智能核電廠的發(fā)展及應用

黃建華,郭天覺

(1.中國核動力研究設計院，四川 成都 610000;2.和昇集團，香港)

4 自我調(diào)適的建模和仿真技術(shù)

4.1 建立準確模型的挑戰(zhàn)

要建立一個設備、系統(tǒng)、組件的準確模型的先決條件就是要取得該設備、系統(tǒng)、組件的充分設計數(shù)據(jù)，但這些完整數(shù)據(jù)很多時候不容易取得，這是建立一個設備、系統(tǒng)、組件的準確模型的第一個挑戰(zhàn)?？v使取得所需設計數(shù)據(jù)無法建立一個設備、系統(tǒng)、組件的準確模型，其中因素包括：控制方程式的局限性、離散方法的局限性、求解方法的局限性以及計算機計算的局限性。

一般設備、系統(tǒng)、組件的控制方程式都是依據(jù)質(zhì)量守恒、動量守恒、能量守恒原理建立偏微分控制方程，但工程師對自然界的了解有其局限，在這個過程中做了很多近似假設，這就是所謂的認知不確定性(epistemic uncertainties)。就算工程師對某一過程有充分了解，但自然現(xiàn)象基本上是偶然的，例如做兩次完全相同的實驗，實驗結(jié)果不會完全相同，這就是所謂的偶然不確定性(aleatoric uncertainties)，因此控制方程式從一開始便沒有辦法百分之一百仿真一套設備、系統(tǒng)、組件的行為。

控制方程式建立后便是用離散方法把連續(xù)的時間、空間分成網(wǎng)格點，把原來的偏微分控制方程轉(zhuǎn)換成矩陣方程以便使用計算機計算，常用的離散方法包括：有限差分、有限元、有限體積，不管用什么方法必存在截斷錯誤(truncation error)，現(xiàn)在最先進的計算機代碼采用的離散方法并沒有超越二階精度[7]。此外通常是網(wǎng)格點越多，網(wǎng)格間隔越少精準度越高，因此產(chǎn)生的矩陣方程尺度會越大，以致所需求的計算機資源越多。所以離散方法的精準度受到離散方法本身以及計算機資源的局限。

建立矩陣方程的下一步是使用計算機求解矩陣方程，現(xiàn)在最先進的計算機代碼采用的求解方法是迭代法，例如：JFNK(Jacobian Free Newton Krylov)[7]，但迭代法先天就是一個近似方法而非精確方法，因此所得的值是近似值而非精確值。

以上計算都要使用計算機執(zhí)行，無論計算機的功能多么強大，它仍然是有限的。這意味著計算機需要有限的時間才能完成操作，并且計算機僅具有有限的存儲空間，因此計算機計算有其局限性。局限性之一就是精度誤差，計算機內(nèi)存中最基本的單元是構(gòu)成二進制數(shù)系統(tǒng)基礎(chǔ)的兩個二進制整數(shù)0和1，二進制數(shù)系統(tǒng)在處理整數(shù)和整數(shù)運算時不發(fā)生誤差，但數(shù)值大小受到限制。二進制數(shù)系統(tǒng)在處理浮點數(shù)和浮點運算時產(chǎn)生誤差，這就是所謂計算機精度誤差。

上述所說的誤差很多時候是累積誤差，就是說計算時間越久，誤差越大。

4.2 改善模型準確度方法——數(shù)據(jù)同化技術(shù)

4.2.1 數(shù)據(jù)同化技術(shù)介紹

數(shù)據(jù)同化技術(shù)(Data Assimilation)是一種使用測量數(shù)據(jù)不斷改善計算數(shù)值的方法，每一次計算都會使用測量數(shù)據(jù)改善計算數(shù)值作為下一次計算的基礎(chǔ)。此方法已經(jīng)在大氣建模中成功使用，也被美國“輕水反應堆高級模擬聯(lián)合會”(CASL，The Consortium for Advanced Simulation of Light Water Reactors)用作不確定性量化(UQ)和敏感性分析(SA)工具[8]。

數(shù)據(jù)同化技術(shù)基本上是一種貝葉斯推理(Bayesian inference)技術(shù)，包括控制方程式的時間更新部分和依據(jù)測量取得的測量更新部分。時間更新和測量更新是一個循環(huán)如圖1所示。

