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，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%停止到4%，到2030年，计划要达到1.5亿千瓦时，目前国家的核电化水平相当于全球第4，仅次于美国、法国和日本，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。北极星电力网将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。当时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，实际上这个案例真是当时我们团队，我们团队在大亚湾核电站事实的一个项目，在核电站智能诊断方面作出了重要的贡献。

今天介绍的是“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能电厂，最早2013年就启动了智能电厂的建设，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，应该是在五年计划里面超过10亿的资金支持在做这个事情，目前也是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广核的理解。

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时间和工作。

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，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%停止到4%，到2030年，计划要达到1.5亿千瓦时，目前国家的核电化水平相当于总体是全球第4，仅次于美国、法国和日本。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，中国往外输出的核电工程包括中核集团在巴西市场和阿根廷推进的项目，包括中广核在阿根廷、罗马尼亚推进的项目，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年从当时最早的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，实际上走在一个奔跑、并跑到全球领跑的方式，事实上国家高科技、高新技术对外输出核电和高铁就是两个名片，包括习大大和克强总理都是拿着这两个名片在对外做相应的技术输出。

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、安哥拉的项目，中东、南亚都有，都是新能源控股的项目。在英国也有投资建设的项目，当时是180亿英镑的建设费用，也是中国目前对外输出最大的能源项目。包括在纳米比亚的湖山铀矿，是中国在非洲投资最大的项目。

这里是中广核的大亚湾基地，这是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，从大亚湾95%以上的技术都是从国外引进的，过程中慢慢改进，和一些工程的建设，目前华龙一号以34号机组为原型，未来在英国建设的项目就是以两个机组作为参考模型计算，核电已经具备了完全自主知识产权以及对外输出的知识水平。我们跟EDF，就是大亚湾的最早两台机组全资引进的。

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，中国的对外核电事业是本着，今年相当于颁布《核安全法》，以法律的高度和责任感来践行这个事情的。

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特别复杂和繁杂的一个工程，两台机组大概20多万台套设备，400亿的建设资金，这个设备安全和可靠性要求都非常高，涉核的会接受到核安全局、国家能源局、国防科工委相关的监管和控制，这里面涉及到的历史上一系列核试验大家可能都比较了解，就是说核电里面一些设备一旦出问题后果是非常严重的。第二，核电发展非常快，应该说福岛事件对我们来说，外部可能讲对于核电相当于泼了冷水、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。核电尽管说福岛事件过去了，现在核电也在慢慢提上新的日程，包括今年能源发展规划也是开工5台机组的规划，实际上就是说核电目前还是成为未来清洁能源尤其是在天更蓝、水更清的要求下核电还是有非常大的发展前景的。核电大量的建设和开工，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，核电厂人不犯错误、设备不出问题，对人和技术都有很多的要求。

第三，电力市场是不参与或者多年前一直讲核电要保护满负荷运行，不参与相应的调峰。事实上由于电力市场疲软，这种情况下核电同样也承担了这样的电力市场的机制，目前这种机制会逐渐的加入到这样的机制，保护层或者特例性已经逐渐被减去，这个时候核电同样承载运行不得满发。第四，这里面讲到核电相对保守，处于起步阶段，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，但是这些项目事实上会用于指导或者技术分析决策建议，但不会直接应用到闭环，不会直接口指导我们核电相应的系统里面去。这些系统当然经过逐渐的应用验证成熟之后，我们也会推这个技术。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，也是我们研究几个屯对的责任。

这里面核电集团级设备管理实践路线总结。核电做集团级的设备管理讲五个话，标准化、专业化、集约化，还有今年非常突出的智能化和精益化。智能化相当于设备管理专业能力的提升，包括创新应用。集约化主要是成本的提升、成本的下降。包括维修中心战略备件的库存和优化，以及人力成本的优化，相当于核电设备管理人员需要设置的话题。

