核電廠設(shè)備狀態(tài)評(píng)估是保障核電廠進(jìn)行安全運(yùn)行的提前條件，同時(shí)也是提高設(shè)備可靠性的重要手段，一直以來(lái)都面臨著設(shè)備數(shù)量巨大且種類繁多、部分區(qū)域設(shè)備運(yùn)行環(huán)境惡劣(高溫、高壓、高輻射等)以及部分設(shè)備位于人員不可達(dá)區(qū)域等問題.目前，主要利用被監(jiān)測(cè)參數(shù)變量的閾值進(jìn)行核電設(shè)備的異常監(jiān)視或故障診斷.但在面對(duì)系統(tǒng)與系統(tǒng)、設(shè)備與設(shè)備的復(fù)雜數(shù)據(jù)接口，以及高緯度、多變量數(shù)據(jù)時(shí)，變量閾值法過(guò)于簡(jiǎn)單，評(píng)估效果不佳.此外，目前主要依賴設(shè)備運(yùn)行的故障情況、運(yùn)行維修手冊(cè)和相關(guān)經(jīng)驗(yàn)數(shù)據(jù)預(yù)估設(shè)備壽命周期，并給出設(shè)備的預(yù)防維修策略.但在設(shè)備壽命評(píng)估過(guò)程中，受設(shè)備運(yùn)行環(huán)境、溫度和狀態(tài)以及設(shè)備工程師的經(jīng)驗(yàn)水平等因素影響，同時(shí)存在設(shè)備過(guò)度維修和失效未及時(shí)發(fā)現(xiàn)的問題.在故障診斷方面，多依賴于工程師的經(jīng)驗(yàn)和技術(shù)水平進(jìn)行故障定位和排查，從而判斷設(shè)備的運(yùn)行參數(shù)和故障后的測(cè)量參數(shù)，該過(guò)程耗時(shí)往往較長(zhǎng)，對(duì)核電的可靠運(yùn)行是一個(gè)巨大考驗(yàn).

在線監(jiān)測(cè)系統(tǒng)和智能巡檢系統(tǒng)等新技術(shù)通過(guò)各類傳感器或巡檢采集海量核電設(shè)備相關(guān)運(yùn)行數(shù)據(jù)，能夠?yàn)楹穗姀S設(shè)備的狀態(tài)評(píng)估積累數(shù)據(jù).近年來(lái)，核電廠逐漸引入新技術(shù)，國(guó)內(nèi)外專家學(xué)者也逐步關(guān)注核電設(shè)備的可靠性分析、異常辨識(shí)和故障診斷等相關(guān)領(lǐng)域研究，在提高核電廠的安全性和降低維護(hù)成本方面，取得了一定成效.

基于上述背景，本文介紹核電設(shè)備的監(jiān)視和檢修維護(hù)現(xiàn)狀，引出設(shè)備狀態(tài)與維修策略之間的關(guān)系.基于數(shù)據(jù)驅(qū)動(dòng)，重點(diǎn)綜述設(shè)備的異常檢測(cè)、故障診斷和壽命預(yù)測(cè)，并結(jié)合核電廠設(shè)備狀態(tài)評(píng)估發(fā)展新趨勢(shì)，探討深度學(xué)習(xí)技術(shù)在該領(lǐng)域的應(yīng)用前景；進(jìn)一步指出未來(lái)研究中將面臨的挑戰(zhàn)和解決方案，重點(diǎn)闡述核電廠的潛伏性故障研究.具言之，首先詳細(xì)描述在線監(jiān)督和檢修維護(hù)的現(xiàn)狀，包括核電廠設(shè)備狀態(tài)監(jiān)視現(xiàn)狀、檢修維護(hù)現(xiàn)狀和存在問題；其次介紹核電廠常見的機(jī)械、電氣和儀控設(shè)備及故障模式；再次從異常檢測(cè)、故障診斷和壽命預(yù)測(cè)3個(gè)方面詳細(xì)闡述核電設(shè)備的狀態(tài)評(píng)估方法；最后介紹深度學(xué)習(xí)在核電設(shè)備狀態(tài)評(píng)估中的探索研究，以及核電設(shè)備狀態(tài)評(píng)估面臨的挑戰(zhàn)及其解決方案.

1 核電廠在線監(jiān)測(cè)與檢修維護(hù)現(xiàn)狀

1.1 核電廠設(shè)備狀態(tài)監(jiān)測(cè)現(xiàn)狀

核電廠設(shè)備狀態(tài)監(jiān)測(cè)主要分為在線監(jiān)測(cè)和離線監(jiān)測(cè)，其中在線監(jiān)測(cè)是將傳感器數(shù)據(jù)接入核電廠全廠數(shù)字化儀控系統(tǒng)實(shí)現(xiàn)設(shè)備監(jiān)測(cè).以壓水堆核電廠為例，在線監(jiān)測(cè)框架如圖1所示，包括微機(jī)診斷、在線監(jiān)督和工藝參數(shù)監(jiān)控等3部分.離線監(jiān)測(cè)主要采用人工巡檢和設(shè)備定期試驗(yàn)的方式進(jìn)行，現(xiàn)有核電廠設(shè)備的監(jiān)測(cè)與檢修、在線監(jiān)測(cè)與離線監(jiān)測(cè)并重，涉及設(shè)備層、儀表層、自診斷層、設(shè)備監(jiān)視層和設(shè)備監(jiān)督層.依據(jù)設(shè)備診斷方式不同，分為以下4種類型的診斷與告警.

(1) 設(shè)備狀態(tài)的離線監(jiān)測(cè)診斷.分為定期試驗(yàn)和人工巡檢.在定期試驗(yàn)中，核電廠的相關(guān)法規(guī)規(guī)范HAF102、IEC 60671—2007、IEEE 338—2006和GB/T 5204—2008等對(duì)核電廠設(shè)備的定期試驗(yàn)內(nèi)容和周期等均進(jìn)行了要求，包括正常功率運(yùn)行和機(jī)組大修情況下的定期試驗(yàn).定期試驗(yàn)的目的為確保設(shè)備在事故工況下的可用性，以及考慮到部分設(shè)備的老化、性能下降問題，需要進(jìn)行測(cè)試以確保核安全.其執(zhí)行的主要內(nèi)容包括現(xiàn)場(chǎng)儀表校驗(yàn)、核安全設(shè)備是否正常動(dòng)作、管道焊縫檢驗(yàn)、貫穿件密封性試驗(yàn)、水壓試驗(yàn)、安全殼打壓試驗(yàn)和安全系統(tǒng)監(jiān)督試驗(yàn)大綱要求的相關(guān)定期試驗(yàn)項(xiàng)目等.在人工巡檢中，考慮到在線監(jiān)督無(wú)法覆蓋所有核電廠設(shè)備的故障情況，核電廠工程師需要定期巡檢設(shè)備，主要采用熱成像儀等巡檢工具，以及聲音、振動(dòng)、目視檢查等人工巡檢方式.

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 22.0統(tǒng)計(jì)學(xué)軟件對(duì)數(shù)據(jù)進(jìn)行處理。計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差表示，組間比較采用t檢驗(yàn)；計(jì)數(shù)資料以例(百分率)表示，組間比較采用χ2檢驗(yàn)。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

她一上車就說(shuō)，好幸運(yùn)，暴雨天打到了車。但這話剛說(shuō)完，她就發(fā)現(xiàn)一個(gè)問題，都這么晚了，她家住得有點(diǎn)偏，還下這么大雨——她越想越害怕。這時(shí)候，司機(jī)問她，“這么晚了，你是剛下班嗎？”

(2) 控制電氣類設(shè)備微機(jī)診斷.涉及的核電廠設(shè)備主要為電氣保護(hù)和控制類帶微處理器單元設(shè)備，包括集散控制系統(tǒng)、可編程邏輯控制器和廠家的微機(jī)處理器.一般情況下，設(shè)備以綜合報(bào)警的形式將自身狀態(tài)監(jiān)測(cè)通過(guò)全廠數(shù)字化儀控系統(tǒng)傳送至設(shè)備監(jiān)視層人機(jī)界面，并進(jìn)行綜合報(bào)警.其診斷信息若沒有接入全廠數(shù)字化儀控系統(tǒng)，則以就地報(bào)警的形式進(jìn)行報(bào)警顯示.