圖1 數(shù)據(jù)同化循環(huán)Fig.1 Data assimilation cycle

時間更新方程負責向前(及時)預測當前狀態(tài)和誤差協(xié)方差，測量更新方程式則負責反饋，即用于將新的度量合并到先驗估計(a priori estimate)中以獲得改進的后驗估計(a posteriori estimate)。時間更新會提前預測當前狀態(tài)估計。測量更新會通過當時的實際測量來調(diào)整預計的估算值。

4.2.2 數(shù)據(jù)同化理論說明

數(shù)據(jù)同化數(shù)學公式包括以下空間和列向量：

各列向量相互關(guān)系如圖2所示[8]。

圖2 數(shù)據(jù)同化各列向量相互關(guān)系Fig.2 Each column vector relationship of data assimilation

(1)

(2)

從此二差距可以產(chǎn)生以下成本函數(shù)：

(3)

以下用大氣建模和反應堆堆芯熱工建模說明控制空間、觀察運算符和觀察空間。

使用在大氣建模中時的控制空間就是包括在大氣3D 領(lǐng)域中所模擬的溫度、壓力、濕度、風速、風向等的空間，其數(shù)量以千萬網(wǎng)格點計算。觀察運算符就是大氣原始方程的演化模型，通常用一組偏微分方程表示。觀察空間就是在大氣3D 領(lǐng)域中所測量的數(shù)據(jù)，包含地表溫度，輻射度，云量等衛(wèi)星數(shù)據(jù)的空間，其數(shù)量以百萬測量點計算。

使用在反應堆堆芯熱工建模(例如,RELAP-5)中時的控制空間就是包含二相3D 領(lǐng)域的溫度、壓力、流速、氣泡率等的空間，其數(shù)量以千網(wǎng)格點計算。觀察運算符就是二相3D守恒方程。觀察空間就是堆芯測量數(shù)據(jù)包括溫度、壓力、流速等的空間，其數(shù)量以萬測量點計算。

1)4D-Var 方法[9]

2)Kalman Filter方法[10]

5 智能核電廠五部曲

智能核電廠之建立可以分為5部分。

(1)智能核電廠第一部曲

智能核電廠第一部曲就是建立數(shù)字核電廠項目，第一部曲的工作項目包括：

1)收集配合核電廠設計數(shù)據(jù);

2)采用最先進仿真工具建立配合核電廠仿真器;

3)依據(jù)參考文件建立數(shù)字核電廠平臺;

4)把核電廠仿真器安裝于數(shù)字核電廠平臺;

5)完成數(shù)字核電廠建置。

數(shù)字核電廠建置的詳細說明請參考[11]。

(2)智能核電廠第二部曲

智能核電廠第二部曲就是在數(shù)字核電廠的基礎(chǔ)上建立核電廠“數(shù)字雙胞胎”，第二部曲的工作項目包括：

1)收集配合核電廠歷史運轉(zhuǎn)和維護數(shù)據(jù);

2)使用核電廠歷史運轉(zhuǎn)數(shù)據(jù)，落實數(shù)據(jù)同化技術(shù);

3)整合數(shù)字核電廠和數(shù)據(jù)同化技術(shù);

4)完成核電廠“數(shù)字雙胞胎”建置。

此部分在非核工業(yè)已有很多成功經(jīng)驗。

(3)智能核電廠第三部曲

智能核電廠第三部曲就是依據(jù)核電廠“數(shù)字雙胞胎”和大量核電廠歷史運轉(zhuǎn)和維護數(shù)據(jù)建立核電廠物理模和數(shù)據(jù)模，第三部曲的工作項目包括：

1)以核電廠“數(shù)字雙胞胎”為基礎(chǔ)建立核電廠物理模;

2)依據(jù)核電廠歷史運轉(zhuǎn)和維護數(shù)據(jù)建立核電廠數(shù)據(jù)模;

3)物理模和數(shù)據(jù)模并互相比較驗證;

