刘兆龙

摘 要：文章主要是分析了大数据、人工智能的国内外发展现状，在此基础上讲解了其在核工业领域的应用前景，望可以为有关人员提供到一定的参考和帮助。

关键词：大数据;人工智能;核工业;应用

1 前言

当前大数据、人工智能的不断发展，改变了以往的工业生产模式。核工业是国家重要的武器，当前的大数据在核工业领域中还处在探索的阶段，但其有着无法估算的潜能，为此文章主要是对大数据、人工智能在核工业领域的应用前景展开了分析和探讨。

2 国内外发展现状

2.1、国内发展现状

在2016年我国的核工业研究院与中国核工业集团有限公司共同开发了反应智能诊断的平台。该平台主要是采用到了大数据技术来实现到了核电站关键设备的故障识别，主要是应用在松动部件的远程监控和故障识别当中。在诊断和分析方面取得了良好的效果，为我国许多核电机组提供了服务。该项目主要是采用到了大数据技术，在一定程度上提高到了系统诊断分析的质量和效率，其中主要是包括松林算法和机器学习松散件触发特征智能分类程序，其是一个符号了人工智能的诊断分析专家系统。2019年初，由中国国家核工业集团有限公司领导，携带新闻机器人自动化有限公司，国内大学和科研机构等35个单位，是核电机器和智能设备的合作创新联盟工业成立。2019年5月9日，CNNC人工智能和核技术产业一体化的战略规划项目开始运行，这是推动CNNC从概念到根本的人工智能的关键步骤。2016年，CNNC和清华大学签署了深圳核电数据治理系统框架的合作协议，包括核电领域的统一信息模型框架和实施标准，以及为整个过程数据分析建立核电厂协议标准将改善CGN数据资产的管理。使用水平，尽快使用核电寿命数据的建模，标准化和智能，打开核电数据链路，并可以奠定到了基本数据应用功能和业务决策用于分析的方法，才可以有效的提高到了CGN数据应用能力和业务决策能力，当前我国的苏州热工研究院已经建立了核电设备大数据应用和安全实验室，且在不断的推进到了其核电设备大数据技术的研发，完成并实现了不同核电运行的数据接入，以在线监测和智能诊断为中心，从而实现对核电站监测分析预警和智能管理的支持。

2.2、国外发展现状

由Westinghouse开发的组件监测应用程序是一个可扩展和开放的技术平台。传感器用于监测小于单个组件，大于多个核电源单元。采用大数据技术实现故障预测和战略发展，美国电气工程研究所采用PHM（fault prediction and health management）系统实现对多个核电站的实时监测，EDF实现永久性的状态监测和状态检查程序，实现实时故障监测检测核电站关键部件，并采用故障评估专家系统。2020年初，道达尔能源公司和法国电力公司利用人工智能技术联合建立了一个研究能源实验室。

3 应用前景

3.1、核燃料勘探釆集

数字矿山是真实矿山和整个环境的数字显示。其是我国战略资源保障体系中最为重要的一部分。其主要是利用到了信息技术来建立了铀矿管理的系统，且利用到大数据、人工智能和概率技术建立了相关的铀矿专家系统。为提高勘探效率，降低采矿时间成本，解决采矿过程中的高风险因素，将在勘探、露天设计、矿山生产等方面对铀矿进行改进。

3.2、核装备制造

核设备制造是核工业中最为重要的部分。有关人员应当要将大数据和人工智能技术整合到核设备制造系统的整个过程中。非结构化存储数据库的使用扩展了现场信息收集的范围和效率，并提高了建设项目管理的全面性，准确性和安全性。人工智能技术逐渐形成了分析和处理到了较为大量的结构化和非结构化数据的能力。基于这种能力，通过专家系统，神经网络和其他优化技术提供了优化和自动智能分析和决策系统，用于核设备制造的设计，生产和运营。