(3) 機(jī)電工藝參數(shù)監(jiān)控.主要監(jiān)控系統(tǒng)現(xiàn)場(chǎng)運(yùn)行工藝參數(shù)和設(shè)備運(yùn)行參數(shù)，并通過(guò)設(shè)備監(jiān)視層的人機(jī)界面進(jìn)行監(jiān)視.從系統(tǒng)和設(shè)備兩個(gè)層級(jí)劃分為反應(yīng)堆安全及工藝系統(tǒng)的狀態(tài)監(jiān)測(cè)和設(shè)備運(yùn)行的工藝參數(shù)狀態(tài)監(jiān)測(cè).前者從整體工藝系統(tǒng)和反應(yīng)堆的安全狀態(tài)考慮，對(duì)采集到的溫度、壓力、水位和反應(yīng)堆中子注量率等現(xiàn)場(chǎng)工藝參數(shù)數(shù)據(jù)進(jìn)行邏輯判斷，由特定的控制系統(tǒng)給出故障診斷，并做出邏輯動(dòng)作；該類型故障或異常報(bào)警閾值主要依靠核電廠設(shè)計(jì)單位對(duì)反應(yīng)堆安全及工藝系統(tǒng)的運(yùn)行要求進(jìn)行設(shè)定.后者主要監(jiān)測(cè)核電廠設(shè)備的運(yùn)行參數(shù)，保護(hù)設(shè)備安全運(yùn)行.主要涉及的設(shè)備包括：① 汽輪機(jī)、應(yīng)急柴油機(jī)、泵、閥門、風(fēng)機(jī)等轉(zhuǎn)機(jī)設(shè)備；② 發(fā)電機(jī)、電動(dòng)機(jī)、變壓互感器、開關(guān)、電纜、蓄電池等電氣設(shè)備；③ 部分容器、交換器、管道等靜機(jī)設(shè)備.其狀態(tài)監(jiān)測(cè)系統(tǒng)主要利用設(shè)備上的相關(guān)傳感器收集相關(guān)數(shù)據(jù)，并根據(jù)廠家對(duì)機(jī)械設(shè)備保護(hù)的要求設(shè)置報(bào)警閾值、進(jìn)行設(shè)備故障診斷、報(bào)警和保護(hù)動(dòng)作.

(4) 早期故障在線診斷.當(dāng)上述控制電氣類設(shè)備微機(jī)診斷和機(jī)電工藝參數(shù)監(jiān)控觸發(fā)告警時(shí)，設(shè)備已處于故障模式或已影響核電廠的正常運(yùn)行.如何能夠在故障出現(xiàn)前，識(shí)別和評(píng)估現(xiàn)場(chǎng)的故障風(fēng)險(xiǎn)是當(dāng)前核電設(shè)備狀態(tài)評(píng)估的發(fā)展趨勢(shì).依托于現(xiàn)有數(shù)字化電廠，全廠數(shù)字化儀控系統(tǒng)將現(xiàn)場(chǎng)采集到的各類設(shè)備數(shù)據(jù)上傳至在線狀態(tài)評(píng)估系統(tǒng)中，突破原有單純依靠故障報(bào)警閾值的觸發(fā)機(jī)制，利用數(shù)據(jù)驅(qū)動(dòng)建模分析手段，構(gòu)建核電設(shè)備狀態(tài)評(píng)估模型, 實(shí)現(xiàn)在故障報(bào)警之前識(shí)別早期故障風(fēng)險(xiǎn)，提升核電廠設(shè)備監(jiān)測(cè)水平，是目前業(yè)內(nèi)重點(diǎn)關(guān)注的研究領(lǐng)域.

1.2 核電廠檢修維護(hù)現(xiàn)狀與問題

目前，核電廠的維修策略多采用周期性預(yù)防性維修與故障性維修策略相結(jié)合的方法.周期性預(yù)防性維修主要包括對(duì)設(shè)備進(jìn)行定期加油、加脂等保養(yǎng)，根據(jù)設(shè)備部件的預(yù)期壽命定期更換老化部件.故障性維修是對(duì)設(shè)備故障進(jìn)行的搶救性維修.現(xiàn)有核電廠維修策略多關(guān)注于尋求預(yù)防維修和故障性維修之間的最佳匹配平衡點(diǎn)，盡量避免過(guò)度維修或維修不及時(shí)，但采用該策略存在如下問題：

大劑量甲氨蝶呤治療兒童急性淋巴細(xì)胞白血病后的不良反應(yīng)及血藥濃度監(jiān)測(cè)…………………………………………………………………… 李 靜，等(4):431

(1) 利用人工經(jīng)驗(yàn)判斷不易得到最優(yōu)預(yù)防性維修周期.預(yù)防性維修周期往往是基于設(shè)備工程師或維修工程師對(duì)整個(gè)設(shè)備的運(yùn)行故障經(jīng)驗(yàn)、廠家設(shè)備運(yùn)行維護(hù)手冊(cè)和外部同行電廠經(jīng)驗(yàn)反饋的綜合考慮，并結(jié)合工程師經(jīng)驗(yàn)而設(shè)定，受主觀因素的影響較大，且設(shè)備工程師往往無(wú)法給出準(zhǔn)確的最優(yōu)預(yù)防性維修周期.

(2) 現(xiàn)有設(shè)備產(chǎn)品的整個(gè)生命周期均采用同一個(gè)預(yù)防性維修策略，使得維護(hù)周期不夠靈活.產(chǎn)品預(yù)防性周期的調(diào)整僅根據(jù)相同或同類產(chǎn)品的相關(guān)故障情況的經(jīng)驗(yàn)反饋，以及工程師經(jīng)驗(yàn)進(jìn)行人為判斷.而更合理的維修策略應(yīng)為隨著產(chǎn)品的老化，逐步增加維護(hù)手段或維護(hù)頻度，但該方面依賴于對(duì)設(shè)備老化狀態(tài)的有效評(píng)估.

(3) 現(xiàn)有采用保守定期部件更換的維修策略，其維修代價(jià)高昂.目前，預(yù)防性維修策略因不能有效判斷設(shè)備的運(yùn)行情況，而存在過(guò)度維修問題，從而消耗大量人工和備品、備件.

綜上所述，預(yù)防性維修與故障性維修策略相結(jié)合的方法無(wú)法執(zhí)行有針對(duì)性的維修.因此，利用大數(shù)據(jù)分析技術(shù)，將預(yù)防性維修與故障性維修相結(jié)合的維修策略向基于狀態(tài)維修策略轉(zhuǎn)變是核電廠運(yùn)維檢修的必然趨勢(shì).

2 核電廠設(shè)備及其常見的故障分析

以壓水堆核電廠為例，根據(jù)系統(tǒng)設(shè)備所在的位置與功能，其設(shè)備組成通?？煞譃?部分：①反應(yīng)堆及其有關(guān)的一回路主輔系統(tǒng)和設(shè)備以及所在建筑物，即核島；②汽輪發(fā)電機(jī)組及其有關(guān)的二、三回路系統(tǒng)和設(shè)備以及所在建筑物，包括循環(huán)水系統(tǒng)及其建筑物，即常規(guī)島；③相關(guān)外圍輔助系統(tǒng).而根據(jù)核電廠內(nèi)設(shè)備類型又可分為機(jī)械類設(shè)備、電氣類設(shè)備和儀控類設(shè)備.核電機(jī)械類設(shè)備主要由轉(zhuǎn)機(jī)械設(shè)備和靜機(jī)械設(shè)備組成，核電電氣類設(shè)備主要由電機(jī)等大型設(shè)備、各類變壓器設(shè)備、繼電保護(hù)設(shè)備和其他設(shè)備組成，核電儀控類設(shè)備由安裝在現(xiàn)場(chǎng)的各類探測(cè)器、集散控制系統(tǒng)(DCS)和可編程邏輯控制器控制系統(tǒng)等組成，其常見設(shè)備種類和故障類型如表1～3所示.

分析上述3類核電設(shè)備的故障模式.可知，大部分故障的產(chǎn)生原因?yàn)殚L(zhǎng)期服役過(guò)程中設(shè)備或部件的逐漸劣化.對(duì)于核電廠的絕大多數(shù)設(shè)備而言，依據(jù)其在線檢測(cè)的時(shí)序數(shù)據(jù)，可以將失效過(guò)程分為兩個(gè)階段：第一個(gè)階段為從系統(tǒng)安裝調(diào)試運(yùn)行到出現(xiàn)異常的正常工作階段，在該階段監(jiān)測(cè)得到的數(shù)據(jù)一般比較平穩(wěn)，沒有明顯的變動(dòng)趨勢(shì).第二階段是從異常點(diǎn)出現(xiàn)到系統(tǒng)退化直到失效的過(guò)程，該階段監(jiān)測(cè)得到的數(shù)據(jù)將呈現(xiàn)一定的退化趨勢(shì)，可以根據(jù)退化趨勢(shì)建立模型，預(yù)測(cè)系統(tǒng)的壽命或剩余壽命.一些電儀類部件的失效具有瞬時(shí)性，一般情況下可以通過(guò)統(tǒng)計(jì)該部件或設(shè)備的工作壽命，對(duì)現(xiàn)有運(yùn)行設(shè)備進(jìn)行壽命預(yù)測(cè).

