反應堆關鍵設備狀態數據標準化研究

李書劍，龐天楓，楊泰波，劉才學

（中國核動力研究設計院，成都 610213）

0 引言

故障診斷是保障核電站安全、穩定性運行的重要環節。在反應堆關鍵設備故障診斷專業領域，中國核動力研究設計院自主設計、研發的相關產品種類豐富，并在核電市場具有較廣的覆蓋面，主要產品包括：1）松脫部件監測系統（LPMS，loose part monitoring system），主要用于反應堆一回路內可能出現的松動件、脫落件和遺留的金屬零件等的在線監測［1］；2）堆內構件振動監測系統（VMS，vibration monitoring system，），主要用于周期性監測堆內構件的振動，防止堆芯吊籃壓緊彈簧過度松弛和支撐嚴重劣化［2］；3）主管道和波動管LBB（leak before break）泄漏監測系統，簡稱“LBB”，主要用于監測反應堆一回路主管道和波動管早期破前泄漏［3］；4）反應堆冷卻劑泵監測系統（CPMS，coolant pump monitoring system），主要用于主泵等旋轉機械狀態監測與分析［4］。上述產品主要采集振動、運行工況等狀態數據，采集到的數據統稱為 “反應堆關鍵設備狀態數據”。目前，上述產品已應用于國內46臺、海外4臺核電機組，并且建立了基于大數據和互聯網的反應堆遠程智能診斷平臺（PRID，platform of reactor remote intelligent diagnosis），每月收集超過10萬條監測系統數據，而PRID依靠這些數據進行反應堆關鍵設備的狀態分析、故障診斷及預警，已成功進行了60余次故障告警［5］。

由于不同核電機組的設備型號及結構，以及核電業主的實際需求存在較大差異，再加上軟硬件版本提升和技術更新換代，上述產品應用在不同核電機組的版本不盡相同，甚至同一機組在不同運行周期的產品版本也可能存在差異，這直接導致了不同產品所產生的數據偏離了預先制定的統一標準規范，數據資源出現 “熵增”現象。另外，隨著數據的積累量越來越大，數據的利用和管理效率也逐漸降低。而在數據使用后端，依賴于數據驅動的機器學習、深度學習等技術在設備故障診斷領域的深入應用也對數據質量提出了更高的要求［6-7］。

通過對核電故障診斷產品所采集的狀態數據資源進行全面梳理和細致分析，總結得到了目前的資源現狀，主要包括：

1）文件格式多樣：包括“.dat”、“.tdms”、“.csv”等7種文件格式；

2）解析規則眾多：海內外50個核電機組產品所產生的數據對應了20種不同的解析規則；

3）數據解析復雜：數據沒有統一的解析規范，且編碼方式、數據類型等存在差異。

上述現狀導致了PRID在進行數據解析時耗時較長以及數據解析容易出錯，十分不利于數據的統一管理和后續產品的開發與迭代。

本文將首先對核電故障診斷產品所采集的狀態數據資源現狀進行全面梳理和細致分析，然后基于數據標準化的相關概念，提出反應堆關鍵設備狀態數據標準化的思路與方法；在此基礎上，結合實際數據情況，進行工程應用實踐，并評估數據標準化的效果，最后進行總結并提出思考，為未來核電市場產品供貨、遠程智能診斷平臺拓展、健康管理平臺開發等提供數據側相關參考。

1 反應堆關鍵設備狀態數據資源現狀分析

1.1 整體情況

核電故障診斷產品所采集的狀態數據資源主要來源于四大類：LPMS產品應用于50個核電機組，VMS產品應用于26個核電機組，CPMS產品應用于5個機組，而LBB產品應用于2個機組。在產品前端，數據采集主要通過基于LabVIEW 軟件的程序實現，LabVIEW 是一款圖形化的軟件開發工具［8］，在數據采集、硬件控制、數據交互等方面具有很大的優勢［9］。通過LabVIEW 采集得到的數據文件定期傳遞至PRID，存儲在專門的數據服務器中，并進行后續的處理與分析工作。

通過對數據資源進行全面梳理和細致分析，發現目前在數據的采集、讀取、存儲、使用等方面存在較多不統一、不規范等問題，具體表現在文件格式、文件命名、文件編碼方式、文件數據類型以及文件解析規則等方面，本節將依次進行分析。