3.3、核电工程

核电工程设计和施工建设周期长，涉及强大的专业性，许多参与者，高工程难度，高安全性要求，核反应堆设备的结构设计，核反应堆的辐射屏蔽设计等核电也难以工程设计。核电项目的主要数据主要包括项目数据，项目进度数据，安全数据，监控数据人员数据，奖励和惩罚数据等，收集的数据存储在数据仓库中。利用大数据技术进行准备、过滤和分布式存储，然后利用模式匹配、无监督学习等方法对数据进行建模和分析，利用智能决策系统对当前影响工作效率和质量的问题制定控制措施和解决方案。

3.4、核电运营

一般来说，核电站可以在不添加核燃料的情况下运行18个月。大部分运营成本都在运营、调试、检查和安全方面。因此，通过大数据、人工智能等技术手段达到降低成本和效率的目的。核电运行产生的数据主要包括生产管理数据、核电运行设备可靠性管理数据等专业数据，可以利用到了大数据技术对这些数据进行管理和分析，如果采用人工智能化学诊断技术实现道路水化学的自动监测，二次回路装置的判断将更加准确，从而指导设备的实时运行状态和老化程度，并能对设备的维修计划进行智能决策，确保核电设备的安全、稳定、长期、可靠全面的运行。

3.5、核電安全

核电站有几十个系统，包括数百个专业。传统的操作、维护和维修需要大量的人力物力。大数据、人工智能和核安全控制系统的结合，可以在某些情况下实现自动控制，提高核电站的自动控制水平，让人工智能评估整个核电站的系统状态和安全性，协助运行人员做出适当的决策，并收集核电运行过程中产生的生产数据、运行数据和安全数据，运用深度推理等技术，建立数据驱动的决策分析系统，快速预测和诊断设备状态，辅助企业决策者进行核电安全的运行。

3.6、核技术服务与应用

辐射突变育种是人工控制物理辐射诱变蛋白的育种方法，例如中子，质子或光线，以照射植物种子以产生基因突变，然后从突变群中选择所需的个体以培养新的品种或种质。然而，现有方法具有很大的随机性，不能在传统领域的大规模实验中使用。人工神经网络模型可用于在计算机中进行虚拟突变，并建立模型以预测突变的后果。可以选择理想的预期突变序列用于真实实验。序列的继电器成本低，可以控制固定点方向。核医学基于放射性和标记化合物，使用大数据，人工智能技术，实验数据等临床数据分析和挖掘潜在的法律，核技术在疾病诊断，治疗和医学研究中的应用新兴的医疗领域，或使用深度学习算法动态模拟核辐射杀伤细胞的过程。

3.7、核电机器人

在核工业中，由于核设施或运行环境的放射性，还存在着一些人们无法操作或存在风险的相关问题。在这种情况下，利用机器人进入高辐射或难以操作状态，如核设施的维护、核应急等，可以降低设备的保护成本和对人体的辐射剂量。日本福岛核事故发生后，美国和英国先后派出反辐射机器人前往福岛核电站进行了相关的救援工作。

3.8、核退役

核设施退役是长期，大规模，高投资和潜在危险的系统工程。它可以持续数十年甚至几个世纪。按照安全，经济和实用性的思考，在退役各种核设施之前，通过将大数据和人工智能技术与外部环境数据相结合，建立了退役模拟模型。评估退役技术方案和关键步骤，模拟和验证，拆除方法和路径进行了优化，并模拟和预测辐射扩散剂量和方向，帮助专家调整退役实施计划和时间，减少或消除对人员和环境的危害，降低核设施拆解的成本。

4 结束语

由上可知，大数据、人工智能的兴起使得传统行业发生了翻天覆地的变化，当前世界各国都在使用到大数据、人工智能来不断完善到国家建设，推动到经济的发展且在一定程度上提升到工业制造能力。

参考文献：

[1]苏绍玉， 徐婧， 鄢仁祥. 文本分析技术在蛋白质生物信息学中应用的案例综述[J]. 生物信息学 2020年18卷4期， 215-222页， ISTIC， 2021.