标准化主要讲的是在体系标准和平台方面的互动，现在在核电里面，前面有一个领导讲到说，真正的完完全全的互联互通，是没有相应的要求的。现在在核电，在中广核集团按照23+12功能领域方式划分了相应的技术领域，每个技术领域里边的数据原则说只能建1—2个数据平台，这里面数据是完全互通的，比如说设备管理领域，我的设备管理平台，就需要把设备的监测、评估、维修决策、维修成本的核算等等这几个过程在一个平台里面实现，这是统一平台的概念。

这是全生命周期设备管理的一个概念，中广核集团是一个大的集团，包括实施专业化的运作，包括相应的专门开展核电工程设计的设计院，包括核电工程总成总承包的公司，包括相应专业化运营业主单位，包括相应的维修服务提供商，包括技术服务平台。这里面专业化运营之后，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、不带病头晕，数据要达到保值或者改进运行，提升之前的设计可靠性的水平，包括工程领域和运营，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年启动了智慧电厂项目，后来集团覆盖之后统称为智能核电这样大的战略专项在推进工作，这里面讲的是核电设备管理的内容。

全寿期的设备管理，我要抓取到的涉及到的数据和技术就非常多了，这里面右上角的一个图，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的数字传播，还有一个概念，在智能工程里面实现或者正在做的伴随着华龙3、4号机组的建设，我们已经在进行数字电厂的工程，每一天华龙电厂3、4号机组铺设了哪条电网、铺了哪条泵，滞后一天数据可以及时配置进去，就是按照我们相关的要求，等到化隆1号两台机组建成的那天，就是我数字电厂可以直接移交的那一听。核电领域做这个，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。电力系统控制系统，还有移动增强与现实。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中广核做备件，包括北大辽宁、大连有核电站，南到大亚湾核电基地，还有西边的核电基地，实际上有很多战略备件是共享的，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、需求和计划的排布，这个关联起来，是人工智能和机器学习，这里面等一下后面会讲到在智能监测和诊断方面的应用，数据的挖掘，是贯穿整个流程的。底下是一些业务常见规划的情况，电厂的工程师和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，就是手机客户移动端，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，以及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。这里右边讲的是设备全周期管理，包括从设计角度，我们要提取数据的特征，从运营角度，这里面两个图主要讲的，一个是包括设计和运行的，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、功能诊断、维修控制等等都可以关联起来。还有一个，在核电里面经常提的，我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了。

这是设备管理，设备管理主要设计到几个方面，包括监测、评价、智能诊断等等这里面涉及到几大模块对应的数据，目前设备的基础数据，先讲一下数据的基础板块，和实施上已经把目前投运的20台机组的运行状态数据，大概2万多个点的数据，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践的数据，甚至包括核电领域我们比较强调的外部的机械反馈的数据都可以接入进来，这里面设备管理只是其中的应用领域，应用领域就可以直接关联起来了，就可以从数据中心抓取设备运营管理的数据、试验的数据和反馈的数据来做相应的分析和应用。

这是全寿期、全过程的数字化和智能化的概念，左上角介绍的其实就是相当于核电设备运行过程，这里面6个黄色的框图是标准的核电设备的标准流程，按照标准流程划分的设备、数据运行的几个流程，包括设备分性能监测、纠正行动等等相应的流程。事实上华龙1号的机组，中国华龙1号第一台机组是福清的501机组，但是中广核华龙1号机组在数字电厂方面还是走在前面。

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核活动，以及输出方面的几个阶段。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，一个是核电机组非计划的次数为0，还有重大设备损害的次数为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。国际上有一个指标的对比，2017年的水平，美国和包括法国电力公司EDF的数据大概是0.4次为基础，就是说大概2.5台机组可能有一台跳过1次，中广核达到的水平是0.15，20个机组大概是3次这样一个水平，所以非常低的一个数据，或者我们已经做到了一个比较高的高端，高端稳定事实上是更大的挑战了。

这里讲的是在大数据技术应用方面的架构设计的情况，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一些记录，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，通过包括像这些算法模型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，在当前的水温、运行环境里面，可以通过这个偏差看相应的预警，相比于之前的绝对值的管理，比如大家量体温绝对值的管理，是另一个层面的概念了。在这个数据基础上相应的健康管理和运营角色，我们目前小范围的第一步和第二步已经实现了，后面两步正在规划设计在做。