1.2 文件格式不統一

文件格式是指數據在計算機中存儲而使用的對信息的特殊編碼方式，每一類信息都可以有一種或多種文件格式保存在電腦存儲中，每一種文件格式通常會有一種或多種擴展名（文件后綴）用于識別，不同的擴展名對應不同的打開和使用方式。

根據梳理，目前反應堆關鍵設備狀態數據資源文件格式種類多樣，具體如表1所示，其中，產品數據包括7種格式，其中大部分為 “.dat”格式，“.dat”格式文件通過二進制進行讀寫，具有較快的讀寫速度和較小的文件體積，適合高頻數據采集以及大批量數據存儲［10］。另外少量其他格式也為二進制文件（如 “.cbv”、“.DAN”等），“.tdms”與“.csv”格式需要輔助軟件進行讀取。

表1 數據文件格式

多文件格式存在的數據管理問題主要包括：1）文件格式種類較多，若進行統一管理，則需要對多種格式進行適配，增加了軟件的復雜程度；2）數據隔離程度高，不同類型格式文件較難互相轉化。

1.3 數據文件命名方式多樣化

文件名是數據文件的標識符，在同一個地址下具有唯一性。目前故障診斷產品數據文件命名方式種類多樣，具體情況如表2所示。由表可知，大部分文件的文件名只包含采集日期、時間信息，部分文件將傳感器采集通道名作為文件名（如 “VRA01”），部分文件名中存在空格，容易影響文件名讀取。

表2 數據文件命名方式

隨著數據積累，為便于規范化管理和查詢，應當具備通過文件名初步識別該數據文件所屬電站、機組、類型、采集數據時間等關鍵信息，其中福清3號機組CPMS數據文件名較為規范（FQ03ZB20210820161117000.dat），能夠有效通過文件名識別關鍵信息，但是該文件名分隔較少，難以閱讀。

1.4 數據文件編碼方式不統一

編碼是信息從一種形式或格式轉換為另一種形式的過程，使用預先規定的方法將漢字、數字或其他對象編成數碼，計算機在處理文件時，將可以正常閱讀或使用的十進制數字、英文字母、漢字等轉化為二進制編碼。對故障診斷產品的數據文件進行讀取分析時發現，數據文件存在編、解碼方式的不統一。

二進制數據文件在計算機中進行編碼存儲時分為大端編碼（big-endian，亦稱高尾端）和小端編碼（little-endian，亦稱低尾端）兩種模式，大端編碼將低位數據存放在高位地址，小端編碼將低位數據存放在低位地址［12］。使用大端解碼的方式讀取小端編碼的數據文件，將會出現解析錯誤。在現有的數據文件中，大部分數據文件都采用大端編碼的模式，少部分采用小端編碼的模式。除大、小端編碼方式以外，數據文件中還存在字符的編碼問題。目前數據資源中存在數字字符（如 “05”）、英文字符（如機組簡標“HYH”）、特殊字符（如 “／”）和中文字符（如 “正常”），其中，數字、英文、特殊字符采用ASCII編碼方式［13］，中文字符采用GBK 規范［14］。

文件編碼方式的不統一導致在文件讀取時必須事先確定文件編碼規則，否則將導致數據解析出錯。

1.5 文件數據類型多樣化

數據類型涉及到數據文件所存儲的具體內容，根據針對上述所有類型數據文件的分析，可以總結得到目前數據資源所包含的12種數據類型，如表3所示。在目前已有的數據資源中，使用最多的數據類型是單精度浮點型（single）、短整型（short）和整型（int8），另外，“結構型”數據僅存在于“.tdms”格式文件中。

表3 數據類型

1.6 文件解析規則復雜

由于在產品研發階段考慮到數據文件的高速采集和大量存儲等情況，大部分產品的數采系統將數據以二進制形式存儲，這就導致了數據文件不便于直接閱讀，必須通過數據解析的方式將二進制數據轉換成十進制數據。

數據解析規則是將二進制數據轉化為可供正常閱讀的十進制數據的關鍵，缺少數據規則將只能通過按位嘗試等“硬破解”方法進行數據讀取（如早年國外產品服務機構提供的數據），當遇到數據存在加密等情況時，沒有解析規則將永遠無法提取出有效數據。目前，數據解析規則復雜是反應堆關鍵設備狀態數據資源中最為突出的問題，通過梳理，故障診斷產品數據資源目前具有20余項解析規則，如表4所示。