4)完成核電廠物理模和數(shù)據(jù)模建置。

這部分在非核工業(yè)作者已有成功經(jīng)驗。

(4)智能核電廠第四部曲

智能核電廠第四部曲就是依據(jù)第三部曲建立的核電廠物理模、數(shù)據(jù)模和建立電廠預測維護系統(tǒng)：

1)針對不同設備、系統(tǒng)和組件整合并建立各自大數(shù)據(jù)

①物理模產(chǎn)生的計算大數(shù)據(jù);

②數(shù)據(jù)模產(chǎn)生的實體大數(shù)據(jù)。

2)使用機器學習算法提供設備、系統(tǒng)和組件早期故障預警

這部分在非核工業(yè)作者已有成功經(jīng)驗。

(5)智能核電廠第五部曲

智能核電廠第五部曲就是依據(jù)第三部曲建立的核電廠物理模和數(shù)據(jù)模和建立核電廠智能操作輔助工具，操作輔助工具在第三代核電廠已有提供，例如升降載輔助工具、正常操作輔助工具等，但這些都是邏輯基礎(chǔ)輔助工具，因此輸入信息都要非常精準，方能得到正確響應[12]。

智能操作輔助工具則是通過大數(shù)據(jù)/機器學習，就算輸入信息并不非常精準也能提供最佳回應，同時可以通過“數(shù)字雙胞胎”讓用戶可以預測回應的后續(xù)反應。

智能操作輔助工具是一個咨詢輔助工具，最后執(zhí)行還是由操作員決定，就像有一位非常有經(jīng)驗的老師在旁協(xié)助。

使用大數(shù)據(jù)/機器學習算法提供智能操作輔助工具的功能包括：

1)幫助核電廠工程師和操作員在突發(fā)狀況或天災狀況(風災、水災、地震等)能及時反應，保持機組安全、穩(wěn)定運轉(zhuǎn);

2)遇到不明狀況時幫助核電廠工程師和操作員了解根本原因并作最佳處理;

3)和“數(shù)字雙胞胎”結(jié)合，可以預測回應的后續(xù)反應，并利用先進人機接口讓工程師和操作員充分了解。

6 智能核電廠架構(gòu)設計

圖3顯示智能核電廠在研發(fā)階段的架構(gòu)設計，說明如下：

1)依據(jù)核電廠設計數(shù)據(jù)，并采用先進核電廠仿真平臺，例如3KeyMaster，建立先進的核電站仿真器(Advanced NPP Simulator)。

2)數(shù)據(jù)同化機(Data Assimilation Machine)從核電廠歷史運轉(zhuǎn)和維護數(shù)據(jù)庫服務器取得核電廠的儀器數(shù)據(jù)歷史數(shù)據(jù)，采用數(shù)據(jù)同化技術(shù)改善先進的核電站仿真器計算數(shù)據(jù)，并建立核電廠數(shù)字雙胞胎。

3)核電廠“數(shù)字雙胞胎”產(chǎn)生設備、系統(tǒng)、組件物理模數(shù)據(jù)并存儲于數(shù)據(jù)庫供后續(xù)應用。

4)各設備、系統(tǒng)、組件的數(shù)據(jù)模數(shù)據(jù)從數(shù)據(jù)庫傳送到大數(shù)據(jù)機，并和“數(shù)字雙胞胎”產(chǎn)生的物理模數(shù)據(jù)整合，經(jīng)過數(shù)據(jù)組裝、數(shù)據(jù)篩選等步驟，產(chǎn)生適合機器學習的數(shù)據(jù)。

5)機器學習機從大數(shù)據(jù)機取得各設備、系統(tǒng)、組件經(jīng)過整合、組裝、篩選的數(shù)據(jù)利用機器學習算法預測各設備、系統(tǒng)、組件的狀態(tài)和行為并及時提供工程師和操作員維修，操作建議和行動指南。

6)機器學習機的建議和行動指南反饋到“數(shù)字雙胞胎”，讓“數(shù)字雙胞胎”告知工程師和操作員如果執(zhí)行這些建議和行動指南的后續(xù)效應。

圖4顯示智能核電廠在應用階段的架構(gòu)設計，和圖3主要差別在于在研發(fā)階段智能核電廠是脫機的，獨立執(zhí)行不會對核電廠有任何影響，經(jīng)過研發(fā)和驗證，核電廠可以選擇智能核電廠與核電廠聯(lián)機取得實時運行和維護數(shù)據(jù)，如此更能有效地為核電廠提供實時的建議和行動指南。

