近年來，隨著互聯網等技術的發展，大數據的應用逐漸在各個領域嶄露頭角。黨中央國務院也高度重視大數據的發展和應用，十九大報告明確指出，要加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合。

　　而數博會自2015年創辦以來，已連續成功舉辦四屆，并于2017年正式升級為國家級展會活動。作為全球首個大數據主題博覽會，憑借國際化、專業化、市的場化領先優勢，數博會成為全球大數據發展的風向標和業界最具國際性和權威性的成果交流平臺。

　　PRID作為數博會“十佳大數據案例”可以在千余個案例中脫穎而出，自然也有著自己的底氣。

　　據介紹，PRID是中核集團積極響應國家對于加快推進工業互聯網創新發展的政策要求，貫徹各部委對于加強核電運行安全管理的指導意見，基于自身在反應堆工程研究、設計、試驗和運維等方面的資源與經驗研發而成，是國內率先建設并應用的核反應堆關鍵設備在線監視與智能診斷平臺，引領了大數據、人工智能技術在核電行業的落地和發展。

　　對此，核動力院反應堆工程研究所反應堆物理與故障診斷研究室(以下簡稱“二所一室”)主任劉才學表示，PRID可以通過關鍵設備狀態數據實時傳輸系統，實現核電站內各類關鍵設備的數據匯集和實時傳輸，從而提升故障診斷分析服務的及時性和準確性。同時通過大數據管理方案，完成了核電站關鍵設備數據的大數據集中管理，實現了數據的安全高效存儲和快速查詢與計算，并可將人工智能技術應用于核電站關鍵設備的故障診斷與預測，實現群堆狀態下的反應堆關鍵設備智能診斷。

　　“通過大數據、工業互聯網等技術與故障診斷專業相融合，探索了數字化、網絡化、一體化、智能化的遠程監測與智能診斷新模式，實現了核電廠反應堆設備運維的創新應用，為核電站提供了更及時可靠的運維策略支持。”劉才學補充道。

　　據悉，通過PRID可以輕松實現機組級和電站級數據的融合，打通核電數據鏈條;聚集故障診斷方向的專家資源，自主開發診斷分析算法，提升服務效率和數據利用率。隨著數據的積累，不斷提升平臺的智能化水平，可以在多維度進一步擴展業務范圍，發掘隱藏在數據背后的巨大商業價值，實現信息化、一體化、智能化的核電關鍵設備運維新模式，全面支撐核電站反應堆關鍵設備的運維保障工作，提升我國核電技術水平和國際競爭力。

　　助力核電站安全性和經濟性進一步提升

　　安全是核電發展的基石，為核電站關鍵設備提供專業的運維手段也成為構建核安全體系的重要一環。

　　據記者了解，目前國內核電站在關鍵設備運維方面主要以事后維修和計劃性維修為主，核電站運維經濟性(不高)，同時關鍵設備的狀態數據沒有深度應用，數據價值還有待開發，而科研單位的專家知識、設備運維服務商的經驗、先進的智能診斷技術沒有有機融合，核電站對關鍵設備的故障診斷和運維策略支持服務有急切的需求。

　　在此背景下，PRID可謂應運而生。

　　據核動力院二所一室副主任楊泰波介紹，PRID具有網絡化、智能化和模塊化的總體特點。該平臺首次將大數據和人工智能技術應用于核電關鍵設備領域，提升了數據管理能力和利用率，同時，PRID實現了“人工智能識別+專家審核”的分析方式，自主開發了核心診斷算法。另外，PRID還研發了三維動態可視化系統，結合豐富的監測和診斷指標，為核電站提供多方面的決策信息支持。

　　“通過核電站關鍵設備狀態數據的累積，可以促進平臺算法的迭代更新和完善，并提升平臺智能化水平和專家人才隊伍的知識水平，進一步提升核電站的安全性和經濟性。”楊泰波介紹道。

　　核電站的安全性和經濟性固然重要，但核動力院研發PRID的初衷不僅于此。

　　“除了安全和經濟方面的效益外，我們應該注意到，PRID監測的是核電站關鍵設備的相關狀態，屬于我國比較重要的數據，我們研制出擁有完全自主知識產權的核電數據監測平臺，對于我國的數據安全也將起到關鍵的作用。”核動力院院黨委書記周定文表示。

　　周定文同時明確，核動力院擁有大量研發、設計、設備制造等方面的經驗，這樣一個平臺可以在核動力院孵化有其必然性。另外，我國自主研發的平臺，更能貼近我國核電站的實際需求，這與從國外直接采購類似的系統還是有一定差別，對我國核電今后的研發創新都有較好的促進作用。

　　PRID診斷準確性已達國際先進水平

　　大數據與核電行業的融合碰撞出的火花，為核電站的安全運行又增添了一層保障。當然，現在PRID仍存在需要繼續努力的方面。

　　“PRID監測的對象是數據，所以數據的有效性以及準確性是我們重點關注的環節。我們通過在核電站關鍵設備上安裝傳感器的方式，實現對核電站相關數據的實時監控，因此傳感器的可靠性以及數據傳輸線路的可靠性都是我們需要格外注意的問題，也是今后要繼續提升的一個方面。”劉才學明確。

　　劉才學同時指出，反應堆各類關鍵設備的監測主要基于結構振動和反應堆中子噪聲等技術，其專業性強，為了實現各類監測系統核心零部件國產化，對故障診斷及相關專業人才團隊的能力要求高。

　　楊泰波也表示，PRID的技術難點還包括反應堆各類關鍵設備的診斷算法研究和實現，包括核電站松脫部件智能識別與診斷算法、堆內構件異常振動評價算法、主泵故障智能診斷算法和LBB泄漏定位定量算法等等。

　　另外，作為一個監測診斷平臺，其診斷結果的準確性也是業內關注的焦點之一。對此，核動力院二所所長李朋洲表示，由于核動力院依靠研發、設計、人才等方面的優勢，集合大數據技術，目前PRID診斷的準確性已達國際先進水平。

　　“當然，PRID還需要更多數據的積累，隨著數據的增加，PRID診斷的準確性還將進一步提升，這也是一個不斷完善的過程。”李朋洲指出。

　　據悉，目前PRID示范項目已在福清核電站落地。同時，該平臺已在我國30臺在運核電機組展開了遠程診斷等相關工作。

　　“我們相信，隨著核電、大數據以及人工智能的發展，這個系統會愈加完善，前途會更加光明。”周定文表示。

免責聲明：本網轉載自合作媒體、機構或其他網站的信息，登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其內容的真實性。本網所有信息僅供參考，不做交易和服務的根據。本網內容如有侵權或其它問題請及時告之，本網將及時修改或刪除。凡以任何方式登錄本網站或直接、間接使用本網站資料者，視為自愿接受本網站聲明的約束。