表4 數據解析規則

2 數據標準化的思路與方法

為解決數據資源現狀中存在的問題，考慮應用數據標準化的相關方法，數據標準化用于解決數據不規范、不統一等問題，也稱為標準化數據治理，包括標準定義、標準發布、標準維護等功能。數據標準化的目的在于盡可能對處于相對混亂狀態的數據資源實現規范化管理，最大程度提升數據的使用便利程度和使用效率，為后續挖掘數據價值奠定基礎［15］。針對核電故障診斷產品所采集的狀態數據，數據標準化應當按照數據類型統一、解析規則少、解析快速方便、參數標準化度高、文件空間利用率高、容錯性強、可移植性強、可擴展性強等原則進行設計，但在實際執行過程中會遇到較多問題，需要根據實際情況進行調整，數據標準化一旦執行將禁止輕易更改，因此需要對數據標準化方法進行充分測試［16］。對反應堆關鍵設備狀態數據進行數據標準化將有助于：

1）針對存量數據：對當前存量的數據資源，進行規范化整理，使數據便于調取和使用；

2）針對增量數據：對未來增量的數據資源，數據產生和存儲按照標準化執行，使數據統一。

本文提出的數據標準化思路如圖1所示，主要流程即對照數據資源現狀中存在的問題，進行標準化規范的定義與發布，通過標準化規范的約束，對原始較為混亂的數據資源進行強制化、規范化管理，最后形成完整的數據標準化流程體系。本文主要根據上述思路，從文件格式、文件命名、文件編碼方式、文件數據類型、文件解析規則、數據存儲與讀取等方面入手開展數據標準化的實踐。

圖1 數據標準化的流程

3 數據標準化的實踐與效果

3.1 文件格式標準化

經過對現有數據資源的梳理，以及查閱相關資料，包括對特殊格式數據（如 “.tdms”）進行調研，結合目前狀態數據文件的實際情況（以 “.dat”數據格式為主），擬采用“.dat”文件格式作為數據存儲文件格式。

使用“.dat”格式的主要優點包括：

1）使用便利度高：與現有數據、各類系統軟件適配，現有的LabVIEW 數據讀取、分析軟件可以照常使用，使用方便簡單，非標準化“.dat”數據文件格式可以較為簡單地轉化為標準化“.dat”數據；

2）軟件適配度高：“.dat”文件格式采用二進制方式存儲數據，占用內存小，編碼方式簡單，可以使用任何軟件進行讀取，適用于LabVIEW、C、Java、Python、MATLAB等眾多編程語言，不存在知識產權限制；

3）數據安全性高：可以通過適當的加密方式對 “.dat”中的二進制數據進行加密，提高數據的安全性［17］。

目前，使用“.dat”格式存在以下問題：

（1）高度依賴于解析規則的準確性：解析規則出現錯漏將直接導致數據解析出錯，另外，數據規則過多也容易導致數據解析出現混亂，因此需要優化解析規則，確定較優的數據存儲方式；

（2）數據所包含的信息不夠全面：文件中僅包含數據內容，不包含對數據的解釋信息，必須依賴解析規則中的解釋字段才能識別解析數據的意義，因此，需要盡可能地將解釋字段也包含在數據文件中。

3.2 文件命名標準化

3.2.1 機組簡標規范

現有的數據文件中，部分文件存在 “核電機組簡標”這一字段，根據解析出來的數據，該數據長度不固定，如“TW05”、“HYH05”，在字符前還有部分非打印ASCII碼字符，如文件結束傳遞標識等。為進行統一，現對核電機組簡標做如下標準化規定：

核電機組簡標統一由5位字符組成，通用格式可以表示為：“XXXYY”，其中，“XXX”表示電站簡標，為三位大寫英文字母，“YY”為兩位數字，代表機組編號。

核電機組簡標的命名方式借鑒了國際航空運輸協會制定的全球機場代碼命名規則，電站簡標由三位字母組成，為核電基地拼音首字母大寫，當核電基地為三字時，取每個字的拼音首字母，當核電基地為二字時，取第一字拼音首字母和第二字拼音前兩位，如紅沿河（HYH）和海陽（HYA），當出現沖突時，新機組名稱應當更換為其他字母。新命名規則的優點是能快速識別當前電站和機組，且可使用的字母范圍較廣。由此對全國所有在運行及規劃機組進行命名，制定機組簡標標準規范，如表5所示。