第三部分，介绍一下核电设备管理典型案例及未来方向，我们的思考方向。

在智能核电项目，或者依托数据院在科技部工程研发中心下建立了核电设备安全实验室的情况，这个就相当于我们目前团队人员在推的核电设备大数据，怎么样应用大数据来推核电的设备管理提升。这是目前已经建设完成的，实现了大亚湾、阳江等等在用机组的数据接入，剥削也有的机组虽然没有商运，但是数据也接入进来，这里面在线监测和诊断的中心，这里面可以实现核电机组，因为我前面讲了，中广核所有在线设备的实时数据、运行状态数据都已经接入到里面，他们这些数据我可以接过来，但是我们这里面有选取的，对重要设备开展智能监测和监测预警。

左边是智能监测预警的模型，目前基于绝对值的监测上实现变革，如何抓取设备的特征，分析出他预测值的可能，通过相对的概念具体预警。这里面这种新的技术我们模式识别的技术，先进模式识别的技术，基于这个先进模式识别技术的内核，我们可以实现动态、多参数分析和预警。第二，技术诊断方面的应用。我们在很早之前做的事情相当于知识库的应用，基于人为描述或者穷举发电机的故障是什么样的，根据设备异常追溯，通过不同的辅助判断追溯设备的故障原因，最后发现，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，这时候我们引入了像大数据技术如何去做相应的分析，也是做了相应的案例实践。

这是设备智能监测的一个场景，左上角这个图，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，正在报警的少，一路追溯下来就可以知道什么参数、哪个信号发生了问题。右边是典型的具体的设备参数的图像，在中广核总部有群厂的监测中心，在各个电厂有监测室，这些数据在移动端或者其他方面也可以看到。

这是知识与数据融合的智能诊断技术，前面有提到的张教授我们一起试点的大亚湾工程就是在这里面左下角的图，包括几个重大设备上面相应的工程，也是出现了多起设备异常，也进行了相应的辅助诊断的预警。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，就是说我们是不是有了大数据可以完完全全撇清这个。

这是技术与数据模型相结合，怎么样评价设备健康状况的情况，目前在网络对于我们把核电厂分了三个层级，从设备层，设备属于一个系统、实现一定的功能，比如说组别式系统，设立了相应的层级指标，包括设备健康指标、机组设备考核参数等可以实现动态的数据管理的监测和评估，给出相应的定期评估的监测报告。这个是已经运作起来了，而且这个指数跟国际上包括中广核目前在内的都可以做相应的对比和打分的，目前处于相当于国际比较先进的水平。

这是维修成本的控制，如何实现维修成本的下降。可能不陌生的以可靠性为主要的维修，大亚湾核电站其实就是最早做核电领域里面做以可靠性为主的维修，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、检修以前的历史数据包括备件成本、历史成本的数据，以及本身机组的大修计划等等，综合做数据的分析，推动维修模式的变化，转到VBM的方式去做维修成本的控制和优化。

缺陷管理，这里面只有一些应用场景，包括有的做的培训和主控的平台，做了培训和大修期间信息交互的平台，没有做得那么先进，包括SOP包括他们做的非常炫的视频介绍他们的缺陷管理，还达不到那样一个水平，他们抓过来的。

这是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，我目前负责经验反馈的数据建设和管理的应用。经验反馈里面大量复杂的数据里面如何去挖掘，而且经验反馈的数据基本上都是离线的文本化的数据，首先实现数据的治理、数据标准化处理，然后挖掘事件的原因和趋势分析。比如说核电厂发生重大设备事件之后，主线跳闸，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，现场运维决策人员就会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，按照三天的管控计划的方式，看到这个计划的时候，比如说涉及到控制系统运行的工况，就可以找到历史的经验反馈数据。

这是预防人因失效方面的做法。

未来发展方向方面，设备数据已经有相应的建设，当然可能还存在不健全、不完善的地方，要做相应的完善和提升。

要实现包括相应的技术，我们已经提的比较多了，这里面加上新技术真正合理的智能高效的应用起来。

这是我们目前正在做的和历史上做的，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，我们一起做这些事情，帮助中国的水平提升。