將第二階段作為設(shè)備狀態(tài)評(píng)估的關(guān)鍵，以便制定相應(yīng)的維修方案.設(shè)備狀態(tài)與維修策略關(guān)系如圖2所示，包括3種類型的設(shè)備生命周期狀態(tài)評(píng)估，即設(shè)備的異常檢測(cè)、壽命預(yù)測(cè)和故障診斷.針對(duì)上述核電設(shè)備狀態(tài)評(píng)估類型，圍繞基于數(shù)據(jù)驅(qū)動(dòng)的方法，對(duì)現(xiàn)有國(guó)內(nèi)外相關(guān)研究進(jìn)行分析總結(jié).

3 核電設(shè)備狀態(tài)評(píng)估方法

(3) 核電廠在安裝和調(diào)試設(shè)備過(guò)程中產(chǎn)生的數(shù)據(jù).該數(shù)據(jù)中的部分?jǐn)?shù)據(jù)以紙質(zhì)版形式記錄在安裝文件和調(diào)試報(bào)告中；部分?jǐn)?shù)據(jù)由全廠數(shù)字化儀控系統(tǒng)采集，但同樣具有分散和摻雜人工因素判斷等特點(diǎn).

近年來(lái)的研究也逐漸關(guān)注到數(shù)據(jù)驅(qū)動(dòng)的異常檢測(cè)方法.系統(tǒng)的動(dòng)態(tài)特性必然表現(xiàn)在變化的輸入輸出數(shù)據(jù)中，通過(guò)分析在線監(jiān)測(cè)系統(tǒng)獲得大量運(yùn)行數(shù)據(jù)，有望獲得對(duì)設(shè)備狀態(tài)的實(shí)時(shí)評(píng)估.因此，以神經(jīng)網(wǎng)絡(luò)為代表的數(shù)據(jù)建模手段開始應(yīng)用于核電設(shè)備異常檢測(cè).Kozma等針對(duì)堆芯泡核沸騰問題，采用三層前向神經(jīng)網(wǎng)絡(luò)建立冷卻劑狀態(tài)變化的檢測(cè)模型，并取得初步進(jìn)展.此后，該團(tuán)隊(duì)進(jìn)一步將神經(jīng)網(wǎng)絡(luò)應(yīng)用于核電廠大系統(tǒng)，實(shí)現(xiàn)在一個(gè)比較寬的功率范圍內(nèi)實(shí)時(shí)檢測(cè)核電啟堆、停堆以及穩(wěn)態(tài)情況下的數(shù)據(jù)異常.在此基礎(chǔ)上，該團(tuán)隊(duì)又基于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了專家系統(tǒng)，對(duì)異常原因進(jìn)行定位，主要研究包括一回路冷卻劑微小泄漏、主蒸汽隔離閥泄漏、部分失去主給水等多個(gè)事故工況的故障問題.但上述神經(jīng)網(wǎng)絡(luò)的應(yīng)用均采用單一神經(jīng)網(wǎng)絡(luò)，考慮到經(jīng)典三層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性能和泛化能力面臨多維數(shù)據(jù)的局限性，Ayaz提出將單一神經(jīng)網(wǎng)絡(luò)擴(kuò)展到多個(gè)神經(jīng)網(wǎng)絡(luò).此后，一些新的機(jī)器學(xué)習(xí)算法也逐步得到應(yīng)用.Stephen等利用隱馬爾科夫模型對(duì)氣冷式反應(yīng)堆的燃料抓斗負(fù)荷跟蹤數(shù)據(jù)進(jìn)行異常檢測(cè)；Jin等為解決核電設(shè)備的伴生異常問題，利用符號(hào)動(dòng)態(tài)濾波法檢測(cè)微小且發(fā)展緩慢的異常; Cózar等將動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)應(yīng)用到核電站異常檢測(cè).2005年，SVM模型嶄露頭角.與神經(jīng)網(wǎng)絡(luò)相比，SVM無(wú)需調(diào)參，模型訓(xùn)練更高效，更易獲得全局最優(yōu)解.Rocco等將單分類SVM和多分類SVM組合成層次結(jié)構(gòu)的分類器，能夠辨識(shí)核電系統(tǒng)中暫態(tài)過(guò)程的異常; Ayodeji等利用多分類SVM對(duì)核電廠蒸汽發(fā)生器傳熱管出口、入口以及穩(wěn)壓器破口事故等多個(gè)異常進(jìn)行分類檢測(cè); Wang等進(jìn)一步利用改進(jìn)粒子群算法優(yōu)化SVM參數(shù)，提升了SVM的精度和速度，并應(yīng)用于LOCA檢測(cè)問題.

(2) 核電廠設(shè)備在制造和出廠測(cè)試過(guò)程中產(chǎn)生的數(shù)據(jù).該數(shù)據(jù)主要為由廠家以設(shè)備完工報(bào)告形式提交的PDF版離散數(shù)據(jù)，需要由有經(jīng)驗(yàn)的工程師尋找獲取數(shù)據(jù)，且需要進(jìn)行必要的文件格式轉(zhuǎn)換.

核電廠設(shè)備數(shù)據(jù)的獲取和質(zhì)量是基于數(shù)據(jù)驅(qū)動(dòng)方法的核電廠設(shè)備狀態(tài)評(píng)估的基礎(chǔ).目前，核電廠設(shè)備數(shù)據(jù)主要包括以下幾種：

總體而言，在建造、安裝和調(diào)試階段產(chǎn)生的核電廠數(shù)據(jù)的整體質(zhì)量不高，需要人工清洗；在運(yùn)維階段，由全廠數(shù)字化儀控系統(tǒng)和就地采集柜獲取的數(shù)據(jù)，其整體質(zhì)量相對(duì)較高，但在應(yīng)用到設(shè)備的狀態(tài)評(píng)估算法之前，仍需要對(duì)數(shù)據(jù)進(jìn)行清洗和加工.

傳統(tǒng)機(jī)器學(xué)習(xí)方法的數(shù)據(jù)特征依靠人工提取，在面對(duì)核電廠日益復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)、大量狀態(tài)參數(shù)和大量故障信息及特征時(shí)，往往存在性能瓶頸.2016年后，深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)利器異軍突起，其通過(guò)深度層次網(wǎng)絡(luò)自動(dòng)提取數(shù)據(jù)特征，可獲得更易于辨識(shí)診斷的高層特征.DBN是早期比較實(shí)用的深度學(xué)習(xí)網(wǎng)絡(luò)，Mandal等利用DBN對(duì)核電廠堆芯熱電偶進(jìn)行故障檢測(cè)，并利用廣義似然比檢驗(yàn)進(jìn)行故障分類，獲得93.78%的故障識(shí)別率.Peng等利用相關(guān)性分析過(guò)濾故障數(shù)據(jù)中的無(wú)關(guān)或弱相關(guān)參數(shù)，并同樣利用DBN進(jìn)行數(shù)據(jù)預(yù)訓(xùn)練和調(diào)參，應(yīng)用于失去一回路冷/熱段破口、蒸汽管道破口、蒸汽超負(fù)荷、SGTR等事故的故障診斷.陳玉昇等直接將時(shí)域信號(hào)數(shù)據(jù)輸入DBN并進(jìn)行訓(xùn)練和整體微調(diào)，研究LOCA和U型管破裂事故，整體故障識(shí)別率達(dá)97%.上述研究結(jié)果均表明DBN性能優(yōu)于反向傳播神經(jīng)網(wǎng)絡(luò)和SVM.

從K鄰近值(KNN)、決策樹、隨機(jī)森林、隱馬爾科夫、SVM、主成分分析(PCA)等傳統(tǒng)機(jī)器學(xué)習(xí)算法，到目前熱門流行的深度神經(jīng)網(wǎng)絡(luò)(DNN)、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)、DBN等深度學(xué)習(xí)算法，以及自編碼器等人工智能方法均在核電廠的設(shè)備狀態(tài)評(píng)估方面應(yīng)用廣泛.