表5 機組簡標標準規范（節選）

3.2.2 文件命名規范

統一機組簡標后，可以對文件命名格式進行規范，文件命名格式可以表示為：XXXYY＿TTTT＿YYYYMMDDhhmmss＿AA.xxx，具體表示方法為“機組簡標＿類型＿日期時間＿編碼.后綴名”，其中，各字段對應含義如表6所示。值得注意的是，文件命名規范規定了每個字段的長度，所以在 “類型”字段中，所有的產品均采用了四位字母的編碼方式，并以產品英文縮寫為主，若字符不夠四位（如“VMS”），則使用第一個實詞的非元音字母進行補位（如“VBMS”）［18］。

表6 文件命名格式規范

各個字段以下劃線 “＿”分隔，便于閱讀，文件名長度固定，包含電站機組、數據類型、日期時間等關鍵信息。

3.3 文件編碼方式標準化

1）數據編碼規范：統一使用低位有效、大端編碼方式進行數據存儲，即將二進制數據的高位存放在內存的低地址中，將二進制數據的低位存放在內存的高地址中，同時在每個內存空間中先存放字節的低位數據。對于目前采用小端編碼方式存儲的數據，采用交換字節順序等方式將其轉化為大端編碼模式。在后續數據讀取時，同樣按照低位有效、大端編碼的方式進行讀取。

2）字符編碼規范：目前數據資源中存在英文字母字符、數字字符、特殊符號字符和漢字字符，其中前三種字符屬于ASCII編碼，漢字屬于GBK 編碼規范，在數據標準化中，將統一使用UTF-8的編碼方式。UTF-8編碼是一種使用廣泛、包含字符數量極多的一種編碼規范，使用UTF-8編碼可以將所有語言體系下各種類型的字符都涵蓋［19］。

3）字節對齊規范：統一使用1字節對齊模式，需要在編譯、解析軟件中進行說明。當使用其他字節對齊方式時，可能會出現空字節等情況［20］。

3.4 文件數據類型標準化

數據是數據文件最重要的內容，數據類型標準化對已有的數據類型進行統一編碼，規定對應的字節數、位數和計算規則，在后續數據的存儲和讀取中都統一使用該標準規則，將數據資源中的12種類型縮減到7種，并給每一種數據類型賦予固定的“編碼”，制定的數據類型標準規范如表7所示。

表7 數據類型規范

3.5 解析規則標準化

為了將解析規則標準化，首先制定標準化通用解析規則，當前階段，準化通用解析規則（包括各類標準化規范）都使用Excel表格形式建立，后續逐步在數據庫中建立。標準化通用解析規則如表8所示，其中，“循環采集次數”指某些產品會進行特定次數的平滑計算，該次數為前期指定。

表8 通用解析規則表

將VMS某產品的數據解析規則轉化成通用解析規則，如表9所示。

表9 解析規則標準化后的VMS某產品數據解析規則（節選）

通用解析規則的優點在于：

1）規則表形式結構標準固定：規則表的結構一經確定就不需更改，只需要往里面填入對應字段，且填寫內容除屬性、通道、單位外，全部為數字，便于軟件進行識別；

2）規則表適配度高，解析規則得到優化：根據目前的實踐情況，通用解析規則表適配于松脫、振動、主泵的所有“.dat”文件格式，也適配于 “.sig”、“.cbv”等非標準格式；

3）閱讀簡單，數據清晰：通用解析規則表在填入內容以后，內容非常清晰，因為較多需要重復填寫的內容都可以賦空值，由程序自行運算，因而相較于原始解析規則，可閱讀性得到了較大提升。

3.6 數據存儲與讀取標準化

3.6.1 “八字節法”標準化數據存儲方法

數據存儲使用“八字節法（8-Byte，B8）”標準化數據存儲方法，對應“八字節法（B8）”標準化讀取方法。“八字節法（B8）”標準化數據存儲方法是一種為故障診斷產品數據定制的數據存儲方法，規定數據文件由以下三部分內容構成：1）頭文件；2）頭文件結束標志；3）數據。

1）頭文件：頭文件部分按照每八字節存儲一個 “屬性”下的一個 “通道”的 “單位”和 “數據”相關信息，故稱為“八字節法”。“八字節法”頭文件定義規則如表10所示。

表10 “八字節法”頭文件定義規則

“八字節法”限制每個 “屬性”、“通道”以及 “單位”的字符串長度為127個字節，一般情況下字符長度滿足要求；數據類型小于127 種，根據數據類型標準表的定義，當前只定義了7種數據類型；數據數量為32位整型，數據范圍非常大，各種類型數據均滿足要求。

