為成熟的商業產品，在核電廠的全范圍仿真器和工程仿真器被廣泛應用，在核電廠操作員的訓練和數字儀控系統的設計以及驗證和確認起了很大的作用。

20世紀末21世紀初時核能工業面臨兩個主要問題，即：

1）在運轉中的核電廠的壽命延長和功率提升。

2）新一代 （即第4代）核電廠的研發。

為了回應上述兩個問題美國和歐洲都啟動了數字反應堆的研發，基本上是加入最先進的建模和仿真科技，數字反應堆再進一步加上廠區系統建模和仿真、數字控制和儀器儀表系統建模和仿真以及仿真功能便成為數字核電廠。

進入21世紀后計算機和數字科學有著爆炸性的發展，例如：超高速網絡、商品集群、工業互聯網、大數據、機器學習、自主控制等。中國制造2025是應用上述最先進的數字技術投入到工廠的營運，提升工業生產力，幫助中國經濟發展。核能工業是中國工業非常重要的一環，數字核電廠則是中國核能工業發展非常強大的工具，數字核電廠的研發和設計將配合中國制造2025的推動，投入這些最先進的數字技術，這樣做有兩層意義，一方面是透過使用這些最先進的數字技術讓數字核電廠的功能和性能發生質的變化，產生質的跳躍提升。另一方面是數字核電廠的研發和設計將提供中國制造2025寶貴的經驗，和其他工業產生良性互動，幫助這個尤關中國經濟發展的國家重點計劃更有把握達成目標。

［1］https：／／www．ws－corp．com／default．asp？PageID＝3＆PageNavigation＝Products－Overview．

［2］http：／／www．mapps．l－3com．com／Press ＿releases／20070709＿orchidIntro．html．

［3］http：／／www．gses．com／simulation－technology．

［4］“Virtual Environment for Reactor Applications（VERA）：Snapshot 3．0”CASL－U－2014－0006－000．

［5］D．Gaston，G．Hansen，C．Newman．“MOOSE：A Parallel Computational Framework for Coupled Systems of Nonlinear Equations”，INL／CON－08－15008，2009International Conference on Mathematics，Computational Methods ＆ Reactor Physics，Saratoga Springs，New York，May 3－7，2009．

［6］“SALOME6THE OPEN SOURCE INTEGRATION PLATFORM FOR NUMERICAL SIMULATION”，Salome－platform．org．

［7］https：／／www．siemens．com／innovation／en／home／pictures－of－the－future／industry－and－automation／digtial－factory－trends－industrie－4－0．html．

［8］國務院關于印發 “中國制造2025”的通知 ．中華人民共和國國務院．2015年5月8日 ［2015年6月15日］．［9］http：／／www．ctecdcs．com／en／solutions／solution＿07．html．

［10］Chin－Mao Lee，Wen－Ching Tsai，Kin W．Wong，Tom Pang，“The New Generation Nuclear Power Plant Simulator－The Lungmen ABWR Simulator”，NPIC＆HMIT 2009，Knoxville，Tennessee，April 5－9，2009．

［11］Chia－Kuang Lee，Chin－Mao Lee，Hau－Lu Lee，Wen－Long Yang，Kin W．Wong，“Digital System Vali－dation Testing in the Lungmen Project”，NPIC ＆HMIT 2009，Knoxville，Tennessee，April 5－9，2009．

［12］http：／／terrapower．com／news／using－simulation－toimprove－reactor－design－and－operation．

［13］http：／／www．oecd－nea．org／tools／abstract／detail／nea－1734．

［14］BESTION，D．，PAILLRE，H．，LATROBE，A．，LAPORTA，A．，TESCHENDORFF，V．，ST－DTKE，H．，AKSAN，N．，D’AURIA，F．，VIHAVAINEN，J．，MELONI，P．，HEWITT，J．，LILLINGTON，L．，PROSEK，A．，MAVKO，B．，MACEK，J．，MALACKA，M．，CAMOUS，F．，FICHOT，F．，MONHARDT，D．，“EURO－pean project for Future Advances in Sciences and Technology for Nuclear Engineering Thermal－Hydraulics（EUROFASTNET）”，FISA 2003－EU Research in Reactor Safety，Conclusion Symposium on Shared Cost and Concerted Actions，10－13 November 2003，EC Luxembourg．

［15］C．Chauliac，JM Aragones，D．Bestion，DG Cacuci，N．Crouzet，F－P Weiss，M．Zimmermann，“The NURESIM European Platform for nuclear reactor simulation and the NURISP associated European Project”，NENE 2009，Bled，Slovenia，Sept．14－17，2009．

［16］Wall Street Journal，March 23，2010．

［17］https：／／en．wikipedia．org／wiki／Supercomputer．

［18］https：／／en．wikipedia．org／wiki／FLOPS．

［19］http：／／www．ethernetalliance．org／wp－content／uploads／2012／04／Ethernetnet－Alliance－ECOC－2012－Panel－2．pdf．

［20］Clustering fundamentals，https：／／www．ibm．com／developerworks／library／l－cluster1／．

［21］Marco Annunziata，Peter C．Evans，“The Industrial Internet＠ Work”，GE Industrial Internet White Paper．

［22］https：／／www．sas．com／en ＿us／insights／big－data／what－is－big－data．html．

［23］T．Mitchell，“Machine Learning”，McGraw Hill．

［24］https：／／en．wikipedia．org／wiki／Automatic＿control．

［25］http：／／www．irse．org／knowledge／publicdocuments／6%20Stewart%20Webb．pdf．

From Advanced Nuclear Plant Simulator to Digital Nuclear Power Plant，Status and Development Direction

WONG Kin－wah1，GUO Tian－jue2
（1．School of Energy Research，Xiamen University，Xiamen，Fujian Prov．，China 361005；2．Worldsec Group，Hong Kong，China）

Entering into the 21st century a variety of cutting－edge technologies progress quickly，such as：high－performance computing power，ultra－high－speed network，cloud platform，etc．This paper explores development direction and provides preliminary planning on how to use these cutting－edge technologies to advance from state of the art nuclear power plant engineering simulator to digital nuclear power plant．

modeling；simulation；state of the art engineering simulator；industry 4．0；made in China 2025；digital nuclear power plant

TM623 Article character：A Article ID：1674－1617 （2017）03－0306－10

TM623

A

1674－1617 （2017）03－0306－10

10．12058／zghd．2017．03．306

2017－08－15

黃建華 （1946—），男，廣東人，核能工程專業，臺灣公元首席科學家，美國斯坦福大學物理學學士、美國加州大學洛杉磯分校 （UCLA）核工博士，研究方向為仿真器、數字核電廠。

（責任編輯：韓霞）