的士直接開到了竹韻居住的宿舍大院停下來(lái)，竹韻從屋里推出輪椅，坐在司機(jī)副座的公司男員工下車，打開車門把龍斌抱到了輪椅上。竹韻付了車費(fèi)，推著龍斌回到屋里，男員工和小保姆提著從醫(yī)院帶回的生活用品跟在后面。男員工喝了茶告辭回公司上班去了，小保姆在一旁開始整理從醫(yī)院帶回的東西。竹韻推著龍斌來(lái)到了電腦前為他開了機(jī)，打開了電子信箱：“阿斌，你住院期間，收到了好多網(wǎng)友的郵件。你看，他們都很關(guān)心你！”

浙江省已建成水庫(kù)4 000多座，總庫(kù)容380多億m3，灌溉農(nóng)田1 200多萬(wàn)畝（80多萬(wàn)hm2），年供水量90多億m3，年發(fā)電量約 60億 kWh。浙江省大部分大中型水庫(kù)工程修建于20世紀(jì)六七十年代，工程運(yùn)行管理面臨財(cái)政投入水平低、管理維護(hù)經(jīng)費(fèi)短缺、員工待遇低等問題，制約了水庫(kù)生存和發(fā)展，嚴(yán)重影響水庫(kù)效益的發(fā)揮。為切實(shí)了解浙江省大中型水庫(kù)財(cái)務(wù)運(yùn)行實(shí)際狀況，于2010年9月開始對(duì)浙江省內(nèi)大中型水庫(kù)進(jìn)行了典型調(diào)查，涉及省內(nèi)7個(gè)地市53座水庫(kù)。

3.1 基于數(shù)據(jù)驅(qū)動(dòng)的核電設(shè)備異常檢測(cè)研究現(xiàn)狀

核電設(shè)備異常檢測(cè)的早期研究主要是基于模型驅(qū)動(dòng)的檢測(cè)方法.Tamaoki等針對(duì)快中子堆的冷卻系統(tǒng)異常檢測(cè)問題，建立溫度噪聲監(jiān)測(cè)模型.但是模型驅(qū)動(dòng)法需要以充分理解系統(tǒng)工作原理為前提，才能利用數(shù)理定律推導(dǎo)出描述系統(tǒng)的數(shù)學(xué)模型.而核電系統(tǒng)具有非常復(fù)雜的工作原理和結(jié)構(gòu)組成，精確建模面臨著較高挑戰(zhàn).

(1) 在核電機(jī)組運(yùn)維期間產(chǎn)生的數(shù)據(jù).該數(shù)據(jù)主要由現(xiàn)場(chǎng)儀表采集，如一回路/二回路的壓力、溫度、水位等傳感器采集的工藝參數(shù)數(shù)據(jù)，汽輪機(jī)/主泵的轉(zhuǎn)速、振動(dòng)、出口流量、壓力等設(shè)備狀態(tài)數(shù)據(jù).其中，設(shè)備狀態(tài)數(shù)據(jù)可以通過(guò)全廠數(shù)字化儀控系統(tǒng)獲取，剩余一小部分可以通過(guò)現(xiàn)場(chǎng)二次儀表和就地獨(dú)立采集柜獲取，其基本為時(shí)間序列數(shù)據(jù)，采樣時(shí)間間隔與核電廠所采用的全廠數(shù)字化儀控平臺(tái)相關(guān)，采樣間隔基本不固定，且數(shù)據(jù)隨著現(xiàn)場(chǎng)機(jī)組狀態(tài)和設(shè)備啟停改變，易受現(xiàn)場(chǎng)高溫、高輻照等工業(yè)環(huán)境干擾.此外，在核電機(jī)組運(yùn)維階段中還包括由人員巡檢、設(shè)備定期試驗(yàn)等產(chǎn)生的數(shù)據(jù)，主要以巡檢報(bào)告、定期試驗(yàn)報(bào)告等紙質(zhì)報(bào)告形式留存，數(shù)據(jù)的時(shí)間跨度大、分散廣，采集難度較大.

影響基于數(shù)據(jù)驅(qū)動(dòng)的異常檢測(cè)模型檢測(cè)精度的關(guān)鍵在于對(duì)異常數(shù)據(jù)的特征提取.近5年，PCA作為主流的核電數(shù)據(jù)特征提取方法，廣泛應(yīng)用于各類模型構(gòu)建前的數(shù)據(jù)降維和核心特征提取.為進(jìn)一步解決非線性的異常檢測(cè)問題，Wang等將KPCA法應(yīng)用于傳感器數(shù)據(jù)讀取的異常檢測(cè)，同時(shí)作為相似度聚類算法的特征提取，以分辨異常的類型和程度.Peng等利用稀疏自編碼器進(jìn)行特征提取和降維，并利用孤立森林法對(duì)LOCA、蒸汽管線破口、蒸汽傳熱管破裂、甩負(fù)荷等故障進(jìn)行異常檢測(cè)，獲得了比SVM更優(yōu)越的檢測(cè)性能.

黨的十九大報(bào)告明確指出，我們要建設(shè)的現(xiàn)代化是人與自然和諧共生的現(xiàn)代化，既要?jiǎng)?chuàng)造更多物質(zhì)財(cái)富和精神財(cái)富以滿足人民日益增長(zhǎng)的美好生活需要，也要提供更多優(yōu)質(zhì)生態(tài)產(chǎn)品以滿足人民日益增長(zhǎng)的優(yōu)美生態(tài)環(huán)境需要。交通運(yùn)輸是導(dǎo)致氣候變化、環(huán)境污染的重要原因之一，測(cè)試工況與實(shí)際工況下的排放差異，表明傳統(tǒng)的計(jì)算方法不再適用，需要有效地建立城市交通排放治理機(jī)制和實(shí)現(xiàn)達(dá)峰的愿景，需根據(jù)實(shí)際工況建立科學(xué)、客觀的移動(dòng)源MRV排放測(cè)量標(biāo)準(zhǔn)，來(lái)量化每一次交通出行行為的環(huán)境影響，從而更合理的制定城市道理交通規(guī)劃與相應(yīng)政策，推進(jìn)城市環(huán)境的優(yōu)化。

對(duì)異常檢測(cè)而言，數(shù)據(jù)源形式多樣，全面的同源設(shè)備數(shù)據(jù)信息不易獲取.一方面，目前只有部分傳感器數(shù)據(jù)進(jìn)入全廠數(shù)字化系統(tǒng)，而沒有進(jìn)行全廠數(shù)字化系統(tǒng)改造的核電廠只能夠獲取較少的在線監(jiān)測(cè)數(shù)據(jù).另一方面，核電設(shè)備獲取的數(shù)據(jù)存在異構(gòu)性，如維修或定期試驗(yàn)數(shù)據(jù)以紙質(zhì)單形式存在；還有一些數(shù)據(jù)信息則因設(shè)備廠家之間接口的壁壘而難以獲取.此外，正常情況下核電廠均在滿功率狀態(tài)運(yùn)行，機(jī)組上下行的次數(shù)一般為1.5年/次，若異常數(shù)據(jù)產(chǎn)生在上下行期間，則實(shí)際驗(yàn)證困難.

綜上所述，現(xiàn)有基于數(shù)據(jù)驅(qū)動(dòng)的核電設(shè)備異常檢測(cè)技術(shù)的發(fā)展得益于機(jī)器學(xué)習(xí)的發(fā)展：從神經(jīng)網(wǎng)絡(luò)技術(shù)到SVM的深化引用；從簡(jiǎn)單直接的網(wǎng)絡(luò)模型訓(xùn)練到更注重對(duì)異常特征的深化提??；從單一模型到多種模型的融合應(yīng)用.

