基于大數據與人工智能相融合的核電生產系統應用研究

摘要：隨著信息技術與各行各業的高度融合，大數據和人工智能對核電生產系統的應用更是起到了技術加持效果。核電領域對數據及信息的依賴度極高，近些年核電領域相關的信息量呈爆發式增長，現如今在核電系統應用過程中，需要憑借大數據技術和人工智能技術輔助核電工業領域的發展與應用。本文將會介紹大數據與人工智能在核電生產系統中的應用意義以及日后的發展范圍。

關鍵詞：大數據;人工智能;核電生產;系統

在核電生產領域當中，各種控制系統、安全系統、分析系統的應用也逐漸讓核電站在運營過程中產生大量的數據，所以想要及時分析和調取相應數據就需要大數據技術及人工智能技術的支持，建立完善的數據庫體系，能夠持續運營和維護，深度挖掘數據。

一、背景介紹

現如今，全球范圍內都對大數據和人工智能極度關注，這也是凸顯國家競爭力的途徑之一。例如，法國已經將虛擬現實技術應用于核電工程的設計和建造等過程中，能夠以三維模型的方式呈現核電產品的設計圖形，能夠有效幫助核電行業預防和診斷設備故障，及時進行干預和維修。而俄羅斯則是利用大數據技術建立了虛擬建造數據庫，其中包含了建造過程中核設備、材料等相關的信息數據，能夠幫助企業提前預警，深度解析問題。

我國現如今信息化技術的發展突飛猛進，隨著對數據收集處理分析需求的不斷增高，核工業與信息化融合度也逐漸加深，利用大數據和人工智能等相關技術，幫助和工業快速發展，已經是現如今的重點課題。

二、核電大數據與人工智能的發展意義及現狀

1、核電大數據與人工智能的發展意義

大數據的功能就是將數據進行儲存、壓縮、整理、轉換格式、分析、統計，再結合智能演算等方面技術，輔助發現問題并制定決策。而在核電生產系統應用當中，主要作用于提高生產效率，提高維護效率和實現數據及經驗分享的功能。

不同放射性環境、不同的試驗條件下，歷史數據所產生的結果也不同，所以深入挖掘歷史數據，從中對比得出相應指標之間的關系，從而指導和優化運行數據，為決策者提供可調控的參數是大數據和人工智能的重要任務。在維護設備過程中也會因為時間的積累而產生大量數據，都可通過大數據和人工智能進行整合，從而便于維修人員提前預判，及時解決問題。在核電領域，經常會出現針對某一種新型設備，其中一家公司或部門已經研發成功，而其他公司或部門沒有得到消息，這就需要組建大數據平臺，能夠實在線交流分析，增強核電數據的開放性，實現多人在線協同合作。

2、核電大數據與人工智能的發展現狀

隨著自動化和信息化的快速發展，核電領域相應的運行及管理都離不開數據，所以想要及時更新信息和數據，在日常管理和運維中就離不開對信息技術的需求。例如在做監測系統時，可以適當加入圖片、文字、影像、狀態顯示等相應的數據收集工作，如此獲得的結果會比簡單的報警機制更加全面具體。現如今核電的運行數據主要通過KDO、KME、KIC等系統進行記錄統籌，但每種系統記錄的格式和方式都不盡相同，所以想要全面對比數據、挖掘數據則會造成一定難度。

三、核電大數據與人工智能的應用及實現

1、內部運行數據的采集及優化處理

核電生產系統在運維過程中，每天都會自動采集和存儲各種數據形成日志，其中所蘊含的維護參數，操作參數，運行參數等，數據規模龐大。以DCS系統為例，核電站內大多數的設備控制都是通過控制機采集環境數據、設備數據、運行參數等，再通過網絡傳輸至服務器進行存儲和顯示，以供操作者實時了解、進行操縱，而想要了解設備的運行狀態，則需要一一進行篩選和檢索，篩選出的數據也相對不穩定，需要工作人員進一步進行計算和分析。所以現如今內部運行數據的采集與處理急需優化，通過大數據與人工智能技術相結合，整合統一的數據整理、數據采集、數據轉換、解析等數字化平臺進行演算，從中儲存挖掘數據價值，提升數據的規范性和準確性，有助于幫助核電生產和運維的優化和把控。

2、建立云數據庫，實現數據共享

建立云數據庫能夠通過網絡實現數據共享，不僅能夠為新進核電領域的工作人員提供快速提升能力的渠道，還能加速人員技能水平的發展，提升管理和優化運營模式。并且，現如今每個核電站之間的數據共享通道仍然無法打通，所以要從三方面進行創新。首先，需要根據核電數據快速打通一條共享渠道，可以讓多方人員在線進行溝通或診斷，加快工作效率。其次，將云數據庫與人工智能技術相結合，滿足各個核電站的分享和數據儲存需求，為設備管理和故障預警等方面提供數據支持。最后，在核電站建設和運營過程中建立模擬平臺，例如三維顯示平臺可以幫助核電機組的設計與維修展示出更加直觀的畫面，從而積累經驗，降低成本。

3、推動核電工程生產模式的轉型

過去核電站的生產流程需要通過財務投入、進度安排、計劃分解等數據進行對比分析，從而制定戰略方針。而大數據和人工智能的加入，可以根據歷史數據進行成本分析，從而確定人、機、料方面的固定因素和異常因素，盡可能幫助決策者降低成本，實現利益最大化。核電工程中除了對成本的把控外，對施工工藝、施工標準都有相應的模型和規范，想要加快大數據和人工智能的產業化應用，則需要從企業內部進行激活與推動，從而建設統一的參考標準，逐步驅動前臺業務，重組核電業務流程與產業鏈條。

四、結語

本文通過對大數據和人工智能概念的描述，以及在核電領域方面的應用及意義進行闡述，初步探索了大數據和人工智能在核電生產領域的應用方向與實施對策，從而建立有效的數據庫和在線協作平臺，升級核電生產系統的數據管理模式和運維模式，在核電領域深耕，總結經驗與教訓，將大數據和人工智能的實操理念深度推廣，促進各個業務與應用的銜接，打造全新的核電產業閉環，建立一體化的大數據體系。

參考文獻

[1]方和.安全與高效的思辨——中國核電當前態勢觀察[J].中國核工業，2012，（02）：11-13.

[2]段智勇，劉永闊，夏虹，吳國華.核電站故障診斷與故障程度評估方法[J].應用科技，2016，（04）：1-5.

作者簡介：王景虎（1986.2）男，籍貫：陜西西安，最高學歷：本科，目前職稱：中級工程師。