圖3 智能核電廠上層架構(gòu)設計示意圖——研發(fā)階段Fig.3 Schematic of the design of the upper-level architecture of a smart nuclear power plant—the R&D stage

圖4 智能核電廠上層架構(gòu)設計示意圖——應用階段Fig.4 Schematic of the design of the upper-level architecture of a smart nuclear power plant—the application stage

7 智能核電廠的實施

(1)智能核電廠的實施取決于以下先決條件

1)找到配合核電廠愿意合作，并提供下列數(shù)據(jù)

①核電廠設計數(shù)據(jù)用以建立核電廠“數(shù)字雙胞胎”;

②核電廠歷史運轉(zhuǎn)和維護數(shù)據(jù)建立核電廠數(shù)據(jù)模。

2)全部開發(fā)、測試、驗證將在核電廠數(shù)字雙胞胎上進行，完全不影響配合核電廠運轉(zhuǎn);

3)配合核電廠愿意提供咨詢、討論。

(2)智能核電廠的關(guān)鍵技術(shù)(Key technologies)包括如下內(nèi)容

1)建立數(shù)字核電廠，并在此基礎(chǔ)上建立核電廠先進仿真器(NPP Advanced Simulator);

2)核電廠數(shù)據(jù)同化應用技術(shù)(NPP Data Assimilation Application Methodology);

3)核電廠大數(shù)據(jù)/機器學習方法應用技術(shù)(NPP Big Data/Machine Learning Application Methodology)。

智能核電廠的實施應組織相應的研發(fā)團隊，預計初步的研發(fā)時間，由相應的團隊分別平行完成，包括數(shù)字核電廠和核電廠先進仿真器建立、核電廠數(shù)據(jù)同化應用技術(shù)研發(fā)、核電廠大數(shù)據(jù)/機器學習方法應用技術(shù)研發(fā)，然后各組團隊共同合作完成智能核電廠的整合，接著各組團隊共同合作完成智能核電廠的驗證。

8 總結(jié)

一般而言工廠所要達成的目標包括：降低過程風險，降低運營成本，提高系統(tǒng)可靠性并增強工業(yè)競爭力，從而提高生產(chǎn)率。近年來，大數(shù)據(jù)和機器學習技術(shù)已用于幫助非核工業(yè)實現(xiàn)這些目標。許多全球公司已經(jīng)提供了軟件工具來幫助這些領(lǐng)域的客戶，例如，GE的Predix、Siemens的MindSphere、Aveva的PRiSM、IBM的Maximo APM等。核電廠也已開始利用這些技術(shù)。但是，由于缺乏對客觀世界的真正了解，中美兩國專家都注意到了大數(shù)據(jù)和機器學習技術(shù)的局限性?！皵?shù)字雙胞胎”已被不同行業(yè)應用于幫助其運營。在本文中，介紹了物理驅(qū)動建模以及數(shù)據(jù)驅(qū)動建模的概念，以為核電廠(NPP)提供預測性維護系統(tǒng)和操作輔助工具。換句話說，將“數(shù)字雙胞胎”與大數(shù)據(jù)和機器學習相集成，以改善對客觀世界(在本文中客觀世界為NPP)的真實理解。但是，由于缺乏完整的設計數(shù)據(jù)，對物理的理解不足以及此過程中固有的不準確性等因素，因此構(gòu)建“數(shù)字雙胞胎”存在困難。本文通過從NPP收集操作數(shù)據(jù)來提高“數(shù)字雙胞胎”精確度的概念。這意味著“數(shù)字雙胞胎”將會根據(jù)核電廠的運行數(shù)據(jù)連續(xù)進行自我調(diào)整。在本文中說明如何基于能自我調(diào)整的“數(shù)字雙胞胎”集成大數(shù)據(jù)和機器學習技術(shù)開發(fā)核電廠設備、系統(tǒng)和組件的預測維護系統(tǒng)以及為核電廠工程師和操作員提供操作輔助工具，提供建立智能核電廠的理論和實踐。