3.2 基于數(shù)據(jù)驅(qū)動(dòng)的核電設(shè)備壽命預(yù)測(cè)研究現(xiàn)狀

核電設(shè)備的壽命預(yù)測(cè)方法一般分為3種類型：可靠性模型分析、物理模型驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng).其中，基于可靠性模型分析的方法主要通過(guò)概率原理和統(tǒng)計(jì)模型擬合設(shè)備歷史性能數(shù)據(jù)以推測(cè)設(shè)備壽命, 并不需要依賴于特定的設(shè)備物理模型.但該方法大多利用高斯分布或威布爾分布構(gòu)建觀測(cè)值與設(shè)備壽命的線性關(guān)系，而實(shí)際上設(shè)備的生命周期與觀測(cè)值之間的關(guān)系是非線性的，因此其無(wú)法滿足預(yù)測(cè)結(jié)果的精確度.基于物理模型驅(qū)動(dòng)的方法需要比較嚴(yán)謹(jǐn)?shù)臄?shù)理建模過(guò)程，同樣面臨核電系統(tǒng)的復(fù)雜性問題，核電設(shè)備的老化機(jī)制不易建模，限制了該方法的應(yīng)用.相比之下，基于數(shù)據(jù)驅(qū)動(dòng)的壽命預(yù)測(cè)方法更高效.該方法可以利用在線監(jiān)測(cè)系統(tǒng)積累的歷史數(shù)據(jù)對(duì)設(shè)備生命周期進(jìn)行較為全面的觀測(cè)，廣泛應(yīng)用于核電設(shè)備中.Aizpurua等結(jié)合極限梯度提升算法與熱力學(xué)模型，對(duì)核電變壓器的壽命進(jìn)行預(yù)測(cè).Elmashtoly等提出利用模糊邏輯控制器對(duì)機(jī)組變壓器的健康指標(biāo)進(jìn)行預(yù)測(cè)以建立預(yù)測(cè)性健康管理系統(tǒng).進(jìn)一步地，數(shù)字孿生成為核電健康管理系統(tǒng)的關(guān)鍵技術(shù).Oluwasegun等利用PCA進(jìn)行觀測(cè)數(shù)據(jù)降維，并結(jié)合SVM對(duì)控制棒驅(qū)動(dòng)機(jī)構(gòu)進(jìn)行狀態(tài)監(jiān)測(cè)，模型精度達(dá)到98.4%.基于數(shù)據(jù)驅(qū)動(dòng)的方法依賴于設(shè)備的觀測(cè)數(shù)據(jù)，而實(shí)際中，核電設(shè)備的失效樣本比較稀缺.對(duì)此，Liu利用一階不確定隱半馬爾科夫過(guò)程建立了一個(gè)適用于缺失數(shù)據(jù)的老化模型，并應(yīng)用于核電離心泵的失效預(yù)測(cè).

隨著深度學(xué)習(xí)在機(jī)器學(xué)習(xí)領(lǐng)域的出現(xiàn)，Utah等對(duì)比了包括KNN、決策樹、隨機(jī)森林、SVM在內(nèi)的傳統(tǒng)機(jī)器學(xué)習(xí)與DNN對(duì)電磁閥剩余壽命的預(yù)測(cè)性能，證實(shí)了深度的網(wǎng)絡(luò)結(jié)構(gòu)可以提高模型預(yù)測(cè)精度. Wang等先后利用TCN和集成卷積核的LSTM預(yù)測(cè)電磁閥壽命，比其他現(xiàn)有方法的預(yù)測(cè)精度更高.上述研究證實(shí)了深度學(xué)習(xí)方法在壽命預(yù)測(cè)方面的泛化性能，為其提供了極具潛力的解決方案.

3.3 基于數(shù)據(jù)驅(qū)動(dòng)的核電設(shè)備故障診斷研究現(xiàn)狀

故障診斷的任務(wù)主要包括故障檢測(cè)、故障識(shí)別(類型判斷)、故障定位和故障恢復(fù)等.目前，核電廠進(jìn)行故障診斷的主要方法為預(yù)先分析核電廠設(shè)備的故障模式，在故障發(fā)生時(shí)便可以根據(jù)故障模式分析結(jié)論進(jìn)行故障診斷.但即使經(jīng)驗(yàn)豐富的工程師也很難全面分析設(shè)備的故障模式，且核電設(shè)備的故障模式數(shù)學(xué)模型也尚未建立完善.近年來(lái)，核電設(shè)備故障診斷領(lǐng)域的總體研究脈絡(luò)為從機(jī)理模型到知識(shí)工程，再到數(shù)據(jù)驅(qū)動(dòng)方法.早在1994年，Holbert等結(jié)合模糊函數(shù)，利用經(jīng)驗(yàn)過(guò)程建模法對(duì)壓水反應(yīng)堆的9種信號(hào)建立多輸入多輸出信號(hào)的校驗(yàn)?zāi)Ｐ?，并?duì)故障信號(hào)進(jìn)行初步診斷分析.該類基于機(jī)理模型的故障診斷方法需要建立較完備的數(shù)學(xué)模型，充分匹配其過(guò)程機(jī)理，但核電廠是一個(gè)非常復(fù)雜的過(guò)程系統(tǒng)，具有非線性、強(qiáng)耦合性、不確定性等復(fù)雜特性，多數(shù)設(shè)備信號(hào)尚無(wú)法建立精準(zhǔn)的機(jī)理模型.因此，知識(shí)工程技術(shù)逐步應(yīng)用于核電領(lǐng)域，即通過(guò)專家經(jīng)驗(yàn)知識(shí)來(lái)明確故障的傳播路徑以實(shí)現(xiàn)故障的檢測(cè)、識(shí)別和分析，是現(xiàn)有國(guó)內(nèi)核電廠普遍建立的故障診斷方法.Wu等利用貝葉斯網(wǎng)絡(luò)對(duì)核電廠蒸汽發(fā)生器傳熱管破裂(SGTR)、失去主給水、主蒸汽管道破口(MSLB)、全廠失電事故等故障進(jìn)行診斷，并建立了一個(gè)核電多源傳感節(jié)點(diǎn)的故障診斷框架.為克服貝葉斯網(wǎng)絡(luò)對(duì)動(dòng)態(tài)問題、連續(xù)和離散變量混合問題的處理瓶頸，Zhao等利用DUCG理論體系對(duì)寧德核電廠的23種故障模式進(jìn)行診斷研究，包括主給隔離閥無(wú)法開啟、主蒸汽旁排閥無(wú)法開啟和主蒸汽管道泄漏等.但知識(shí)工程技術(shù)一方面需要大量積累現(xiàn)場(chǎng)經(jīng)驗(yàn)知識(shí)，消耗大量時(shí)間和人力成本；另一方面，不同設(shè)備、工藝、堆型、機(jī)組等通常存在較大差異，該方法不具備普適性和通用性.

近年來(lái)，在知識(shí)工程技術(shù)基礎(chǔ)上，利用機(jī)器學(xué)習(xí)方法并借助海量核電監(jiān)測(cè)數(shù)據(jù)將專家經(jīng)驗(yàn)轉(zhuǎn)化為具有泛化能力的診斷模型越來(lái)越受到重視.在故障檢測(cè)方面，Li等提出將核電廠大量傳感器分組，并對(duì)比分析不同PCA模型方法的檢測(cè)效率.為解決PCA模型受外界環(huán)境影響和內(nèi)部模型錯(cuò)誤導(dǎo)致的誤報(bào)警問題，該團(tuán)隊(duì)提出提高PCA模型可靠性的改進(jìn)方法.為克服PCA在重構(gòu)過(guò)程中受特征值類型的影響，Mandal等利用奇異值分解(SVD)法進(jìn)行傳感器故障檢測(cè).為進(jìn)一步提高故障檢測(cè)性能，該團(tuán)隊(duì)提出利用增強(qiáng)SVD法進(jìn)行快中子增值試驗(yàn)反應(yīng)堆的熱電偶傳感器故障檢測(cè).在故障識(shí)別方面，Li等提出將PCA模型應(yīng)用于故障識(shí)別，研究對(duì)象包括一回路冷卻劑出口溫度、主蒸汽流量、主給水流量、堆芯水位、冷凝器水位、穩(wěn)壓器水位、主泵進(jìn)出口壓力等.考慮SVD法比PCA模型的優(yōu)勢(shì)，Mandal等利用SVD法對(duì)熱電偶的故障進(jìn)行故障識(shí)別.為解決核電系統(tǒng)中大規(guī)模故障類別的識(shí)別問題，Cho等提出等價(jià)空間費(fèi)希爾判別分析法，并應(yīng)用于加拿大重水鈾反應(yīng)堆試驗(yàn)裝置的給水系統(tǒng).人工神經(jīng)網(wǎng)絡(luò)(ANN)和SVM的發(fā)展進(jìn)一步推動(dòng)了核電設(shè)備故障診斷的研究進(jìn)程.Messai等利用四層ANN，結(jié)合控制棒位置和一回路流量預(yù)測(cè)堆芯熱電偶溫度，并根據(jù)預(yù)測(cè)值與實(shí)測(cè)值之間的偏差判斷故障；Lin等利用可緊縮的序列前向選擇法對(duì)傳感器組進(jìn)行特征提取和傳感器選擇，然后利用KNN進(jìn)行故障檢測(cè)與識(shí)別；Jamil等提出利用核SVM法對(duì)巴基斯坦反應(yīng)堆的控制棒提升故障進(jìn)行診斷，并對(duì)外部反應(yīng)性插入故障時(shí)反應(yīng)堆出入口溫度、堆芯溫度、反應(yīng)性、冷卻劑導(dǎo)電率、中子通量等參數(shù)進(jìn)行研究；Liu等利用PCA降維方法對(duì)核電廠LOCA、MSLB、SGTR等故障進(jìn)行檢測(cè)，然后建立符號(hào)有向圖模型對(duì)故障進(jìn)行定位，最后通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行估計(jì)識(shí)別.