2）頭文件結束標志：頭文件所有數據存儲完畢以后，存儲一個全部為1（0xFF）的八字節數據作為頭文件結束標志。

3）數據：在頭文件結束標志以后，按照頭文件的規定順序存放數據。

3.6.2 數據的讀取方法

當數據文件按照 “八字節法”進行存儲時，數據的讀取將變得非常簡單，讀取八字節格式的文件不需要任何的解析規則，僅需要八字節格式編碼的逆算法——解碼算法即可。

八字節格式文件的讀取方式如下：

1）以流式數據方式打開 “.dat”文件，每次將八個字節的內容讀入內存，其中，第一個字節內容為 “屬性”字段字節長度，第二個字節內容為 “通道”字段字節長度，第三個字節內容為 “單位”字段字節長度，第四個字節內容為數據類型，第五至八字節內容為數據數量，解析規則和表完全一致，將讀取并解析后的數據存放進內存中；

2）當讀取到八個全為1（0xFF）的字節時，頭文件讀取結束，此時內存中的頭文件解析數據即為該文件的“目錄”；

3）在頭文件結束標志后，按照 “目錄”中的 “屬性”字符長度、“通道”字符長度、“單位”字符長度、數據類型和數據數量，依次讀取對應的數據并解析。數據讀取完成后，同樣存儲在標準化數據結構體中。

3.6.3 “八字節法”的優點

“八字節法”標準化數據存儲方法具有如下優點：

1）數據文件完全脫離于解析規則：按照 “八字節法”存儲的數據文件不再依賴于復雜的解析規則，通過算法解碼可以直接讀取文件的全部內容；

2）數據解碼方法簡單：通過簡單的解碼算法即可將文件內容解析出來，算法簡單，易于理解，通過編寫簡單的程序模塊即可實現數據解析；

3）數據文件結構固定：所有的八字節文件格式固定包括“頭文件”、“頭文件結束標志”、“數據”三部分內容，使文件各部分易于識別，各部分內容長度根據需要動態變化；

4）文件標準化程度高：數據文件經過文件格式標準化（均采用“.dat”存儲格式）、文件命名標準化、數據類型標準化和編碼方式標準化（大端編碼），標準化程度高；

5）易于錯誤排查：根據八字節編碼特性和頭文件結束標志，容易排查“.dat”文件是否存在字節錯位、漏字節等情況。

3.7 數據標準化的實踐效果

針對反應堆關鍵設備狀態數據現有資源，通過文件格式標準化、文件命名標準化、文件編碼方式標準化、文件數據類型標準化、解析規則標準化以及數據存儲與讀取標準化等手段，初步實現了數據標準化，部分經標準化后的數據資源如圖2 所示。可以看出，所有的數據文件都是“.dat”格式，并且嚴格按照前述機組簡標規范和文件命名規范進行命名，所有的數據文件統一采用大端編碼、字符采用UTF-8編碼、1字節對齊方式，并且所有文件都按照“八字節法”標準化方法進行存儲。

圖2 經過標準化處理后的數據文件（部分）

通過數據標準化，故障診斷產品所采集的反應堆關鍵設備狀態數據資源在統一性、標準性和規范性上得到了極大提升，數據標準化的效果如表11所示。

表11 數據標準化前后的效果對比

4 結束語

數據標準化主要聚焦于缺乏規范性、統一性的數據資源。本文首先梳理了反應堆關鍵設備狀態數據的數據資源現狀，整理了當前數據資源存在的問題；然后提出了數據標準化的思路和方法，從文件格式、文件命名、文件編碼方式、文件數據類型、解析規則、數據讀取、數據存儲等方面進行數據標準化實踐，定義了機組簡標規范、文件命名規范、數據編碼規范、字符編碼規范等標準化規范用以對數據資源進行約束。通過數據標準化實踐，反應堆關鍵設備狀態數據資源的統一性、規范性和標準性得到了極大提升，充分提高了數據質量和管理的效率。

隨著“數字化反應堆”建設的推進和數字化轉型的迫切需求，數據資源將迎來新一輪的使用和研究熱潮，為了提升數據資源的使用效率、增強數據質量，確保最大限度挖掘數據資源的內在價值，數據標準化應該作為一種重要的數據管理手段貫穿數據使用的全流程，避免由于數據資源混亂而造成的數據浪費。除數據標準化以外，數據管理中還包含了數據安全管理、數據質量管理、數據資產管理、數據生命周期管理等多方面，后續可以根據需要在核電故障診斷產品數據資源中進行進一步探索和實踐。