綜上所述，以機(jī)器學(xué)習(xí)為代表的數(shù)據(jù)驅(qū)動(dòng)法解決了早期知識(shí)工程對(duì)核電故障知識(shí)抽取的高成本和低普適性問題，有利于大量數(shù)據(jù)的特征提取與歸納，并不斷提升對(duì)核電設(shè)備復(fù)雜非線性模型的逼近能力，形成了較多高性能的故障診斷解決方案.

4 深度學(xué)習(xí)在核電設(shè)備狀態(tài)評(píng)估中的探索

近年來(lái)，國(guó)內(nèi)學(xué)者熱衷于采用數(shù)據(jù)驅(qū)動(dòng)法評(píng)估核電設(shè)備狀態(tài).在核電設(shè)備的異常檢測(cè)方面，Wang等利用改進(jìn)粒子群算法優(yōu)化支持向量機(jī)(SVM)算法對(duì)核電廠一回路破口進(jìn)行研究.該團(tuán)隊(duì)還利用核主成分分析(KPCA)算法解決傳感器異常檢測(cè)的非線性問題；在核電設(shè)備壽命預(yù)測(cè)方面，利用時(shí)域卷積網(wǎng)絡(luò)(TCN)對(duì)核電廠電磁閥壽命進(jìn)行預(yù)測(cè)研究.在核電故障診斷方面，Zhao等提出動(dòng)態(tài)不確定因果圖(DUCG)理論體系，并在核電廠典型的23個(gè)故障模式中進(jìn)行應(yīng)用；Li等對(duì)核電廠傳感器的故障診斷進(jìn)行大量研究.在利用深度學(xué)習(xí)評(píng)估核電設(shè)備方面，陳玉昇等通過(guò)深度信念網(wǎng)絡(luò)(DBN)對(duì)一回路冷段小破口(LOCA)和U型管破裂事故進(jìn)行研究.

隨著卷積神經(jīng)網(wǎng)絡(luò)(CNN)的出現(xiàn)及其在圖像領(lǐng)域的深度應(yīng)用，研究者將量測(cè)數(shù)據(jù)轉(zhuǎn)化為圖像數(shù)據(jù)，并利用CNN在圖像數(shù)據(jù)特征提取方面的優(yōu)越性，建立更高性能的診斷模型.Lee等首次提出將反射性儀的測(cè)量信號(hào)轉(zhuǎn)化為圖像，然后借助ANN和聚類算法對(duì)核電控制電纜進(jìn)行故障診斷；在此基礎(chǔ)上，Bang等進(jìn)一步利用CNN實(shí)現(xiàn)了電纜故障的精確定位和故障分類，檢測(cè)精度升高.受此啟發(fā)，Saeed等利用深度CNN結(jié)合滑動(dòng)窗口對(duì)SGTR、主給水管道破裂、主泵失效和穩(wěn)壓器安全閥無(wú)法開啟等故障進(jìn)行診斷.

核電設(shè)備故障診斷的數(shù)據(jù)多為時(shí)序數(shù)據(jù)，而循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)對(duì)時(shí)序數(shù)據(jù)具有技術(shù)獨(dú)特優(yōu)勢(shì)，在工程實(shí)踐中應(yīng)用廣泛.Kim等利用RNN對(duì)全廠失電、引入過(guò)剩反應(yīng)性、失去流量、失去冷卻、失去熱交換等故障進(jìn)行診斷，改變了傳統(tǒng)反應(yīng)堆保護(hù)系統(tǒng)所采用的閾值觸發(fā)報(bào)警機(jī)制.針對(duì)長(zhǎng)序列數(shù)據(jù)進(jìn)行學(xué)習(xí)時(shí)，常規(guī)RNN存在梯度消失和長(zhǎng)期依賴問題，而改進(jìn)RNN-LSTM極大程度地推動(dòng)了該領(lǐng)域的研究進(jìn)程.Yang等利用LSTM對(duì)LOCA、SGTR和MSLB等事故進(jìn)行故障診斷；為解決緊急情況下，核電廠參數(shù)變化的復(fù)雜性和非線性問題，Choi等利用LSTM-RNN對(duì)核電廠典型事故(LOCA、SGTR、蒸汽超負(fù)荷、主給水失去)進(jìn)行研究.此外，為進(jìn)一步解決核電廠多種工況模式下的故障檢測(cè)和無(wú)需采用標(biāo)簽數(shù)據(jù)的問題，Yang等利用帶RNN的自編碼器深度學(xué)習(xí)算法對(duì)核電廠的典型事故(LOCA、SGTR、蒸汽管道破口)進(jìn)行故障診斷.

在核電設(shè)備故障診斷領(lǐng)域，深度學(xué)習(xí)技術(shù)已逐步形成其有效的研究路徑.隨著更多高性能網(wǎng)絡(luò)模型的出現(xiàn)，其在核電狀態(tài)評(píng)估領(lǐng)域的應(yīng)用必然會(huì)爆發(fā)出令人矚目的潛力.

結(jié)合分析我國(guó)歷史上一些已潰水庫(kù)大壩的各個(gè)間接影響因素產(chǎn)生的特點(diǎn)，采用AHP法分析計(jì)算。對(duì)表1中的十個(gè)間接影響因素，建議給出如下權(quán)重系數(shù)的一個(gè)10×10判斷矩陣：

5 面臨的挑戰(zhàn)及解決方案

異常檢測(cè)、壽命預(yù)測(cè)和故障診斷技術(shù)為核電廠設(shè)備狀態(tài)評(píng)估提供了切實(shí)可行的技術(shù)路線，同時(shí)也面臨著來(lái)自核電廠設(shè)備評(píng)估的特殊挑戰(zhàn).

為此，我們調(diào)查與分析初中學(xué)生抄襲作業(yè)的起始時(shí)間、程度、科目及原因，教師布置作業(yè)的種類、分量、難度、方法及教師授課情況，教師對(duì)學(xué)生抄襲作業(yè)的態(tài)度、措施以及學(xué)生認(rèn)為應(yīng)采取的措施。以期進(jìn)一步改進(jìn)教學(xué)方法，提高教育教學(xué)水平，使初中學(xué)生能夠充分認(rèn)識(shí)抄襲作業(yè)現(xiàn)象的嚴(yán)重性、危害性和糾正的必要性。

北京市河湖基本情況普查技術(shù)路線及特點(diǎn)分析………………………………… 王亞娟，李 濤，楊大杰等(1.47)

對(duì)壽命預(yù)測(cè)而言，因所處環(huán)境、溫度和輻射水平不同，核電廠設(shè)備的工作環(huán)境千差萬(wàn)別；同時(shí)還面臨設(shè)備故障樣本數(shù)量較少和預(yù)測(cè)信息難以真實(shí)驗(yàn)證等諸多問題.

對(duì)故障診斷而言，核電廠不僅面臨設(shè)備種類多、個(gè)性定制強(qiáng)、故障樣本量少、故障信息難以驗(yàn)證和設(shè)備工作環(huán)境千差萬(wàn)別等問題，還面臨故障信息提取困難問題，這主要是由于核電廠存在多種工況，且絕大部分工況的運(yùn)行時(shí)間較短.

5.1 針對(duì)核電設(shè)備數(shù)據(jù)問題可采取的解決方案

2.建立資源環(huán)境承載能力監(jiān)測(cè)預(yù)警機(jī)制。建立潿洲島資源環(huán)境監(jiān)測(cè)預(yù)警數(shù)據(jù)庫(kù)和信息技術(shù)平臺(tái)，定期編制資源環(huán)境承載能力監(jiān)測(cè)預(yù)警報(bào)告，在資源消耗和環(huán)境容量超過(guò)或接近承載能力時(shí)，實(shí)行預(yù)警提醒和采取限制性措施。

設(shè)備狀態(tài)數(shù)據(jù)源問題.目前，核電廠主要借助傳感器對(duì)設(shè)備的相關(guān)物理參數(shù)獲取設(shè)備的狀態(tài)數(shù)據(jù).為解決現(xiàn)有設(shè)備狀態(tài)數(shù)據(jù)不足的問題，對(duì)于需要監(jiān)督的物理參數(shù)沒有通過(guò)傳感器進(jìn)行參數(shù)獲取的情況，可以借助便攜式振動(dòng)測(cè)量、熱成像儀和設(shè)備巡檢儀等人工外部手持設(shè)備，對(duì)定期試驗(yàn)過(guò)程中產(chǎn)生的相關(guān)人工記錄數(shù)據(jù)加以利用.此外，還可以利用外部加裝傳感器的方式.為避免有線傳輸?shù)膶?shí)施條件問題，可利用無(wú)線傳感器采集設(shè)備狀態(tài)數(shù)據(jù).

其實(shí)，“勇敢做自己”是困難的，對(duì)青少年學(xué)生而言更是如此。這和人類的從眾心理有關(guān)，不能苛求青少年學(xué)生。不僅如此，在當(dāng)下的社會(huì)，過(guò)于固定而單一的成功成才標(biāo)準(zhǔn)也在不知不覺中對(duì)青少年學(xué)生施加影響。比如，最近有媒體報(bào)道，一到暑假，青少年學(xué)生就成為整容的主力軍。學(xué)生們之所以容易受社會(huì)上對(duì)“高顏值”的盲目追捧影響，一方面固然是出于愛美之心，但缺乏主見、追逐流俗的心態(tài)也毋庸諱言。但這樣的行為是否就是“洪水猛獸”？恐怕也不必過(guò)于擔(dān)憂。其實(shí)，這在當(dāng)下許多國(guó)家都是常見現(xiàn)象，而且青少年學(xué)生大多處在叛逆期，只要不傷害他人，征得家人的理解和支持，對(duì)自己的外貌做一些技術(shù)處理，也不必大驚小怪。

設(shè)備狀態(tài)數(shù)據(jù)傳輸整合問題.早期核電廠多采用模擬儀表方式，數(shù)據(jù)傳輸易受到現(xiàn)場(chǎng)信號(hào)干擾，同時(shí)存在數(shù)據(jù)傳輸、存儲(chǔ)和管理等挑戰(zhàn).為此，核電廠現(xiàn)多通過(guò)升級(jí)改造數(shù)字化系統(tǒng)，來(lái)改善數(shù)據(jù)的傳輸、存儲(chǔ)和管理.此外，為整合多個(gè)數(shù)據(jù)源數(shù)據(jù)，提升設(shè)備數(shù)據(jù)的管理水平，建設(shè)信息化統(tǒng)一數(shù)據(jù)庫(kù)，有效整合所有數(shù)據(jù)源，減少信息孤島.

異常樣本(負(fù)樣本)數(shù)據(jù)匱乏問題.多數(shù)情況下，核電廠較難獲取異?；蚬收蠑?shù)據(jù)，且核電廠運(yùn)維人員也難以憑經(jīng)驗(yàn)判斷獲取的數(shù)據(jù)是否為異常或故障數(shù)據(jù).對(duì)此，專家學(xué)者利用RELAP5仿真軟件模擬各反應(yīng)堆運(yùn)行的機(jī)組瞬態(tài)工況和假象事故，探究核電設(shè)備故障對(duì)整個(gè)工藝系統(tǒng)的影響.但實(shí)際運(yùn)維需求不僅只關(guān)注核安全問題，更關(guān)注在核電廠的機(jī)組運(yùn)行過(guò)程中如何評(píng)估設(shè)備狀態(tài)，從而有利于核電廠制定有效的維修策略.而核電廠設(shè)備復(fù)雜多樣，利用一種仿真軟件或仿真手段往往難以滿足工程應(yīng)用需求，且某些設(shè)備由于自身的復(fù)雜性、老化以及受工作環(huán)境的影響等，往往難以利用仿真手段來(lái)獲取異?；蚬收蠑?shù)據(jù).目前，可利用以下3種思路開展研究.

(1) 結(jié)合仿真模型和系統(tǒng)辯識(shí)法.系統(tǒng)辨識(shí)是通過(guò)輸入、輸出數(shù)據(jù)研究確定系統(tǒng)數(shù)學(xué)模型的理論和方法.可以利用系統(tǒng)辨識(shí)法辨識(shí)仿真模型的系統(tǒng)模型結(jié)構(gòu)和參數(shù)；利用已獲取的正常數(shù)據(jù)和少量異常數(shù)據(jù)，進(jìn)一步驗(yàn)證系統(tǒng)模型結(jié)構(gòu)和參數(shù)的正確性.此外，隨著仿真技術(shù)的發(fā)展，智能仿真和平行仿真等技術(shù)也可彌補(bǔ)設(shè)備異常樣本不足的問題.

在利用基于數(shù)據(jù)驅(qū)動(dòng)法進(jìn)行設(shè)備狀態(tài)評(píng)估過(guò)程中，最主要的挑戰(zhàn)是數(shù)據(jù)問題.具體可從以下幾個(gè)方面加以改善.

(2) 生成對(duì)抗網(wǎng)絡(luò)(GAN).GAN通常包含一個(gè)生成器和一個(gè)判別器，原理為首先根據(jù)經(jīng)大量正常數(shù)據(jù)訓(xùn)練得到的模型G，生成或重建正常數(shù)據(jù)；然后將測(cè)試樣本輸入至訓(xùn)練好的模型G，并利用判別器對(duì)真實(shí)數(shù)據(jù)和生成器生成的正常數(shù)據(jù)進(jìn)行異常檢測(cè).如果真實(shí)數(shù)據(jù)與正常數(shù)據(jù)相同或相近，則表明真實(shí)數(shù)據(jù)是正常數(shù)據(jù)，否則被判別器判別為異常數(shù)據(jù).GAN能夠有效解決核電數(shù)據(jù)極度不平衡的問題，且經(jīng)過(guò)了多次發(fā)展，如AnoGAN、BiGAN和GANomaly等.

(3) 同源異構(gòu)數(shù)據(jù).一般情況下，在異?；蚬收蠑?shù)據(jù)的收集過(guò)程中，考慮核電廠內(nèi)同一型號(hào)設(shè)備在運(yùn)行時(shí)產(chǎn)生的故障數(shù)據(jù)，但多數(shù)設(shè)備即使在多機(jī)組的情況下其數(shù)量也并不多，往往無(wú)法滿足數(shù)據(jù)使用需求.不同機(jī)組的同一個(gè)功能位號(hào)的設(shè)備，可能來(lái)自不同設(shè)備廠家，其生產(chǎn)工藝等均不同，且受生產(chǎn)批次、零部件等差異影響.但從設(shè)備使用的角度考慮，該類數(shù)據(jù)可歸為異構(gòu)同源數(shù)據(jù).利用異構(gòu)同源數(shù)據(jù)可進(jìn)一步進(jìn)行數(shù)據(jù)遷移和特征遷移，利用遷移學(xué)習(xí)法進(jìn)行模型遷移，從而實(shí)現(xiàn)在不同工況下的異常檢測(cè)和故障診斷.

此次研究尚有不足之處：(1)本次研究為單中心、回顧性研究，在數(shù)據(jù)收集方面受到一定限制。例如，鎮(zhèn)靜組患者術(shù)中僅記錄了因劇烈疼痛中止手術(shù)的患者數(shù)據(jù)，對(duì)輕中度疼痛的患者，雖及時(shí)給予處理但并未記錄。G組患者術(shù)中循環(huán)波動(dòng)情況也為間斷記錄，不能精確地反應(yīng)患者使用鎮(zhèn)靜鎮(zhèn)痛藥物后循環(huán)的變化情況，可能導(dǎo)致了數(shù)據(jù)偏倚；(2)肺靜脈狹窄也是房顫導(dǎo)管消融手術(shù)的嚴(yán)重并發(fā)癥之一，其發(fā)生概率約為1%～21%[18-19]，但由于各方面條件限制并沒有將其納入試驗(yàn)研究中。

隨著人工智能技術(shù)的發(fā)展，針對(duì)數(shù)據(jù)異?；蚬收蠘颖玖枯^少的情況，未來(lái)將出現(xiàn)更多的解決方法，如少樣本或零樣本的學(xué)習(xí)，其在異常檢測(cè)方面顯示出較好的應(yīng)用前景.

5.2 潛伏性故障檢測(cè)

核電廠設(shè)備狀態(tài)的生命周期經(jīng)歷了故障潛伏性和故障發(fā)生兩個(gè)階段.在實(shí)際工程的運(yùn)維過(guò)程中，現(xiàn)場(chǎng)運(yùn)維人員通常關(guān)注故障識(shí)別、故障診斷和故障定位，采取糾正性的維修策略快速搶修設(shè)備.近年來(lái)，設(shè)備的潛伏性故障逐漸受到核電現(xiàn)場(chǎng)運(yùn)維需求的關(guān)注.檢測(cè)潛伏性故障可以有效制定狀態(tài)維修的維修策略，通過(guò)狀態(tài)維修，核電廠的經(jīng)濟(jì)性和安全性得以提高.但潛伏性故障與正常運(yùn)行數(shù)據(jù)的偏離程度往往較小，由前文文獻(xiàn)研究可知，目前的研究主要集中于一回路破口、SGTR、蒸汽超負(fù)荷、主給水失去等核電典型事故工況的故障識(shí)別、檢測(cè)和診斷.潛伏性故障的特征數(shù)據(jù)具有很強(qiáng)的隱蔽性，與正常數(shù)據(jù)相似，因此迷惑性強(qiáng)，比故障識(shí)別更具挑戰(zhàn)性.目前，可利用以下2種思路開展核電廠設(shè)備潛伏性的故障檢測(cè).

(1) 借助設(shè)備之間的關(guān)聯(lián)性.考慮潛伏性故障的隱蔽性和復(fù)雜性，針對(duì)某一設(shè)備的狀態(tài)數(shù)據(jù)，可通過(guò)其關(guān)聯(lián)設(shè)備的工藝表現(xiàn)挖掘該設(shè)備的數(shù)據(jù)特征.在采集數(shù)據(jù)方面，應(yīng)更關(guān)注對(duì)數(shù)據(jù)相關(guān)性的研究分析，以期對(duì)設(shè)備表現(xiàn)的潛伏性故障特征進(jìn)行關(guān)聯(lián)數(shù)據(jù)挖掘.

(2) 結(jié)合異常數(shù)據(jù)檢測(cè).利用在設(shè)備運(yùn)行期間發(fā)現(xiàn)的異常數(shù)據(jù)，識(shí)別和發(fā)現(xiàn)設(shè)備的潛伏性故障.異常數(shù)據(jù)可以視為設(shè)備正常的運(yùn)行數(shù)據(jù)疊加噪聲數(shù)據(jù)后的離群點(diǎn)，異常數(shù)據(jù)的產(chǎn)生頻度和數(shù)值指標(biāo)等與設(shè)備故障相關(guān)，而針對(duì)核電廠設(shè)備，可更關(guān)注于分析傳感器的時(shí)間序列數(shù)據(jù)和對(duì)其他關(guān)聯(lián)設(shè)備數(shù)據(jù)進(jìn)行信息融合綜合診斷.

2011年區(qū)水務(wù)行政執(zhí)法支隊(duì)累計(jì)出動(dòng)執(zhí)法人員2 434人次，參加行政檢查1 314次，實(shí)施行政許可事后監(jiān)督檢查110家，共立案查處74件，責(zé)令采取補(bǔ)救措施216件。2011年先后對(duì)重點(diǎn)排水企業(yè)進(jìn)行摸底調(diào)查，確定排水執(zhí)法檢查重點(diǎn)跟蹤企業(yè)450家；專項(xiàng)執(zhí)法檢查2 400多家排水企業(yè)，對(duì)違法企業(yè)進(jìn)行了嚴(yán)厲查處；聯(lián)合區(qū)環(huán)保部門對(duì)全區(qū)范圍內(nèi)的重點(diǎn)排水企業(yè)污水預(yù)處理設(shè)施和檢測(cè)井、沿河沿江水環(huán)境安全進(jìn)行了專項(xiàng)執(zhí)法檢查。

6 結(jié)論

近年來(lái)，對(duì)核電廠設(shè)備狀態(tài)的評(píng)估研究多集中在與核安全相關(guān)的設(shè)備上，如SGTR、一回路破口、MSLB、主給水失去等核電廠典型事故工況的設(shè)備狀態(tài)研究.核電能源與火電、風(fēng)電、太陽(yáng)能等能源的競(jìng)爭(zhēng)日益強(qiáng)烈，利用基于設(shè)備狀態(tài)的維修是目前提高核電廠安全性、降低運(yùn)維成本的關(guān)鍵.而提高設(shè)備狀態(tài)評(píng)估的精準(zhǔn)度是核電廠進(jìn)行設(shè)備維修的有效手段.隨著人工智能的發(fā)展，利用基于數(shù)據(jù)驅(qū)動(dòng)的核電廠設(shè)備狀態(tài)評(píng)估將大有可為，深度學(xué)習(xí)的興起，有望大幅度提高設(shè)備狀態(tài)評(píng)估的精準(zhǔn)度.針對(duì)數(shù)據(jù)驅(qū)動(dòng)技術(shù)特點(diǎn)和目前核電廠設(shè)備狀態(tài)評(píng)估面臨的挑戰(zhàn)，提出如下建議和設(shè)想：

(1) 核電廠設(shè)備狀態(tài)數(shù)據(jù)庫(kù)建設(shè).機(jī)組設(shè)備的運(yùn)行為核電廠積累了很多數(shù)據(jù)，包括日常巡檢數(shù)據(jù)、DCS監(jiān)視設(shè)備產(chǎn)生的設(shè)備狀態(tài)數(shù)據(jù)、機(jī)組維修過(guò)程中產(chǎn)生的維修規(guī)程記錄、運(yùn)行執(zhí)行定期試驗(yàn)產(chǎn)生的日常記錄等.基于數(shù)據(jù)驅(qū)動(dòng)的核電廠設(shè)備狀態(tài)評(píng)估需要大量的數(shù)據(jù)作為支撐.建設(shè)核電廠設(shè)備狀態(tài)數(shù)據(jù)庫(kù)可以極大地促進(jìn)深度學(xué)習(xí)技術(shù)的落地，為數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范建設(shè)，以及深化多系統(tǒng)、多元信息融合的應(yīng)用提供前提保障.

(2) 核電狀態(tài)評(píng)估算法研究.核電廠設(shè)備運(yùn)行數(shù)據(jù)的異常檢測(cè)融合時(shí)間序列數(shù)據(jù)、巡檢數(shù)據(jù)、規(guī)程記錄數(shù)據(jù)，甚至包含長(zhǎng)時(shí)間跨度等特點(diǎn)，且受核電廠的核安全監(jiān)督和機(jī)組運(yùn)行規(guī)范等的間接影響.因此，需要深入研究如何進(jìn)一步進(jìn)行核電廠設(shè)備狀態(tài)評(píng)估的算法.

(3) 零樣本故障數(shù)據(jù)的設(shè)備狀態(tài)評(píng)估.與其他工業(yè)領(lǐng)域不同，核行業(yè)的很多設(shè)備均采用定制化開發(fā)方式，同類型的設(shè)備數(shù)量較少；在核電廠進(jìn)行變更改造安裝新設(shè)備或在核電機(jī)組剛剛建設(shè)后，存在沒有故障樣本數(shù)據(jù)的問題.因此，進(jìn)行零樣本的異常檢測(cè)研究也是核電設(shè)備狀態(tài)評(píng)估的一個(gè)研究方向.

(4) 核電廠潛伏性故障研究.綜合利用設(shè)備的關(guān)聯(lián)信息，深入挖掘設(shè)備潛伏性故障的數(shù)據(jù)特征，利用深度學(xué)習(xí)進(jìn)行異常檢測(cè)，從而識(shí)別和診斷核電設(shè)備的潛伏性故障；利用現(xiàn)場(chǎng)設(shè)備的運(yùn)行情況對(duì)算法進(jìn)行反饋，從而不斷改進(jìn)和提高智能體潛伏性故障的診斷水平和能力.算法與現(xiàn)場(chǎng)的有效互動(dòng)將逐步提高潛伏性故障的診斷精準(zhǔn)度.